SSD目标检测lmdb数据结构剖析并使用python反向读取lmdb。

最新推荐文章于 2024-03-21 20:45:00 发布

xunan003

最新推荐文章于 2024-03-21 20:45:00 发布

阅读量869

点赞数

分类专栏： SSD

SSD 专栏收录该内容

17 篇文章 1 订阅

订阅专栏

SSD读取训练集是从LMDB中读取AnnotatedDatum结构的数据，在训练和测试之前，要将图片（img）和XML（label）数据存储为AnnotatedDatum结构，然后将数据经过序列化，存入到LMDB数据库中。训练和测试的时候直接从LMDB读取数据，经过反序列化获取AnnotatedDatum结构的数据，获得训练集的图片和XML数据。

可以参考ssd caffe目录包下的src/caffe/util/io.cpp, tools/convert_annoset.cpp,会对你理解数据结构有很大的作用。

也是C++ 强大的动态内存管理推波助澜。

AnnotatedData数据结构

message AnnotatedDataParameter {
// Define the sampler.
repeated BatchSampler batch_sampler = 1;
// Store label name and label id in LabelMap format.
optional string label_map_file = 2;
// If provided, it will replace the AnnotationType stored in each
// AnnotatedDatum.
optional AnnotatedDatum.AnnotationType anno_type = 3;

}

一、LMDB数据库

LMDB的全称是Lightning Memory-Mapped
Database，意为闪电般的内存映射数据库。它文件结构简单，一个文件夹，里面一个数据文件data.mdb，一个锁文件lock.mdb。数据随意复制，随意传输。它的访问简单，不需要运行单独的数据库管理进程，只要在访问数据的代码里引用LMDB库，访问时给文件路径即可。
Caffe引入数据库存放数据集，是为了减少IO开销。LMDB的整个数据库放在一个文件里，避免了文件系统寻址的开销。LMDB使用内存映射的方式访问文件，使得文件内寻址的开销非常小，使用指针运算就能实现。数据库单文件还能减少数据集复制/传输过程的开销。一个几万，几十万文件的数据集，不管是直接复制，还是打包再解包，过程都无比漫长而痛苦。LMDB数据库只有一个文件，传输介质有多块，就能复制多快，不会因为文件多而变得很慢。

这里写图片描述

二、AnnotatedDatum数据结构

以PASCAL VOC数据集为例，label为$CAFFE_ROOT/data/VOCdevkit/VOC2007/Annotations下的XML文件，图片为$CAFFE_ROOT/data/VOCdevkit/VOC2007/JPEGImages下的图片文件。

这里写图片描述

SSD读取数据，要将label和图片封装到一个数据结构下，用的是AnnotatedDatum结构，定义如下：

// An extension of Datum which contains "rich" annotations.
message AnnotatedDatum {
  enum AnnotationType {
    BBOX = 0;
  }
  optional Datum datum = 1;
  // If there are "rich" annotations, specify the type of annotation.
  // Currently it only supports bounding box.
  // If there are no "rich" annotations, use label in datum instead.
  optional AnnotationType type = 2;
  // Each group contains annotation for a particular class.
  repeated AnnotationGroup annotation_group = 3;
}

AnnotatedDatum结构里面包含AnnotationGroup结构、Datum结构和AnnotationType。Datum结构用于存放图片信息，后面会说到；使用$CAFFE_ROOT/src/caffe/util/io.cpp里面定义的ReadXMLToAnnotatedDatum函数将XML文件信息存储到AnnotationGroup结构中，AnnotationGroup结构定义如下：

// Group of annotations for a particular label.
message AnnotationGroup {
  optional int32 group_label = 1;
  repeated Annotation annotation = 2;
}

AnnotationGroup结构包含group_label和Annotation结构，group_label根据$CAFFE_ROOT/data/VOC0712/labelmap_voc.prototxt进行转换，将object的name改为数字，Annotation结构定义如下：

// Annotation for each object instance.
message Annotation {
  optional int32 instance_id = 1 [default = 0];
  optional NormalizedBBox bbox = 2;
}

Annotation结构包含instance_id和NormalizedBBox结构，NormalizedBBox即为XML文件每个object里面bbox的四个坐标点（xmin，ymin，xmax，ymax）。

