欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運(yùn)營的一線實(shí)戰(zhàn)洞察。

車輛行人動(dòng)物多目標(biāo)檢測數(shù)據(jù)集處理與YOLOv8訓(xùn)練實(shí)戰(zhàn)

車輛行人動(dòng)物多目標(biāo)檢測數(shù)據(jù)集處理與YOLOv8訓(xùn)練實(shí)戰(zhàn) 簡介目標(biāo)檢測是計(jì)算機(jī)視覺的核心任務(wù)之一在實(shí)際工程中多類別目標(biāo)的統(tǒng)一檢測往往比單類模型串聯(lián)更高效。智能交通、道路巡檢等場景需要同時(shí)識(shí)別車輛、行人和動(dòng)物這對數(shù)據(jù)集的構(gòu)建與訓(xùn)練流程提出了更高要求。理解YOLO標(biāo)注格式、多源數(shù)據(jù)集整合、類別映射與平衡、質(zhì)量排查是提升模型泛化能力的關(guān)鍵。實(shí)踐中需從公開數(shù)據(jù)集如COCO、BDD100K轉(zhuǎn)換格式合并去重并修正類別不平衡再基于YOLOv8進(jìn)行訓(xùn)練與調(diào)參。分類別評估與bad case分析能有效定位誤檢漏檢問題最終通過TensorRT部署實(shí)現(xiàn)邊緣端高效推理。本文系統(tǒng)梳理了從原始數(shù)據(jù)到可部署模型的全流程經(jīng)驗(yàn)為多目標(biāo)檢測項(xiàng)目提供可復(fù)用的方法論。 最近在做智能交通巡檢項(xiàng)目手頭正好整理了一份車輛行人動(dòng)物多目標(biāo)檢測數(shù)據(jù)集壓縮包解壓后十幾個(gè)G覆蓋城區(qū)道路、鄉(xiāng)村公路、園區(qū)封閉道路、牧區(qū)周邊等場景。我在這份數(shù)據(jù)上完整跑通了從格式檢查、多源數(shù)據(jù)整合到Y(jié)OLOv8訓(xùn)練評估的全流程中間踩了不少坑也沉淀了一些能直接復(fù)用的經(jīng)驗(yàn)。如果你正準(zhǔn)備用多目標(biāo)檢測數(shù)據(jù)集訓(xùn)練自己的模型或者剛拿到一份標(biāo)注好的數(shù)據(jù)不知道從哪下手這篇復(fù)盤應(yīng)該能幫你少走不少彎路。以下內(nèi)容不涉及具體項(xiàng)目數(shù)據(jù)只講通用方法。1. 為什么智能交通和巡檢場景認(rèn)準(zhǔn)車輛行人動(dòng)物組合1.1 這類場景的典型需求是什么我先說結(jié)論只看城市路口的監(jiān)控?cái)?shù)據(jù)遠(yuǎn)遠(yuǎn)不夠交通和巡檢場景里最容易被漏掉、也最危險(xiǎn)的目標(biāo)是動(dòng)物。車輛和行人是交通參與者大家很自然會(huì)把它們放進(jìn)檢測列表但牛、羊、馬、駱駝這些動(dòng)物在鄉(xiāng)村公路、牧區(qū)道路、保護(hù)區(qū)邊界、智慧農(nóng)業(yè)園區(qū)里出現(xiàn)頻率非常高。一次夜間鄉(xiāng)村道路巡檢如果模型只檢測車輛和行人一頭橫穿公路的?;镜扔诒粺o視這在輔助駕駛、路側(cè)感知、巡邏機(jī)器人這些場景里是致命的。所以這類任務(wù)的數(shù)據(jù)集設(shè)計(jì)天然要把車輛、行人、動(dòng)物放在一起。不是三個(gè)單獨(dú)模型串起來而是一個(gè)統(tǒng)一的多目標(biāo)檢測模型同時(shí)輸出三類目標(biāo)。原因很直接第一單模型推理延遲低對邊緣設(shè)備更友好第二類別之間在真實(shí)場景中經(jīng)常一起出現(xiàn)模型可以學(xué)到上下文關(guān)系比如看到動(dòng)物群提前預(yù)警第三維護(hù)一套數(shù)據(jù)標(biāo)注標(biāo)準(zhǔn)和一個(gè)模型比維護(hù)三套數(shù)據(jù)和三套模型成本低得多。1.2 它們?yōu)槭裁匆旁谕粋€(gè)模型里可能有讀者會(huì)問車輛檢測、行人檢測、動(dòng)物檢測各自都有成熟模型直接拼不行嗎我之前也這么想過實(shí)際上拼起來的方案很吃虧。三個(gè)模型串行推理每一路的預(yù)處理和后處理都要單獨(dú)過一遍延遲累加非常明顯。在Jetson Orin這種邊緣設(shè)備上三路模型的總耗時(shí)比一個(gè)多類模型高出一大截資源占用也翻倍。更重要的是串行模型之間沒有信息交互。一輛車旁邊站著一個(gè)人單類模型各自出框看起來沒問題但如果動(dòng)物出現(xiàn)在車輛遮擋區(qū)域多目標(biāo)模型能利用整體上下文做更穩(wěn)的預(yù)測單類模型只能各管各的。多目標(biāo)檢測數(shù)據(jù)集的價(jià)值就在于它強(qiáng)迫模型在同一個(gè)特征空間里區(qū)分這三類形態(tài)差異很大的物體。車輛是剛體行人姿態(tài)多變動(dòng)物形態(tài)更復(fù)雜牛、羊、馬的體態(tài)、紋理、顏色差異很大同一個(gè)模型要同時(shí)學(xué)習(xí)這些特征其實(shí)比三個(gè)獨(dú)立模型更難但好在參數(shù)量可以共享訓(xùn)練充分后泛化能力更強(qiáng)。還有一個(gè)語義邊界問題。騎馬的人到底算人還是算動(dòng)物我處理數(shù)據(jù)集時(shí)的做法是騎乘者本身標(biāo)為person馬單獨(dú)標(biāo)為animal兩個(gè)框都出。這樣既保留了人的語義也保留了動(dòng)物目標(biāo)。如果數(shù)據(jù)集里標(biāo)注規(guī)范不統(tǒng)一這一步必須盡早處理否則后面訓(xùn)練就會(huì)在類別邊界上反復(fù)搖擺。2. 數(shù)據(jù)集落地的第一步看懂標(biāo)注格式和類別體系2.1 解壓后的目錄結(jié)構(gòu)和YOLO標(biāo)注格式拿到車輛行人動(dòng)物多目標(biāo)檢測數(shù)據(jù)集.zip這類壓縮包我第一件事不是急著訓(xùn)練而是先把解壓后的目錄結(jié)構(gòu)和標(biāo)注格式摸清楚。很多數(shù)據(jù)集解壓出來不一定是標(biāo)準(zhǔn)YOLO結(jié)構(gòu)有的嵌套多層文件夾有的圖片和標(biāo)簽分開有的混在一起。最常見的一個(gè)結(jié)構(gòu)長這樣dataset/ ├── images/ │ ├── train/ │ │ ├── 000001.jpg │ │ └── ... │ └── val/ │ ├── 000100.jpg │ └── ... ├── labels/ │ ├── train/ │ │ ├── 000001.txt │ │ └── ... │ └── val/ │ ├── 000100.txt │ └── ... └── data.yamlimages和labels一一對應(yīng)文件名相同只是擴(kuò)展名不同。labels目錄里每個(gè)txt文件就是一張圖片的標(biāo)注每一行代表一個(gè)目標(biāo)框YOLO格式是五個(gè)數(shù)值class_id x_center y_center width height注意這里的x_center、y_center、width、height是相對圖片寬高的歸一化坐標(biāo)取值在0到1之間。比如一行1 0.456 0.321 0.210 0.385就表示類別1假設(shè)是person的目標(biāo)中心點(diǎn)在圖片橫向45.6%、縱向32.1%的位置寬占圖片寬度21%高占圖片高度38.5%。