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。

圖像情緒分析實(shí)戰(zhàn):基于ResNet18與遷移學(xué)習(xí)的七分類完整流程

圖像情緒分析實(shí)戰(zhàn):基于ResNet18與遷移學(xué)習(xí)的七分類完整流程 簡介本資源是面向人工智能導(dǎo)論課程學(xué)習(xí)者的圖像情緒分析大作業(yè)完整實(shí)現(xiàn)方案適用于計(jì)算機(jī)、人工智能及相關(guān)專業(yè)本科生、教師及入門級從業(yè)者解決圖像中人臉情緒識別這一典型CVAI交叉任務(wù)。壓縮包共26個(gè)文件含11個(gè)Python核心腳本涵蓋CNN/VGG/ResNet多模型訓(xùn)練與測試、數(shù)據(jù)預(yù)處理、可視化及對比分析、5份Markdown文檔含README說明、使用指南、實(shí)驗(yàn)報(bào)告框架與參考文獻(xiàn)、4個(gè)輔助ZIP項(xiàng)目包含F(xiàn)er2013數(shù)據(jù)集適配代碼與人臉標(biāo)注工具、1個(gè)Haar級聯(lián)XML檢測器及1個(gè)演示視頻整體8.06MB結(jié)構(gòu)清晰、模塊解耦。已有50人學(xué)習(xí)下載資源經(jīng)實(shí)際運(yùn)行驗(yàn)證答辯平均分96分附帶完整實(shí)驗(yàn)流程、模型性能對比邏輯與GPU加速支持腳本可直接用于課設(shè)、畢設(shè)或二次開發(fā)特別適合從零理解情緒識別全流程的學(xué)習(xí)者快速上手與深度拓展。 圖像情緒分析這種題目在人工智能導(dǎo)論的大作業(yè)里出現(xiàn)頻率相當(dāng)高。它不算最前沿但勝在“麻雀雖小五臟俱全”——從數(shù)據(jù)采集、模型訓(xùn)練、結(jié)果評估到文檔撰寫整條流程覆蓋了計(jì)算機(jī)視覺和深度學(xué)習(xí)的基礎(chǔ)環(huán)節(jié)特別適合用來檢驗(yàn)一學(xué)期課程的掌握程度。我當(dāng)年選這個(gè)題目時(shí)身邊不少同學(xué)在做一個(gè)“能跑通的demo”但我更傾向于把它做成一個(gè)完整、可復(fù)現(xiàn)、能讓老師看出你“真懂”的項(xiàng)目。這篇文章就圍繞我完成這個(gè)項(xiàng)目時(shí)的完整思路展開包括源代碼組織、關(guān)鍵實(shí)現(xiàn)細(xì)節(jié)、實(shí)驗(yàn)設(shè)計(jì)以及那份最容易被忽視、但往往決定最終成績的實(shí)驗(yàn)報(bào)告該怎么寫。先說清楚這個(gè)項(xiàng)目的核心任務(wù)輸入一張圖片程序判斷畫面中人物的情緒屬于哪一類。常見分類包括開心、悲傷、憤怒、驚訝、恐懼、厭惡、中立這七類。聽起來不復(fù)雜但落地難度在細(xì)節(jié)里——比如人臉遮擋、光線變化、不同人種的表情差異、模型過擬合等問題都會直接影響最終準(zhǔn)確率。這份大作業(yè)不僅是讓你訓(xùn)練一個(gè)模型更是讓你體驗(yàn)一遍完整的工程化流程。如果你是正在選題目或者已經(jīng)選了類似題目的學(xué)生這篇內(nèi)容可以幫你少走很多彎路。我會把項(xiàng)目拆成“思路設(shè)計(jì)、代碼實(shí)現(xiàn)、實(shí)驗(yàn)調(diào)優(yōu)、文檔報(bào)告”四個(gè)部分來講結(jié)合我實(shí)際踩過的坑和驗(yàn)證過有效的方法爭取讓你交出一份有技術(shù)含量、邏輯清晰、能經(jīng)得起答辯追問的作業(yè)。1. 項(xiàng)目整體設(shè)計(jì)與思路拆解1.1 從課程要求反推項(xiàng)目定位大部分人工智能導(dǎo)論課的大作業(yè)核心評判標(biāo)準(zhǔn)并不是“模型準(zhǔn)確率有多高”而是“你有沒有完整理解并實(shí)現(xiàn)一個(gè)AI系統(tǒng)”。這句話怎么理解就是說哪怕你只用了最基礎(chǔ)的卷積神經(jīng)網(wǎng)絡(luò)CNN只要你把數(shù)據(jù)處理、訓(xùn)練流程、測試評估、結(jié)果分析講得明明白白分?jǐn)?shù)往往比那些“用了一個(gè)別人封裝好的接口、自己卻說不出原理”的高得多。我的做法是先列了一個(gè)“交付物清單”源代碼、文檔說明、實(shí)驗(yàn)報(bào)告。然后圍繞這三樣?xùn)|西反向設(shè)計(jì)項(xiàng)目邊界。源代碼要跑得起來文檔說明要讓別人10分鐘內(nèi)能看懂并復(fù)現(xiàn)實(shí)驗(yàn)報(bào)告要交代清楚“我做了什么、為什么這么做、結(jié)果如何、還能怎么改進(jìn)”。圍繞這個(gè)目標(biāo)我選擇了深度學(xué)習(xí)方案而不是傳統(tǒng)的HOGSVM這樣的機(jī)器學(xué)習(xí)方案。原因有三點(diǎn)第一深度學(xué)習(xí)方案更貼近當(dāng)前學(xué)術(shù)界和工業(yè)界的主流做法展示的學(xué)習(xí)成果更有說服力。第二預(yù)訓(xùn)練模型和成熟框架如PyTorch大大降低了實(shí)現(xiàn)門檻課程周期內(nèi)完全可完成。第三深度學(xué)習(xí)模型的可解釋工具和可視化手段更豐富有利于實(shí)驗(yàn)報(bào)告的寫作。當(dāng)然選擇深度學(xué)習(xí)也意味著要踩更多的坑比如環(huán)境配置、顯存不足、訓(xùn)練時(shí)間過長等等。但這些問題恰恰是“導(dǎo)論大作業(yè)”該讓你經(jīng)歷的——不然怎么叫“實(shí)踐出真知”1.2 七分類問題建模與數(shù)據(jù)方案選型情緒分析本質(zhì)上是一個(gè)圖像分類問題。我選定的任務(wù)定義是給定一張人臉圖像輸出該人臉對應(yīng)情緒的標(biāo)簽生氣、厭惡、恐懼、開心、悲傷、驚訝、中立。數(shù)據(jù)集方面我優(yōu)先考慮了三個(gè)公開數(shù)據(jù)集FER201335,887張48×48灰度人臉圖7類、CK相對較小但標(biāo)注質(zhì)量高、RAF-DB真實(shí)場景約3萬張。經(jīng)過權(quán)衡我最終選了FER2013作為主數(shù)據(jù)集。為什么因?yàn)樗?guī)模適中、被引用極多、網(wǎng)上教程和相關(guān)代碼也最豐富遇到問題很容易檢索到解決方案。但我必須承認(rèn)FER2013有一個(gè)令人頭疼的特點(diǎn)——噪聲很大很多標(biāo)注本身就有問題訓(xùn)練出來的模型準(zhǔn)確率上限也就在65%左右。而這個(gè)數(shù)字也會成為實(shí)驗(yàn)報(bào)告里“局限性與改進(jìn)方向”的一部分可以說道的地方很多不虧。1.3 技術(shù)路線對比為什么選ResNet作為主干在做方案選型的時(shí)候我比較了三條路線從零訓(xùn)練幾層CNN使用經(jīng)典預(yù)訓(xùn)練網(wǎng)絡(luò)ResNet18/50做遷移學(xué)習(xí)使用現(xiàn)成的API或開源網(wǎng)絡(luò)服務(wù)如果只是圖省事第三條路最輕松但會被老師問得很難受。