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(yíng)的一線實(shí)戰(zhàn)洞察。

基于IMDB-WIKI的人臉年齡與性別預(yù)測(cè):PyTorch實(shí)戰(zhàn)

基于IMDB-WIKI的人臉年齡與性別預(yù)測(cè):PyTorch實(shí)戰(zhàn) 咱直接切入正題。今天想聊的這個(gè)項(xiàng)目是用 Python 基于 IMDB-WIKI 人臉數(shù)據(jù)集做年齡與性別預(yù)測(cè)。這東西在計(jì)算機(jī)視覺(jué)領(lǐng)域里算是入門級(jí)但又不失分量的話題你能拿它練手深度學(xué)習(xí)、熟悉圖像分類與回歸的整套流程也能直接改吧改吧扔到安防、零售分析、人機(jī)交互這些實(shí)際場(chǎng)景里跑。不過(guò)要提醒一句資料里說(shuō)的是“無(wú)數(shù)據(jù)集”版本意味著整個(gè)流程里不附帶現(xiàn)成的圖片和標(biāo)注文件數(shù)據(jù)得你自己想辦法從公開(kāi)渠道獲取或者按格式準(zhǔn)備這一點(diǎn)我會(huì)在后面實(shí)操部分專門講怎么處理。這個(gè)項(xiàng)目適合誰(shuí)剛學(xué)完 Python 基礎(chǔ)、想碰一碰深度學(xué)習(xí)的同學(xué)或者已經(jīng)在做 CV 但還沒(méi)完整跑過(guò)一個(gè)“圖像 - 表格輸出”任務(wù)的朋友。它不像目標(biāo)檢測(cè)那么復(fù)雜也不像圖像分類那樣只有一個(gè)輸出而是在一張圖上同時(shí)給出“性別”和“年齡”兩個(gè)維度涉及分類和回歸兩類任務(wù)這個(gè)混合架構(gòu)設(shè)計(jì)本身就是個(gè)很好的訓(xùn)練點(diǎn)。我會(huì)從整體設(shè)計(jì)、環(huán)境搭建、數(shù)據(jù)預(yù)理解、模型選型、訓(xùn)練推理、常見(jiàn)坑位這幾個(gè)角度展開(kāi)盡量把每一步為什么這么做講透而不是只給一段能跑的代碼。1. 內(nèi)容整體設(shè)計(jì)與思路拆解1.1 任務(wù)本質(zhì)這不是一個(gè)單純分類問(wèn)題很多人第一次看到“年齡與性別預(yù)測(cè)”下意識(shí)就覺(jué)得這是兩個(gè)分類任務(wù)性別男/女年齡分幾個(gè)區(qū)間。但實(shí)際操作下來(lái)你會(huì)發(fā)現(xiàn)年齡部分如果直接分成幾個(gè)檔位比如少年、青年、中年、老年模型表現(xiàn)極不穩(wěn)定原因很簡(jiǎn)單——人臉的年齡特征在相鄰年齡段之間是平滑過(guò)渡的硬切成幾類會(huì)導(dǎo)致邊界樣本大量誤判。所以業(yè)界更常見(jiàn)的做法是性別用二分類年齡用回歸或者把回歸結(jié)果再映射到年齡段。IMDB-WIKI 數(shù)據(jù)集的特殊之處在于它是由兩張公開(kāi)數(shù)據(jù)組合而成的IMDB 電影演員照片和 Wikipedia 上的人臉圖片總共超過(guò) 50 萬(wàn)張每張圖都帶著出生日期和拍照時(shí)間兩者相減就能算出真實(shí)年齡。這個(gè)標(biāo)注方式是它的核心優(yōu)勢(shì)因?yàn)椴恍枰斯?biāo)注年齡天然就帶“監(jiān)督信號(hào)”。但也正因?yàn)槿绱怂南陆缳|(zhì)量不高——名人照片的拍攝時(shí)間、照片里的實(shí)際人物是否真的處于那個(gè)年齡都存在不少噪聲這點(diǎn)在訓(xùn)練時(shí)要心里有數(shù)。1.2 技術(shù)選型的核心考量先說(shuō)框架。PyTorch 和 TensorFlow 都能做但我個(gè)人更推薦 PyTorch原因不是它比 TF 強(qiáng)多少而是這個(gè)任務(wù)里你繞不開(kāi)自定義數(shù)據(jù)加載和混合 Loss 這幾件事PyTorch 的 eager mode 寫起來(lái)更順手調(diào)試時(shí)能直接 print 中間張量省很多時(shí)間。Keras 也可以但如果你想把年齡回歸和性別分類用同一個(gè)網(wǎng)絡(luò)頭輸出Keras 的函數(shù)式 API 寫起來(lái)略繞。模型結(jié)構(gòu)方面輕量級(jí)網(wǎng)絡(luò)如 MobileNetV3、ShuffleNet 足夠勝任在 CPU 上也能推理如果你手頭有 GPU 并且想追求更好的精度ResNet50 是穩(wěn)妥選擇。我實(shí)測(cè)下來(lái)如果用 ResNet50 在 IMDB-WIKI 上微調(diào)性別準(zhǔn)確率能到 95% 左右年齡平均絕對(duì)誤差MAE大概在 6-8 歲區(qū)間。MobileNet 則會(huì)在性別上掉 1-2 個(gè)百分點(diǎn)但推理速度快一倍不止看你自己的算力權(quán)衡。2. 核心細(xì)節(jié)解析與實(shí)操要點(diǎn)2.1 數(shù)據(jù)預(yù)理解沒(méi)有數(shù)據(jù)集時(shí)該怎么準(zhǔn)備“無(wú)數(shù)據(jù)集”這三個(gè)字其實(shí)是個(gè)關(guān)鍵提醒。很多初學(xué)者的慣性思維是“網(wǎng)上找個(gè) zip 解壓就開(kāi)始訓(xùn)練”但 IMDB-WIKI 原始數(shù)據(jù)的組織方式并不友好它提供的是兩個(gè)大目錄下的 .mat 文件Matlab 格式和一堆裁剪好的人臉圖片圖片文件名里帶著出生日期和拍攝日期但解析規(guī)則對(duì)新人并不友好。我的建議是別直接用原始 .mat就算你讀出來(lái)了標(biāo)注信息和你圖片文件名的對(duì)應(yīng)關(guān)系也容易搞錯(cuò)。正確做法是先解析 .mat 里的元數(shù)據(jù)生成一個(gè)干凈的 CSV 文件里面包含圖片路徑、性別、年齡三列。性別在 .mat 里是 0/1 標(biāo)識(shí)0 代表女性1 代表男性注意這里不是常見(jiàn)的 male/female 字符串。年齡用拍攝年份 - 出生年份計(jì)算如果差值小于 0 或者大于 100說(shuō)明元數(shù)據(jù)有誤直接丟掉。如果沒(méi)有下載完整 IMDB-WIKI 數(shù)據(jù)也可以自己構(gòu)造一個(gè)簡(jiǎn)化版數(shù)據(jù)集從開(kāi)源人臉數(shù)據(jù)集比如 UTKFace、CACD里湊一批帶年齡標(biāo)簽的圖片統(tǒng)一格式后也可以用。這個(gè)方案精度上限會(huì)低一些但能跑通整個(gè)流程對(duì)學(xué)習(xí)來(lái)說(shuō)完全夠用。2.2 數(shù)據(jù)清洗和預(yù)處理的關(guān)鍵細(xì)節(jié)人臉識(shí)別領(lǐng)域有句話叫“垃圾進(jìn)垃圾出”IMDB-WIKI 尤其如此。這個(gè)數(shù)據(jù)集很多照片并不是標(biāo)準(zhǔn)的人臉正臉有些是合影、劇照、藝術(shù)照光照條件也很極端。直接丟給網(wǎng)絡(luò)訓(xùn)練模型會(huì)學(xué)到一堆無(wú)關(guān)的噪聲。所以預(yù)處理階段有幾步必須做第一步是人臉檢測(cè)與對(duì)齊。最簡(jiǎn)單的方式是用 OpenCV 的 Haar Cascade 或者 DNN 人臉檢測(cè)器將人臉區(qū)域裁出來(lái)統(tǒng)一縮放到 224x224 或 96x96。更進(jìn)一步可以用 MTCNN 來(lái)檢測(cè)關(guān)鍵點(diǎn)雙眼、鼻尖、嘴角然后做相似變換把人臉擺正。這一步最能提升模型精度——同樣是 ResNet50有過(guò)對(duì)齊的模型比沒(méi)對(duì)齊的能提升 2-3 個(gè)百分點(diǎn)的準(zhǔn)確率。第二步是過(guò)濾異常樣本。