拿到數(shù)據(jù)后先別管別的用下面這個(gè)命令隨便看幾個(gè)文件head -5 dataset/labels/train/000001.txt cat dataset/data.yaml如果文件里出現(xiàn)負(fù)數(shù)、大于1的數(shù)或者空文件說明標(biāo)注存在問題后面要專門做清洗。2.2 類別體系與映射的確認(rèn)類別體系是數(shù)據(jù)集的靈魂。不同的多目標(biāo)檢測數(shù)據(jù)集對類別定義差異很大有的把動(dòng)物細(xì)分成deer、wild_boar、horse、cattle有的就把所有非人物體籠統(tǒng)標(biāo)成animal。使用之前必須確認(rèn)自己的任務(wù)到底需要哪些類別。我的建議是除非業(yè)務(wù)確實(shí)需要區(qū)分物種否則一律先把細(xì)分動(dòng)物標(biāo)簽合并成統(tǒng)一的animal類。類別越少訓(xùn)練難度越低誤檢率也更容易控制。如果后面發(fā)現(xiàn)特定動(dòng)物類型漏檢嚴(yán)重再拆類訓(xùn)練。類別映射這一步一定要寫成代碼或文檔記錄下來不能靠腦子記。比如原始數(shù)據(jù)集類別定義是0: car 1: truck 2: bus 3: motorcycle 4: bicycle 5: pedestrian 6: animal而你的業(yè)務(wù)只需要vehicle、person、animal三類那就把0、1、2、3、4合并到vehicle5映射到person6映射到animal。合并方式很簡單改txt里每行的第一個(gè)數(shù)字就行但一定要在腳本里做一個(gè)明確的映射字典。2.3 快速統(tǒng)計(jì)圖片和標(biāo)注的腳本在正式使用數(shù)據(jù)集之前我會(huì)先統(tǒng)計(jì)一下各類別的樣本分布避免數(shù)據(jù)嚴(yán)重不均衡而不自知。統(tǒng)計(jì)腳本很簡單用Python的Counter就能搞定import os from collections import Counter def scan_labels(label_dir): counter Counter() empty_files 0 total_files 0 for f in os.listdir(label_dir): if not f.endswith(.txt): continue total_files 1 path os.path.join(label_dir, f) if os.path.getsize(path) 0: empty_files 1 continue with open(path, r) as fh: for line in fh: line line.strip() if not line: continue cls line.split()[0] counter[cls] 1 print(類別統(tǒng)計(jì):, dict(counter)) print(空標(biāo)注文件數(shù):, empty_files, /, total_files) scan_labels(dataset/labels/train)這個(gè)腳本會(huì)告訴你當(dāng)前數(shù)據(jù)集有沒有空標(biāo)注、每個(gè)類別的目標(biāo)數(shù)量、以及類別大致比例。如果vehicle有10萬個(gè)框animal只有3000個(gè)那動(dòng)物類別基本會(huì)被模型忽視后面必須做對應(yīng)的數(shù)據(jù)增強(qiáng)或重采樣。另外需要注意圖片數(shù)量和標(biāo)簽文件數(shù)量是否完全一致。我經(jīng)常遇到某些圖片沒有對應(yīng)txt或者txt里標(biāo)注框數(shù)量遠(yuǎn)少于可見目標(biāo)的情況。數(shù)量對不上基本是數(shù)據(jù)導(dǎo)出過程出了問題建議直接用腳本比對文件名集合。3. 多源數(shù)據(jù)集整合方案從KITTI/BDD100K到自建數(shù)據(jù)3.1 主流公開數(shù)據(jù)集的選型對比單靠一份數(shù)據(jù)集往往很難覆蓋所有場景。我做多目標(biāo)檢測項(xiàng)目時(shí)比較常用的是一個(gè)主數(shù)據(jù)集多個(gè)補(bǔ)充數(shù)據(jù)集的組合策略。先列一下我用過且覺得值得參考的公開數(shù)據(jù)源數(shù)據(jù)集類別特點(diǎn)場景覆蓋原始標(biāo)注格式主要注意點(diǎn)BDD100K車輛、行人、騎行者、交通燈等駕駛視角白天、夜間、雨霧天氣多JSONCOCO風(fēng)格類別多需要篩選KITTI車輛、行人、騎手市區(qū)道路公路場景KITTI格式數(shù)據(jù)年份較早場景偏單一Waymo Open Dataset車輛、行人、騎手多城市道路TFRecord數(shù)據(jù)量大轉(zhuǎn)換成本高UA-DETRAC車輛為主路口監(jiān)控視角XML / MOT車輛密集場景很好用VisDrone行人、車輛無人機(jī)視角小目標(biāo)多VOC / COCO風(fēng)格小目標(biāo)檢測難度高COCO數(shù)據(jù)集部分類別人、貓、狗、馬、牛等通用日常場景JSON動(dòng)物類別豐富適合抽取補(bǔ)充選擇主數(shù)據(jù)集時(shí)我比較看重場景覆蓋度和天氣多樣性。BDD100K是最常用的選擇因?yàn)樗囊归g和雨霧樣本很全。車輛密集部分用UA-DETRAC補(bǔ)動(dòng)物部分從COCO抽取馬、牛、綿羊、狗、貓這些類別再結(jié)合自己采拍的鄉(xiāng)村道路樣本。選型邏輯很樸素模型要部署到哪里數(shù)據(jù)就要覆蓋哪里。如果你最終要跑鄉(xiāng)鎮(zhèn)公路的輔助駕駛訓(xùn)練集里全是城市夜景測試結(jié)果肯定不理想這不是模型問題是數(shù)據(jù)分布沒有對齊。3.2 COCO轉(zhuǎn)YOLO格式的實(shí)操腳本公開數(shù)據(jù)集的標(biāo)注格式五花八門COCO是JSONKITTI是自定義文本BDD100K是JSONTFRecord就更麻煩了。而YOLO系列訓(xùn)練需要的是txt文件所以幾乎每個(gè)項(xiàng)目都必須寫格式轉(zhuǎn)換腳本。以COCO轉(zhuǎn)YOLO為例核心代碼是這樣import json from pathlib import Path # 自定義類別映射比如把COCO里的person映射成1把horse/cow/sheep/dog/cat映射成2 # COCO類別id可以在json的categories字段里查 custom_map { person: 1, horse: 2, cow: 2, sheep: 2, dog: 2, cat: 2, } def coco_to_yolo(coco_json, out_dir): with open(coco_json, r) as f: data json.load(f) cat_id_to_name {cat[id]: cat[name] for cat in data[categories]} images {img[id]: img for img in data[images]} Path(out_dir).mkdir(parentsTrue, exist_okTrue) for img_id, img in images.items(): width img[width] height img[height] txt_path