OpenCV:使用Directory遍历UCMerced_LandUse数据集中.TIF文件失败的原因

最近在学习使用 OpenCV 进行行人检测,在随便测试时使用了 UCMerced_LandUse 数据集,突然发现其中的 .TIF 图片无法读取,然而其他的图片都可以读取,文件路径也是对的,但为什么就这个数据集中的图片无法读取呢?

调试了好久一直没能调试出来,最后我突然想到会不会是图片自身的问题,我点开图片的属性,发现这些图片的属性都是“只读”,在去掉这个勾后就能进行读取啦!具体原因不是很懂,猜测应该是Directory这个工具类需要更多的权限吧。

一个小问题郁闷了好久,学习之路任重道远啊!

#include <opencv2/opencv.hpp>  
#include <opencv2/core/core.hpp> 
#include <opencv2/highgui/highgui.hpp> 
#include <iostream>    
#include <fstream>    
#include <string>    
#include <vector> 
using namespace cv;    
using namespace std; 

#define TRAIN true

int main(int argc, char** argv)      
{	
	if(TRAIN)  
    {
		//读取正样本
		Directory dir;
		string full_path;

		string pos_path = "D:\\data\\OpenCV\\CV_DATASET\\Pedestrian detection\\pos\\";
		vector<string> pos_filenames = dir.GetListFiles(pos_path, "*.TIF", false);
		for (int i = 0; i < pos_filenames.size() ; i++)
		{
			full_path = pos_path + pos_filenames[i];
			Mat img = imread(full_path,1);
			cout<<full_path<<endl;
			imshow(full_path,img);
			waitKey(0);
		}
	}
}

# CNN_UCMerced-LandUse_Caffe(数据:http://vision.ucmerced.edu/datasets/landuse.html) 主要任务:基于深度学习框架完成对光学遥感图像UCMerced LandUse数据集的分类。 数据特点:共包含21类土地类型图片,每类100张,每张像素大小为256*256,数据类内距离大,类间小。 完成情况:数据量太小,训练数据出现过拟合;为了克服这个问题,又减小训练时间,采用caffe框架,在别人训练好的bvlc_reference_caffenwt模型上进行fine-tune,对最后一层设置较大的学习速率,结果取得了93%的正确率;在这基础上又在fc7层上提取了每张图片的4096维特征,进行了SVM分类,取得了95%以上的分类正确率,并对结果做了可视化分析。 环境:ubuntu14.04 + caffe + python(数据划分和增强在用windows10的3.5,其余都是unbuntu下用的2.7) 程序(相关路径需要修改)/步骤: multi_divide_pic.py---多进程进行数据划分(cv2没装成功,建议用cv2,方便) multi_augmentation_pic.py---多进程数据增强 make_caffe_lmdb.py---生成caffe训练需要的数据路径文件,然后修改caffe配置文件 bvlc_reference_caffenet.caffemodel---caffe模型,在上面进行finetune(http://dl.caffe.berkeleyvision.org/?from=message&isappinstalled=1) binaryproto2npy.py---将caffe生成的均值文件转换成.npy格式 cnn_vision_caffe.py---对训练好的模型进行可视化分析 extract_features.py---获取每张图片在fc7层输出的4096维特征 svm_predict.py---使用svm对上述提取的特征进行训练预测 svm_vision.py---对svm模型进行可视化分析 tsne.py---对数据进行降维可视化
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值