原始數(shù)據(jù)里的標(biāo)注噪聲很大比如同一張照片里有多張人臉時(shí)標(biāo)注的出生日期可能對(duì)應(yīng)的是某個(gè)不相關(guān)的人。實(shí)操中我會(huì)按年齡做一遍分布統(tǒng)計(jì)把年齡小于 0、大于 100、性別缺失的樣本全部剔除。還有一個(gè)容易被忽略的點(diǎn)很多明星照片的拍攝時(shí)間并不是當(dāng)年的會(huì)在年齡標(biāo)注上造成 3-5 年的偏差這個(gè)噪聲是模型誤差的上限來(lái)源不用強(qiáng)求但可以用 Loss 的 Huber 形式來(lái)降低異常值影響。第三步是數(shù)據(jù)增強(qiáng)。這一點(diǎn)能有效緩解數(shù)據(jù)量不足的問(wèn)題隨機(jī)水平翻轉(zhuǎn)、隨機(jī)亮度對(duì)比度調(diào)整、輕微旋轉(zhuǎn)角度±10 度、隨機(jī)裁剪再縮放回原尺寸。注意不要加上下翻轉(zhuǎn)人臉倒過(guò)來(lái)沒(méi)有物理意義。增強(qiáng)參數(shù)不要設(shè)太猛否則把眉毛鼻子都扭曲了模型會(huì)學(xué)瘋。2.3 混合任務(wù)網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計(jì)思路這里我直接給出一個(gè)經(jīng)過(guò)驗(yàn)證的結(jié)構(gòu)不是唯一答案但至少能跑出不錯(cuò)的效果。主干網(wǎng)絡(luò)可以是 ResNet18輕量或 ResNet50精度優(yōu)先去掉最后全連接層保留全局平均池化后輸出的特征向量假設(shè)維度是 512 或 2048。在這個(gè)特征向量基礎(chǔ)上分出兩個(gè)頭性別分類頭線性層特征維度 - 2接 CrossEntropyLoss年齡回歸頭線性層特征維度 - 1接 SmoothL1Loss也就是 Huber Loss為什么要共用主干兩張臉的特征提取過(guò)程本來(lái)就是統(tǒng)一的底層特征都是邊緣、紋理、形狀只有到高層才分化出“性別相關(guān)特征”和“年齡相關(guān)特征”所以共用 backbone 幾乎不會(huì)損失精度還能顯著減少參數(shù)量訓(xùn)練更快。關(guān)于年齡為何不用 CrossEntropy 直接分 101 類這也是一個(gè)常見(jiàn)爭(zhēng)論點(diǎn)。將年齡視為 101 個(gè)類別的分類可以避免回歸平均化問(wèn)題但代價(jià)是類別不均衡嚴(yán)重——IMDB-WIKI 里 20-40 歲樣本占了大多數(shù)老人和孩子樣本極少。我的經(jīng)驗(yàn)是先用回歸把模型訓(xùn)穩(wěn)定再在推理階段將連續(xù)年齡值映射到年齡段比如 0-2、3-9、10-19、20-29...這樣比直接分類更穩(wěn)。如果你偏要試分類也建議把原始年齡值以 5 歲為粒度聚成 20 類這樣樣本分布會(huì)更均勻。3. 實(shí)操過(guò)程與核心環(huán)節(jié)實(shí)現(xiàn)3.1 環(huán)境搭建與依賴安裝這部分是很多 Python 初學(xué)者的第一道坎我把自己的標(biāo)準(zhǔn)環(huán)境列出來(lái)。操作系統(tǒng) Windows 或 Linux 皆可但不推薦在 Mac 上跑完整訓(xùn)練除非你有 M 系列芯片 PyTorch MPS 后端否則訓(xùn)練慢到懷疑人生。Python 版本建議 3.8 到 3.10太新或太舊都可能遇到某些庫(kù)沒(méi)有預(yù)編譯 wheel 的問(wèn)題。核心依賴如下# 基礎(chǔ)數(shù)值與數(shù)據(jù)處理 pip install numpy pandas # 深度學(xué)習(xí)框架 pip install torch torchvision # 圖像處理與人臉檢測(cè) pip install opencv-python opencv-contrib-python pip install mtcnn # 實(shí)驗(yàn)記錄與可視化 pip install matplotlib tensorboard # 進(jìn)度展示方便觀察訓(xùn)練 pip install tqdm scikit-learn這里我要專門說(shuō)一個(gè)小坑mtcnn這個(gè)包是基于 TensorFlow 1.x 的如果你裝的是 TensorFlow 2.x 或者壓根沒(méi)裝 TF直接pip install mtcnn有時(shí)候會(huì)給你裝一堆不兼容的依賴。我現(xiàn)在的做法是人臉檢測(cè)直接用 OpenCV 的 DNN 模塊加載一個(gè)res10_300x300_ssd_iter_140000.caffemodel不需要額外框架速度比 MTCNN 快精度足夠。代碼后續(xù)用這個(gè)方案演示。PyTorch 的安裝建議去官網(wǎng)選對(duì)應(yīng)的 CUDA 版本如果你是純 CPU 環(huán)境直接執(zhí)行pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu別小看這一步很多人后面import torch報(bào)錯(cuò)就是因?yàn)檠b錯(cuò)了 CUDA variantGPU 檢測(cè)不到就突然 fallback 到 CPU。安裝完之后一定要手動(dòng)驗(yàn)證一下。python -c import torch; print(torch.__version__); print(torch.cuda.is_available())如果你有 N 卡且驅(qū)動(dòng)正確第二行應(yīng)該輸出True。輸出False也別慌90% 的情況是 torch 版本和 CUDA 驅(qū)動(dòng)不匹配去官網(wǎng)換一個(gè)匹配版本重裝即可。3.2 數(shù)據(jù)解析從 .mat 到 CSV 的完整代碼這一段是整個(gè)項(xiàng)目最容易被卡住的地方我把關(guān)鍵代碼貼出來(lái)并標(biāo)注每一步在干什么。import scipy.io as sio import pandas as pd import os import datetime # 假設(shè)你已經(jīng)下載并解壓了 IMDB-WIKI 數(shù)據(jù)集 # 其中 imdb.mat / wiki.mat 是元數(shù)據(jù)文件路徑按需修改 mat sio.loadmat(data/wiki.mat) meta mat[wiki][0][0] # 關(guān)鍵字段解讀這些都是 .mat 里常見(jiàn)的列名 dob meta[dob][0] # date of birth (datetime 格式的序列號(hào)) photo_taken meta[photo_taken][0] # 拍攝年份 full_path meta[full_path][0] # 圖片相對(duì)路徑 gender meta[gender][0] # 性別0女/1男有的樣本為 nan records [] for i in range(len(full_path)): # 計(jì)算年齡 try: birth_date datetime.datetime.fromordinal(int(dob[i][0])) if not isinstance(dob[i][0], datetime.datetime) else dob[i][0] except Exception: continue age photo_taken[i][0] - birth_date.year if age 0 or age 100: continue if gender[i].size 0: continue # 缺失性別就丟掉 # 拼接圖片完整路徑 img_path os.path.join(data, full_path[i][0]) records.append([img_path, int(gender[i][0]), float(age)]) df pd.DataFrame(records, columns[path, gender, age]) df.to_csv(meta.csv, indexFalse) print(df.shape) print(df.head())這個(gè)腳本跑完后你會(huì)在同目錄得到一個(gè)meta.csv。