Path(out_dir) / (Path(img[file_name]).stem .txt) with open(txt_path, w) as out: for ann in data[annotations]: if ann[image_id] ! img_id: continue cat_name cat_id_to_name[ann[category_id]] new_cls custom_map.get(cat_name, -1) if new_cls 0: continue x, y, w, h ann[bbox] # COCO bbox 是左上角 x,y 和寬高 x_center (x w / 2) / width y_center (y h / 2) / height w_norm w / width h_norm h / height out.write(f{new_cls} {x_center:.6f} {y_center:.6f} {w_norm:.6f} {h_norm:.6f}\n) coco_to_yolo(coco_annotations.json, coco_yolo_labels)這段腳本把COCO的類別名映射到自己的類別編號(hào)只輸出需要的類別。注意COCO的bbox是(x, y, w, h)x、y是左上角坐標(biāo)YOLO需要的是中心點(diǎn)坐標(biāo)所以必須做一次換算。3.3 合并、去重與類別平衡多源數(shù)據(jù)合并時(shí)最容易踩的坑是文件名沖突。KITTI的圖片叫000000.pngCOCO的圖片也可能是000000000000.jpg直接放到同一個(gè)目錄會(huì)互相覆蓋。我在處理時(shí)會(huì)給每個(gè)來源加前綴比如kitti_000000.png、coco_000000000000.jpg對應(yīng)txt文件名也得同步改不然匹配不上。合并之后還要去重。同一個(gè)場景可能同時(shí)出現(xiàn)在開源數(shù)據(jù)集的訓(xùn)練集和自采數(shù)據(jù)里如果不處理模型會(huì)過擬合到重復(fù)樣本上。簡單做法是先用文件名做一次哈希比對再用感知哈希對圖片內(nèi)容做近似查重。感知哈??梢运岩幌耰magehash這個(gè)Python庫接口很簡單。類別平衡是另一個(gè)重點(diǎn)。假設(shè)vehicle有10萬框、person有5萬框、animal只有1萬框直接訓(xùn)練會(huì)導(dǎo)致animal類召回很低。我的經(jīng)驗(yàn)是先做兩類處理數(shù)據(jù)層面對稀有類別做Mosaic增強(qiáng)、復(fù)制粘貼增強(qiáng)把稀有目標(biāo)貼到不同背景上。采樣層面訓(xùn)練時(shí)對稀有類別的圖片提高采樣概率比如通過repeats參數(shù)控制或者直接在數(shù)據(jù)集中重復(fù)稀有樣本若干份。需要說明的是Mosaic增強(qiáng)在YOLO訓(xùn)練里默認(rèn)開啟但它的目標(biāo)分布是隨機(jī)的不會(huì)專門照顧稀有類別。所以我更常做的是目標(biāo)級(jí)復(fù)制粘貼從一張圖里把動(dòng)物框摳出來貼到另一張沒有動(dòng)物的背景圖上同時(shí)寫入新標(biāo)注。這樣可以人為增加動(dòng)物樣本數(shù)量效果立竿見影。4. 數(shù)據(jù)質(zhì)量排查模型練不好的鍋多半在數(shù)據(jù)4.1 可視化抽檢和規(guī)則化篩查我每次拿到數(shù)據(jù)集不管來源靠不靠譜都會(huì)先做質(zhì)量排查。第一關(guān)是規(guī)則化篩查用腳本檢查標(biāo)注格式和法律不允許的錯(cuò)誤# 檢查txt文件中是否出現(xiàn)越界或負(fù)數(shù)等非法值 awk -F {if ($20 || $30 || $40 || $50 || $21 || $31 || $41 || $51) print FILENAME, $0} dataset/labels/train/*.txt上面這個(gè)命令能篩出明顯非法標(biāo)注。但更隱蔽的問題是標(biāo)注框內(nèi)容不進(jìn)比如框偏了、把車輛尾巴截掉了、行人被樹擋住一半但框畫過去了這些用規(guī)則檢查不出來。第二關(guān)我會(huì)用OpenCV寫一個(gè)可視化腳本隨機(jī)抽200張圖把GT框畫上去然后拼成網(wǎng)格圖快速瀏覽import cv2 import random import glob from pathlib import Path img_paths random.sample(glob.glob(dataset/images/train/*.jpg), 200) color_map {0: (0, 0, 255), 1: (0, 255, 0), 2: (255, 0, 0)} for img_path in img_paths: img cv2.imread(img_path) h, w img.shape[:2] txt_path str(Path(img_path).with_suffix(.txt)).replace(/images/, /labels/) if not Path(txt_path).exists(): print(f缺少標(biāo)注: {img_path}) continue with open(txt_path, r) as f: for line in f: cls, xc, yc, bw, bh map(float, line.split()) x1 int((xc - bw / 2) * w) y1 int((yc - bh / 2) * h) x2 int((xc bw / 2) * w) y2 int((yc bh / 2) * h) color color_map.get(int(cls), (255, 255, 255)) cv2.rectangle(img, (x1, y1), (x2, y2), color, 2) cv2.putText(img, str(int(cls)), (x1, max(0, y1 - 5)), cv2.FONT_HERSHEY_SIMPLEX, 0.6, color, 2) cv2.imwrite(fcheck_{Path(img_path).stem}.jpg, img)拼圖雖然土但真的管用。肉眼看一遍能發(fā)現(xiàn)標(biāo)注規(guī)范不統(tǒng)一、框遺漏、類別錯(cuò)標(biāo)這些連規(guī)則腳本都查不出來的問題。4.2 動(dòng)物類別的特殊處理動(dòng)物檢測和車輛、行人有個(gè)明顯差異形態(tài)多變。車輛是剛體輪廓穩(wěn)定行人姿態(tài)有限但還算規(guī)律動(dòng)物從站、趴、跑到低頭吃草、跳躍輪廓變化范圍很大而且不同物種外觀差異也大。牛和車在某些歪斜角度下輪廓高度相似這是我在實(shí)際混淆矩陣?yán)镉H眼看過的錯(cuò)誤。動(dòng)物的另一個(gè)難點(diǎn)是夜間和低光照。夜間動(dòng)物的眼睛會(huì)反光但身體和背景經(jīng)常融為一體標(biāo)注難度比白天高很多。如果你要部署的場景包括夜間訓(xùn)練集里必須有足夠比例的夜間動(dòng)物樣本不要指望白天訓(xùn)練的模型在夜間泛化好。處理建議動(dòng)物類別盡量框住全身不要把頭和四肢拆開。如果動(dòng)物在圖像邊緣或被樹遮擋一半寧可多標(biāo)一個(gè)框也不要漏。因?yàn)槁?biāo)框等于教模型這個(gè)地方?jīng)]有動(dòng)物對訓(xùn)練是負(fù)向信號(hào)。