第一條路雖然代碼最小但分類效果通常不好實(shí)驗(yàn)報(bào)告的曲線圖不好看。我選了第二條路以ResNet18為主干用ImageNet預(yù)訓(xùn)練權(quán)重做初始化然后替換最后的全連接層為7分類。這樣既保留了自己寫代碼的空間又利用了遷移學(xué)習(xí)的優(yōu)勢收斂快、需要的數(shù)據(jù)量小、效果有保障。而且ResNet18結(jié)構(gòu)不復(fù)雜參數(shù)量約1120萬在本人的筆記本GPU4G顯存上完全可以訓(xùn)練對實(shí)驗(yàn)設(shè)備要求低這點(diǎn)對大作業(yè)場景很關(guān)鍵。2. 核心細(xì)節(jié)解析與實(shí)操要點(diǎn)2.1 數(shù)據(jù)預(yù)處理別小看這“簡單一步”很多人拿到圖片就直接送進(jìn)模型這是新手最容易犯的錯(cuò)誤。預(yù)處理是決定模型能否收斂的關(guān)鍵環(huán)節(jié)特別要注意以下幾點(diǎn)尺寸統(tǒng)一FER2013原始尺寸是48×48但ResNet18的輸入要求是224×224因此需要先縮放或填充到224×224。數(shù)值歸一化圖像像素是0-255的整數(shù)需要除以255變成0-1浮點(diǎn)數(shù)再按ImageNet的均值和標(biāo)準(zhǔn)差mean[0.485, 0.456, 0.406]std[0.229, 0.224, 0.225]做標(biāo)準(zhǔn)化這樣才能和預(yù)訓(xùn)練權(quán)重對上。數(shù)據(jù)增強(qiáng)訓(xùn)練集可以做隨機(jī)水平翻轉(zhuǎn)概率0.5、隨機(jī)旋轉(zhuǎn)±15度、隨機(jī)裁剪等操作。注意測試集不能做增強(qiáng)只用居中裁剪和歸一化否則推理結(jié)果不準(zhǔn)確。我做了一個(gè)小實(shí)驗(yàn)驗(yàn)證預(yù)處理的有效性不做任何處理直接訓(xùn)練模型在驗(yàn)證集上的準(zhǔn)確率大約只有40%多做了歸一化和數(shù)據(jù)增強(qiáng)后能穩(wěn)定到60%以上。差異非常大這也成了實(shí)驗(yàn)報(bào)告里一個(gè)亮眼的數(shù)據(jù)對比。2.2 從零搭建數(shù)據(jù)管道我用了PyTorch的Dataset和DataLoader來組織數(shù)據(jù)。FER2013數(shù)據(jù)集是CSV格式每行是“l(fā)abel 像素值”需要先解析成圖像。我寫了一個(gè)自定義Dataset類偽代碼如下class FerDataset(Dataset): def __init__(self, csv_path, transformNone): self.data pd.read_csv(csv_path) self.transform transform def __len__(self): return len(self.data) def __getitem__(self, idx): row self.data.iloc[idx] label row[emotion] pixels row[pixels].split() img np.array(pixels, dtypenp.uint8).reshape(48, 48) img cv2.cvtColor(img, cv2.COLOR_GRAY2RGB) pil_img Image.fromarray(img) if self.transform: pil_img self.transform(pil_img) return pil_img, label我特別說明一下使用的transformtransform_train transforms.Compose([ transforms.Resize((224, 224)), transforms.RandomHorizontalFlip(), transforms.RandomRotation(15), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) transform_test transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ])用DataLoader加載時(shí)batch_size設(shè)成64顯存夠的話可以更大shuffleTrue打亂訓(xùn)練集順序。這里有個(gè)容易踩的坑每次訓(xùn)練前一定要重新shuffle否則模型會學(xué)到樣本的次序模式導(dǎo)致驗(yàn)證準(zhǔn)確率忽高忽低。2.3 模型代碼實(shí)現(xiàn)與訓(xùn)練配置模型部分用PyTorch的torchvision庫可以非常簡潔地實(shí)現(xiàn)import torch.nn as nn from torchvision import models class EmotionClassifier(nn.Module): def __init__(self, num_classes7): super(EmotionClassifier, self).__init__() self.backbone models.resnet18(pretrainedTrue) in_features self.backbone.fc.in_features self.backbone.fc nn.Linear(in_features, num_classes) def forward(self, x): return self.backbone(x)訓(xùn)練配置方面我推薦直接用Adam優(yōu)化器初始學(xué)習(xí)率1e-4權(quán)重衰減1e-4損失函數(shù)用交叉熵?fù)p失CrossEntropyLoss訓(xùn)練15-20輪就足夠。如果你顯存緊張可以把batch降到32但學(xué)習(xí)率也要相應(yīng)調(diào)低一些比如5e-5否則訓(xùn)練不穩(wěn)定。需要額外說明的是如果直接用預(yù)訓(xùn)練權(quán)重一開始的學(xué)習(xí)率不要太大因?yàn)轭A(yù)訓(xùn)練特征本身已經(jīng)很好了太大的學(xué)習(xí)率會“沖掉”原有特征。我的經(jīng)驗(yàn)是前5輪用1e-4后5輪降到1e-5最后一輪再降到1e-6這種手動(dòng)或余弦退火的調(diào)度方式能比固定學(xué)習(xí)率高出2-3個(gè)百分點(diǎn)的準(zhǔn)確率。3. 實(shí)操過程與核心環(huán)節(jié)實(shí)現(xiàn)3.1 項(xiàng)目文件結(jié)構(gòu)與運(yùn)行流程為了后續(xù)寫文檔說明方便我在項(xiàng)目里采用了清晰的文件結(jié)構(gòu)emotion_analysis/ ├── data/ │ ├── fer2013.csv │ └── split.py # 將csv按類別分割為train/val/test ├── src/ │ ├── dataset.py # Dataset類與數(shù)據(jù)增強(qiáng) │ ├── model.py # ResNet模型定義 │ ├── train.py # 訓(xùn)練主腳本 │ ├── test.py # 在測試集上評估 │ └── utils.py # 可視化混淆矩陣等工具 ├── checkpoints/ # 保存模型權(quán)重 ├── images/ # 輸入樣例與結(jié)果輸出 └── requirements.txt運(yùn)行流程很簡單先運(yùn)行split.py劃分?jǐn)?shù)據(jù)集再運(yùn)行train.py訓(xùn)練并保存權(quán)重最后運(yùn)行test.py輸出評估指標(biāo)。