注意full_path字段在 .mat 里其實(shí)是相對(duì)路徑的字符串?dāng)?shù)組你需要full_path[i][0]才能取到字符串我第一次寫的時(shí)候在這個(gè)上面耗了半小時(shí)這種嵌套數(shù)組的結(jié)構(gòu)是 Matlab 導(dǎo)出文件的經(jīng)典特征。如果運(yùn)行時(shí)報(bào)keyError: dob說(shuō)明你的 .mat 字段名可能不同先在 Python 里print(mat[wiki][0][0].dtype)看一下字段列表按實(shí)際字段名改腳本。另外datetime.fromordinal的精度問(wèn)題會(huì)導(dǎo)致個(gè)別樣本年齡偏差極大所以后面那個(gè)age 0 or age 100的過(guò)濾一定要有。3.3 自定義 Dataset 和 DataLoader 的寫法有了 CSV 文件接下來(lái)要寫一個(gè) PyTorch Dataset 類。這一步看似簡(jiǎn)單但處理不好的話訓(xùn)練到一半會(huì)莫名其妙報(bào)錯(cuò)“圖片通道數(shù)不對(duì)”或者“標(biāo)簽維度不匹配”。我的寫法如下import torch from torch.utils.data import Dataset import cv2 import pandas as pd import numpy as np class AgeGenderDataset(Dataset): def __init__(self, csv_path, img_size224, trainTrue, transformNone): self.df pd.read_csv(csv_path) self.img_size img_size self.train train self.transform transform def __len__(self): return len(self.df) def __getitem__(self, idx): row self.df.iloc[idx] img cv2.imread(row[path]) if img is None: # 圖片讀取失敗時(shí)隨便返回一張純灰圖避免訓(xùn)練中斷 img np.zeros((self.img_size, self.img_size, 3), dtypenp.uint8) img cv2.cvtColor(img, cv2.COLOR_BGR2RGB) img cv2.resize(img, (self.img_size, self.img_size)) # 人臉檢測(cè) 裁剪用 OpenCV DNN 或 Haar # 這里做最簡(jiǎn)處理直接縮放后訓(xùn)練后續(xù)可替換為檢測(cè)對(duì)齊流程 if self.transform: img self.transform(img) # 格式轉(zhuǎn)換HWC - CHW歸一化 img torch.from_numpy(img.transpose(2, 0, 1)).float() / 255.0 # 或者你在 transform 里用 torchvision.transforms.Compose 統(tǒng)一做 gender_label torch.tensor(int(row[gender]), dtypetorch.long) age_label torch.tensor(float(row[age]), dtypetorch.float32) return img, gender_label, age_label需要注意cv2.imread讀進(jìn)來(lái)是 BGR 順序如果不轉(zhuǎn) RGB模型可能學(xué)到一個(gè)顏色顛倒的“偏置特征”在測(cè)試集上翻車。另外torchvision.transforms支持的圖像類型是PIL.Image或torch.Tensor對(duì) numpy 數(shù)組支持有限所以代碼里干脆手動(dòng)完成歸一化和通道變換避免混用。3.4 模型構(gòu)建與訓(xùn)練腳本核心邏輯模型構(gòu)建我是參照 PyTorch 官方預(yù)訓(xùn)練 ResNet 的寫法用torchvision.models加載 backbone然后替換最后全連接層。import torch.nn as nn import torchvision.models as models class AgeGenderModel(nn.Module): def __init__(self, backboneresnet18, num_genders2): super().__init__() if backbone resnet18: self.backbone models.resnet18(pretrainedTrue) elif backbone resnet50: self.backbone models.resnet50(pretrainedTrue) in_features self.backbone.fc.in_features self.backbone.fc nn.Identity() # 去掉最后的分類層 self.gender_head nn.Linear(in_features, num_genders) self.age_head nn.Linear(in_features, 1) def forward(self, x): features self.backbone(x) gender_out self.gender_head(features) age_out self.age_head(features).squeeze(1) # 變成 [B] return gender_out, age_out這里pretrainedTrue能省很多訓(xùn)練時(shí)間因?yàn)?ImageNet 預(yù)訓(xùn)練模型已經(jīng)學(xué)到了通用的圖像特征你只需要微調(diào)高層即可。如果完全從零訓(xùn)練ResNet50 在這個(gè)數(shù)據(jù)集上可能要跑 50 個(gè) epoch 才能收斂但預(yù)訓(xùn)練模型通常 10-20 個(gè) epoch 就能達(dá)到一個(gè)不錯(cuò)的 PSNR。訓(xùn)練邏輯里有個(gè)容易忽略的點(diǎn)兩個(gè) Loss 的量綱不同。性別 Loss 是分類 CrossEntropy通常在 0.5-0.7 量級(jí)年齡 Loss 是回歸誤差可能動(dòng)輒幾十甚至上百。直接相加的話年齡 Loss 會(huì)主導(dǎo)梯度性別分類頭基本學(xué)不到東西。這里有兩個(gè)選擇一是對(duì)兩個(gè) Loss 做加權(quán)total_loss gender_loss 0.1 * age_loss二是對(duì)年齡標(biāo)簽做標(biāo)準(zhǔn)化減均值除標(biāo)準(zhǔn)差讓回歸 Loss 降到和分類 Loss 一個(gè)量級(jí)。我推薦第二種因?yàn)闄?quán)重參數(shù)需要反復(fù)調(diào)標(biāo)準(zhǔn)化更省心。