將自己數據轉化為cifar10支持的lmdb
首先,看一下cafferoot/data/cifar10(cafferoot指的是自己caffe安裝的根目錄)下面的get_cifar10.sh
可見其下載的是bin格式的圖片,然後通過cafferoot/examples/cifar10/create_cifar10.sh將bin文件轉化為lmdb格式。
那麽這樣的問題來了,由於,cifar10由官網提供了2進制的bin文件,如果我們想訓練自己的模型呢?如果我們想加進自己的圖片呢。所以,一個保持和官網cifar10同步的將傳統的jpg、png等格式轉為bin格式的程序應用而生。
進入正題
1,cifar10的bin數據格式
image 的大小為32*32,flag為0-9,共10類,使用的是cifar-10數據集
二進制數據格式為flag,R(1024),G(1024),B(1024),每個通道按行排列
2,讀取cifar10的bin文件,將bin文件中數據轉化為圖片並顯示
[cpp] view plain copy- void read_cifar_bin(string file_address,vector<Mat>& image,vector<int>& flag)
- {
- int width = 32, height = 32;//註意這個數值,根據自己樣本的大小進行修改,重要的事情說三遍
- ifstream fin(file_address, ios::binary);
- while (!fin.eof())
- {
- char flag_tmp;
- unsigned char tmp;
- Mat image_tmp(width, height, CV_8UC3);
- fin.read((char *)&flag_tmp, sizeof(flag_tmp));
- for (int j = 2; j >=0; j--)
- {
- for (int r = 0; r < image_tmp.rows; r++)
- for (int c = 0; c < image_tmp.cols; c++)
- {
- fin.read((char *)&tmp, sizeof(tmp));
- image_tmp.at<Vec3b>(r, c)[j] = tmp;
- }
- }
- image.push_back(image_tmp);
- flag.push_back(flag_tmp);
- }
- }
3,將自己的jpg,png等傳統格式轉化為cifar10支持的bin文件
[cpp] view plain copy
- void write_cifar_bin(string file_address, vector<string>& image_address, vector<int>& flag)
- {
- ofstream fout(file_address, ios::binary);
- for (size_t i = 0; i < image_address.size(); i++)
- {
- Mat image_tmp = imread(image_address[i], 1);
- resize(image_tmp, image_tmp, Size(32, 32));
- int pix[1024];
- char flag_tmp = flag[i];
- fout.write((char *)&flag_tmp, sizeof(flag_tmp));
- for (int j = 2; j >= 0; j--)
- {
- for (int r = 0; r < image_tmp.rows; r++)
- for (int c = 0; c < image_tmp.cols; c++)
- {
- unsigned char tmp = image_tmp.at<Vec3b>(r, c)[j];
- fout.write((char *)&tmp, sizeof(tmp));
- }
- }
- }
- }
4,將bin轉為圖片的測試,並用OpenCV顯示
[cpp] view plain copy- int main()
- {
- string file_address = "data_batch_1.bin";
- vector<Mat> image;
- vector<int>flag;
- read_cifar_bin(file_address, image, flag);
- imshow("test", image[5000]);//隨便需要顯示的圖像。可以跟改[]中數據進行驗證
- waitKey();
- return 0;
- }
5,將bin轉為圖片的測試,並保存為jpg,並且保存相應的flag
[cpp] view plain copy- int main()
- {
- string file_address = "data_batch_1.bin";
- vector<Mat> image;
- vector<int>flag;
- read_cifar_bin(file_address, image, flag);
- ofstream mydata_batch_1("mydata_batch_1.txt");
- for (int i = 0; i < image.size(); i++)
- {
- char buffer[50];
- char address[100] = ".\\data_batch_1\\";
- _itoa(i, buffer, 10);
- imwrite(strcat(address, strcat(buffer, ".jpg")), image[i]);
- mydata_batch_1 << address << buffer <<".jpg"<< " " << flag[i] << endl;
- cout << i << endl;
- waitKey(1);
- }
- return 0;
- }
6,將圖像轉為bin
[cpp] view plain copy- int main()
- {
- string file_address = "mydata_batch_1.bin";
- vector<string> image_address;
- vector<int> flag;
- ifstream finSample("mydata_batch_1.txt");
- char buf[100], buftmp[50], flagtmp[10];
- while (!finSample.eof())
- {
- finSample.getline(buf, sizeof(buf));
- sscanf(buf, "%s %s", buftmp, flagtmp);
- int tmp=atoi(flagtmp);
- image_address.push_back(buftmp);
- flag.push_back(tmp);
- }
- write_cifar_bin(file_address, image_address, flag);
- return 0;
- }
7,實驗測試
(1)【步驟4】將cifar10的data_batch_1.bin轉化為圖像的測試,從左到右依次為image[0],image[5000],image[9999](cifar10每個batch有10000個圖像,所以是0-9999)
(2) 【步驟5】將cifar10的data_batch_1.bin轉化為圖像,並保存在jpg格式的測試。
(3)【步驟6】將第二步生成的jpg轉化為bin文件, 程序運行後將生成mydata_batch_1.bin,可以看到和原始的data_batch_1.bin有著同樣的大小。
那麽到底這個和原始的一樣不一樣呢?我們還是使用步驟4的程序進行測試,同樣的還是測試image[0],image[5000],image[9999],從下圖可以看出和原始的bin的數據是一樣的。
有了上面的2個轉化程序,就可以轉化自己的圖像了,then let‘s make some noise!
將自己數據轉化為cifar10支持的lmdb