caffe下fcn数据集制作的简化

原文：http://blog.csdn.net/supe_king/article/details/58121993

前面一直跑caffe下的fcn，同时上一篇博客，也说明了关于fcn的数据集的制作。但是过程还是显的很复杂，因为我们都是模仿作者的数据集而作，而作者为了完成多任务，数据集制作的略显复杂，比如还需用到.mat文件。但其实我们跑fcn有了python这个接口，数据的输入完全可以是一张张图片，并不要转成其他格式。下面我就来具体说明一下，怎么更改几个caffe的fcn的文件，就可以实现数据集的简化制作。

首先，对于fcn，我们都知道，其实数据的输入无非就是原图，和label图，分的再细一点就是训练的原图和label，测试的原图和label。那么对于已经写好的python的数据输入层是怎么样的呢？我们先打开fcn下voc_layers.py这个文件：

里面我们可以看到 class VOCSegDataLayer(caffe.Layer)：和 class SBDDSegDataLayer(caffe.Layer) 这两个类，第一个是测试时数据输入调用的python类，第二个是训练时数据输入调用的python类。而这类里面，分别是对输入数据的一些预处理操作。我们回想一下作者的数据集制作是怎样的，训练时，输入原图，label是.mat，测试时输入原图，label是索引图。显然对于测试就很简单，输入都是图片，而训练还要.mat.那我们是不是可以把.mat也换成索引图呢，这样所有原图都放在一个文件夹里，所有label都是索引图也放在一个文件里，训练网络时，只要根据train.txt和test.txt来调用是不是就简单了很多。但是有人或许会有疑问，.mat里面还有好几个部分，什么分类啊，边缘啊，这些信息索引图都表达不了啊。不急，我们先来看看voc_layers.py这个文件对.mat的读取，我们先进入class SBDDSegDataLayer(caffe.Layer) 这个类，找到def load_label(self, idx)这个函数，看里面代码：

很显然这里面读取的只是.mat里买的segmentation这个部分，制作过.mat的人都知道，这其实就是没有map的索引图 ，而其他部分，很显然，我们这里的fcn并没有用到。所以我们只要吧这里读取.mat的函数换成读取索引图的函数，再把.mat换成索引图是不是就ok了呢？ 至于.mat变成索引图，很简单，而这个函数怎么换，也简单，想想我们那个测试集的读取不就是索引图吗，直接copy下来不久ok了吗？好，我们现在就进入class VOCSegDataLayer(caffe.Layer)这个类，copy出def load_label(self, idx):这个函数：

细心的发现没有其实这两个函数差不多，只是读取上不一样，我们把copy的这个函数去替换掉上面的那个函数即可，

但是这样真的就可以了吗？显然不是，我们copy的函数这里是self.voc_dir,如图

这个并不是这个类中的参数，所以这个参数我们得换成原来的这个，self.sbdd_dir,如图：

好，到这里基本就大工告成了。但是到这里，我们只是不需要制作.mat了，我们并不能把数据训练的原图和测试的原图放在一个文件，训练的label和测试的label放在一个文件里。因为我们还没有改路径，至于路径 怎么改，这里每个人路径都不样，我只说改哪里，大家跟着改就可以了：

第一点就是刚刚那两个函数中的那一句Image.open:

还有就是train.prototxt和val.prototxt中的着一块：

根据自己的路径改动相应的位置，报错没关系，很据错误一步步改进，这样自己也能熟悉caffe下python接口读取路径的方式。