整個(gè)流程不超過三行命令這會讓答辯或驗(yàn)收的老師體驗(yàn)很好。3.2 訓(xùn)練腳本的關(guān)鍵細(xì)節(jié)train.py的核心邏輯我很早就寫好了但真正調(diào)通花了不少時(shí)間。我放一個(gè)簡化但可運(yùn)行的核心訓(xùn)練循環(huán)for epoch in range(num_epochs): model.train() train_loss, train_correct 0.0, 0 for images, labels in train_loader: images images.to(device) labels labels.to(device) outputs model(images) loss criterion(outputs, labels) optimizer.zero_grad() loss.backward() optimizer.step() train_loss loss.item() * images.size(0) _, preds torch.max(outputs, 1) train_correct torch.sum(preds labels.data) # 每個(gè)epoch后跑一次驗(yàn)證集 val_acc evaluate(model, val_loader, device) print(fEpoch {epoch1}/{num_epochs}, Loss: {train_loss/len(train_dataset):.4f}, fTrain Acc: {train_correct/train_size:.4f}, Val Acc: {val_acc:.4f})這里有幾個(gè)小細(xì)節(jié)很關(guān)鍵loss.item()和images.size(0)的乘積是累計(jì)該batch的總loss最后除以樣本總數(shù)得到平均loss比直接平均所有batch的loss更準(zhǔn)確。每個(gè)epoch后跑驗(yàn)證集可以及時(shí)觀察是否過擬合。如果訓(xùn)練準(zhǔn)確率持續(xù)上升、驗(yàn)證準(zhǔn)確率停滯或下降就及時(shí)停止訓(xùn)練早停而不是等訓(xùn)練完再回頭看。保存模型的時(shí)機(jī)也很重要。我只保存驗(yàn)證準(zhǔn)確率最高的那一輪而不是最后一輪的權(quán)重這個(gè)最優(yōu)模型權(quán)重會讓測試集結(jié)果往上提一點(diǎn)。3.3 評估指標(biāo)體系別只看準(zhǔn)確率很多大作業(yè)只報(bào)一個(gè)總體準(zhǔn)確率其實(shí)這不夠。尤其在情緒分類這類類別不均衡的問題上單看一堆平均值很容易掩蓋“某些類準(zhǔn)確率極低”的問題。我做了以下幾項(xiàng)評估Macro-F1每一類的F1單獨(dú)算再取平均對類別均衡懲罰更明顯?;煜仃嚳梢暬恳活惖姆诸惽闆r能一眼看出哪些類別容易被混淆。比如“恐懼”和“驚訝”經(jīng)常混淆“悲傷”和“中立”也容易分不清。分類報(bào)告包括每一類的精確率、召回率、F1-score和樣本數(shù)。在FER2013測試集上我最終模型的總準(zhǔn)確率大約62.8%。單看準(zhǔn)確率確實(shí)不算高但我在實(shí)驗(yàn)報(bào)告里解釋了原因數(shù)據(jù)噪聲大、標(biāo)注模糊等并且用混淆矩陣說明模型已經(jīng)學(xué)到了合理的特征。答辯老師不會因?yàn)闇?zhǔn)確率不夠頂級就扣分反而會因?yàn)槟阏故玖讼到y(tǒng)性的分析思路而加分。3.4 單張圖片推理與可視化結(jié)果為了讓“圖像情緒分析”這個(gè)題目貼近實(shí)際我還額外寫了一個(gè)predict.py支持輸入任意一張含有人臉的圖片先通過OpenCV的人臉檢測器裁剪出人臉區(qū)域再送入模型預(yù)測情緒最后在圖片上標(biāo)注結(jié)果。face_cascade cv2.CascadeClassifier(cv2.data.haarcascades haarcascade_frontalface_default.xml) gray cv2.cvtColor(img_bgr, cv2.COLOR_BGR2GRAY) faces face_cascade.detectMultiScale(gray, scaleFactor1.1, minNeighbors5, minSize(48, 48)) for (x, y, w, h) in faces: face_roi img_bgr[y:yh, x:xw] emotion predict_emotion(face_roi) cv2.rectangle(img_bgr, (x, y), (xw, yh), (0, 255, 0), 2) cv2.putText(img_bgr, emotion, (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2)這段代碼不復(fù)雜但它把“圖像分類模型”變成了“圖像情緒分析應(yīng)用”非常直觀。我記得答辯時(shí)老師看到我可以輸入任意一張生活照并直接輸出情緒標(biāo)簽明顯表現(xiàn)出了興趣然后追問了一句“人臉的檢測框如果偏了會怎樣”這就說明項(xiàng)目已經(jīng)觸到了真實(shí)應(yīng)用層面的問題。4. 常見問題與排查技巧實(shí)錄4.1 模型過擬合train_acc高但val_acc上不去這是我遇到最多的問題幾乎每個(gè)訓(xùn)練過深度學(xué)習(xí)模型的人都會碰上。尤其FER2013噪聲大模型很容易記住訓(xùn)練集里的噪聲樣本。我的排查順序是先檢查數(shù)據(jù)增強(qiáng)有沒有做對再看學(xué)習(xí)率是不是太高接著確認(rèn)模型是否過于復(fù)雜模型越大越容易過擬合最后檢查訓(xùn)練輪數(shù)是否太長。實(shí)際解決辦法有三個(gè)加隨機(jī)翻轉(zhuǎn)和裁剪、增加Dropout在fc層前加0.5的dropout、提前停止訓(xùn)練。做了這三件事后我的驗(yàn)證準(zhǔn)確率從不到50%提升到了穩(wěn)定60%以上。4.2 不同情緒類別的樣本量差異太大在FER2013中“開心”和“中立”的樣本很多“厭惡”和“恐懼”就少很多。直接訓(xùn)練會導(dǎo)致少數(shù)類幾乎沒被學(xué)到召回率極低。解決方法是換用帶權(quán)重的交叉熵?fù)p失函數(shù)也就是給數(shù)量少的類別更高的權(quán)重class_weights compute_class_weight(balanced, classesnp.unique(labels), ylabels) class_weights torch.tensor(class_weights, dtypetorch.float).to(device) criterion nn.CrossEntropyLoss(weightclass_weights)用加權(quán)損失之后“厭惡”這一類在測試集上的召回率大約從20%提升到了35%。