这样XML文件的内容就存到了AnnotatedDatum结构里面。
（以上结构的定义文件都存储在$CAFFE_ROOT/src/caffe/proto/caffe.proto中）

三、Datum数据结构

AnnotatedDatum类里面包括Datum结构，用来存放图片数据。

Datum的定义：

message Datum {
  optional int32 channels = 1;
  optional int32 height = 2;
  optional int32 width = 3;
  // the actual image data, in bytes
  optional bytes data = 4;
  optional int32 label = 5;
  // Optionally, the datum could also hold float data.
  repeated float float_data = 6;
  // If true data contains an encoded image that need to be decoded
  optional bool encoded = 7 [default = false];
}

channels、height和width为Datum数据的三个维度。byte_data和float_data是存放数据的地方，分别存放整数型和浮点型数据。图像数据一般是整形，放在byte_data里，特征向量一般是浮点型，放在float_data里。label存放数据的类别标签，是整数型。encoded标识数据是否需要被解码（里面有可能放的是JPEG或者PNG之类经过编码的数据）。

使用$CAFFE_ROOT/src/caffe/util/io.cpp里面定义的ReadImageToDatum函数将图片数据存储到Datum结构中。先用OpenCV将图片读取为矩阵形式，获取图片的三维数据，将这些数据存储到Datum结构中。相关代码如下：

bool ReadImageToDatum(const string& filename, const int label,
    const int height, const int width, const int min_dim, const int max_dim,
    const bool is_color, const std::string & encoding, Datum* datum) {
  cv::Mat cv_img = ReadImageToCVMat(filename, height, width, min_dim, max_dim,
                                    is_color);
  if (cv_img.data) {
    if (encoding.size()) {
      if ( (cv_img.channels() == 3) == is_color && !height && !width &&
          !min_dim && !max_dim && matchExt(filename, encoding) ) {
        datum->set_channels(cv_img.channels());
        datum->set_height(cv_img.rows);
        datum->set_width(cv_img.cols);
        return ReadFileToDatum(filename, label, datum);
      }
      EncodeCVMatToDatum(cv_img, encoding, datum);
      datum->set_label(label);
      return true;
    }
    CVMatToDatum(cv_img, datum);
    datum->set_label(label);
    return true;
  } else {
    return false;
  }
}

四、Python读取LMDB

为了加深理解，我用python写了一个读取LMDB数据的脚本，将存储在LMDB中的AnnotatedDatum结构中的图片和XML文件读取出来，获取object的name即label，并将图片用OpenCV显示，代码如下：

# -*- coding: utf-8 -*
import caffe
import lmdb
import numpy as np
import cv2
from caffe.proto import caffe_pb2

lmdb_env = lmdb.open('/home/computer/wcaffe_test/examples/VOC0712/VOC0712_test_lmdb')

lmdb_txn = lmdb_env.begin()                                 # 生成处理句柄
lmdb_cursor = lmdb_txn.cursor()                             # 生成迭代器指针
annotated_datum = caffe_pb2.AnnotatedDatum()                # AnnotatedDatum结构

for key, value in lmdb_cursor:
    print key

    annotated_datum.ParseFromString(value)
    datum = annotated_datum.datum                           # Datum结构
    grps = annotated_datum.annotation_group                 # AnnotationGroup结构
    type = annotated_datum.type

    for grp in grps:
        xmin = grp.annotation[0].bbox.xmin * datum.width           # Annotation结构
        ymin = grp.annotation[0].bbox.ymin * datum.height
        xmax = grp.annotation[0].bbox.xmax * datum.width
        ymax = grp.annotation[0].bbox.ymax * datum.height

        print "label:", grp.group_label                            # object的name标签
        print "bbox:", xmin, ymin, xmax, ymax                      # object的bbox标签

    label = datum.label                                      # Datum结构label以及三个维度   
    channels = datum.channels
    height = datum.height
    width = datum.width

    print "label:", label
    print "channels:", channels
    print "height:", height
    print "width:", width

    image_x = np.fromstring(datum.data, dtype=np.uint8)      # 字符串转换为矩阵
    image = cv2.imdecode(image_x, -1)                        # decode

    cv2.imshow("image", image)                               # 显示图片
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break