基于Mxnet的车辆重识别（Re-ID）之数据集处理（以VeRi为例）

最新推荐文章于 2025-05-30 09:23:21 发布

Chen_yuazzy

最新推荐文章于 2025-05-30 09:23:21 发布

阅读量3.7k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： -----项目记录----- 文章标签： Mxnet Re-ID 数据集处理 xml文件读取

本文链接：https://blog.youkuaiyun.com/Chen_yuazzy/article/details/84930356

本文介绍了基于Mxnet的车辆重识别（Re-ID）系统中，数据预处理的步骤，特别是针对VeRi数据集的处理。讲解了Mxnet的rec文件格式，lst文件的生成方法，以及VeRi数据集的结构和内容。同时，详细阐述了如何读取xml文件以获取车辆ID、颜色和型号等标签信息，为训练神经网络做好准备。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.mxnet的输入数据解释：

mxnet的数据输入与其他的框架诸如tensorflow,pytorch不同，其特别之处在于：不直接输入图片，而是输入rec文件。
rec文件是什么？rec文件内存放了每一张图片的data以及对应的label，相当于将所有图片集合成一个文件，且这个文件中含有图像的数据和标签信息。生成一个rec文件需要一个lst文件，再利用mxnet文件夹下的tools文件夹下的im2rec.py将图片生成为rec文件和idx文件。

调用格式：

python im2rec.py lst文件存放路径 image文件存放路径

这样就根据lst文件和图像文件生成了rec和idx文件，生成的rec和idx文件与lst文件存放路径相同。

      那么接下来的问题是，如何生成这个lst文件？这个lst文件有什么呢？监督学习需要标签，因此这个lst文件里面需要包含每一张图片的存放地址（包括名称），标签信息。举个栗子：
在这里插入图片描述
      对上图的解释：第一列为数据的序号，第二列为车辆的ID，第三列为车辆的model信息（249中车型），第四列为图片存放的地址。
      所以对于编程人员来说，只需要编写预处理(preprocess)程序，将数据集中的标签信息（如车辆ID，model，color等信息