caffe ssd 데이터 집합 만들기 방법 (1)

12235 단어
ssd의 홈페이지에 제시된 데이터 집합 제작 방법은 너무 간단하고 디테일이 없기 때문에 이 제작 방법을 연구했다.
홈페이지 VOC 데이터세트 제작 튜토리얼 1단계:
# Create the trainval.txt, test.txt, and test_name_size.txt in data/VOC0712/
./data/VOC0712/create_list.sh

주석을 통해 알 수 있듯이 이 단계의 기능은 트레이닝 세트, 테스트 세트의 이미지 저장 주소와 데이터 표시 저장 주소를 얻는 것이다.test_name_size.txt의 기능이 뚜렷하지 않으니 간단하게 분석해 보자.createlist.sh에서 다음 몇 마디는test를 생성하는 데 사용됩니다name_size.txt 
# Generate image name and size infomation.
  if [ $dataset == "test" ]
  then
    $bash_dir/../../build/tools/get_image_size $root_dir $dst_file $bash_dir/$dataset"_name_size.txt"
  fi

주석을 통해 이 파일에 기록된 정보는 테스트 파일과 테스트 그림의 크기임을 알 수 있다.
이로써 createlist.sh의 기능은 이미 기본적으로 명확하다.
./data/VOC0712/create_data.sh

다음은 크레이트data.sh의 기능.
cur_dir=$(cd $( dirname ${BASH_SOURCE[0]} ) && pwd )
root_dir=$cur_dir/../..

cd $root_dir

redo=1
data_root_dir="$HOME/dataset/VOC/VOCdevkit"
dataset_name="VOC0712"
mapfile="$root_dir/data/$dataset_name/labelmap_voc.prototxt"
anno_type="detection"
db="lmdb"
min_dim=0
max_dim=0
width=0
height=0

extra_cmd="--encode-type=jpg --encoded"
if [ $redo ]
then
  extra_cmd="$extra_cmd --redo"
fi
for subset in test trainval
do
  python2 $root_dir/scripts/create_annoset.py --anno-type=$anno_type --label-map-file=$mapfile --min-dim=$min_dim --max-dim=$max_dim --resize-width=$width --resize-height=$height --check-label $extra_cmd $data_root_dir $root_dir/data/$dataset_name/$subset.txt $data_root_dir/$dataset_name/$db/$dataset_name"_"$subset"_"$db examples/$dataset_name
done

핵심 기능은createannoset.py가 실현된 다른 것은 매개 변수만 설정합니다.
create 실행data.sh 출력 결과는 다음과 같습니다.
build/tools/convert_annoset 
--anno_type=detection 
--label_type=xml 
--label_map_file=./../data/VOC0712/labelmap_voc.prototxt 
--check_label=True 
--min_dim=0 
--max_dim=0 
--resize_height=0 
--resize_width=0 
--backend=lmdb 
--shuffle=False 
--check_size=False 
--encode_type=jpg 
--encoded=True 
--gray=False 
/dataset/VOC/VOCdevkit/ 
./../data/VOC0712/test.txt 
/dataset/VOC/VOCdevkit/VOC0712/lmdb/VOC0712_test_lmdb

위의 매개 변수는 tools/convert 에 추가됩니다.annoset.cpp에서 실행되므로 convertannoset.cpp야말로 기능을 수행하는 소프트웨어이다. 이곳의 코드는 너무 번거롭게 쓴 것 같아서 완전히sh+cpp가 될 수 있었는데, 지금은sh+python+cpp가 되었다.
convert_annoset.cpp 코드는 다음과 같습니다.
// This program converts a set of images and annotations to a lmdb/leveldb by
// storing them as AnnotatedDatum proto buffers.
// Usage:
//   convert_annoset [FLAGS] ROOTFOLDER/ LISTFILE DB_NAME
//
// where ROOTFOLDER is the root folder that holds all the images and
// annotations, and LISTFILE should be a list of files as well as their labels
// or label files.
// For classification task, the file should be in the format as
//   imgfolder1/img1.JPEG 7
//   ....
// For detection task, the file should be in the format as
//   imgfolder1/img1.JPEG annofolder1/anno1.xml
//   ....

