准备输入到 Caffe 深度学习中的图像数据集
Preparing image dataset for input into Caffe deep learning
我知道第一步是创建两个带有相应标签的文件列表，一个用于训练，一个用于测试集。假设前者叫train.txt，后者叫val.txt。这些文件列表中的路径应该是相对的。标签应从 0 开始，看起来类似于：
relative/path/img1.jpg 0
relative/path/img2.jpg 0
relative/path/img3.jpg 1
relative/path/img4.jpg 1
relative/path/img5.jpg 2
对于这两个集合中的每一个，我们将创建一个单独的 LevelDB。这是格式化为文本文件吗？我想我会为每个 类 创建一个包含多个子目录的目录。我必须手动创建一个文本文件吗？
请参阅了解如何使用convert_imageset构建levelDb或lmdb数据集用于caffe的训练。
正如您从这些说明中看到的那样，只要您在 'train.txt'/'val.txt' 文件相对于 '/path/to/jpegs/' 参数。但是，如果您想使用 convert_imageset 工具，则必须创建一个文本文件，列出您要使用的所有图像。
我知道第一步是创建两个带有相应标签的文件列表，一个用于训练，一个用于测试集。假设前者叫train.txt，后者叫val.txt。这些文件列表中的路径应该是相对的。标签应从 0 开始，看起来类似于：
relative/path/img1.jpg 0
relative/path/img2.jpg 0
relative/path/img3.jpg 1
relative/path/img4.jpg 1
relative/path/img5.jpg 2
对于这两个集合中的每一个，我们将创建一个单独的 LevelDB。这是格式化为文本文件吗？我想我会为每个 类 创建一个包含多个子目录的目录。我必须手动创建一个文本文件吗？
请参阅convert_imageset构建levelDb或lmdb数据集用于caffe的训练。
正如您从这些说明中看到的那样，只要您在 'train.txt'/'val.txt' 文件相对于 '/path/to/jpegs/' 参数。但是，如果您想使用 convert_imageset 工具，则必须创建一个文本文件，列出您要使用的所有图像。