caffe学习笔记（四）--制作自己的数据集train.txt和val.txt，生成LMDB文件

在深度学习的实际应用中，我们经常用到的原始数据是图片文件，如jpg,png,tif等格式的，而且有可能图片的大小还不一致。
我今天尝试制作一个自己的训练数据集，主要步骤为：
1.用MATLAB截图得到训练集的图片
2.生成标签文件列表，即生成 train.txt val.txt 文件
3.将 txt 文件列表中的图像与train图像库、val图像库的图像相连接，生成lmdb格式文件

---

实验是对一副315×299像素的jpg灰度图片所进行的，我首先用MATLAB截图代码对其进行了三个类别的截图，然后对这三个类别进行15×15的滑动窗口分割，得到了每个类别400张15×15的图片样本，其中200张用作train 100张用做test。
而在caffe中经常使用的数据类型是lmdb或leveldb，如何从原始图片文件转换成caffe中能够运行的db（leveldb/lmdb)文件？
在caffe中，作者为我们提供了这样一个文件：convert_imageset.cpp，存放在根目录下的tools文件夹下。编译之后，生成对应的可执行文件放在 buile/tools/ 下面，这个文件的作用就是用于将图片文件转换成caffe框架中能直接使用的db文件。

---

1 数据准备

首先在caffe根目录下建立一个文件夹myfile，用于存放数据文件和后面的caffe模型相关文件。

然后在myfile文件夹下建立build_lmdb和datatest两个文件夹，其中build_lmdb文件夹用于存放生成的lmdb文件，datatest文件夹存放图片数据。

在datatest下主要有2个文件夹和2个.sh文件和2个.txt文件，其中train文件夹中存放待训练的图片，val文件夹中存放待测试的图片，creatlist.sh是分别用来生成train和val的.sh文件，train.txt和val.txt是生成的标签文件。

建立好文件夹后，我们把MATLAB分割好的图片放到train和val文件夹里面
我在这里对3个类别分别又建立了3个文件夹

这是其中的一个类别，其他