#include 
#include   // NOLINT(readability/streams)
#include 
#include 
#include 
#include 

#include "boost/scoped_ptr.hpp"
#include "boost/variant.hpp"
#include "gflags/gflags.h"
#include "glog/logging.h"

#include "caffe/proto/caffe.pb.h"
#include "caffe/util/db.hpp"
#include "caffe/util/format.hpp"
#include "caffe/util/io.hpp"
#include "caffe/util/rng.hpp"

using namespace caffe;  // NOLINT(build/namespaces)
using std::pair;
using boost::scoped_ptr;

DEFINE_bool(gray, false,
    "When this option is on, treat images as grayscale ones");
DEFINE_bool(shuffle, false,
    "Randomly shuffle the order of images and their labels");
DEFINE_string(backend, "lmdb",
    "The backend {lmdb, leveldb} for storing the result");
DEFINE_string(anno_type, "classification",
    "The type of annotation {classification, detection}.");
DEFINE_string(label_type, "xml",
    "The type of annotation file format.");
DEFINE_string(label_map_file, "",
    "A file with LabelMap protobuf message.");
DEFINE_bool(check_label, false,
    "When this option is on, check that there is no duplicated name/label.");
DEFINE_int32(min_dim, 0,
    "Minimum dimension images are resized to (keep same aspect ratio)");
DEFINE_int32(max_dim, 0,
    "Maximum dimension images are resized to (keep same aspect ratio)");
DEFINE_int32(resize_width, 0, "Width images are resized to");
DEFINE_int32(resize_height, 0, "Height images are resized to");
DEFINE_bool(check_size, false,
    "When this option is on, check that all the datum have the same size");
DEFINE_bool(encoded, false,
    "When this option is on, the encoded image will be save in datum");
DEFINE_string(encode_type, "",
    "Optional: What type should we encode the image as ('png','jpg',...).");

int main(int argc, char** argv) {
#ifdef USE_OPENCV
  ::google::InitGoogleLogging(argv[0]);
  // Print output to stderr (while still logging)
  FLAGS_alsologtostderr = 1;

#ifndef GFLAGS_GFLAGS_H_
  namespace gflags = google;
#endif

  gflags::SetUsageMessage("Convert a set of images and annotations to the "
        "leveldb/lmdb format used as input for Caffe.
"
        "Usage:
"
        "    convert_annoset [FLAGS] ROOTFOLDER/ LISTFILE DB_NAME
");
  gflags::ParseCommandLineFlags(&argc, &argv, true);

  if (argc < 4) {
    gflags::ShowUsageWithFlagsRestrict(argv[0], "tools/convert_annoset");
    return 1;
  }

  const bool is_color = !FLAGS_gray;
  const bool check_size = FLAGS_check_size;
  const bool encoded = FLAGS_encoded;
  const string encode_type = FLAGS_encode_type;
  const string anno_type = FLAGS_anno_type;
  AnnotatedDatum_AnnotationType type;
  const string label_type = FLAGS_label_type;
  const string label_map_file = FLAGS_label_map_file;
  const bool check_label = FLAGS_check_label;
  std::map<:string int=""> name_to_label;

  std::ifstream infile(argv[2]);
  std::vector<:pair boost::variant="" std::string=""> > > lines;
  std::string filename;
  int label;
  std::string labelname;
  if (anno_type == "classification") {
    while (infile >> filename >> label) {
      lines.push_back(std::make_pair(filename, label));
    }
  } else if (anno_type == "detection") {
    type = AnnotatedDatum_AnnotationType_BBOX;
    LabelMap label_map;
    CHECK(ReadProtoFromTextFile(label_map_file, &label_map))
        << "Failed to read label map file.";
    CHECK(MapNameToLabel(label_map, check_label, &name_to_label))
        << "Failed to convert name to label.";
    while (infile >> filename >> labelname) {
      lines.push_back(std::make_pair(filename, labelname));
    }
  }
  if (FLAGS_shuffle) {
    // randomly shuffle data
    LOG(INFO) << "Shuffling data";
    shuffle(lines.begin(), lines.end());
  }
  LOG(INFO) << "A total of " << lines.size() << " images.";

  if (encode_type.size() && !encoded)
    LOG(INFO) << "encode_type specified, assuming encoded=true.";

  int min_dim = std::max(0, FLAGS_min_dim);
  int max_dim = std::max(0, FLAGS_max_dim);
  int resize_height = std::max(0, FLAGS_resize_height);
  int resize_width = std::max(0, FLAGS_resize_width);

  // Create new DB
  scoped_ptr<:db> db(db::GetDB(FLAGS_backend));
  db->Open(argv[3], db::NEW);
  scoped_ptr<:transaction> txn(db->NewTransaction());

