Caffe + Opencv without lmdb

Question

使用caffe時，要創建包含圖像的訓練數據集，我們需要以特殊格式（如lmdb）創建數據庫，但是有任何選項可傳遞給caffe批次的圖像，例如vector<cv::Mat>？

爲了澄清我正在尋找解決方案，可以處理大量的不能裝入存儲器圖像（但假設一個訓練批次（例如含有50個圖像）可被存儲在存儲器中）。

Answer 1

根據我們使用的輸入層，Caffe可以採用多種類型的輸入。 一些輸入法可用如下：

1. 數據
2. MemoryData
3. HDF5Data
4. 的ImageData等

在模型文件，你找到的第一個層將爲Layer type: Data，其使用lmdb or leveldb作爲輸入法。將一組圖像轉換爲這些數據庫非常簡單，因爲Caffe已經提供了轉換圖像的工具。

的Layer type: MemoryData從存儲器，同時利用攝像機輸入至作爲來自Caffe輸入期間測試階段被傳遞，這將是非常有益的直接讀取數據。使用此層進行培訓非常有用，建議使用而不是。

的Layer type: ImageData需要一個文本文件作爲輸入。該文本文件包含所有圖像名稱及其完整路徑和類號。 Caffe使用OpenCV來讀取這一層的圖像。它還處理圖像的所有轉換。因此，不要使用OpenCV來讀取圖像，然後傳遞給MemoryData層，建議使用ImageData。

中的.txt的格式從其中的ImageData層讀取圖像必須是：

/path/to/the/image/imageName.jpg classNumber

使用LMDB或性LevelDB的強烈建議這樣做，因爲如果圖像路徑或名稱包含空格，或者任何圖像已損壞，則ImageData無法正常工作。各層的

細節可以發現here。

根據型號和批量大小在GPU中分配內存。如果發生內存溢出，您可以嘗試減小批量大小。 Caffe輕鬆處理訓練120萬張圖像的Imagenet數據庫。因此，對於最佳的批量大小，算法應該沒有任何問題。