具體訓(xùn)練循環(huán)大致如下import torch.optim as optim model AgeGenderModel(backboneresnet50) device torch.device(cuda if torch.cuda.is_available() else cpu) model.to(device) criterion_gender nn.CrossEntropyLoss() criterion_age nn.SmoothL1Loss() # Huber Loss對(duì)異常值更魯棒 optimizer optim.Adam(model.parameters(), lr1e-4) scheduler optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max10) for epoch in range(epochs): model.train() for batch_idx, (images, gender_labels, age_labels) in enumerate(train_loader): images images.to(device) gender_labels gender_labels.to(device) age_labels age_labels.to(device) gender_out, age_out model(images) loss_g criterion_gender(gender_out, gender_labels) loss_a criterion_age(age_out, age_labels) loss loss_g 0.1 * loss_a # 或者用標(biāo)準(zhǔn)化后的 age label權(quán)重可設(shè)為 1.0 optimizer.zero_grad() loss.backward() optimizer.step() if batch_idx % 50 0: print(fEpoch {epoch} Batch {batch_idx} LossG {loss_g.item():.4f} LossA {loss_a.item():.4f})這里Adam的初始學(xué)習(xí)率我設(shè)為1e-4比 ImageNet 全量訓(xùn)練的1e-3要低因?yàn)轭A(yù)訓(xùn)練模型已經(jīng)具備較好的特征表達(dá)學(xué)習(xí)率太大會(huì)把已有參數(shù)沖亂。如果你用的是從頭訓(xùn)練的模型可以調(diào)回1e-3但收斂會(huì)明顯變慢。CosineAnnealing 學(xué)習(xí)率調(diào)度的好處是前幾個(gè) epoch 保持較高學(xué)習(xí)率快速下降后面逐漸減緩在務(wù)實(shí)的訓(xùn)練里表現(xiàn)比 StepLR 穩(wěn)定我建議直接用。3.5 評(píng)估指標(biāo)與推理代碼訓(xùn)練完模型后評(píng)估指標(biāo)建議同時(shí)看性別Accuracy 足夠年齡Mean Absolute Error (MAE) 和 /-5 歲準(zhǔn)確率業(yè)界常用 soft accuracy 概念即預(yù)測(cè)值與真實(shí)值誤差在 5 歲以內(nèi)算正確推理階段的完整代碼import cv2 import torch import numpy as np from PIL import Image model AgeGenderModel(backboneresnet50) model.load_state_dict(torch.load(best_model.pth, map_locationcpu)) model.eval() # 假設(shè)輸入一張圖片路徑 img_path test_face.jpg img cv2.imread(img_path) img cv2.cvtColor(img, cv2.COLOR_BGR2RGB) img cv2.resize(img, (224, 224)) # 如果做嚴(yán)格人臉檢測(cè)可以先檢測(cè)人臉框再裁剪這里簡(jiǎn)化為整圖 img_tensor torch.from_numpy(img.transpose(2, 0, 1)).unsqueeze(0).float() / 255.0 # 通常在訓(xùn)練時(shí)也做了 ImageNet 均值和方差標(biāo)準(zhǔn)化 # 如果沒(méi)有做這里直接 raw [0,1] 推理也是可以的但保持一致更佳 with torch.no_grad(): gender_out, age_out model(img_tensor) gender_pred torch.argmax(gender_out, dim1).item() age_pred age_out.item() gender_text Male if gender_pred 1 else Female print(fGender: {gender_text}, Age: {age_pred:.1f})注意這里如果訓(xùn)練時(shí)用了 torchvision 的 Normalizemean0.485, std0.229 等推理時(shí)也要用同樣的參數(shù)對(duì)輸入做標(biāo)準(zhǔn)化否則測(cè)試精度暴跌。很多人訓(xùn)練時(shí)頭頭是道一到推理就忘了這茬然后感嘆“模型怎么這么差”。3.6 快速驗(yàn)證從一個(gè)小的子集開(kāi)始訓(xùn)練我強(qiáng)烈建議你第一次跑通時(shí)不要直接上 50 萬(wàn)張圖那是災(zāi)難。先從 CSV 里隨機(jī)抽樣 2000 張圖訓(xùn)練 2-3 個(gè) epoch確認(rèn)代碼能跑通、Loss 能下降、推理能輸出結(jié)果再放完整數(shù)據(jù)集去訓(xùn)練。這一步能省你至少一天的時(shí)間。實(shí)操中我會(huì)寫一個(gè)快速腳本sample_df df.sample(n2000, random_state42) sample_df.to_csv(sample_meta.csv, indexFalse)然后把 Dataset 路徑改為sample_meta.csv把 epochs 設(shè)為 2看有沒(méi)有報(bào)錯(cuò)、Loss 是否下降。能下降說(shuō)明整個(gè) pipeline 是通的接下來(lái)再換大數(shù)據(jù)集調(diào)參。4. 常見(jiàn)問(wèn)題與排查技巧實(shí)錄4.1 訓(xùn)練時(shí) Loss 不降反而上升這個(gè)現(xiàn)象最常見(jiàn)的原因就是學(xué)習(xí)率太大。預(yù)訓(xùn)練模型微調(diào)時(shí) lr1e-3 可能就已經(jīng)太大了尤其用 Adam 時(shí)初始學(xué)習(xí)率超過(guò) 3e-4 就容易出現(xiàn)震蕩。建議直接降到 1e-4甚至 5e-5。另一個(gè)原因是數(shù)據(jù)預(yù)處理不一致比如圖像沒(méi)有歸一化到 [0,1] 而是 [0,255]輸入分布劇烈變化會(huì)讓網(wǎng)絡(luò)難以收斂。檢查一下你的數(shù)據(jù) pipeline確保 train 和 eval 的預(yù)處理完全一致。4.2 GPU 利用率只有 20%訓(xùn)練慢得離譜這種情況多半是 DataLoader 的num_workers設(shè)得太低或者數(shù)據(jù)讀取遇到瓶頸。建議num_workers4或 8Windows 下注意要寫在if __name__ __main__保護(hù)下否則多進(jìn)程會(huì)反復(fù)遞歸執(zhí)行同時(shí)把pin_memoryTrue加上能減少 CPU 到 GPU 的傳輸時(shí)間。如果你已經(jīng)開(kāi)了多 worker 還是跑不滿可以試試用 DALI 或提前把所有圖片一次性讀入內(nèi)存緩存小數(shù)據(jù)集時(shí)非常有效。4.3 年齡預(yù)測(cè)平均偏差在 20 歲以上極大概率是你的數(shù)據(jù)清洗沒(méi)做干凈。IMDB-WIKI 里有大量出生日期對(duì)應(yīng)不上的樣本比如把電影里演員扮演的角色年齡算進(jìn)去了。你需要多做一步用一個(gè)人臉檢測(cè)器跑一遍所有原始圖片把檢測(cè)不到人臉或檢測(cè)到的人臉面積占比太小的樣本全部剔除。這一步能顯著提升數(shù)據(jù)質(zhì)量。