  // Storing to db
  std::string root_folder(argv[1]);
  AnnotatedDatum anno_datum;
  Datum* datum = anno_datum.mutable_datum();
  int count = 0;
  int data_size = 0;
  bool data_size_initialized = false;

  for (int line_id = 0; line_id < lines.size(); ++line_id) {
    bool status = true;
    std::string enc = encode_type;
    if (encoded && !enc.size()) {
      // Guess the encoding type from the file name
      string fn = lines[line_id].first;
      size_t p = fn.rfind('.');
      if ( p == fn.npos )
        LOG(WARNING) << "Failed to guess the encoding of '" << fn << "'";
      enc = fn.substr(p);
      std::transform(enc.begin(), enc.end(), enc.begin(), ::tolower);
    }
    filename = root_folder + lines[line_id].first;
    if (anno_type == "classification") {
      label = boost::get(lines[line_id].second);
      status = ReadImageToDatum(filename, label, resize_height, resize_width,
          min_dim, max_dim, is_color, enc, datum);
    } else if (anno_type == "detection") {
      labelname = root_folder + boost::get<:string>(lines[line_id].second);
      status = ReadRichImageToAnnotatedDatum(filename, labelname, resize_height,
          resize_width, min_dim, max_dim, is_color, enc, type, label_type,
          name_to_label, &anno_datum);
      anno_datum.set_type(AnnotatedDatum_AnnotationType_BBOX);
    }
    if (status == false) {
      LOG(WARNING) << "Failed to read " << lines[line_id].first;
      continue;
    }
    if (check_size) {
      if (!data_size_initialized) {
        data_size = datum->channels() * datum->height() * datum->width();
        data_size_initialized = true;
      } else {
        const std::string& data = datum->data();
        CHECK_EQ(data.size(), data_size) << "Incorrect data field size "
            << data.size();
      }
    }
    // sequential
    string key_str = caffe::format_int(line_id, 8) + "_" + lines[line_id].first;

    // Put in db
    string out;
    CHECK(anno_datum.SerializeToString(&out));
    txn->Put(key_str, out);

    if (++count % 1000 == 0) {
      // Commit db
      txn->Commit();
      txn.reset(db->NewTransaction());
      LOG(INFO) << "Processed " << count << " files.";
    }
  }
  // write the last batch
  if (count % 1000 != 0) {
    txn->Commit();
    LOG(INFO) << "Processed " << count << " files.";
  }
#else
  LOG(FATAL) << "This tool requires OpenCV; compile with USE_OPENCV.";
#endif  // USE_OPENCV
  return 0;
}

위의 c++ 코드를 직접 분석하는 것은 비교적 번거로울 수 있으므로 각도를 바꾸어lmdb 파일에서 직접 분석하고
이 기사를 주로 참조하십시오.https://blog.csdn.net/Touch_Dream/article/details/80598901
분석 과정은 여기서 더 이상 상세하게 설명하지 않으니 상기 문장을 참고할 수 있다.VOC lmdb 데이터 세트는 주로 세 부분으로 구성됩니다.
1) 이미지 관련 정보를 저장하기 위한 datum
2)annotation_group, 마크업 정보 저장
3)type,
상기 문장의python 코드를 결합하여 실험을 통해 검증하다.
1) datum의 내용:
channels: 3
height: 500
width: 353
data:...
label: -1
encoded: true

datum는 그림의 정보를 저장하는 데 사용되며 데이터 부분은 생략되며 그림의 픽셀 데이터를 저장하는 데 사용됩니다.이 label은 이 곳에서 작동하지 않기 때문에 -1 (분류 데이터를 표시하는 데 사용) 으로 설정합니다.encode는 jpeg가 인코딩을 거쳤기 때문에 디코딩이 필요합니다.
2)annotation_그룹의 내용:
[group_label: 12
annotation {
  instance_id: 0
  bbox {
    xmin: 0.135977342725
    ymin: 0.479999989271
    xmax: 0.552407920361
    ymax: 0.741999983788
    difficult: false
  }
}
, group_label: 15
annotation {
  instance_id: 0
  bbox {
    xmin: 0.0226628892124
    ymin: 0.0240000002086
    xmax: 0.997167110443
    ymax: 0.995999991894
    difficult: false
  }
}
]

list 방식으로 마크업 정보를 저장, grouplabel은 물체 종류를 표시하고 instanceid는 여기에 작용하지 않기 때문에 0으로 설정합니다. bbox는 태그 상자 좌표와 difficult 관련 정보를 저장하는 데 사용됩니다.여기에 표시 상자는 그림의 길이와 높이에 대한 좌표임을 주의해야 한다.
3) type의 내용
type 값은 주석에 따라 0입니다.
// If there are "rich" annotations, specify the type of annotation.
// Currently it only supports bounding box.
// If there are no "rich" annotations, use label in datum instead.

이 type은 '부' 표시인지 여부에 사용됩니다. 현재 '부' 표시만 지원되며, '부' 표시가 아니면 datum의 label 정보를 사용합니다.
freecodecamp 문제 풀이 노트 (1) 뒤 집기 문자열 Reverse a String
JS: 떨 림 방지 와 절 류

좋은 웹페이지 즐겨찾기

개발자 우수 사이트 수집

개발자가 알아야 할 필수 사이트 100선 추천 우리는 당신을 위해 100개의 자주 사용하는 개발자 학습 사이트를 정리했습니다
best100-homepage