训练CRNN之数据集下载与mat文件转换成txt格式

一、下载数据集之SVT

SVT数据集下载地址
首先当然是用上面那个链接把SVT下载下来，压缩包中主要包含的是一个.m文件，一个.mat文件以及茫茫多的png文件，且分为训练集，测试集以及一个包含额外训练集的extra包，这里我就只用train文件夹进行训练，用test文件夹下的数据进行测试。由于项目中使用的是lmdb，且懒得再重新写一个Dataset，因此决定生成SVT的lmdb文件，同时也可以学习一下lmdb数据集具体的使用。

转换代码：

import h5py
import os
import tqdm

def get_box_data(index, hdf5_data): # 读取标签数据
    """
    get `left, top, width, height` of each picture
    :param index:
    :param hdf5_data:
    :return:
    """
    meta_data = dict()  # 先定义字典传入
    meta_data['height'] = []  # 给字典名称分配位置
    meta_data['label'] = []
    meta_data['left'] = []
    meta_data['top'] = []
    meta_data['width'] = []

    def print_attrs(name, obj):
        vals = []  # 给文件名称分配位置
        if obj.shape[0] == 1:
            vals.append(obj[0][0])
        else:
            for k in range(obj.shape[0]):
                vals.append(int(hdf5_data[obj[k][0]][0][0]))
        meta_data[name] = vals

    box = hdf5_data['/digitStruct/bbox'][index]
    hdf5_data[box[0]].visititems(print_attrs)
    return meta_data

def get_name(index, hdf5_data):  # 读取名字
    name = hdf5_data['/digitStruct/name']
    return ''.join([chr(v[0]) for v in hdf5_data[name[index][0]].value])

folder='~/crnn.pytorch-master/data/train'
mat_data = h5py.File(os.path.join(folder, 'digitStruct.mat'))   # 路径拼接+打开文件
size = mat_data['/digitStruct/name'].size

for _i in tqdm.tqdm(range(size)):
    pic = get_name(_i, mat_data) 
    box = get_box_data(_i, mat_data)
    file_handle = open('～/crnn.pytorch-master/data/train/'+str(_i+1)+'.txt', mode='w',encoding='utf-8')
     # 创建变量名文件+存放在数据集的文件夹
    label=box['label']  # 读取标签
    for i in range(len(label)):
        file_handle.write(str(label[i]))
    file_handle.close()  # 关闭文件