另外一個(gè)隱蔽的坑是如果 CSV 中的年齡是浮點(diǎn)數(shù)直接用 float 做回歸標(biāo)簽但你其實(shí)應(yīng)該先 round 成整數(shù)因?yàn)檎鎸?shí)年齡本來(lái)就是整數(shù)浮點(diǎn)誤差會(huì)讓模型徒增學(xué)習(xí)難度。4.4 推理結(jié)果性別總是偏向某一類數(shù)據(jù)不平衡是原因之一。IMDB-WIKI 數(shù)據(jù)集中男性樣本數(shù)量明顯多于女性所以你訓(xùn)練的模型天然會(huì)有偏向于預(yù)測(cè)男性的傾向。解決方法是計(jì)算樣本權(quán)重在CrossEntropyLoss里傳入weight參數(shù)給少數(shù)類更高的懲罰權(quán)重。具體計(jì)算可以用sklearn.utils.class_weight.compute_class_weight得到。另一個(gè)可能是你的模型結(jié)構(gòu)里gender_head后面沒(méi)有加softmax但這不會(huì)影響 argmax 結(jié)果所以重點(diǎn)是權(quán)重問(wèn)題。5. 實(shí)際經(jīng)驗(yàn)分享這個(gè)項(xiàng)目還能往哪里延伸如果你把上面這套完整跑下來(lái)實(shí)際上你已經(jīng)具備了一個(gè)非常通用的“人臉屬性分析”框架。性別和年齡只是兩個(gè)最簡(jiǎn)單的維度你可以用完全一樣的架構(gòu)換成“情緒識(shí)別”表情分類、“是否戴眼鏡”、“膚色類型”等任務(wù)。我后來(lái)就在這個(gè)代碼基礎(chǔ)上把gender_head換成了 7 分類的emotion_head很快就訓(xùn)出了一個(gè)能用的表情識(shí)別模型整個(gè)遷移成本不到半天。另外一個(gè)值得嘗試的改進(jìn)方向是“年齡分布感知的標(biāo)簽平滑”。因?yàn)槟挲g標(biāo)注本身有噪聲直接回歸到唯一值會(huì)讓模型過(guò)度擬合錯(cuò)誤樣本。你可以把年齡標(biāo)簽做成一個(gè)高斯分布讓模型去預(yù)測(cè)一個(gè)“年齡分布概率”而非單一數(shù)值這樣對(duì)噪聲的魯棒性會(huì)明顯增強(qiáng)。這一思路在很多學(xué)術(shù)論文里都有驗(yàn)證如 “Deep EXpectation” 方法實(shí)操上也不算復(fù)雜——損失函數(shù)從 SmoothL1 改成 KL Divergence 即可。當(dāng)然這種方式訓(xùn)練和推理都略復(fù)雜適合你已經(jīng)把基線跑通之后再去挑戰(zhàn)。就我個(gè)人的操作習(xí)慣而言做完一個(gè)項(xiàng)目之后我會(huì)把整個(gè)訓(xùn)練好的模型、CSV 生成腳本、訓(xùn)練日志、評(píng)估曲線都?xì)w檔到一個(gè)文件夾里標(biāo)注好數(shù)據(jù)集版本、預(yù)處理方式、最終指標(biāo)。原因很現(xiàn)實(shí)——這個(gè)項(xiàng)目三個(gè)月后你自己回來(lái)看代碼很可能想不起來(lái)當(dāng)時(shí)用了哪種對(duì)齊方式、哪個(gè)學(xué)習(xí)率。把這些關(guān)鍵參數(shù)寫進(jìn) README不是為了給別人看是為了給未來(lái)的自己省時(shí)間。如果你的學(xué)習(xí)路線是“Python 基礎(chǔ) - OpenCV 圖像處理 - PyTorch 深度學(xué)習(xí)”那這個(gè) IMDB-WIKI 項(xiàng)目基本屬于第一道綜合應(yīng)用題能幫你把前面學(xué)的所有知識(shí)串起來(lái)更像是搭積木過(guò)程中真正擰上第一顆螺絲。邁過(guò)這一步后面再碰檢測(cè)、分割這類更復(fù)雜的任務(wù)你的心理閾值會(huì)低很多因?yàn)樘茁坊旧隙际且粯犹幚砗脭?shù)據(jù)、搭好模型、設(shè)計(jì)好 Loss、跑起來(lái)調(diào)試。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
国产免费一区二区三州老师F1……| 人人操女人| 色五月婷激情| 91丁香婷婷综合资源| 99色在线观看视频| 热99久久这里只有精品| 999激情视频| www.99在线| 激情网婷婷婷| 欧美大香蕉视频| 国产全是老熟女太爽了| 久9热| 亚洲精品乱码久久久久久综合| 久婷狼色诱惑在线| 久久激情网| 天天摸天天日天天舔| 4399在线观看免费毛片| 老师的粉嫩小又紧水又多A片视频| 婷婷五月天激情网| 狠狠五月天激情| 久热九九| 久青操| 天天干天天做| 激情综合网五月| 五月天玖玖狠狠色色| 色综合久久99色| 国产婷婷婷| 伊人网大香| 人妻在线中文字幕久久| 天天拍夜夜撸| 欧美性二区| 99re欧美精品| 成人网址在线观看| 激情小说视频图片网| 天天爽在线视频| 婷婷五月开心六月AV| 婷婷五月天Av| 激情婷婷丁香| 丁香五月婷婷视频| 狠狠干五月天| 免费在线观看欧美激情xx小视频| 五月婷婷激情视频| 婷婷丁香色五月| 包操45分钟网站| www,色综合| 91久久久久久久久久18| 第九色区av天堂| 玖玖午夜视频| 久久看婷婷| 丁香五月色情| 五月天色婷婷伊人网| 五月婷婷开心亚洲无| 五月丁香六月激情综合 | 色六月 婷婷| 91人人操人人爱| 色亚洲欧洲| 久久五月丁香激情综合| 26uuu国自产精品| ′久久99一| 超碰天堂网| 91久久久久久| 久久久天堂国产精品女人| 九九热精品| 久久性爰视频这里只有精品| 激情网五月婷婷| 色狠狠综合网| 五月婷婷激情色情网| 99热综合在线| 婷婷五月丁香av网站| 毛片新网地| 久久视频婷婷| 成人在线网址| 丁香六月激情蜜桃| 色综合久久天天综合网| 99er6热在线观看精品6| 激情婷婷网| 丁香六月激情综合网| AV在线资源| 亚洲网站999| 1024亚洲| 少妇激情基地| 爱的综合网| 伊人超碰| 亚州色色色| wwwxxx五月婷婷小说| 99久久黄色顶级视频| 9久精品视频| 另类综合激情| 综合99在线| 无码G高清天| 夜夜噜夜夜奇| 婷婷久久色| www.日日夜夜.com| 啪啪啪综合网| 欧美丰满熟妇BBB久久久| 婷婷激情综合| WWW.国产| 综合伊人久久| 九九色区| 色呦呦免费观看| 色10月婷婷视频| 久热这里只有精品在线观看 | 99热18| 国产成人综合网| 啪啪啪大香蕉| 五五月五月| 五月天婷婷无码视频| 99热这里有精品| 六月婷婷激情| 亚洲精品久久久无码| 色婷婷丁香花五月天| 96精品国产综合久久久久久| 久久婷五月| 色五月婷婷、老熟女| 色色亚卅| 久久精品4| 超碰93在线观看| 激情五月天婷婷| 黄页大全十八禁| 狠狠色狠狠操| 九九黄色网| 久热这里这里有精品| 另类A片| 色色五月婷婷| 五月天婷久精视频| 色五月天婷婷| se99热久久一本| 六月丁香婷婷视频综合在线观看| 六月激情婷婷| 成人无码髙潮喷水A片| 无毒黄色网址| 日韩黄色电影| 五月永久激情| 高清视频一区| 亚洲国产精品二二三三区| 丁香激情五月天| 色欲久久综合| 丁五月激情视频免费| 精品婷婷| www狠狠爱com| 五月婷色丁香| 丁香五月天啪啪| 日本黄色三级片内射| 9久久网| 成人五月天综合网| www.婷婷五月天| 能直接看的av网站| 大地9中文在线观看免费高清| 91丨九色丨首页| 97干网站| 亚洲五月停停| av操B网站| 亚洲sesesese| 亚洲综合久| 久久久久婷婷| 亚洲国产精品成人va在线观看| 亚洲99精品欧美一区| 九月色婷婷| tingtingseav| 五月天欧美 另类小说| 五月丁香琪琪| 好色婷婷| 精品无吗va视频免费观看| 99热免费| www.