雖然依然是準(zhǔn)確率最低的類但確實(shí)是能觀察到顯著變化。4.3 CUDA out of memory課程大作業(yè)用個(gè)人電腦跑的居多顯存不足非常常見。我一開始batch_size設(shè)成128結(jié)果一訓(xùn)練就報(bào)CUDA out of memory。后來分幾步解決先把batch_size降到32或16再把圖像尺寸從224降到160在ResNet上還能接受實(shí)在不行就開CPU訓(xùn)練會慢不少但保證能跑通。我實(shí)際測試過batch_size64和32相比驗(yàn)證準(zhǔn)確率沒有明顯差別所以如果你的顯存只有4G優(yōu)先選32。4.4 預(yù)測單張圖片時(shí)結(jié)果明顯不對如果模型在測試集上準(zhǔn)確率還行但單張圖片效果差多半是預(yù)處理流程不一致。訓(xùn)練時(shí)我們用過數(shù)據(jù)增強(qiáng)和標(biāo)準(zhǔn)化預(yù)測單張時(shí)必須要用和“測試集”相同的處理流程而不是訓(xùn)練集那套尤其不能做隨機(jī)增強(qiáng)否則結(jié)果不可復(fù)現(xiàn)。我在predict.py里寫了一句注釋標(biāo)注了“不能用RandomHorizontalFlip”來提醒自己別踩這個(gè)坑。此外人臉檢測框的裁剪也很關(guān)鍵。檢測框如果偏了能把很多背景或下巴脖子區(qū)域截進(jìn)來模型自然認(rèn)不準(zhǔn)。我自己調(diào)試時(shí)發(fā)現(xiàn)Haar檢測器在某些角度會框偏后來簡單加了框的padding并做了一點(diǎn)位置校正效果好轉(zhuǎn)不少。4.5 環(huán)境依賴與項(xiàng)目復(fù)現(xiàn)問題大作業(yè)答辯時(shí)最尷尬的場景就是“在老師電腦上跑不起來”。為了預(yù)防這種狀況我做了一個(gè)requirements.txt把關(guān)鍵依賴寫清楚Python 3.8、PyTorch 1.12以上、torchvision、opencv-python、pandas、numpy、matplotlib、scikit-learn并測試了CPU環(huán)境下也能正常運(yùn)行推理腳本。雖然訓(xùn)練速度會慢但至少能復(fù)現(xiàn)。5. 實(shí)驗(yàn)報(bào)告與文檔說明撰寫指南5.1 文檔說明要寫什么很多同學(xué)把文檔說明當(dāng)成代碼注釋的大字版這是誤區(qū)。文檔說明的目的是讓一個(gè)小白也能按你的步驟復(fù)現(xiàn)項(xiàng)目。我把文檔說明分成五個(gè)部分項(xiàng)目簡介100字以內(nèi)說清楚項(xiàng)目做了什么。環(huán)境要求列出Python版本、GPU/CPU要求、依賴庫及安裝命令。數(shù)據(jù)集準(zhǔn)備說明數(shù)據(jù)來源、下載方式、目錄結(jié)構(gòu)??焖匍_始分步驟給出運(yùn)行命令包括數(shù)據(jù)劃分、訓(xùn)練、測試、單張推理。代碼結(jié)構(gòu)說明每個(gè)文件負(fù)責(zé)什么函數(shù)與類的輸入輸出是什么。寫這份文檔時(shí)我特意找了一位不搞AI的室友照著文檔跑了一遍。他卡在“pip install -r requirements.txt”這一步——因?yàn)閞equirements里少了opencv-python-headless和pandas這兩個(gè)包。這就是文檔測試的價(jià)值能發(fā)現(xiàn)你自以為“顯而易見”的坑。5.2 實(shí)驗(yàn)報(bào)告的核心章節(jié)與得分點(diǎn)實(shí)驗(yàn)報(bào)告不是流水賬要體現(xiàn)“發(fā)現(xiàn)問題-分析問題-解決問題”的科研邏輯。我的報(bào)告結(jié)構(gòu)如下研究背景與意義為什么圖像情緒分析有價(jià)值可結(jié)合人機(jī)交互、智能駕駛、教育場景等說明。相關(guān)工作與技術(shù)原理介紹表情識別的傳統(tǒng)方法和深度學(xué)習(xí)方法重點(diǎn)解釋CNN、ResNet、遷移學(xué)習(xí)的基本思想。方法設(shè)計(jì)描述數(shù)據(jù)預(yù)處理、模型結(jié)構(gòu)、損失函數(shù)、訓(xùn)練超參數(shù)的選擇依據(jù)。實(shí)驗(yàn)與結(jié)果分析給出準(zhǔn)確率、Macro-F1、混淆矩陣、loss曲線并逐類分析混淆成因。討論與改進(jìn)方向說明目前存在的問題以及未來可以用注意力機(jī)制、多模態(tài)融合等方案優(yōu)化。對于第五章很多人寫得敷衍但恰恰是這里最體現(xiàn)思考深度。我寫了幾點(diǎn)FER2013的標(biāo)注噪聲問題、模型對遮擋和極端光線的魯棒性不足、未來可嘗試使用Vision TransformerViT或基于面部動(dòng)作單元AU的方法等。答辯老師看到這些會認(rèn)為你確實(shí)在“做研究”而非“交作業(yè)”。5.3 答辯常見問題與回答準(zhǔn)備作為一個(gè)過來人我整理了幾個(gè)老師最常問的問題“為什么用ResNet18而不是其他網(wǎng)絡(luò)”回答思路ResNet解決了深層網(wǎng)絡(luò)的梯度消失問題結(jié)構(gòu)適中預(yù)訓(xùn)練權(quán)重好滿足實(shí)驗(yàn)需求VGG更重效果提升有限MobileNet更適合輕量化部署。“你的模型在什么情況下會失效”回答思路人臉遮擋、大角度姿態(tài)、低分辨率圖像都會導(dǎo)致無法準(zhǔn)確識別FER2013數(shù)據(jù)噪聲也限制了模型上限。“準(zhǔn)確率是不是太低了”回答思路承認(rèn)FER2013的難度給出與公開論文的橫向?qū)Ρ却蟛糠终撐脑贔ER2013上也只達(dá)到65%-70%再強(qiáng)調(diào)重點(diǎn)在于整套流程的完整性與分析的系統(tǒng)性?!發(fā)oss為什么越來越低但準(zhǔn)確率沒怎么變”回答思路這是交叉熵?fù)p失中“模型置信度提高但分類結(jié)果沒變”的現(xiàn)象可結(jié)合logits分布來解釋。我建議你在答辯前自己對著這些問題口頭演練一遍。不要背稿而是真正理解背后的邏輯。這樣被追問時(shí)不會慌回答也會更自然。6. 擴(kuò)展思路如何讓大作業(yè)超出預(yù)期一個(gè)思路清晰、能跑通、有報(bào)告的項(xiàng)目已經(jīng)能拿到不錯(cuò)的分?jǐn)?shù)。但如果你想更進(jìn)一步下面幾個(gè)方向很加分而且難度不算太高實(shí)時(shí)攝像頭情緒識別用OpenCV捕捉攝像頭畫面對每一幀做人臉檢測和情緒分類做成一個(gè)簡單的實(shí)時(shí)demo。這個(gè)改動(dòng)不大但演示效果極強(qiáng)。模型可解釋性可視化用Grad-CAM畫出模型對某張圖片分類時(shí)重點(diǎn)關(guān)注的區(qū)域。