-
Notifications
You must be signed in to change notification settings - Fork 32
sunshineInmoon/Tools
Folders and files
Name | Name | Last commit message | Last commit date | |
---|---|---|---|---|
Repository files navigation
2016年6月2日17:18:30 增加了statistics.py ''' 函数:Describe() 函数功能:统计训练结果信息 输入参数:result----输出结果.txt文件 outdir----保存结果文件夹 ''' ''' 函数:DataSetInfo() 函数功能:由于数据集分布不平均,通过统计直方图查看分布情况 输入参数:dirpath----数据集路径 isplot----是否绘图 ''' 2016年5月26日17:54:15 增加了一个制作imagelistGUI小工具,很好玩儿的,大家可以试试。 2016年5月26日17:06:15 这次更新新增加了几个函数 text_process.py ''' 函数:TxtToCsv() 函数功能:将.txt文件转换成csv,这个函数只是在特定情况,针对特定类型.txt使用, 并不通用,缺点是不具有普适性 输入参数:txt----.txt文件 csv----.csv文件 ''' ''' 函数:Find() 函数功能:寻找包含特定文件数的文件夹 输入参数:dirpath----数据集路径 num----文件夹的数量 ''' Picture.py ''' 函数:DataAugmentFlip() 函数功能:扩大数据量,主要是通过翻转 输入参数:dir_path----图片库路径 num----一个阈值,处理文件少于num文件内的图片 targetnum----目标数量,即打算扩充后的图片数量 ''' ''' 函数:DataAugmentCrop() 函数功能:通过随机剪裁扩充数据 输入参数:picdir----图片库文件夹路径 leftup----是否从左上角剪裁,默认 leftdown----是否从左下角剪裁 rightup----是否从右上角剪裁 rightdown----是否从右下角剪裁 new_w----剪裁后图片宽度 new_h----剪裁后图片长度 picnum----处理小于picnum的文件夹 addnum----扩充数量addnum*model targetnum----目标数量,即打算扩充后的图片数量 ''' ''' 函数:DataBalance() 函数功能:平衡数据集,但只是粗略的并不能十分精确 输入参数:dirpath----数据集路径 baisnum----基准数,就是想要的平均数,这里要说明一下,我做的只是少量数据的扩充 因此大于baisnum的文件夹并没有处理,最好的2的倍数 new_h----处理后图片高度 new_w----处理后图片宽度 ''' <<<<<<< HEAD 2016年5月13日09:37:58 No1.CreatImagelist.py 这个不是出自我的手,但是却非常有用,可以产生带标签的图片路径列表 No2.dir_to_picture.py 这个主要功能是将分好类的图片(在多个文件夹中)重新整理到一个文件夹中,便于删除 No3.extract_feacture.py 这个的主要功能是批量提取图片的特征,并将特征保存成文件 No4.feature_class.py 这个也是特征分类,但是这个每张图片都一一对比,如果数据量小可以,如果数据量大这个脚本太浪费时间 No5.Math.py 里就两个函数计算1、计算cos距离;2、比较两个数的大小 No6.text_process.py ''' 函数:name_convert() 功能:采集到的图片名字命名时是字符型,将其转换成000000001形式 另外进行比例缩放到128*128,同时转成灰度图 输入的参数:dir_name 只存放图片的文件夹名字 dir_name_save 保存结果文件夹 ''' ''' 函数:creat_imagelist_NoLabel() 功能:是把一个文件夹下所有图片写进一个imagelist.txt文件中 输入参数:dir_path 存放图片的文件夹 imagelist_path,保存路径 ''' ''' 函数:clean_image() 功能:人脸检测后把没有检测到的人脸剔除 输入参数:imagelist---人脸检测后的路劲列表 dir_path_save---保存路径 ''' ''' 函数:CreatImageListWithLabel() 功能:创建caffe imagelist.txt 文件,此文件带标签 输入参数:dir_path 图片路径,一般为保存很多子文件夹的跟文件夹路径 imgelist 输出文件路径默认是当前文件夹下 ''' ''' 函数:load() 函数功能:将一个文本文件中的特征读取到一个list中 输入参数:file_path----文本文件路径 ''' ''' 函数:Pic_Num() 功能:统计文件夹中图片的数量 