4.3 類別不平衡的修正策略數(shù)據(jù)集里類別數(shù)量通常嚴(yán)重不均衡。我用過一個(gè)數(shù)據(jù)集vehicle框有8萬animal框只有2000直接訓(xùn)練出來的模型對animal類的mAP幾乎為零。這不是模型強(qiáng)度問題是數(shù)據(jù)問題。修正方法很常用但有幾個(gè)細(xì)節(jié)值得注意復(fù)制粘貼增強(qiáng)把某張圖里的動(dòng)物目標(biāo)摳出來旋轉(zhuǎn)、縮放、亮度調(diào)整后貼到不同背景圖上同時(shí)生成對應(yīng)標(biāo)注。這個(gè)操作簡單有效但要控制貼圖比例否則動(dòng)物目標(biāo)全是合成姿態(tài)和真實(shí)場景分布會(huì)有偏差。尺度重采樣很多動(dòng)物目標(biāo)本身就是小目標(biāo)比如遠(yuǎn)處牛羊群。如果用小尺度訓(xùn)練模型對小目標(biāo)不敏感。我建議對小目標(biāo)圖片做兩倍上采樣讓目標(biāo)在訓(xùn)練時(shí)占更多像素。Loss層面處理YOLOv8自帶類別損失權(quán)重但默認(rèn)所有類別權(quán)重相同。如果數(shù)據(jù)嚴(yán)重不平衡可以在損失函數(shù)中給低頻類別加權(quán)重或者在訓(xùn)練策略上多訓(xùn)練幾個(gè)epoch看早起val指標(biāo)變化決定是否調(diào)整。5. YOLOv8訓(xùn)練多目標(biāo)檢測模型的配置與調(diào)參5.1 數(shù)據(jù)目錄和YAML配置數(shù)據(jù)準(zhǔn)備好后就要把它喂給YOLOv8。首先要保證數(shù)據(jù)目錄結(jié)構(gòu)清晰然后寫data.yaml配置文件。# data.yaml train: dataset/images/train val: dataset/images/val nc: 3 names: 0: vehicle 1: person 2: animal這里需要注意train和val的路徑要用絕對路徑或者相對于你執(zhí)行訓(xùn)練命令的當(dāng)前目錄。項(xiàng)目換機(jī)器后路徑會(huì)變用相對路徑、在項(xiàng)目根目錄統(tǒng)一執(zhí)行是最省心的做法。5.2 訓(xùn)練參數(shù)與資源預(yù)算YOLOv8的訓(xùn)練命令很簡單但參數(shù)選擇直接影響最終效果。我一般這樣起步y(tǒng)olo detect train \ datadata.yaml \ modelyolov8m.pt \ epochs100 \ imgsz640 \ batch16 \ device0 \ patience20幾個(gè)關(guān)鍵參數(shù)的選擇imgsz默認(rèn)640。如果小目標(biāo)多建議變成1280但顯存和訓(xùn)練時(shí)間會(huì)翻倍。我自己的做法是先用640跑通流程再根據(jù)bad case決定要不要換1280。batch按顯存調(diào)整。12G顯存跑yolov8m、imgsz640batch設(shè)為16比較穩(wěn)。如果OOM降到8或者開啟梯度累積但YOLOv8的梯度累積參數(shù)比較繞簡單起見直接降batch。model從yolov8s或yolov8m起步。數(shù)據(jù)量小、目標(biāo)簡單用yolov8s數(shù)據(jù)量大、目標(biāo)復(fù)雜用yolov8m或yolov8l。如果追求極致速度最后再蒸餾到y(tǒng)olov8n做部署。optimizer默認(rèn)AdamW數(shù)據(jù)量大的時(shí)候換成SGD效果也不差但收斂速度會(huì)慢一些。訓(xùn)練過程中還要注意mosaic增強(qiáng)的關(guān)閉時(shí)機(jī)。YOLOv8默認(rèn)訓(xùn)練最后10個(gè)epoch會(huì)關(guān)閉Mosaic這是為了保證模型在正常圖片分布上做收斂。如果發(fā)現(xiàn)驗(yàn)證集loss反彈可以嘗試手動(dòng)提前關(guān)。5.3 訓(xùn)練日志的診斷思路訓(xùn)練跑起來之后不要只看進(jìn)度條。我習(xí)慣實(shí)時(shí)盯著results.csv里的列YOLOv8每輪會(huì)記錄box_loss、cls_loss、dfl_loss、precision、recall、mAP50、mAP50-95這些指標(biāo)。幾個(gè)常見情況我來幫你排查如果box_loss和cls_loss都在降但mAP50長時(shí)間不升可能是類別標(biāo)注本身有噪聲或者標(biāo)注框位置不準(zhǔn)?;氐降?章做可視化檢查。如果val loss在epoch 60后持續(xù)上升train loss還在降過擬合了。減少epoch或者打開更大的數(shù)據(jù)增強(qiáng)比如增強(qiáng)augment參數(shù)、調(diào)大hsv、degrees。如果loss出現(xiàn)NaN多半是學(xué)習(xí)率太大導(dǎo)致梯度爆炸。把lr0從默認(rèn)值調(diào)小或者降低batch。如果animal類的mAP明顯低于其他類數(shù)據(jù)量不足先做第3章的平衡處理不要盲目加訓(xùn)練輪次。訓(xùn)練日志建議保留CSV這樣每次調(diào)參都能對比。YOLOv8會(huì)在runs/detect/train目錄下自動(dòng)生成results.csv不用自己寫日志。6. 評估與迭代別只看mAP6.1 分類別評估和混淆矩陣怎么用訓(xùn)練完模型第一件事是用驗(yàn)證集評估yolo detect val \ datadata.yaml \ modelruns/detect/train/weights/best.pt \ splitval評估結(jié)果會(huì)自動(dòng)生成confusion_matrix.png和results.png。我建議把總mAP放在一邊先看分類別結(jié)果。只看總mAP很容易被數(shù)量占優(yōu)的類別帶偏動(dòng)物類只有2000個(gè)框、vehicle有8萬個(gè)animal的mAP再低總mAP也不會(huì)太難看。混淆矩陣才是真正有價(jià)值的東西。我遇到過兩個(gè)典型案例牛和SUV互相誤檢主要是訓(xùn)練數(shù)據(jù)里牛的側(cè)面輪廓和SUV的車身側(cè)面太像。解決方法不是增加數(shù)據(jù)增強(qiáng)而是單獨(dú)收集牛的正面、背面、側(cè)躺等不同姿態(tài)樣本專門解決混淆。騎自行車的人被拆成兩個(gè)框或漏檢標(biāo)注規(guī)范里如果沒把騎行者框成personvehicle模型會(huì)學(xué)得非?;靵y。處理辦法是統(tǒng)一標(biāo)注規(guī)范騎行者一定是person框自行車單獨(dú)標(biāo)vehicle。6.2 bad case反哺數(shù)據(jù)的完整路徑評估完之后要系統(tǒng)地分析bad case而不是一個(gè)個(gè)看。我的做法是用驗(yàn)證集跑一次推理保存所有預(yù)測置信度低于閾值但GT存在的圖片。按錯(cuò)誤類型聚類大致分類為小目標(biāo)漏檢遮擋漏檢形變誤檢背景誤檢。針對最嚴(yán)重的錯(cuò)誤類型去補(bǔ)數(shù)據(jù)。是小目標(biāo)多就補(bǔ)小目標(biāo)圖片是夜間差就補(bǔ)夜間圖片是動(dòng)物姿態(tài)多樣就補(bǔ)動(dòng)物圖片。