激情五月天.com| 在线观看婷婷5月| 国产肥白大熟妇BBBB视频| 五月婷婷色播| 综合五月天天天天天五月| 天天爽天天操| 色色色777| 婷婷五月AV| 激情五月天福利| 这里只有精品视频222| 丁香婷停五月激情综合深爱| 国产精品激情AV久久久青桔| 丁香五月激情综合网激情五月| 日本一道久久| 中文字幕在线日亚洲9| 乱色色色| 九九色中文| 丁香婷婷六月激情综合| 激情五月婷婷色综合| 婷婷性爱无码视频| 精品一二三区久久AAA片| 久久与婷婷| 色色色综合色| 久热亚洲| 久99热| 99婷婷五月天激情| 日本色久| 婷婷激情五月| 色五月综合| 五月婷婷激情性爱| 狠狠爱婷婷| 九色在线五月婷婷网址| 欧美色色网| 丁香97综合| 婷婷色欧美激情| 丁香五月婷婷啪啪视频| 久久婷婷五月综合色丁香| 成人中文网| 婷婷丁香五月天色区| 丁香五月激情啪啪| 99久久a线观| 夜夜操狠狠操| 欧洲亚洲免费视频区| 思思久久99| 亚洲综合五月天婷婷丁香| 99热精品免费| 91久久久久久久久久久| 婷婷五月无码| 色综合性视频| txt五月激情四射网综合俺也来了| 99精品在线下载| 婷婷五月综合性爱| 丁香五月激情在线| 大香蕉综合在线| 五月丁香九九九综合| 婷婷综合婷婷| 五月婷色啪| 婷婷五月天综合蜜桃| 欧美色色色| 国产乱子轮XXX农村| 日本丁香五月| 亚洲色五月婷婷| 狼人狠狠操| 伊人六月无码视频| 婷婷影院欧美| 亚洲A片成人无码久久精品青桔| 久热91| 热99国产精品| 国产一级视频a| 日操熟女| 在线观看欧美3区| 牛牛澡牛牛爽| 激情综合色网| 久久亚洲激情五码| 69精品人人人人| 日本久久人| 免费观看全黄做爰的视频| 天色色综合网| 婷婷色丁香五月| 久/久精品99看9| 甈你aaaaa| 五月婷婷六月色| 伊人久久艹| 大香蕉婷婷婷| 日韩六十路91性交电影| 五月天婷婷色| 三级av在线| 91成人视频| 天天性视频| 激情六月丁香综合| 欧美激情综合色综合啪啪五月| 国产毛片欧美毛片久久久| 91N 一起草| 午夜丁香丁香婷婷| tingtingjiqingwuyue| 久久婷婷五月综合色和| 99精品自拍视频| 色欲五月丁香| 欧美又粗又大一区二区在线观看| 九九99热久久精品66中文字幕| 少妇被下春药玩弄A片| 4399精品一区二区| 九月丁香婷婷| 超碰国产在线观看| 丁香六月婷婷开心婷婷网| 久久婷婷网| 丁香五月婷婷久久久| 日本人人xxx| 免费看欧美成人A片无码| www999日韩精品| 激情性五月天免费小说视频| 艳妇野外情欲放荡HD| 国产乱人偷精品人妻A片| 91人人操.COM| 国产免费一区二区三区三州老师F1F1.CC| 丁香五月婷婷激情中文| 91丨九色丨熟女丰满| 婷婷丁香五月亚洲17cao| 精品99*| 久久久久久久久久91| 99在线国| 香蕉久久国产AV一区二区| 亚洲愉拍99热成人精品| 五月丁香激情婷婷| 亚洲日本韩国| 色视五月天婷婷| 99热九九热| 久久久性爱网| 久激情网| 久久久久久18| 色激情五月天| 丁香五月婷婷欧美激情-中文天堂最新版在线观看| 婷婷五月天激情综合深爱| 婷婷丁香五月综合网上| 亚洲狠狠色丁香婷婷综合久久| 激情丁香婷婷六月天| 97中文在线| xx久久| 中文av网| 思思热在线| 日本视频欧美观看免费| 深爱 五月天| 99无码视频| 天天操天天日天天爱| 色播五月婷婷| 噜综合| 99热中文字幕久久| 国产激情久久久| 人人摸人人干| 操逼在线视频| 激情五月五月婷婷| 天天更新天天亚洲| 久久婷婷五月综合色区| 婷婷五月六月| 免费黄色片子| 婷婷午夜综合| 亚洲热手机在线观看| 五月激情婷婷国产精品久久久久久| 婷婷久久色| 久久ER视频com| 中文字幕日产A片在线看| 色婷婷六月综合| 被强行糟蹋的女人A片| 国产阿姨日皮艹逼内射视频| 99久99久| 五月婷婷五月色| 综合激情专区| 日韩婷婷| 三十路磁力链接| 日本久碰| 99ER热精品视频| 99在线国| 97碰久久| 青柠影视免费高清电视剧| 激情五月丁香六月综合AVXXXX| 热久久色| 色99在线| 国产五月天欧美色| 狠狠做五月婷婷| 久久精品熟女亚洲AV麻豆| 99热无码| 天天干,天天舔| 久久视频在线视频| 亚洲精品亚洲人成人网| 国产精品蜜臀99| 亚洲啪啪精品| a在线观看| 五月天成人小说| 成人网站免费在线播放| 天天日天天久久青青| 久久精品视频9| 美女被操一区二区| 伊人91| 插插插色综合网| av在线观看网址| 丁香九月激情| 色色亚洲视频| 夜夜夜夜做天天天做无码视频| 9一精品视频观看| 99视频内射三四| 牛牛碰免费| www.五月婷婷| 天色色综合网| 熟女人妻一区二区三区免费看 | 91婷婷丁香五月| 六月激情婷婷| 亚洲性视频| 五月婷无码| 91人人爽人人操| www婷婷| 亚洲六月婷婷| 色色aⅤ網| 成人一级片| 久久婷婷七月丁香| 人人操AV| 99久久婷婷五月综合| 五月天婷a在线| 九九热99精品| 成人无码精品1区2区3区免费看| 色一情一乱一乱一区91Av| 五月综合六月婷婷| 亚洲综合激| 色婷婷综合影院| 色色网站日本91| 婷婷操逼| 内射综合网| 丁香五月综合在线观看| 色五月五月天| 99爱免费在线观看| 色五月婷婷中文字幕| 天天色中文字幕女优AV| 午夜微拍福利| 久久久天堂国产精品女人| 五月丁香啪啪网| 噜噜网免费视频| 五月天婷婷视频30| 一本道综合网| 色波激情五月天| 五月丁香好婷婷A片网| www.综合久久| 久久九九一區| 九九中文色色| 99热最新国内| 91日综合欧美| 五月婷婷婷色| 日韩啪啪视品| 男人先锋久久| 欲求不满的人妻| 丰满少妇猛烈A片免费看观看 | 激情综合色五月六月婷婷| 五月丁香欧美综合| 天天看A片| 98色花堂98t.R| 97se在线视频| 草榴视频黄色网| 91a片爽| 无码AV久久久久久久久| 中国丰满熟女A片免费观| 四色永久成人网站| 伊人色综合网| 99re在线播放| 成人国产欧美大片一区| 开心五月婷婷| 老司机视频lsj爱就色| 在线中文AV| 大地9中文在线观看免费高清| 激情五月婷婷综合| 日本欧美成人片AAAA| 五月激情综合网| 婷婷六月啪啪| 天天干天天干天天干| 国产乱子轮XXX农村| 色墦五月丁香| 成人中文网| 国产看真人毛片爱做A片| 色色三级视频| 婷婷亚州综合| 《丁香激情综合久久伊人久久》影视在线观看 -高清预告手机免费播放 -三妹影院 | 欧美精品啪啪| 香蕉久久六月| 日本熟女三区| 热99这里只有精品视频| 岛国AV网站| 婷婷五月精品在线| 五月婷婷丁香狠狠撸久久| 五月婷婷伊人在线| 99热只有| 99欧美| 性做爰A片免费视频A片直播| 操精品9| 色五月色综合| 99在线视频播放| 久久精品视频99| 欧美日韩成人一区二区| 99九九精品| 美女婷婷六月色| 思思99精品视频在线观看| 五月综合在线婷婷图片| 深爱五月日韩| 久久伊人五月天| 国产美女无遮挡裸体毛片A片| 麻豆AV一区二区三区| 九月婷婷在线视频| 97AV在线视频| 亚洲色欲欧美一区二区三区| 天天综合亚洲| 天天综合网91| 免费在线观看av网站| 五月丁香激情啪啪网| 99网址在线看| 婷婷丁香五| 六月丁香啪啪啪| 色播五月丁香| 97在线观看| 一级性感毛片| 激情综合五月色在线| 丁香婷婷成人在线播放| 亚洲性受XXXX五月丁香| 五月丁香精品| 日日日日操| 激情四射网| 狠狠狠狠狠干| 狠狠色狠狠| caopeng97日韩| 国产视频婷婷| www.五月天| 七七色色综合| 五月情综合| 思思久久精品| www.狠狠| 亚洲美女高潮久久久久久69| 亚洲综合在线丁香五月| 日本三级中国三级99人妇网站| 婷婷丁香五月天激情四射| 色碰碰| 激情五月婷婷伊人| 色六月婷婷| 中文字幕高清av| 婷婷色婷婷亚洲成人| 99re这里只有精品在线观看| 99热在线播放| 九九综合色综合| 欧洲亚洲欧洲99久久| 91免费看片| 99青青草99| 五月丁香成人| 丁香五月色欲| 五月激情综合网| 日本精品99| 综合六月久久| 91黄操| 婷婷五月婷| 91久久久久久| 操操天堂| 五月丁香在线婷婷美女| AV天堂婷婷五月天| 日日色综合| 丁香六月成人网| 久久aaaa片一区二区| 79精品视频在线观看,| 色婷婷综合在线| 大香蕉婷婷| 天天草比天天爽| 国产毛片精品一区二区色欲黄A片 极品人妻VIDEOSSS人妻 | 99热这里只有精品9| 丁香五月大香蕉AV| 第一区久久网站| 色五月综合网| 超碰人人超碰| 婷婷五月天社区| www.91五月| 97五月天婷婷午夜| 99色在线| 成片免费播放| 偷偷操99| 99色色| 五月婷婷说| 99ER热精品视频| 久久女婷| 色婷婷丁香| 狠狠色噜噜狠狠狠狠综合| 99爱在线视频观看| 久久久免费图片视频| 男女久久婷婷五月天| 日本狠狠干| 男女99免费视频| 91婷色| 国产操逼网站| 99精色| www.