输入参数:dir_path----保存图片的文件夹路径 ''' ''' 函数:ReName() 功能:重新按顺序命名文件,用在对个别文件删除后,对文件重新排序命名 输入参数:dir_path----包含文件(无文件夹的)的文件夹路径 No7.Visualize.py 网络权重可视化,未完 ''' 函数:vis_square() 函数功能:一个显示辅助函数 输入参数:data out----保存图片的路径 ''' ''' 函数:VisualWeights() 函数功能:根据层名字显示相应的权重 输入参数:layer_name----层名字 net----初始化后的网络 out----保存图片的路径 ''' ''' 函数:VisualWeight() 函数功能:根据层名字显示相应的权重 输入参数:layer_name----层名字 net----初始化后的网络 ''' ''' 函数:VisualBlob() 函数功能:可视化Blob 输入参数:net----初始化后的网络 layer_name----层的名字 ''' ''' 函数:VisualBlobs() 函数功能:保存所有Blobs 输入参数:net----初始化后的网络 out----保存路径 ''' ''' 函数:VisualLayerShape() 函数:显示层的名字和形状 输入参数:net----初始化后的网络 ''' ''' 函数:VisualLayerWeightShape() 函数功能:显示各层权重的形状 输入参数:net----初始化后的网络 ''' No8.Picture.py ''' 函数:Resize() 函数功能:批量调整图片大小 输入参数:dir_path----文件库路径 new_h,new_w----新图片的高度和宽度 ''' ''' 函数:DataAugment() 函数功能:扩大数据量 输入参数:dir_path----图片库路径 ''' No9.draw.py ''' 函数:Draw() 函数功能:绘制WU_lfw_test.py 产生的result.txt文件的图 输入参数:file_path ''' ''' 函数:Draw_His() 函数功能:计算图片库的一些统计信息,并画出直方图 输入参数:dir_path ''' No10.CreatValSet.py ''' 函数:TestPair() 函数功能:随机产生验证集对,来测试网络性能 输入参数:dir_path----验证集库 class_num----验证集的类别 leftlist----left.txt 路径 rightlist----right.txt 路径 label----标签路径 pos_num----正样本数量 neg_num----负样本数量 ''' No11.LfwTest.py 在lfw库上测试模型 No12.process.py ''' 函数:renamedir() 函数功能:重命名文件夹,按一定顺序 输入参数:dir_path----包含子文件夹的路径 start ----开始序号 ''' ''' 函数:Rmovedir() 函数功能:删除文件夹中文件少于一定数量的文件夹 输入参数:dir_path----包含子文件夹的路径 num----阈值,将文件数量小于等于num的文件夹删掉 ''' ''' 函数: Romvepath() 函数功能:删除一个imagelist中不存在的路径 输入参数:inputlist,outputlist ''' ''' 函数:Rmovepath_pair() 函数功能:成对删除文件中不存在的路径 输入参数:input1,input2,inlabel,output1,output2,outlabel ''' ''' 函数:TestPair() 函数功能:从数据库中挑选正负样本 输入参数:dir_path----存放图片库路径 class_num----类别数量 neg_num----负样本数 pos_num----正样本数 leftlist rightlist label ''' ''' 函数:Select_K_MaxMin() 函数功能:输出文件夹中图片数量最多或最小的前K个文件夹路径 输入参数:dir_path----图片库路径 model----选择最大还是最小默认 K----前K个 ''' ======= 这里主要是我在使用caffe是编写的一些小脚本,你可以自由免费的使用,也希望把你的小工具与大家分享。我已经把每个函数的功能和输入参数做了说明,如果你有使用上的问题可以给我发送电子邮件[email protected]。 在这里对vedio做一点说明,vedio里的特征提取部分可能在你的计算机上无法运行,那个针对我自己的项目编写的部分,尤其是featue.exe文件。但是你可以自己编写特征提取部分,然后修改main.py文件即可。 仍在更新之中........ >>>>>>> origin/master
About
A set of tools are used to process data in Caffe
Resources
Stars
Watchers
Forks
Releases
No releases published
Packages 0
No packages published