這個(gè)循環(huán)看起來慢但每輪都能把模型往實(shí)際場景推進(jìn)一步。單純增加訓(xùn)練輪次解決不了bad case問題。6.3 部署階段的量化與選型建議訓(xùn)練調(diào)優(yōu)結(jié)束后模型要落地部署邊緣設(shè)備上一般用TensorRT或ONNX Runtime。YOLOv8可以很方便導(dǎo)出yolo export modelbest.pt formatonnx opset12 yolo export modelbest.pt formatengine device0導(dǎo)出engine之前通常會(huì)先做FP16量化精度幾乎不掉但速度提升明顯。如果追求極致速度可以做INT8量化但I(xiàn)NT8對動(dòng)物這種細(xì)節(jié)豐富的小目標(biāo)不太友好我個(gè)人建議先FP16。部署端記得把輸入尺寸固定住動(dòng)態(tài)分辨率會(huì)拖慢推理。在實(shí)測部署時(shí)還要注意類別輸出排序和前后處理的尺寸對齊。YOLOv8輸出的檢測結(jié)果格式在不同版本之間有細(xì)微差別導(dǎo)成engine后建議先跑一張測試圖把框畫出來和原圖對比確認(rèn)坐標(biāo)沒有被拉伸變形。最后再分享一個(gè)我自己一直保留的習(xí)慣每次拿到新的數(shù)據(jù)集先寫一個(gè)統(tǒng)一的處理腳本把目錄結(jié)構(gòu)、類別映射、格式轉(zhuǎn)換、質(zhì)量篩查全部固化下來。這樣即使以后換了一臺(tái)機(jī)器、換了一個(gè)項(xiàng)目只要數(shù)據(jù)和腳本都在半天之內(nèi)就能復(fù)現(xiàn)整套流程。另外數(shù)據(jù)集的標(biāo)注腳本和類別映射表一定要保留尤其是多源合并后的映射關(guān)系過兩周再看就很容易忘那時(shí)候再想追溯某個(gè)框到底是從哪個(gè)數(shù)據(jù)集來的就要花幾倍的時(shí)間。訓(xùn)練前花兩小時(shí)做可視化抽檢遠(yuǎn)比訓(xùn)練后發(fā)現(xiàn)bad case再返工劃算。本文還有配套的精品資源點(diǎn)擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
五月天亭亭俺也| 丁香五月成人av| 婷婷五月在线视频| 啪啪丁香五月| 综合色、色综合| 人人爱操| 色五月综合| 在线视频你懂得| 丁香五月影院| 婷婷综合视频| 中文字幕乱轮| 五月丁香好婷婷A片网| 伊人激情网| 久草视频一,二三四| 99热这里是精品| 五月婷婷色色爱| 国产精品色婷婷AV综合色色| 99综合视频在线| 性按摩玩人妻HD中文字幕| 亚洲色优| wuyuedingxiang99| 99久久99久久| 色色网91| 色综合9| 9久久精品| 玖玖伦理电影| 人人色人人摸人人看| 激情五月婷色| 另类图片五月激情| 婷婷久久欧美| 操操熟女| 性爱激情小说AV五月丁香花| 激情文学 综合 九月| 婷婷激情五月综合| 亚洲午夜Av| 国产精品人成A片一区二区| 丁香婷婷激情六月五月开心| 深爱婷婷丁香五月激情| 亚洲a色| 婷婷美女精品视频| 99热福利| 小视频在线亚洲| 日本久久性| 99在线免费视频播放| 91Chinese在线| 第四色五月天| 成人在线综合| 黄色成人网站在线播放| 成人五月丁香社区| 欧美日韩99| 婷婷五月免费视频| 九九色热| 97在线刺激| 婷婷激情社区| 超碰猛烈的性猛交| 色播五月丁香| 亚洲视频在线观看| 狠狠色丁香乆乆| 夜夜爽77777妓女免费下载| 婷婷六月色| 影音先锋噜一噜| 色婷婷五月天激情在线观看| 日本理论久久| www亚洲无码| 色五月婷婷成人| 婷色五月天| 久久99久久99久久99人受| 伊人婷婷大香蕉| 五月激情站| 99热66| 激情五月天婷婷视频| 久久激情综合| 狠狠干综合网| 九九操操| 欧美性猛交99久久久久99按摩| 婷婷亚洲综合| 日韩不卡123| 精品综合网在线| 玖玖九九超碰| 日本美女上人| 日本美女天天日天天爽| 婷婷开心青青草| 99热精品在线| 怡红院院久久| 狠狠操天天干| 欧美久热| 国产在线视频1234| 激情视频婷婷五月花| 亚洲成人一区| 色人妻五月| 婷婷成人五月天成人文学| 丁香花社区av| 久久婷婷的综合色丁香五月| 伊人久久婷婷| 这里只有精品网站| 99热| 99日视频在线| 五月综合在线婷婷图片| 五月天综合网| 亚洲午夜在线视频| 黄色91在线观看| www九九| WWW,激情五月天,COM| 男人天堂亚洲综合| 成人性爱无码| 色色网站| 日91高清无玛| 五月婷高清视频| 丁香五月天天高清在线| 婷婷五月天电影网| 激情五月色综合网| 26uuu亚洲欧美另类| 色欲五月婷婷| 天天操婷婷| 99re热视频这里只精品| 亚洲旡码| 婷五月天| 99久久综合狠狠综合久久| 91视频人人做97| 婷婷亚洲五| 中文不卡一二区| 婷婷热色| 成人va在线观看视频| 久久 视频这里只有精总| 色99在线观看| 狠狠色综合五月人人| 97操碰碰无码视频| 2025天天日爽| 狠狠色综合久久久久| 97操女视频| AV大香蕉| 高清无码视频网址| 丁香 久久| 美妞av| 六月婷婷综合| 美女爆乳18禁www久久久久久| 无码成人播放器| 天天综合五月| 91超级碰在线| 九热视频精品| 五月婷婷视频在线观看| 亚洲激情六月| 久色五月婷婷综合| 久久R激情| 99色在线视频| 亚洲AV成人片无码网站| 婷婷伊人五月丁香天堂网| 欧美va视频不用播放器的va视频网| 成人免费高清在线播放| 欲求不满的人妻| 午夜九九电影| 国产69精品久久久久999小说| 中文字幕网站在线观看| 激情视频综合| 丁香五月婷婷激情网| 婷婷瑟五月天久久综合| 国产精品扒开腿做爽爽爽A片唱戏| 91porn一起草| 9999热在线观看| ...婷婷国产成人亚洲日韩| 97人人看| 五月天激情综合网俺也去| 99国产这里只有精品| 99超超碰| 五月的色婷婷高潮| www.97干视频| 婷婷六月色开| 99re熱| 九九九九国产| 丁香五月狠狠在线观看| 久在线88综合| WWW,婷婷,COM| 丁香婷婷色九月| www.操.com| 九9九9无码| 激情五月天激情五月天| 99爽视频| 99欧美| 伊人青草成人| AV中文网| 99激情| 欧亚中文A V| 五月色情婷婷开心五月色情| 爱iii做iiii日日| 日本五月天婷婷丁香| 五月婷护士| 婷婷综合色五月天| 99福利导航| 91超碰人人操| 天天干一干| 亚洲成人在线播放| 成人做爰高潮A片免费视频| 婷婷内射视频在线| 久久婷婷五月天| 激情黄色五月天| 日本人妻伦在线中文字幕| 婷婷激情六月综合| 成人VAV视频在线观看| 五月丁香婷婷婷婷综合网| 久久精品一区二区三区四区| 婷婷五月在线观看| 九九精品视频免费在线| 任你艹| 999影院成人在线影院| 欧美日本高清视频99| 久久网日本| 人妻人人操| 色噜噜综合网| 久久婷婷五月| 久久五月天合网| 色综合婷婷99| 色999亚洲人成色| 97五月天婷婷| 色婷婷综合视频| 丰满少妇乱A片无码| 色婷婷五月天视频网站| 26uuu.