一張熱力圖往報(bào)告里一放整個(gè)項(xiàng)目的技術(shù)含量立刻上升一個(gè)檔次。不同主干網(wǎng)絡(luò)的對比實(shí)驗(yàn)ResNet18和MobileNetV3各訓(xùn)練一次對比準(zhǔn)確率、參數(shù)量、推理速度形成一張對比表格。這工作量不大但能為實(shí)驗(yàn)報(bào)告提供更多展示內(nèi)容。我在最終版里加入了Grad-CAM可視化效果非常明顯。有一張“開心”樣本的熱力圖里模型重點(diǎn)關(guān)注的是嘴巴和嘴角區(qū)域這完全符合直覺寫進(jìn)報(bào)告也很有說服力。結(jié)語做人工智能導(dǎo)論大作業(yè)的過程某種程度上就是一次“小型科研訓(xùn)練”。我自己的體會是這門課的大作業(yè)不在于你把準(zhǔn)確率刷到多高而在于你能不能把每一個(gè)環(huán)節(jié)講清楚把每一步操作背后“為什么這么做”說明白。源代碼是一份重要的交付物但源代碼背后的思路才是你真正要掌握的東西。圖像情緒分析這個(gè)題目到今天依然有學(xué)術(shù)價(jià)值和應(yīng)用價(jià)值從FER2013上的深度學(xué)習(xí)模型到工業(yè)界視覺情感分析系統(tǒng)這條路其實(shí)一直在延伸。希望這份經(jīng)驗(yàn)分享能幫你少踩幾個(gè)坑真正做出一個(gè)讓自己滿意、也讓老師眼前一亮的大作業(yè)。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
五月丁香婷婷综合| 日婷婷久久开心| 亚洲激情网| 丁香五月婷婷深爱综合激情| 色婷婷电影网| 婷婷五月综合视频| 97超碰欧美中文字幕| 激情小说视频图片| 五月婷在线影院| 极品另类| AV激情五月| 26uuu| 五月天婷婷色在线视频免费观看| 色情综合| 婷婷日日夜夜| 成人视屏在线观看| 成人av免费观看| 婷婷激情五月天天天开心| 丁香五月欧美| 色99综合视频| 五月丁香久久呀| 碰碰91| 色狠狠综合入口| 激情视频综合| 六月婷婷俺也去| 性爱综合网| www·五月天| 91妻人人爽人人看片| 丁香六月亭亭久久综合| 九色91视频| 深爱激情五月网| 99热精品在线播放观看| 欧美碰碰碰| 色婷婷A| 操操操操操操婷婷五月天| 色五月播五月| www,天天干| 亚洲无码www| 嫩草视频在线观看| 六月丁香五月亭亭| 六月丁香六月婷婷欧美| 精品少妇人妻AV无码专区偷人 | 欧美性色五月天| 色情成人五月天| 久久五月婷婷丁香| 久热最新视频| 99久在线精品99re8热| 九九在线视频| 人人草人人舔| 激情com| 婷婷五月天综合久久日| 精品久久久人妻| 激情桃色网| 97se在线视频| 美日韩成人| www.五月天社区| 色狠狠999综合| 国产亚洲在线观看| 五月天激情国产综合婷婷婷| 狠狠色情婷婷| 色色色婷婷五月天| 色婷婷色丁香色欲av| 中文AV在线观看| 九九sese| 久久99网址| 夜夜操狠狠操| 亚洲AV网址| 99久久成人| 99热热这里只精品996小说| AVDV久久| 婷婷婷婷婷婷婷婷| 婷婷五月天免费| 五月丁香啪啪| 天堂成人久久| www.九九婷婷| 色婷婷网大全在线| 婷婷丁香六月天| 伊人五月天| 天天做天天干天天综合网| 丁香五月激情综合婷综| 超级97碰碰| 超碰九色| 五月大香蕉| 精品国产va久久久| 很操日本7| 九九热视频99| 91婷婷五月丁香碰| 午夜激情久久| 国产欧美日韩综合精品一区二区| 五月婷婷,六月丁香| 日日干天天| 五月丁香六月婷婷免费视频| 久热这里只有精品性色AV| 99久久.www| 伊人网色婷婷五月天| 婷婷五月成人| www超碰| 丁香色五月天| 99热免费精品| 草逼大片| 99色亚洲| 五月丁香在线观看| 久色欧美| 婷婷综合精品视频97| 2025最新亚洲激情在线| 天天骑日日爽| 99爱视频精品在线观看| 9.1综合网| 久久精品夜色噜噜亚洲a∨| 久久久久久久久久久-久五月天婷婷| 日日噜噜夜夜狠狠久久丁香六月| 五月在线| 91久操| 狠狠色综合网站久久久久| 日本五月婷婷| 思思热久热| 99热这里只有精品33| 五月色婷婷在线观看| AV五月丁香| 97爱综合| 婷婷五月综激情| 秋霞av不能| 丁香婷婷五月天成人| 三级黄色大片视频| 色99综合色88| 国产黄色大片| 色玖玖综合| 六月丁香狠狠爱| 亚洲久艹| 99精品高潮| 香蕉伊人综合| 91精品久久久久久久| 日本久久人| 高清国产AV| 色婷婷在线影院| 五月天婷婷亚洲| 九九综合88| 日韩中出视频| 第四色五月婷婷| 停停五月色宗合| 婷婷五月六月| 91婷婷色五月| 五月天开心成人网| 五月婷婷伊人在线| 久久玖玖综合| 五月丁香| 亚洲情综合五月天| 玖玖综合色区在线观看| 日韩久综合| 五月丁香色综合| 东北黄色一级| 狠狠干狠狠干| 99热10在线高清播放| 久久婷婷七月丁香| 狠狠99| 1234操逼网| 99免费偷拍视频| 久久婷婷六月综合综合| 色~性~乱~伦~噜| 久久久人妻久久久| 色婷婷影音| 丁香六月激情综合啪啪| 久久狠狠干| 婷婷五月天丁香| 五月天激情丁香| 亚洲天堂99| 少妇2做爰HD韩国电影| 欧美性生交XXXXX无码小说| 久草婷| 婷婷丁香五月激情密臀av| 色色狼人综合| 69午夜成人影片| 五月天天天色| 丁香桃色网| 99在线精品免费视频| 99ER热精品视频| 91超级碰人人操| 日本系列_4页_777FP| 色热久资源| 五月天天天开心激情网| 天天日夜夜爽| 中文字幕在线免费观看视频| 亚洲情欲久久| 成人天天爽| 日本性激情色播| 成人婷婷五月天| 日本在线视频手机播放五月婷| 婷婷五月天深爱| 九九视频这里只有精品| 思思99热| 操精品9| 国产综合婷婷| 六月婷婷网站| AV大香蕉| 久久久潮喷-久久久九九-成人AV| 五月婷婷啪啪网| 久色姿源| www.99久| 热99视频精品在线| 激情小说五月天社区丁香| 久久er九九| 夜夜骑天天操| 91性交在线播放| 激情综合99| 午夜丁香六月婷| 亚洲男女激情| 操碰色一区就去操| 久久亚洲婷婷| 99热这里只有精品免费| 精品一二三区久久AAA片| 婷婷伊人綜合| 色婷婷丁香五月观看| 婷婷婷婷婷开心无码播放| 天天插天天插| 成人免费在线电影| 婷婷五月天啪啪| 99欧美| 少妇性按摩无码中文A片| 丁香六月婷婷综合欧美| 久久A V无码视频| 天天日夜夜拍| 久久精品五月天| 日韩激情人伦人| 99啪啪视频| 另类婷婷五月天啪帕帕| 婷婷综合五月天激情| 久热99热| 99久久超级| 丁香五月精品视频| 秋霞A V毛片| 9精品久久999| 婷婷五月天直播| 五月久久婷婷| 久久婷中文字幕| 日逼免费视频 | 五月丁香色狠狠干大屄| 五月丁香成人网| 97色色婷婷五月天| 午夜婷婷久久| 精品99在线观看| 99视频精品全部免费 在线| 久久新地址| 色综啪啪啪啪啪啪| 99在这里有精品| 中国丰满熟女A片免费观| 丁香九月综合激情| 一区视频网站| 亚洲av日韩无码| 妻久久人久久| 97ai婷婷| 开心网五月色婷婷| 色婷婷影视99| 可以看的AV| 91se精品国产| 五月婷深深爱激情网| 久久这里只精品| 亚洲五月天色色| 五月天色婷婷成人| 丁香婷婷久久综合在线| 婷婷干五月综合在线播放| 性色做爰片在线观看WW| 亚洲mm色| 99se丁香| 激情五月婷婷六月丁香| 人妖色AV色综合| 精品久久久人妻| 婷婷干| 中文国产五月天| 国产精品第一国产精品| www.sd-xiangsu.cpm| 俺去也婷婷| 九九国产视频| 91精品久久久久久77777| 日韩成人综合网| 大香蕉婷婷色| www.99热日韩.com| 天天色粽合合合合合合合| 丁香五月综合| 国产亚洲在线| 欧美色色色色色色色色色色影视| 成人免费120分钟啪啪| 操人妻90p| 这里只有精品视频在线| 丁香六月婷婷综合麻豆| 黄色笑话深爱激情网丁香五月婷婷啪啪啪啪啪 | 第四色婷婷色五月| 丁香六月婷婷色XXXX| 五月天色狠狠| 久草婷婷在线| www.