久9| 天堂婷婷丁香六月网| 天天爽天天操| 一级片sese片.COM| 色婷婷电影网| 天天做天天爱天天日| www.五月婷婷久久.com| 中文字幕AV在线播放| 天天肏高清在线| 五月丁香婷色| 婷婷丁香18| 丁香五月AV| 五月婷婷之综合激情| 国产av第一专区| 久久66精品| 久久国产一区二区三区| 中文字幕在线免费观看视频| 五月婷婷六月丁香| 婷婷五月天成人动漫| 日本色五月| 538在线| 婷婷综合网站| 六月五月久久丁香| 99碰在线视频| 五月婷婷成人| 香蕉婷婷| 婷婷伊人綜合中文字幕| 成人网站免费sxj| 丁香五月婷婷激情四射深爱激情| 五月天婷婷丁香视频| 久久综合综合综合| 婷婷五月花| 五月天婷婷伊人| 黄网在线播放| 五月社区婷婷激情| 久久久一级AAA| 森林影视大全,最好看的2019年视频 | 五月丁香久久精品在线观看| 99视频内射三四| 色爱99| 国产偷人爽久久久久久老妇APP| 婷婷五月开心中文字幕在线| 久久激情婷婷| 99爽视频| 五月丁香激情片| 中文字幕无码人妻少妇免费视频 | 婷婷综合激情| av免费在线网站| 三级三久久线久久99久目本WW| 在线不卡视频| 亚洲字幕AV一区二区三区四区| 这里只有精品视频在线看| 欧美天堂久久| 五月婷婷五月天| 日日操,夜夜爽| 99在线视频色版| 97色婷婷| 亚洲无码九九| 另类色视频| 伊人九热| 91超碰在线观看| 久久这里只有精品07| 午夜AV网| 久久性视频| 人人操人人爰人人一天天碰夜夜拍夜夜爽-中国A级毛片天天看天天谢… | 国产69久久久欧美黑人A片| AV79| 亚洲日本韩国| 亚洲五月婷婷| 青草热视频这里只有精品| 第五婷婷伊人丁香| 亚洲亚洲人成综合网络| 五月丁香天堂网| www.sebowuyue| 思思热视频| 色五狠狠| 激情AV中文| 欧美大片免费观看| 色噜噜狠狠色综合网| 婷婷色播六月无码| 婷婷四色五月| 色色色色丁香| 丁香五月激情婷婷| 色偷偷五月天| 九九热再线九九视频免费在线观看 | 在线超碰91| 久久五月婷| 中文在线视频久1| 亚洲黄色影视| 丁香五月婷婷操逼| 深爱激情五月天| 婷婷五月激情图片| 五月天色婷伊人| 六月色播| 亚洲99热| 五月丁香人妻| 中文成人在线| 99热骚货| 高清视频一区| 天堂久久性| 国产在线网| 天堂久久精品| 激情网五月婷婷| 九九久久精品| 日韩 mm 不卡| 日韩成人无码| 九九热AV| 中文成人在线| 夜夜爽天操| WWW·天天操·视频?| 激情久久 婷婷| 99丁香五月| 无码色色色| 日韩在线观看亚洲| 婷婷五月天狠狠搞干| 丁香婷婷偷拍| 五月色综合网欧美网| 色哟哟性爱av| 久久综合最新网址| 国产偷人爽久久久久久老妇APP| 天天操夜夜爱| 天天在线久久综合| 久久机热这里只有精品免费视频| 色欲婷婷五月天丁香| 婷婷五月天丁香综合网| 丰满少妇猛烈A片免费看观看| 99精品在线观看| 天天干com| 色五月婷婷在线视频| 另类视屏| 久久99最新地址| 99热在线观看| 99这里有精品| 97碰| 五月综合激情| 国产激情综合五月久久| 激情五月综合婷婷| 开心五月天激情| 五月花成人网| 欧美丁香婷婷天天操| 丁香五月婷婷啪| 性热视频99精品| 丁香婷婷久久综合在线| 日韩无码AV电影网站| 色欲丁香| 久久99久久久久久| 婷婷刺激综合| 天天天干夜夜夜操| www五月天com| 五月天婷婷视频30| 婷婷丁香六月影视| 日 日干 日日做| 五月婷婷久久开心网| 国产成人网址| 日本97在线视频| 国产免费一区二区三区三州老师F1F1.CC | 2020久久婷婷五月| 69午夜成人影片| 婷婷五月天香蕉| 26uuu另类| 丁香五月婷婷激情中文| 欧美啪啪9| 婷婷午夜综合| 色五月色五天色情网| 国产综合网在线| 五月天婷婷丁香社区| 丁香激情综合| 五月色丁香| 激情四射网| 久久99激情| 五月天丁香| 日韩操人| 日日干天天爽| 九九视频在线观看视频6 | 久色网| 免费视频WWW在线观看网站| 伊人高清无码| www,setingting| AV在线收看| 97人人操| 天天日天天添| 91视屏在线观看com.wwwvv| 激情五月天小说视频| 五月天停停成人网| AV性爱在线| 91综合国免费久入| 天天爽人人综合免费7799| 五月丁香黄色视频| 青柠影视免费高清电视剧| 婷婷最新地址| 五月婷亚洲精品AV天堂| 国产日韩欧美性生活| 激情五月天婷婷| 婷婷五月色综合| 影音先锋91资源站| 色五月综合| 狠狠干婷婷| 最新无码专区| 婷婷九月| 五月天激情子轮| 免费看欧美成人A片无码| 国产精品美女久久久久AV超清| 久久久aaa| www.sebowuyue| 人妻久久久久久久久妻久久久久| 色综合色色色| 国产真人做爰视频免费| 91av视频在线观看最新网址| 色婷婷综合网站| 亚洲综合激情五月| 久久九九99| 婷婷97色| 天天色一道本综合婷婷| 五月天国产婷婷精品视频在线| 亚洲五月天激情| 中文字幕操比影片| 一区二区你懂的| 99re这里只有精品国产99| 操日挥操日日| 久久99热这里只有精品| 丁香社92视频| 性色播| 色色网站免费| 91丨九色丨大屁股| 婷婷五月丁香色播| 五月丁香色婷| 九九色婷婷| 婷婷黄色网| 日本特黄aaaaa| 另类小说五月天| 久热免费视频| 九九五月天| 五月丁香五月天现场视频| 91精品在线看| 久热精彩视频98| 九色视频91疯狂| 亚洲激情综合五月婷婷啪啪| 久久综合丁香激情五月| 先锋影音男人的天堂AV| 我要色综合五月婷婷| 久久婷婷网站| AV成人在线网站| 五月丁香美女| 色色五月天婷婷丁香| 91大操| 婷婷中文字幕| 美女五月天| 97色综合| 欧美日韩大黄| 色区久久| 人妻久久久久久久 | 加勒比色色| 91成人看片| 五月天婷婷无码视频| 国产露脸150部国语对白| 99精品在线观看视频| 人人色AV| 久久99热这里只有精品| www,超碰| av五月天婷婷丁香| 蜜桃五月天| 婷婷成人在线| 热的无码综合视频| 91超级碰碰| 综合久久久| 日韩另类在线观看| 亚洲国产网址| 亚洲aV写真天天综合网久久| 久综合色| 九九99男女视频在线观看| www天天爽| 婷婷影院A成人| 91色久| 天天日夜夜爽| 九九美女视频| 五月天色在线| 国产真人做爰视频免费| 激情丁香五月AV| 亚洲成人va| 亚洲亚洲人成综合网络| 久久婷婷综合国产| 青青草激情网| 亚洲欧美日韩另类| 婷婷五月天激情基地| 无码成人播放器| 精品九九网| 六月婷婷色综合| AV在线不卡网站| 天天日天天草| 五月婷综合激情| 激情综合五月色在线| 国产精产国品一二三在观看| 26UUU欧美激情一区二区| 激情五月天婷婷五月天| 久久99草五月婷婷| 丁香五月综合亚洲| 亚洲黄网AV| 青青草深爱激情网| 性爱久久| 婷婷玖玖五月天| 五月天综合网| 天堂成人久久| 久久久ww| 久久久久9| 久色网| 久er7久热| 嫩草AV久久伊人妇女超级A| 99色啊| 超碰人人艹| 婷五月天天| 五月丁香啪啪啪| 综合激情网| 变态 另类 在线 | 五月丁香六月| 97人人干| 99色在线视频| 色婷婷欧美在线| 亚洲综合五月天| 精品视频这里只有精品| 九九综合久久| wwccc久久久| 99燥99日| 婷婷久久亚洲| 狠狠色丁香久久婷婷综合五月| 亚洲综合99| 国产精品色婷婷99久久精品| 九九综合九九| 5月婷婷视频网站综合| 粉嫩AV久久一区二区三区| 99在线精品视频免费| www.97视频| 婷婷.com| 国产av基地| 人妻久久久久久| 中文人妻主播久久| tingtingcaobi| 99久在线精品99re8| 色播播婷婷| 丁香色五月 97干| 国产美女最新VA在线免费观看| 激情综合五月丁香六月婷婷| 99这里有精品| 99色婷婷| 97在线观视频免费观看| 五月婷婷丁香色吧网| 人人叉久| 99操逼| 婷婷爱爱蜜臀天天操| 婷婷六月啪啪| 婷婷激情五月天亚洲综合| 久久资源综合| 丁香婷婷色五月| 99久久精品色老| 极品人妻VIDEOSSS人妻| 丁香五月另类小说| 97中文在线| 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 | 九色无码| 激情五月婷婷网| 成人网丁香五月| 色九月综合网| www久| 五月天婷婷丁香视频| 久久丁香五月| 亚洲国产精品成人va在线观看| 9色操| 丁香婷婷婷五月| 综合五月婷婷| 久综合4| 天天操加勒比| 丁香五月婷婷成人色区| 天天操天天曰天天射| 五月婷婷视频啪啪美女| 婷婷丁香九色| 99久久99久久| 六月五月久久丁香| 天天久久狠狠色综合| 亚洲婷婷性爱| 日韩aaaaa| 青青草搞屄视频网站| 婷婷久久在线| 99国产99| 九色视频91| 色婷婷五月天激情在线观看| 丁香六月婷婷综合激情欧美| 免费色婷婷| 五月天播播| 天天狠天天叉| www.