| 五月婷婷丁香日韩在线| 三级三久久线久久99久目本WW| 天天操狠狠操| 77799热| 亚洲久艹| 国产免费一区二区三州老师F1……| 99在线精品视频| 色频玖玖五月天| WWW色色色COM| 午夜精品人妻无码一区二区三区 | 99热12| 91综合色| 婷婷欧美激情| 性爱111111| 中文字幕成人| 日韩有码一区| 国自产拍偷拍精品啪啪一区二区| 五月停亭六月,六月停亭的英语| 国产熟女日日骚五月丁香爱| 影音先锋色色色资源色资源色| 久久加勤综合| 性做爰A片免费视频A片直播| 99热精品在这里| 色婷婷五月六月丁香综合视频| 国产亚洲99久久精品熟女| 99热最新网址| 日本久久婷婷| 狠狠爱婷婷丁香| 亚洲激情无码久久| 五月丁香爱婷婷深深| 欧美电影在线观看| 思思热视频| 99在线免费视频| 色色免费网战视频| 99爱视频免费看| 中文字幕av亚洲| www九九免费视频| 天天爽夜爽| 直接看的av| 五月色丁香婷婷中文字幕| 九九久久99精品免费观看www| 丁香五月婷婷国产在线| 一区无码| 99操免费视频| 婷婷射综合| 1024你懂的欧美曰韩| 丁香五月婷久久| 97色干| 7777久久亚洲中文字幕| 六月五月婷婷| 人妻在线中文字幕久久| caobi四区| 天天激情5月天亚洲| 97影院一级片| 日本精品99| AV无码免费| 婷婷涩涩五月天| 久久44| 97狠狠色| 99热99精品在线观看| 九九热re99re6在线精品| 伊人免费视频9| 性爱综合网| 五月婷婷综合久久| AV操操操| 国产麻豆视频| 婷婷黄色网| 人妻在线观看视频| 激情四射婷婷| 久热这里只有精品在线观看| 色五月视频无码播放| 婷婷六月丁香在线| 热热久久久久久久久| 日日干综合| 久久久久8888| 天天日夜夜B久久| 久久er+| 妻久久久久| 少妇久久诱惑视频| 99re8在这里只有精品| 色狠狠婷婷| 超碰网站在线观看| av九九| 久99久视频精选| 婷婷九月狠狠色| 天天射美女| 五月丁色AV| 天天成人丁香美女AV| 婷婷成人丁香色情基地30| 色五月 激情婷婷 综合五月天| 亚洲激情区| 久久视频这里有精品99| 东京热伊人| 色999亚洲人成色| 日韩青青| 丁香六月婷婷| 婷婷五月天另类网站| 免费精品99| 特级西西4444www无码| 久久久精品人妻录| 丁香五婷婷| 99精品无码| 丁香婷婷婷| 亚洲天堂大香蕉| av在线观看免费| 激情五月天在线观看色婷婷| 欧美性爱特黄一级aaaassss| 欧美综合123区| 九月婷婷| 91视频精品99| 五月天成人小说| 激情五月婷婷| 久色五月天| 狠狠色丁香综合| 久久99精品久久只有精品| 91人人操人人爱| 红桃91人妻爽人妻爽| 91超碰人人操| 综合网五月| 国产精产国品一二三在观看 | 婷婷激情伍月网| 婷婷六月色播| 婷婷人人操| 人与禽A片啪啪| 九色在线观看91av| 久99热| 丁香色婷婷| 67194中文字幕| 久久久久亚洲A∨成人乱码电影| 亚洲天堂色色| 久久女人九九| 丁香美女主播视频在线观看| 狠狠香蕉| VA色婷婷| 涩涩激情五月婷婷| 午夜婷婷五月天在线| 亚洲色激情| 亚洲天天| 激情五月婷黄版| 激情久久久久久久久久久| 中文字幕无码AV| 就要去操亚洲成人精品五月天丁香婷婷| 五月天伊人网| 免费成人网在线观看| 天天日夜夜草进麻麻的子宫| 99福利导航| 999九九九久久久99HD| 婷婷丁香水多多视频| 久久综合55| 欧美在线视频99| 欧美99热| 久色网址| 影音先锋色婷婷| 色五月婷婷天堂| 国精产品一区二区三区| 无码激情AAAAA片-区区| 99re26视频| 亚洲成av人影院| 欧美影院婷婷| 激情五月天婷婷丁香| 波多野结衣AV无码Porn| 五月综合丁香婷婷| 九九精品99| 婷婷五月激情五月激情| 97超级碰碰碰| 97干97色| 久久久妻人人人| 丁香五月天色婷婷| 婷婷五月天777| 亚洲成人免费在线| www.五月激情红色| www久久五月com| 丁香五月婷久久| 久久九色| 97色吧| 99 热| 久久曰曰| 欧洲亚洲激情五月天在线| 美女被肏网站在线看| 五月天.com| 亚洲国产黄色电影| 六月丁香综合| 99色啊| 久久这里只有精品5| 丁香狠狠| 婷婷激情五月综合| 久久婷婷色| 久久99久久99精品,久国产,久久精品免费,99久在线,久久久久国产精品免费网站,9 | 秋霞A V毛片| 婷婷在线播放| 人人草人人看| 色五月影视| 激情丁香五月天图片| 丁香六月婷婷| 激情综合激情五月| 91肏| 538在线精品| 国产裸舞表演WWWW| 天天做天天爽| 丁香六月激情综合| 九一娱乐在线观看视频| 丁香五月综合| 色婷婷五月天天天干天天操天天爽| 99热亚洲综合| 日韩成人电影AV| 九九久久这里只有精品XB| 亚洲精品**不卡在线播he| 久久人妻视步| 国产99美少妇| 超碰99热精品在线| 亚洲日日操| 婷婷成人小说综合| 亚州精品色情无码A片| 日日影院 | 丁香婷婷社区| 深爱五月亚洲| 黄网在线播放| 五月丁香偷拍| 精品夜夜澡人妻无码AV| 97色天堂| 五月婷婷网五月在线| 99久久综合网| 五月丁香趴趴| 西西4r午夜剧场| 色九区| 亚洲色 视频| 国产亚洲99| 一区二区传媒视频| 1024国产在线| 大学生高潮无套内谢视频| 丁香六月情| 久久视频婷婷视频| 久久激情网| 久久婷婷东京热大香樵| 日韩精品视频中文字幕| 99超级碰免费视频| 色五月激情婷婷| 五月天综合图片| 狠狠爱综合| 久久色这里只有精品| 五月色丁香综合| 婷婷五月色影视先锋| 黄色三级毛片中字| 激情人妻蜜夜系列区| 色色色婷婷五月天| 丁香五月在线| 久久久久人无码人妻| www.婷婷六月天| 久热久re| 视频在线免费观看欧洲乱码| 97啪在线观看视频| 欧洲MV日韩MV国产| 99热99艹在线观看| 国产精品色情AAAAA片软件| 天天爱天天狠天天透| 久久er免费视频| 伊人久久大香线蕉av一区| 久久九九亚洲| 久久久A级视频| 在线不卡AC| 91夫妻网站九色| 91中文狠狠综合| 拍真实国产伦偷精品| 五月久久婷婷丁香| 丁香五月色| www.狠狠| 中文字幕人妻熟女在线| AA片在线观看视频在线播放| 婷婷五月天 丁香五月天 裸体| 国产精品99久久久久久久女警| 九九这里只有精品| 老美AA片| 任我肏视频精品| 一级性爱大片| 丁香五月激情棕合| www色色com| 第五婷婷伊人丁香| 日本3级片偷拍网站| 欧美影院| 婷婷丁香97| 久久婷婷影院| 欧美大片免费播放器| 日日做A爰片久久毛片A片英语| 国产在线aaa片一区二区99| 被强行糟蹋的女人A片| 天天躁日日躁狠狠躁日日躁2022年5月9日| 久久久久久9热不雅视频| www.婷婷五月.com| 久久婷视频| 日韩99视频| 五月天婷婷xxx| 开心四月婷婷在线色播播| 99热在线这里只有精品| 桔色成人在线| 婷婷久久99| 天天日日夜夜| 97在线视频 欧美| 97婷婷在线| 激情性爱五月天| WWW.夜夜操.com| 开心五月丁香婷婷| 日本久久人| 五月婷婷综合在线| 青草视频在线播放| 91色在线| 怡红院院在线导航网 | 久色大香蕉| 色婷婷色九月| 欧美综合在线五月天色婷婷| 五月天成人在线播放| 天天射影院| 狠狠色噜噜狠狠狠777奇米| 91一道本| 欧美天天性| www.夜夜操| www.婷婷| 99在线观看视频| 99热日本| 日韩黄黄| 26uuu91| 日日爽日日| 色婷另类| 久热在线观看视频9| 91婷婷丁香| 六月丁香激情综合| 丁香五月综合| 操逼三区| 色狠久| 九九激情网| 久久嘟嘟丁香| 99热这里只有精品18| 99热超碰在线| 五月丁香毛片| 这里只有精彩视| 思思re99视频在线观看| 欧美人人超级碰| 色很很96| 狠狠搞狠狠操| 婷婷五月激情小说| 五月噜噜| 国产成人片| 国产精品久久..4399| 五月丁香六月婷婷视频| 免费观看欧美成人AA片爱我多深| 五月婷婷色播| 日本色色网站| 久久婷婷的综合色丁香五月| 五月精品免费XXX| www.