我在微软下载人脸识别数据库 MS-Celeb-1M, 下载完的格式是 .tsv格式。看了数据库官网的文件格式说明：
File format: text files, each line is an image record containing 7 columns, delimited by TAB. Column1: Freebase MID Column2: ImageSearchRank Column3: ImageURL Column4: PageURL Column5: FaceID Column6: FaceRectangle_Base64Encoded (four floats, relative coordinates of UpperLeft and BottomRight corner) Column7: FaceData_Base64Encoded
我决定用python件来解析这个.tsv文件，获取图片及相应的人脸信息。以下是解析代码：
import base64 import struct import os def readline(line): MID,ImageSearchRank,ImageURL,PageURL,FaceID,FaceRectangle,FaceData=line.split("\t") rect=struct.unpack("ffff",base64.b64decode(FaceRectangle)) return MID,ImageSearchRank,ImageURL,PageURL,FaceID,rect,base64.b64decode(FaceData) def writeImage(filename,data): with open(filename,"wb") as f: f.write(data) def unpack(filename,target="img"): i=0 with open(filename,"r",encoding="utf-8") as f: for line in f: MID,ImageSearchRank,ImageURL,PageURL,FaceID,FaceRectangle,FaceData=readline(line) img_dir=os.path.join(target,MID) if not os.path.exists(img_dir): os.mkdir(img_dir) img_name="%s-%s"%(ImageSearchRank,FaceID)+".jpg" writeImage(os.path.join(img_dir,img_name),FaceData) i+=1 if i%1000==0: print(i,"imgs finished") print("all finished") filename="MsCelebV1-Faces-Aligned.tsv" unpack(filename)tsv文件和csv文件是类似的，tsv的数据用Tab键分隔，csv文件用逗号分隔。根据说明文件，把每一行的信息读取出来
MID,ImageSearchRank,ImageURL,PageURL,FaceID,FaceRectangle,FaceData=line.split("\t")人脸矩形框的位置信息是（左上点坐标，右下点坐标），用Base64编码的，格式为4个浮点数。
rect=struct.unpack("ffff",base64.b64decode(FaceRectangle))人脸信息是用Base64编码的，需要解码，然后保存为图像：
data=base64.b64decode(FaceData) with open(filename,"wb") as f: f.write(data)