激情五月| 五月丁香啪啪激情| 91狠狠色丁香婷婷综合久久| 丁香五月天精品| 激情综合五月| 丁香五月综合在线观看| 色综合色色色色| www.天天干| 亚洲一级AV在线免费播放| 激情久久丁香| 激情五月婷黄版| 婷婷九月| 婷婷草| 99热亚州综合| 大香蕉伊人99| 精品九九在线观看| 五月天丁香婷婷视频网址| 欧美va在线| 五月婷婷影| 久久婷婷伊人| 乱色色色| 大香蕉伊人久久| 亚洲亚洲人成综合网络| 婷婷六月丁香五月| 婷婷五月综合婷婷| 天天日天天久久青青| 天天爽天天日天天舔| 铁牛TV人妻| 色五月AV| 五月丁香六月综合激情无码软件亮点| 亚洲综合五月天婷婷丁香| 伊人在线视频| 日韩AAAAA| 色婷婷欧美| 被强行糟蹋的女人A片| 亚洲综合色棒| 99热99成人| 九月婷婷在线视频| 97人人操人人爽| 五月天婷婷在线啪啪视频| 天天日日| 色婷婷久久| 久久这里有精品在线观看| 97爱综合| 婷婷五月天福利| 婷婷五月18永久免费视频| 婷婷娌伦网| 丁香五月天啪啪| 久热这里只有精品在线| 久久天天天| 丁香五月婷婷影视先锋| 狠狠的日| 色综合久久88色综合天天99| 九九视频精品这里只有| 丁香五月激情网| 国产精品扒开腿做爽爽爽A片唱戏 青青草国产亚洲精品久久 | 久久婷婷成人视频| 欧美操逼天堂| 亚洲va综合va国产va中文| 色婷婷婷婷五月天| 千人斩操逼| 丁香五月天狠狠操| 日韩精品视频中文字幕| 色婷婷视频在线| 日日夜夜久| 思思热国产视频| 先锋影音av色五月天资源站| 久久婷婷五月综合| 久热99热| 性日本精品| 熟女色专区| 激情淫乱男女| 色婷五月天| 久99在线视频| 色五婷婷| www.人人操人人看人人想人人摸 人人人人操,COM | 99九九在线视频| 久久人人人人妻| 午夜婷婷久久 | 丁香五月六月综合激情| 日本成人噜噜| 天天噪夜夜爽| 婷香五月网在线| 91在线看片| 国产日韩欧美| 精品久久人妻| 激情人妻综合| 91精品久久久久、久五月天| 天天操天天干天天日| 五月婷婷成人| 国产精品成人AV在线| 国产五月婷| 日本久久网| 激情熟女网| 开心五月丁香啪| 婷婷91| 婷婷久久内射| 18久久| 国产精品美女久久久久AV超清 | 天天爽日日爽夜夜爽| 婷激情五月天视频导航| 91久热| 成人版视频在线观看| 色八戒操婷婷| 国产av第一专区| 麻豆WWWCOM内射软件| 深爱综合网| 色欲天天综合| 久热69| 亚洲丁香五月在线观看| 99热只有精| 久热视频这里只有精品68| 色五月涩涩婷婷蜜桃| 秋霞性爱AV| 人妻九九九九| 色吧五月| 丁香五月区| 五月天激情啪啪| 操碰99在线视频观看| 激情综合网激情五月丁香五月俺也去| 欧美 色婷婷| 国产AV一区二区三区最新精品| 五月丁香五月综合欧美| 天天干天天爽| 蜜桃五月天| 开心五月婷婷激情| 亚洲亚洲人成综合网络| 少妇水多A片太爽了| 色婷婷激情| http:色情日本com| 九月丁香久久网| 九色在线五月婷婷网址| 欧美婷婷综合| 人人插9| 久Se视频在线观看| 97香蕉碰碰人妻国产欧美| …亚洲黄色在线播放日韩、av中文a…| 久久人五月| 婷婷色片| 久久99综合| 五月丁香啪啪啪综合网| 激情五月天噢美| 六月婷婷视频| 婷婷综合爱| 五月婷婷基地| 99re热在线观看| 黄网在线免费观看| 国产精品久久久久久妇女6080| 操操操97| 日韩淑女人妻luan伦激情精品一区二| www.com亚洲网站在线免费| 色婷婷激情五月天| 天天做天天要天天爱| 日本三级中文字幕| 久久免费视频62| 色五月婷婷伊人| 日本欧美成人片AAAA| 99只有精品| 九九re精品视频在线观看| 91狠狠综合久久| 婷婷五月激情图片| 日韩AV免费电影在线播放| 99re资源在线视频导航| Www.se.久久| 色婷婷国产精品综合在线观看| 色色爽爽天天| 五月天播播综合| 99亚洲综合| 日本在线噜噜| 婷婷五月AV| 色色激情| 丁香色婷婷| 免费播放片大片| 91超级碰碰| 久色网| av婷婷丁香| 先锋资源91| 草操AV在线| 久久丁香五月婷婷激情综合网| 狠狠干青青草| 高清不卡一区| 色五月 婷婷, 大香蕉| 婷婷久久精品| 婷婷五月精品在线| www.婷婷亚洲基地| 久久免费高| 激情久久久久| 丁香婷婷婷五月| 五月色网| 99色在线视频观看| 免费精品66| 人妻久久久久久| 99热这里只有精品8| 六月婷婷操逼| 天天综合天天做天天综合| 韩国天天婷婷| 禁欲电影完整版在线播放| www.99久久久久99| 五月婷婷六月丁香激情深爱| 美女五月天| 激情丁香婷婷| 九九干视频| 狠狠狠激情网| 99ri视频| 99热高清在线| 97在线观看| 26uu| 秋霞三级色戒| 涩婷婷五月天在线精品视频| 成人午夜天| PORNY九色9l自拍视频成人| 激情 婷婷 插| 九久9精品| 一本久婷婷综合| 99惹在线精品免费观看| 超碰99热精品| 欧美成人五月天| 大香蕉520| 99热这里全是精品| 久久99看免费| 日本操逼九九九九58日本操逼| 亚洲AV免费在线| bukadeavzaixian| 丁香婷婷偷拍| 国产成人综合网| 五月丁香自拍| 泰州成人视频| 九九色网| 99九九99九九九视频精品| 精品久久二6| 婷婷五月天激情小说| 日韩淑女人妻luan伦激情精品一区二| 天天情色综合网| 国产成人精品一区二区三区视频| 婷婷五月深情丁香深爱日韩| 91操在线视频| 亚洲成人网站在线| 婷婷丁香五月色| 婷婷天堂伊人| 婷婷色日本| 97av在线视频| 97人人草| 狠干综合| 五月婷婷和六月| 激情综合丁香五月| 亚洲成人在线播放| 国产欧美日韩综合精品一区二区 | 丁香伊人五月色婷婷五十路| 91肏肏肏| 无码AV免费精品一区二区三区| 五月丁香激情深爱婷婷| 婷婷伊人综合| 第五婷婷伊人丁香| 丁香婷婷性爱| 日韩啊啊啊| 亚洲综合色色| 97干婷婷| 五月婷婷六月激情| AV无码免费| 在线成人网址| 色吧综合网| 亚州色色色| 综合97五月| 91人妻PORNY九色大屁股| 丁香五月亚洲AV| Av性爱网站| 狠狠狠狠狠干| 五月天黄色激情小说| 三日本无码| 日本熟女二区| 五月婷婷啪啪啪| 欧美丁香婷婷五月| a v色婷婷| 婷婷福利影院| 99色五月| 五月婷婷激情四季| 日本WwW色偷偷丁香花久久久京东热| 深爱激情av| 超碰在线播放免费观看| 亚洲综合色色| 在线色五月婷婷| 五六月婷婷久久| 婷婷五月天国产| 欧洲综合视频| 精品一二三区久久AAA片| 婷婷五月天伊人网在线观看视频| 9在线9在线婷婷在线国产| 久久色五月天| se色99| 婷婷五月丁香基| 五月婷婷之综合激情| 婷婷久久丁香五月| 国产人妻人伦精品一区二区| 丁香五月婷婷色| 六月婷欧美| 精品人妻伦一二三区久久| 九九热在线视频,| 激情丁香五月AV| 色五月激情五月| 丁香五月23111| 991精品在线视频| 日日干夜夜干| 激情五月激情综合网| 99热这里只有精品26| 丁香综合| 久久9精品| 五月婷婷综合色啪首页| 丁香九月综合激情| 国产精产国品一二三在观看| 26uuu欧美| 日韩成人五月天| 99久久亚洲国产| 六月丁香婷婷亚洲中文玖玖| AV网在线观看| www.