天天干| 久久婷五月婷| 网色99| 大香久久伊人网| 99热精地址| 久久五月视频| 欧美婷婷六月丁香综合色| 亚洲精品永久久久久久| 丁香婷婷狠狠97| 嫩草综合网| 五月天激情小说| 五月天无码| 婷婷色综合| 五月开心久久| 99在线精品视频| 2013AV天堂| 五月天激情AV| 97成人视频| 天堂草在线观看| 99国产精品白浆在线观看免费 | 狠狠色噜噜狠狠| 五月婷婷影视| www.成人婷婷综合| 97韩国久久电影院| 丁香婷婷啪啪| 五月天婷婷色播| 男人的天堂五月丁香| www.久久婷婷| 大香蕉网站,大香蕉综合| 成人在线日韩欧美| 激情av| 婷婷四色五月| 亚洲天堂99| 婷婷五月天国产手机在线视频观看| 91狠狠综合久久久| 热99这里只有精品视频| 午夜不卡久久精品无码免费| 五月天婷婷在线播放免费| 影音先锋男人av资源站| www.av骚货| 狠狠爱青青草| 九色色| 丁香婷婷综合喷| 26uuu国产| 久久五月激情综合| 婷婷色婷婷| 亚洲十月婷婷综合| 九九精品婷| 五月天色婷婷激情| 色婷婷免费观看| 激情五月天视频| 翔田千里无码| 久9视频免费播放| 色五月色五天色情网| 五月丁香色色综合| 色综合网页| 99精品在线观看视频| 色很很96| www色哟哟| 九九色影院| 五月婷婷在线视频免费观看| 色婷婷激情五月天丁香| 亚洲六月色婷婷| 国产99美少妇| 亚洲视频1区| 开心五月网 | 天天日天天摸| 日韩在线99| 26uuu亚洲| 欧美综合五月丁香五月天| 婷婷五月丁香色播| 99精在线| 天天色激情| 久久婷婷六月综合| 色婷婷激情视频| 色中色综合| 婷婷五月噜噜| 色综合色| 9 99免费视频| 大香伊人久色| 五月天婷婷久久视频| 五月激激激情综合网| 综合久久婷婷| 婷婷激情综合色五月久久图片| 任你艹| 五月婷婷成人| 国产亚洲精品久久久久久久久动漫 | 婷婷五月开心中文字幕色| 婷婷五月天性爱视频| 91精品久久久久久77777| 色婷婷六月天在线| 五月色欧洲| 激情色色| 丁香五月欧美色综合| 俺来也狠狠| 国产激情久久久| 亚洲精品国产setv| 五月婷婷手机在线| 夜夜操夜夜姧| 中文字幕丰满乱孑伦无码专区| 婷婷情色五月天| 日韩三级高清无码| 成人无码髙潮喷水A片| 人妻操逼视频| 99爱视频| 99免费视频| 五月激情六月宗合| 性日本激情| 久久久久久97| 九九人人自拍| 欧美丁香五月| 99资源在线| 九九热狼人| 国产精品激情AV久久久青桔| 久久曰曰| h在线看免费版在线看| 欧美成人va| 五月丁香色| 新99思思视频| 激情噜噜噜| 婷婷综合网站| 婷婷五月天影院| 99九九精品视频| 日本久久爽| 九九热婷婷| 亚洲国产网址| 亚洲蜜乳AV| 亚洲精品444久久久久久| 热996精品在线观看| 91在线看片| YW无码| 一区二区无码视频| 色婷婷亚洲在线观看| 色色网91| 超碰在线观看9| 综合激情在线| 五月份婷婷| 五月天社区| 国産精品| 日韩成人精品中文字幕| 欧洲电影在线观看免费版英语版| 天堂婷婷综合| 日韩久久欧亚| 超碰免费大香蕉| 狼人久草| 婷婷五月天天| 天天爽综合网| 亚洲综合视频网| 天天狠天天叉| WwW色婷婷| 9 大屁股在线视频精品| 九九美女视频| 91婷婷在线| 久热只有这里有精品| 五月丁香六月欧美综合| 99精品热| 天插天啪天啪天啪| 激情小说婷婷| 激情丁香五月天| www.99热在线观看| 色五月婷婷在线| 五月天婷婷Av| 一区二区三区XXXXXX| 久久婷婷色色| 婷婷丁香一月| 婷婷色在线视频| www.五月婷婷.com| 久久婷综合| 日本色超碰| 成人AV在线电影| 丁香五月亚洲AV| 丁香五月天激情综合网| 国产色网站| 亚洲亚洲人成综合网络| 九九人人看| www.激情在线| 色婷婷狠狠| 热99这就是精品视频| 婷婷丁香五月社区亚洲| 色播丁香| 日韩aaa| 五月丁香啪啪啪| 五月丁香 狠狠爱| 婷婷激情伍月网| 天天碰夜夜爽| 色欲久久综合| www五月婷婷| 91精品在线看| 天天干天天色综合| 夜精品无码A片一区二区蜜桃| 免费人人操| 丁香五月成人论坛| 中文字幕婷婷| 99视频| 婷婷五月天色| 天天干电影| 免费黄网不卡AV| 丁香五月激情宗合网| 五月丁香婷婷AV| 久久久久久久11111111111| 香蕉婷婷| 91综合色| 99热999| 亚洲综合婷婷五月天| 激情九月综合| 日韩无码人妻一区二区| 国产精品A片| 欧美丰满熟妇BBB久久久| 五月综合激情| 九九无码| 国产中文字幕在线视频免费观看| 丁香五月网| 婷婷在线精品| 99色综合网| 久久久8| 激情久久综合网| 成人性爱精品视频| 99在线精品免费视频| 婷婷大乡焦噜噜| WWW.桔色成人.COM| 欧美成人AAA片一区国产精品| 色色婷婷五月| 狠狠色婷婷| 操操熟女| 综合色播| 在线看av| 欧美性色视频| 午夜成人在线免费视频| 玖玖热视频| 成人免费网站免费看| 激情的五月| 国产毛片欧美毛片久久久| www。狠狠干。com| 丁香五月天激情| 丁乡久久| 99久久www| 中文色婷婷| 成人亚洲精品| 五月婷婷av| 97av在线视频| 久久久精品99亚洲综合| 大香蕉520| 色婷婷丁香五月在线| 天天射影院| 婷婷五月天视频在线观看| 51精品国自产在线| 久久机只有这里精品| 欧美一级a | 色三级色三级| 色丁香五月| 一起草无码视频| 激情五月丁香五月| 婷婷开心激情综合五月天| 色99综合色88| 五月婷婷啪啪啪啪| 婷婷五月天久久综合88| 九九久久99精品免费观看www| 丁香五月婷婷老师网站| 操骚货在线| 中文字幕不卡+婷婷五月| 96丁香六月婷婷蜜桃综合久久| 就要爱综合| 国外亚洲成AV人片在线观看| 人人看人人草人人摸| 色吊丝99| 欧美性爱五月天| 婷婷色播综合五月| 国外亚洲成AV人片在线观看 | 婷婷色五月久久| WWW.桔色成人.COM| 亚洲天堂aaa| ww久久| 丁香婷婷久久| 色播五月婷婷| 五月丁香久久精品在线观看| 秋霞少妇AV网站| 久久精品性爱| 丁香色情五月天| 中文字幕操比影片| 丁香五月婷婷综合精品素人| WWW·天天操·视频?| 7777久久亚洲中文字幕| 狠狠色丁香婷婷久久综合| 五月天天丁香婷婷在线中| 久久XX日本综合| 99色干| 婷婷丁香五月天狠狠| av激情在线| 成人精品视频99在线观看免费 | 五月四色婷婷| 色婷精品91| WwW色婷婷| 天天色综合综合| 亚洲精品影视| 在线超碰精品| 久久激情网| 影音先锋91| 深爱开心激情网| 97香蕉人人在线观看| 开心五月天激情网| 五月丁香婷婷综合视频| 五月天伊人av| 中日韩美欧成人一区二区精品在线| 97色天堂| 五月丁香少妇| 久久无码成人| 超碰成人在线观看| 另类图片婷婷五月天| 五月玖玖| 色欧美日| 丁香五月激情啪啪综合| 久99热| 五月丁香啪啪啪| 激情婷婷五六月天| 久久免费操| 五月色婷丁香| 狠狠爱成人综合网| 99热婷婷| 国产激情综合五月久久| 婷婷五月天亚洲精品| 六月色婷婷色| 婷婷五月天六点丁香五月| 久久99最新地址| 五月婷六月| 这里只有精品视频一区| 丁香婷婷精品视频| 99久久久久| 日本一级特黄大片AAAAA级| 碰久久精品w| 五月天丁香婷婷久久九| 丁香五月激情综合| 99久久婷婷五月综合| 五月天婷久精视频| 婷婷亚洲色| 亚洲国产精品成人免费一区久久久在线观看AAAA | 亚洲五月天第一综合干| 97在线/亚洲| 99热狠狠操| 色婷婷五月天无码视频| 任你弄在线视频免费| 激情都市另类| 男人操女人高潮91视频| 丁香婷婷综合激情五月色| 亚洲va成人va成人va在线观看| 天天干天天干天天操| 熟女激情网| 亚洲精品va| 丁香五月网络网络| 99热这是里只有精品| 99五月丁香丁| 色久播播| 另类婷婷丁香| 亚洲激情无码久久| 婷婷基地成人五月天| 丁香五月在线伊人| 国产在线6| 亚洲在线综合| 