婷婷,com| 婷婷五月天久久| 九九色黄色| 99性爱| 天天狠狠干| 丁香五月在线伊人| 五月婷婷激情啪啪| 丰满人妻一区二区三区| 色婷婷精品| 婷婷丁香五月欧美人| 99re久久| 久久网日本| 激情99| 亚洲不卡| 五月婷在线观看| sewuyue第四色| 热的国产,热的综合,热的有码| 天天干,天天操,天天射| ..真实国产乱子伦毛片 | 婷婷五月天影院| 色色色在线观看| 五月丁香婷婷激情久久| 人人操AV| 五月深情久久| 91精品久久久久久久久久| 婷婷伊人五月天| www.婷婷五月天,com| 啊v视频在线观看| 超碰激情五月| 九月丁香婷婷基地| 在线不卡视频| 六月婷婷色综合| 色偷偷色婷婷| 婷婷五月六月| 中文字幕久久一区二区三区| 可以直接看的AV网站| 丁香色六月| 精品99在线| 日韩成人电影av| 狠狠干,狠狠操| 五月天丁香网| 五月婷婷色情| 久久综合中文字幕| 黄色笑话深爱激情网丁香五月婷婷啪啪啪啪啪| 天天草天天日| 五月婷婷丁香伦理网| 丁香五月视频在线观看| 天天肏视频| AV在线免费观看不卡| 97色在线| 天天狠天天叉| 五月丁香婷婷啪啪| 五月亚洲| 天天色天天噜| 这里只有精品视频国产| 五月丁香狠狠爱婷婷综合| 国产成人网| 人人爱天天摸摸天天爱| 色五月天丁香| 色八月婷婷| 67194中文字幕| 亚洲欧洲中文日韩久久AV乱码| 91啪啪视频| av在线资源| 婷婷操超碰| 99在线资源| 日本社区五月天激情| 五月天激情无码高清| 色婷婷狠狠干芒果TV| 激情婷婷狠狠干| 婷婷五月天美女视频| 草婷婷在线| 婷婷五月天激情综合| AAAA亚洲| 五月丁香六月综合基地| 强伦轩人妻一区二区电影| 色色五月天婷婷丁香| 久久99久久99精品免观看粉| 99热销国产这里有精品| 婷婷五月电影院| 国产三级片91| 色婷婷五月在线| 亚洲在线操| 免费V片在线| 7777久久亚洲中文字幕| 91精品又长又大又粗又爽又猛| www.91在线看| 亚洲av综合网| 亚洲成人网站在线观看| 玖玖婷婷色| 色情五月天小说| 小骚穴电影| 色伊人啪| 强伦轩人妻一区二区电影| 色五月激情问网站| 91精品熟女| 开心色五月天久久久久久久| 婷婷五月天成人网站| 一级操逼内射在线视频| 少妇激情五月天| 五月丁香婷婷色色| 99色婷婷视频| 久久久91精品| 九色porny在线观看激情四射| 啪啪五月综合| www.激情五月| a久久| 日韩无码专区| 日本女色人人| 99爱操| www.婷婷五月天| 99热 这里只有精品 国产 日韩| 久久在这里有精品| 九九久久综合网站| 欧美色性色好| 91热久久| 丁香五月天AV在线 | 五月天综合激情网| 色综合色综合网| 99 频99热国里只有精品| 色婷婷亚洲在线| 天天干一干| 91久久久久久久久| 九九热超碰| 激情五月天。| 4438成人电影| 丁香五月天激情网址| 开心婷婷五月中文字幕组| 欧美日韩AAAA| 婷婷五月天激情网| 丁香五月色情av| 色五月婷婷综合在线| 激情图片亚洲| 激情综合五月婷婷六月丁香| 久久五月网| 春色激情| 99热国内精品| 99rewww| 五月丁香激情婷婷| 伊人久久艹| 月丁香久久久| 亚洲婷婷五月草久| 天天色宗合| 美女五月天| 人妻久久久久久| 亚洲黄3级片网站欧美| 伊人狠狠丁香婷婷综合尤物| 激情综合网,婷婷五月天| 99热在线看| 久久婷婷五月丁香蜜桃网| 99riAV国产精品视频| 六月丁香综合网| 久久大香蕉同僚| CHINESE熟女老女人HD视频| 丁香六月av| 色综合久久天天综合网| 综合一区二区三区| 六月婷婷综合网2| 九洲一级A片| 亚洲乱码成人| 丁香五月天黄色片| 久久99网| 久久er这里只有精品| 操逼棍操逼| 99久在线精品99re8热| 久久婷婷资源| 日本99久久| 丁香五月婷婷五月天| www久久99| 丁香影院五月综合| 五月天婷婷导航| www.久久| 99热日本精品| 天天射射夜| 色色色综合网| www.婷婷.com| 婷婷激情五月天小说| 欧美激情综合色综合啪啪五月| 九九色院| 色色综合视频| 色偷偷AV亚洲男人的天堂| 成人一级片| 婷婷夜夜操| 日本黄色三级片内射| 超碰免费人妻| 婷婷丁香五月天哟啪| 激情五月天网站| 亚洲激情| 亚洲成人乱码av网站| 人妻操逼视频| 久久综合播放| 婷婷色综合| 婷色天堂| 婷婷丁香人妻久久在线观看| 五月丁香色情| www.五月婷婷| 678五月丁香亚洲综合| 丁香六月综合激情| 丁香五月天激情网址| 五月天丁香网站| 91狠狠综合网| 人人播| 风流少妇A片一区二区蜜桃| 99久在线精品99re8| 99久久极情精品一区| 婷婷午夜综合| 四色五月婷婷| 色狠狠色噜噜AV天堂五区| 婷婷五月情色| 任你爽视频| 久久曰曰| 这里有精品| 亚洲激情综合| 久久婷色| 站长推荐无码播放| 丰满少妇乱A片无码| 女同激情久久av久久| 亚洲区在线| 色婷婷婷婷五月天| 牛牛澡牛牛爽| 狠狠色丁香婷婷综合久久97AV| 久久久久久欧美精品se一二三四| 快乐激情五月色婷婷 | 中文字幕欧美精品久久| 久久与婷婷| 国产麻豆视频| 五月天自拍网| 91久女| 色播五月| 1024在线观看免费视频| 色五月婷婷在线观看| 性爱五月婷| 欧美日比视频| 77777亚洲午夜久久| 婷婷五月激情欧美| 99re免费视频| 狠狠操狠狠操| 五月婷婷狠狠久久| 久久激情五月天| 久婷久婷激情肉| 啪啪操超碰| 俺来也综合网精品一区| 天天色色天天| er99免费视频在线| 日韩限制级大尺度黑料泄密大尺度视频一区二区在线观看 | 丁香五月日韩| 五月天激情网图片| 91干网站| 99re在线视频| 日韩好吊操| 青青久在线视频免费观看| 深爱五月中文字幕| 激情五月综合网丁| 久久久久久人妻| XX久久| 99热爱爱干干日| 99热6这里之有精品| 丰满老熟妇BBBBB搡BBB| 色欲AV导航| 五月天久久小说| 免费亚洲婷婷中文字幕| 国产亚洲99久久精品熟女| 亚洲狠狠操| 丁香熟女乱| 99免费在线视频| tingtingjiqingwuyue| 五月天社区| 色综合xx| 色色丁香婷婷五月天| 日韩 中文 欧美| 五月婷婷三级| 涩涩五月天| 天天撸天天干天天插| 天天综合五月天| 在线成人网址| 五月婷婷亚洲天堂激情在线| 亚洲精品V天堂中文字幕| 美国十月色婷婷在线观看| 成人在线视频网| 色情婷婷| 凹凸7777操操操| 久久综合综合综合| 丁香五月AV| 婷婷五月天黄色| www.91热久久| 五月天婷婷青青草| 激情国产五月| 色综合久| 婷婷五月天伊人网在线观看视频| 五月丁香色综合| 91久久99久久91熟女精品| 五月婷婷开心丁香| 玖热精品综合视频| 99原创自拍视频在线观看| 五月婷婷欧美激情| 日本久久人| 美女久久婷婷| 97碰在线| 五月色丁香婷婷中文字幕| 啪啪视频99| AV在线观看网站| 日日日日操| 香蕉婷婷色五月| 大香蕉太香蕉视频97| 99综合网| 第四色婷婷丁香五月| 五月丁香激情综合网| 欧美日本日韩| 五月天开心网| 思思精品久久艹| 无码地址| 婷婷免费视频| 99视频这里有精品| 79精品在线视频| 色女人久久| 五月久久| 夜夜骑夜夜撸| 久久丁香综合| 激情网婷婷婷| 99色视频| 成人国产欧美大片一区| 亚洲婷婷激情五月天| 色99亚洲| 91精品综合久久久久久五月丁香| 色五月婷婷丁香凹凸|