狠狠操| 婷婷干五月综合在线播放| 97综合在线| 91聚色综合网| 色情成人五月天| 四色AVwww| 任你艹| 91人人人人人人人| 久久精品99| 日本高清综合网五月丁香| 六月亚洲婷婷6月中文字幕| 婷婷狠狠爱| 婷婷丁香六月| 99热免费| 婷婷在线免费| 亚洲国产精品五月天| 综合超碰熟| 国产毛片欧美毛片久久久| 日韩精品无码AV| 日韩操| 久久只有精| 免费人人操| 午夜天天精品视频| 久久五月天婷婷| 久色五月丁香视频| 天天天天做夜夜夜夜做| 六月丁香婷婷综合色播| 激情综合国产| 超碰精品国产首页| www.金莲av| www激情| 色婷婷a| 岛国AV网| 婷婷综合六| 综合激情啪啪| 色~性~乱~伦~噜| 婷婷丁香www视频日本韩国| 年轻的妺妺伦理HD中文| 色噜噜狠狠色综合日日| 影音先锋91资源站| 综合激情视频| 五月网在线| RenRenSe在线视频网站| 丁香五月婷婷五月天在线| 玖玖婷婷婷丁香五月| 超碰国产一区| 日韩成人精品中文字幕电影| 99这里有精品| 久久小视频| www.精品99| 天天日 天天草| 五月开心深爱激情网| 9久热这里只有精品视频| 中文网AV| 99re思思热在线视频| 五月丁香久久网| 91九色欧美| 91AV视频| 狠狠综合色网| 91视频久久久| 婷婷欧美激情| 久久婷婷夜| 丁香五月黄色| WWW久| 99热在线观看99| 久久艹网| 天啪色| 九九综合图片网| 丁香五月婷婷欧美成人色图| 久草网大香视频| 操婷婷基地| 伊人大香蕉综合在线| 午夜九九九九九九| 色婷婷丁香社综合| 国产午夜精品一区二区| 九九色大香蕉| 久久久激情视频| 午夜成人AV在线| 综合久久婷婷| 婷婷五月成人色综合| 国产五月丁香在线| 欧美色骚婷婷五月天| 色欲五月天| 99精品7| www.五月天激情| 五月色婷婷综合| 天天干天天干天天干| 狠狠五月激情丁香六月| 性一交一乱一交A片久久四色| 亚洲综合成人网| 九九热这里只有精品6| 久久婷婷伊人| 成人中文网| Aaa久久| www色综合亚洲92| 亚洲性视频| 国产激情久久| 日本熟妇人妻在线| 久久五月天激情| 色色色综合| 久久伊人大香蕉| 亚洲1区| 97日韩无套内| 九九综合图片网| 99热播放| 天天摸,天天爽| 婷婷五月丁香综合人妻| 天天干天天操天天射| 九九热黄色| 超碰九色| 色婷婷色丁香色欲av| 2020日日干| 亚洲性受XXXX五月丁香| 亚洲成人乱码av网站| 亚洲色优| 狠狠狠狠狠狠狠狠| 激情人妻蜜夜系列区| 久久精品天| 久色网| 色五月色综合| 亚洲无码www| 日韩免费乱轮网站| 亚洲经典小视频| 黄色成人网站在线播放| 大香蕉久久| 婷婷色色色| 二色AV| 丁香五月丁香伊人| 国产性爱一级| 精品国产乱码久久久久夜深人妻| 日韩美一级毛卡片| 97色色-99久久| 色99热| 人妻AV在线| 91精品91久久久久77777| 91打屁股视频网站| 中文不卡一二三区| 成人AV中文字幕| 无码人妻精品一区二区蜜桃色欲| 久久婷婷综合拍| 五月情丁香色| 五月丁香六月天| 性一交一乱一交A片久| 一婬一伦一区二区三区| ...婷婷国产成人亚洲日韩| 这里只有精品视频免费在线观看| 国产激情综合五月久久| 婷婷刺激综合| 天天色天天噜| 99超级碰免费视频| 激情综合另类| 深夜婷婷五月丁香| 久久人人九九| 99热黄| 五月天婷a在线| 99只有这里有精品在线视频| 亚洲精品无AMM毛片| 一起草无码| 日日操,夜夜爽| 国产午夜一区二区三区| www.色情五月天.com| 五月婷婷开心色伊人| 婷婷五月色综合| 色域五月丁香| 热的国产,热的综合,热的有码| 五月天丁香成人| www天堂99| 97五月天婷婷午夜| 内射综合网| 中文字幕成人日韩| 婷婷六月开心网| 在线视频你懂得| 日本三级片片| 婷婷综合伊人丁香| 婷婷五月色| www.夜夜| 欧美伊人9| 99r这里| 亚洲妇女熟BBW| 婷婷激情五月| 婷婷色啪| g00d人体西西| 婷婷综合精品视频97| 少妇搡BBBB搡BBB搡毛茸茸| 日韩不卡DvD| 99激情视频| 天天综合区| 五月婷婷六月爱| 99这里有精品视频| 婷婷丁香在线| 人妻精品在线| 91日视频| 99无码精品| 伊人大香蕉综合在线| 婷婷六月色播| 色综啪啪网| 我要色综合五月婷婷| 欧美性爱五月天| 婷婷色在线观看| 日本久久婷婷| 久久与婷婷| 99久精品视频| 成人资源在线| 五月婷婷丁香五月 | 97人妻超级碰碰碰碰碰| 婷婷五月天无码熟女| 开心五月婷婷激情| www久久五月com| 丁香五月香蕉| 成久综合视频| 五月天婷婷基地| 五月丁香日本一抹本| 草草视频91| 综合激情五月丁香| 婷婷五月色天| VA五月激情在线| 色色热| 激情五月天在线观看色婷婷| 日本天天操| 丁香六月婷婷一区| 激情五月丁香五月| 丁香五月成人论坛| 日本无码专区| 五月丁香婷婷啪啪综合网| 99国产精品久久久久久久久久久| 日日鲁鲁夜夜爽爽| 黄色片久久| 欧美婷婷五月天综合| 1级欧美日韩| 国产VA亚洲VA96| 欧美久久久久久久久中文字幕| 激情六月综合| 激情无码网| 99re久久| 精品人妻伦| 亚洲黄网AV| 天天操天天日天天操| 96色婷婷| 日本高清久| 日夜操B| www.99视频| 婷婷五月激情欧美大胆视频| 99热伊人综合| 这里只有精品久久| 99视频在线| 亚洲中文字幕在线观看| 久久丁香五月婷婷| 五月婷婷亚洲色图| 夜夜资源站| 快乐婷婷五月天| 极品人妻VIDEOSSS人妻| 欧洲第一久色| 91碰超| 97人人射| 成人精品99| 欧美久久网| 丁香六月啪啪| 丁香六月激情网C0W| 欧美日韩成人在线网站| 26UUU精品一区二区| 色五月婷婷激情五月| 人人超碰99| 99无码视频| 婷婷综合成人五月天| 超碰中文字幕在线| 久99热| 天天久久综合| 第四色五月婷婷| 囯产精品久久欠久久久久久九大| 狠狠色狠狠色综合日日91| 99丁香五月婷婷在线| 激情婷婷五月| 日本成人小说婷婷六月| 99男人的天堂| 蜜臀AV在线观看| 天天干天天干天天干天天干天天干| 99精品自拍| 婷婷色五月91啪啪| 天天操中文字幕| 大波美女VA网站| 久久久久久久久久久44| 色色综合网站| 五月色婷婷综合| 五月丁香爱婷婷深深| 婷婷丁香大香蕉| 26uuu精品国产| 91久久婷婷人人澡草| 97色色色| 色欲AVV| 色人久久| 天天爽日日爽夜夜爽| 丁香五月天啪啪| 五月丁香六月综合图| 五月婷网| www久热com| 玖玖在线视频福利| 色色色五月| 婷婷色导航| 99这里都是精品| 九九热这里只有精品12| 99re视频在线播放| 婷婷综合玖玖五月| 丁香激情五月| 丁香五月激情网| 这里只有精品视频看看| 日本不卡中文字幕| 精品操逼一区二区| 可以看的av| 日本啪啪网| 99热这里只有在线| 狠狠狠狠狠狠| 99久久99久久| 四月婷婷丁香| 五月婷婷六月丁香综合视频在线| 欧美超级视频97| 熟女色色一区二区| 