国产精品人妻欲求不满| 五月丁香久久综合| 欧美在线视频99| 超碰三级秋霞| 日本高清久| 色婷婷香蕉| 久久机热这里只有精品免费视频 | 狠狠色噜噜色狠狠狠综合色 | 啪啪一区| 99久久99综合| 亚洲天堂AV综合网| 五月婷婷色白丝| 久久婷婷青青| 久久婷婷综合拍| 国产激情av| 久久伊人大香蕉| 欧美又粗又大一区二区在线观看| 亚洲小视频免费看| 丁香五月激情六月| 华人在线免费| 久久综合首页| 婷婷五月天综合久久| 久久婷婷五月综合激情国产 | 日本九九视频| 97五月天| 激情内射人妻1区2区3区| 91黄色五月天视频| 综合99久久天天综合| 异能之下短剧免费观看全集| 五月天色婷婷小说| 五月婷五月婷伊人伊人五月婷| 婷婷亚洲丁香五月| 丁香六月在线| 玖玖热视频| 国产做A爰片毛片A片美国| chaopengdaxiangjiao| 日本久久9| 一区色色色色网| 亚洲午夜精品久久久久久人妖| 六月激情婷婷综合| 婷婷五月天激情诱惑| 狠狠色噜噜狠狠狠狠综合| 久久免费精彩视频| 亚洲视频1区| 在线视频色五月| 五月好婷婷| 性色婷婷| 热热色色五月天婷婷| 五月天天综合| 丁香五月婷婷亚洲另类| 97极品在线| 午夜不卡久久精品无码免费| 超碰97免费在线| 久久这里只有精品无码| 色五月 五月婷婷| 国产成人亚洲综合A∨婷婷| 色色色热| 六月激情网| 日本婷婷丁香五月| 天天综合中文| 中国丰满熟女A片免费观| 伊人五月天97| 呦呦视频无码播放| 色婷婷天堂| WWW.亚洲无码| 五月开心婷婷中文字幕| 天天骑天天操| 99人人干| 五月婷婷色播| 丁香六月 人妻| 婷婷五月天综合网| 五月婷婷亚洲天堂97色婷婷| 特级操b片| 五月天激情开心网| 久久综合性| 久久日韩婷婷五月| 五月婷婷干| 五月天综合色| 婷婷五月大香蕉| 99久久久国产大片| 五月婷婷狠狠干| 亚洲色图啪啪| 激情久久综合网| 91丨九色丨大屁股| 激情四射网| 四月婷婷五月丁香| 日韩五月婷婷久久| 激情综合自拍五月婷婷色五月| 色久激情在线| 国产午夜成人AV在线播放| www久久99| 成人综合视频在线| 色综合99色| 婷婷五月天论坛| 亚洲亚洲人成综合网络 | 色婷婷影视99| 日韩av网址大全| 久久久久9| 亚洲精品无码A片一区二区| a v色婷婷| 丁香五月婷婷基地| 天天狠狠婷婷在线| AV电影在线播放| 97资源碰碰| 婷久久| 色婷婷五月影视| 五月婷婷免费看| 免费看欧美成人A片无码| 人人人人人人人人人草| www.久久| 激情婷婷丁香色五月综合| www夜夜操| 丁香婷最新动态| 久久六月天| 久久婷婷综合基地| WWW久久久| 无码激情| 中文字幕不卡+婷婷五月| 六月激情婷婷综合| 91干视频| 婷婷五月天在线看| 五月婷婷,狠狠操| 99综合一区| 九九色99| 色噜噜狠狠色综合伊人| 天天色宗合| 吊色AV男人的天堂| 六月婷婷av| 中文字幕精品在线观看| 日韩av在线电影| 婷婷啪啪| 色99视频| 日本色频| 日本人妻伦在线中文字幕| WWW.开心五月天.COM| 玖玖伊人网| 五月综合丁香婷婷| 五月天激情网址| 思思99久久| 91九色小视频| 色婷婷日本| 九九精品99| 爱射综合| 亚洲性爱日韩无码| 丁香六月婷婷操逼网| 婷婷亚洲欧美丁香五月| 久久婷网| 专区无日本视频高清8| 婷婷五月天六月综合| 久9草在线观看视频| 2017人人操| 91丨九色丨熟女高潮| 婷婷五月成人| 日日插日日干| 97中文在线| 伊人高清无码| 久婷婷婷| 嫩BBB槡BBBB搡BBBB视频| 91超级碰人人操| 超碰三级片| 一区色色色色网| 亚洲黄网在线| 天天肏视频| 天天夜天天色天天| www.五月天色色.com| 久久性爱视频| 日韩AAAAAAAAAAA片| 91久久久久久| 河北真实伦对白精彩脏话| 婷婷久久草| 国产99美少妇| 一级七香蕉| 五月天成人综合| 亚洲丁香五月天视频| 婷婷5月色| 婷婷丁香www视频日本韩国| 久久总和99| 婷婷开心激情综合五月天| 欧美精产国品一二三区| 欧美十二区| av人人干| 开心五月天激情网| 五月丁香啪啪啪啪| 奇米四色五月天| 超碰99在线观看| www.婷婷五月天| 26uuu激情五月天| 久热 91| 97操碰日本女人| 六月丁香五月婷婷| 婷婷五月丁香91| 久久这里只有国产视频| 99色视频| 热99一二三| 色综合色综合网| 激情图片婷婷| 色五月综合婷婷| 五月天色婷好好| 一区二区乱码视频| 超级久久久| 婷婷伊人久久无码色五月| 亚洲天天操| 五月婷婷综合久久| 99re热精品在线视频| 秋霞丝袜啪啪啪| 人人色人人弄人人操| 日韩AAAAA| 五月天激情图片| 人人爱人人草| 婷婷第六色| 99网址在线看| www.99久久久久99| 91碰人人| AA片在线观看视频在线播放| 久久精品99国产精品日本| 99re思思热久久| 久久9视频欧美| 久久久久9| 91久久综合亚洲鲁鲁五月天| 狠狠干总合| 噜噜噜噜在线| 激情合网婷婷| 日操| 色色色色色色色综合| 激情网站五月| 无码色色色色色| 久久色五月天| 五月丁香少妇| 1024成人在线观看| 99re视频在线精品| 99视频日韩| 色色色色色日韩午夜激情 | 99热午夜精品| 九九九干精品| 色婷婷播放| 国产女生爱爱AA| 综合久久六月| 大香蕉娱乐| 99操不停| 色综合偷拍| 猫咪伊人久久| 九色自拍| 黄色大片又大粗又爽| 91一起操| 色综合激情| 99色网站| 天天爽夜夜爽夜夜爽精品| 日本妈妈乱| 欧美婷婷六月丁香综合色| 超碰91人人操| 日日噜人人人做人| 97五月天婷婷午夜| 激情狠狠丁香月| 婷婷精品性性性性性性性| 五月天婷婷激情小说电影| 九九热只有精品| 久久久人妻系列| 激情开心五月天| 激情图片久久| 激情五月天综合网| 婷婷爱五月| 色啪网| 97精品人人A片免费看| 9热成人在线视频| 亚洲视频无| 女婷久久| 99久久思思| 99免费在线| 97狠狠色| 人妻丰满精品一区二区A片| 成人午夜视频精品一区| 欧美丰满熟妇BBB久久久| 色约约视频一区二区三区四区五区| 五月婷婷六月综合| 丁香五月婷婷六月婷婷| 青青草六月丁香| 色五月激情五月开心五月| 五月丁香中文| 五月丁香六月激情综合| 五月天色影院| 教师性爱毛片| 色欲天天综合| 思思色综合网站| 色五月欧美| 超碰久热| www.99免费视频| 思思热这里只有精品视频666| 热99久久这里只有精品| 丁香五月激情图片| 五月天狠狠| 久久9视频| 婷婷五月激情综合啪啪| 爱之国产色情综合| 五月天激情小说欧美激情| 五月天婷婷乱论小说| 深爱激情综合网| 成人αV视频免费观看| 色五月噜噜| 色婷婷五月六月丁香综合视频| 色五月在线视频观看| 综合伊人久久| 免费视频在线观看的网站| 久久9热| 99re这里只有精品9| 五月丁香婷婷成人网| 97久久超碰| 人人摸人人操人人爽| 婷婷五月俺要去| 丁香婷婷社区| 亚洲精级| 思思99精品视频在线观看| 2020日日干| 99视频免费播放 | 久久视频这里99| 久久这里只有国产视频| 99色中文| 国产三级在线播放| 这里只有精品在线播放| AV中文在线| AV九九| 久久性操| 久久机热/这里只有精品| 男女啪啪做爰高潮无遮挡| 九九色色色| 涩婷婷五月天| 激情操逼婷婷| 人人爽人人射-美女久久久久久久久久-成人AV | 中字幕视频在线永久在线观看免费| 色爱综合网| 九九热视频在线观看| 久操香蕉| 密黄站| 99精品在线播放| 九九热在线99| 婷婷五月天综合AV| 色色热日| 五月丁香六月婷婷综合伊人| 伊人在线视频| 深爱女色婷婷丁香五月亚洲图区| 激情久久五月天| 婷婷娌伦网| 狠狠色噜噜色狠狠狠综合久久成人波| 婷婷伊人网| 九月婷婷色色|