五月天婷婷久久| 超碰猛烈的性猛交| 五月天激情啪啪| 99高级会所久久| 亚洲精品无码久久| 伊人大香蕉在线视频| 久久艹 五月天| 色婷婷五月天在线观看| 久艹大香蕉| 五月丁香啪啪伦理电影| 婷婷在线网| 99自拍视频| 91啪啪视频| 五月丁香婷婷视频| 五月婷婷丁香综合| 五月丁香六月婷婷色| 亚洲色色色色色色色色色| 久久99看免费| 亚洲成人AV电影网| 色五月丁香A欧美com| 99色视频| 五月天婷婷视频| 久久精品系列| 99re这里| 涩婷婷五月天| 五月天婷婷青青草| 伊人丁香五月| 婷婷97狠狠干| 五月婷婷六月丁香免费| 久久久久网站| 欧美操逼天堂| 婷婷色五月天色色| 97操女视频| 婷婷五月丁香基| 精品少妇人妻AV无码专区偷人| 天天拍天天操| 99热思思| 天天操综合网| 激情五月婷| 激情亚洲网| 色区久久| 色色综合网站| 五月婷久久| 色色吧综合| 九九操操| 伊人久久婷婷| 久热9| 婷婷综合网| www色色com| 97色婷婷| 婷婷五月天成人网| 91碰碰碰| 97精品人人A片免费看| 色色色网站| 免费看欧美成人A片无码| 久久思思热| 欧美性猛交99久久久久99按摩| 国产精产国品一二三在观看| 国产精品美女久久久久AV超清| 五月色丁香| 亚洲精品一区中文字幕乱码| 成人无码髙潮喷水A片| 精品成人在线| 久久丁香网| 亚洲成人无码片| 《久久综合九色综合97婷婷| 亚洲成人网站在线播放| 9精品在线| 色噜噜狠狠色综合成人99| 黄网在线免费观看| 丁香六月婷婷综合色| 婷婷久久五月天亚洲欧美国产日韩在线观看 | 热99精品视频五月| 日韩成人综合网| 人人亚洲| 色大综合| 色色射| 日韩av在线免费观看| 在线播放成人网站| 五月天大香蕉| 国产一级片色色| 久久玖玖99| 六月丁香狠狠爱| 色999;丁香五月| 九九精品这里只有| 亚洲丁香五月| 久久久人妻| 综合激情视频| 亚洲情综合五月天| 婷婷五月天AV| 五月婷六月| 五月开心久久| 国产成人AV不卡| 成人免费网站免费看| 69久久99精品久久久久婷婷| 天天干,天天舔| Va另类视频| 另类激情中文| 激情色色色| 久久婷婷五月天激情新地址| WWW.久久99| 亭亭色色五月天| 五月婷婷六月激情在线| 在热视频精品| 国产精品视频| 天天做天天爱| Av在线资源| 香蕉综合在线| www.久久66| 99综合网| 久操婷婷| 99久久婷婷五月| 婷婷九月激情| 久久人妻情侣| 婷婷五月天综合AV| www.夜夜| 五月激情综合性爱| 久久五月婷婷电影| 亚洲A色| 色色丁香| 国产精品成人网址| 丁香五月色色| 日日夜夜天天爽| 中文字幕,综合,91| 亚洲经典三级| 久久婷视频| 天天激情夜夜干| 婷婷性福五月天| 色婷婷电影网| 大香蕉九九操| 深爱开心激情网| 色色色色色色色色色色色色色97| 欧美大肥婆大肥BBBBB| 99噜噜噜| 中文不卡一二三区| 婷婷久久99| 婷婷综合性爱网| 色色五月天丁香| 婷婷丁香激情五月天色色| 九九久久五月天| 在线精品97| 五月份婷婷| www夜夜| 夫妇交换刺激做爰| 成人精品人妻| 久热A| 色播综合| 九九九九大香蕉| 色噜综| 思思热视频| 婷婷五月激情五月丁香五月| 婷婷久久国产视频| 欧美日韩123| 9|人妻人人操| 99精品视频免费在线播放| 亚洲精品婷婷| www.超碰97| 五月丁香综合激情| 婷婷五月丁香六月| 免费黄网不卡AV| 婷婷五月丁香综合亚洲| 五月天精品| 色婷婷在线电影| 超碰三级秋霞| 婷婷综合色图| 欧在线一区| 丁香伊人综合| 丁香五月成人网| 国产熟女大叫受不了| 中国激情网| 亚洲妇女熟BBW| 男女99免费视频| 激情小说在线视频| 天天日色情| 五月天无码视屏播放| 久热伊人| 狼人婷婷综合| 五月天婷婷在线播放| 婷婷五月天黄色小说| 亚洲va综合va国产va中文| 久久婷婷色| 五月天伊人综合| 亚洲视频无| 夜夜综合色| 色情终和网| 色五月丁香激情视频| 99热精品在线观看| 五月婷在线观看| 亚洲AV综合网| 婷婷久久伊人| 狠狠草在线观看| YW无码| 91久久婷婷人人澡草 | 噜噜噜噜噜在线| 亚洲无码另类| 久久婷婷丁香| 99热碰碰| 婷婷五月综合啪| 色婷婷五月天久久| 97成人视频| 久久视频这里99| 人妻有码乱操| 婷婷丁香五月天在线| 99丁香五月| 日逼免费视频| 大香蕉久久视频久久视频 | 99热网站| 婷婷丁香五月天哟啪| 国产 亚洲 在线| 大香蕉精品视频| 99日韩| 九九碰九九爱97| 久久香蕉网| 五月丁香六月在线欧美| 五月香婷婷| 91狠狠综合久久久| 午夜五月天| 丁香六月婷婷综情欧美| 久久久人妻| 丁香五月AV在线| 成人做爰A片免费看视频| 色婷婷成人在线| 亚洲日本韩国| 超碰狠狠色| 爱iii做iiii日日| 婷婷天天色| 色综合狠狠色| 另类A片| jiujiu热在线视频| 五月婷婷激情综合| 五月婷婷就去色| 97超碰,人人舔,人人操,人人摸| 欧美性色五月天| 九一九九黄色| 日狠狠| 五月玖玖| 色婷婷丁香五月| 色播五月丁香婷婷| 久久婷婷五月天大香蕉| 老司机伊人| 黄网在线观看免费| 99热欧美| 九九热10| 五月丁香久久综合91| 色香欲综合| 日本精品99网站| 五月婷丁香| 天天日天天日天天搞| 我想看国产大学生口爆吞精的视频| 99这里热| 欧美日本VA| 日本视频久久| 99A片| 婷婷九九| 亚洲妇女熟BBW| 日韩在线五月天婷婷| 99人人干人人| 无码99| 天天综合网亚洲综合网| 久草九九| 久久综合人妻| 婷婷开心综合人妻小说网址| 婷婷五月在线| 精品激情| 伊人五月久久| 久久精品女人天堂AAA| 五月色网| 色五月视频无码播放| 久久区区一二三av| 天天日日夜夜爽。| 色五月97| 婷婷五月天激情免费在线观看| AV网址大全在| 久9久9久9久9久9久9| 婷婷五月 丁香六月| 亚洲综合碰| 五月天婷婷av| 天天射天天射一道本日本社区| 超碰色女人| 色哟哟精品| 婷婷五月天第四色| 日日天天天| 国产精品操| www狠狠爱com| 专区无日本视频高清8| 久久99久久99精品免视看婷婷| 五月天婷久精视频| 甈你aaaaa| 成人超碰AV| 色综合综合色| 婷婷丁香色性爱| 婷婷丁香五月天综合激情| 综合网亚洲| 久久婷婷丁香| 五月色综合网| 婷婷五月天激情五月天网站| 99久久a线观| 色综合婷婷| 伊人网啪啪| 九九综合五月欧美| 超碰婷婷色| 男女啪啪做爰高潮无遮挡| 丁香五月首页| 婷婷久久色| 五月天久久综合婷婷丁香| 色九月激情综合网| 丁香五月综合色婷婷| 色婷婷电影网| 国产精品成人AV在线| 天堂亚洲 在线| 97久久精品视频| 国产精品电| WWW.久久.COM| 中文字幕日产A片在线看| 婷婷另类小说| 色狠狠色| 99碰超| 久久久香| 综合狠狠干| 精品色色| 99精品视频网| 久久婷婷五月天蜜桃| 色婷婷五月中文字幕在线dvd| 亚洲色爽| 欧美性久| 人人插9| 99re视频在线| 婷婷新网址| av五月天婷婷丁香| 操B无码视频国语| 大香蕉综合视频在线| 99视频在线观看地址| 五月婷婷无码专区| 婷婷婷五月天最新综合你懂的| 婷婷色香六月综合激情| 成人久久天天x资源站| 天天色天天色天天色天天色天天色天天色| 婷婷丁香成人| 亚洲色综合| 99re热精品在线视频| 五月综合久久| 狠狠舔| 五月天五月色婷婷综合| 亚洲精品va| Av性爱网| 午夜丁香六月婷| 五月色欧美|