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。

Pytorch+Unet多類別語(yǔ)義分割實(shí)戰(zhàn):從數(shù)據(jù)準(zhǔn)備到模型訓(xùn)練全流程

Pytorch+Unet多類別語(yǔ)義分割實(shí)戰(zhàn):從數(shù)據(jù)準(zhǔn)備到模型訓(xùn)練全流程 簡(jiǎn)介這是一份基于PyTorch實(shí)現(xiàn)Unet多類別語(yǔ)義分割的實(shí)戰(zhàn)資源面向具備一定深度學(xué)習(xí)基礎(chǔ)、希望掌握?qǐng)D像分割模型訓(xùn)練與調(diào)優(yōu)的開(kāi)發(fā)者。資源共46個(gè)文件以Python源碼為核心包含19個(gè)py腳本與24個(gè)pyc編譯文件另有2個(gè)txt配置說(shuō)明和1個(gè)json參數(shù)文件整體僅69KB結(jié)構(gòu)緊湊便于直接閱讀與修改。已有15245人學(xué)習(xí)這份資源屬于同類教程中熱度較高的實(shí)踐型內(nèi)容。作者圍繞Encoder-Decoder結(jié)構(gòu)、跳躍連接、多類別輸出通道設(shè)計(jì)等關(guān)鍵點(diǎn)組織代碼配套提供數(shù)據(jù)加載、自定義變換、訓(xùn)練評(píng)估、損失函數(shù)、學(xué)習(xí)率調(diào)度、指標(biāo)計(jì)算等模塊并附有數(shù)據(jù)集劃分與類別權(quán)重計(jì)算腳本基本覆蓋了從數(shù)據(jù)預(yù)處理到模型推理的完整流程。通過(guò)閱讀源碼與對(duì)應(yīng)博客讀者可掌握Unet在自定義多類別數(shù)據(jù)集上的遷移方法、訓(xùn)練流程設(shè)計(jì)及調(diào)優(yōu)技巧適合用于醫(yī)學(xué)影像、遙感圖像等場(chǎng)景的入門與項(xiàng)目參考。1. 項(xiàng)目概述為什么選擇Pytorch配合Unet做多類別分割先說(shuō)結(jié)論如果你手里有一批自己的圖片數(shù)據(jù)想按像素把圖中不同物體分出來(lái)比如道路、建筑、植被、水體這類地物目標(biāo)那“Pytorch Unet 多類別數(shù)據(jù)集”這套組合是目前開(kāi)源社區(qū)里最省心、最不容易把自己繞暈的路線。這個(gè)標(biāo)題之所以有這么多人在搜是因?yàn)樗鼛缀醺采w了從零入門語(yǔ)義分割的所有關(guān)鍵環(huán)節(jié)框架選型、模型結(jié)構(gòu)、數(shù)據(jù)組織、訓(xùn)練調(diào)參、結(jié)果評(píng)估。我自己最早接觸語(yǔ)義分割時(shí)也糾結(jié)過(guò)用TensorFlow還是Pytorch后來(lái)徹底轉(zhuǎn)向Pytorch原因很樸素調(diào)試方便報(bào)錯(cuò)信息看得懂?dāng)帱c(diǎn)能直接打在張量運(yùn)算那一行上。配合Unet這種編碼器-解碼器結(jié)構(gòu)哪怕數(shù)據(jù)集只有幾百?gòu)垐D也能訓(xùn)出一個(gè)效果不錯(cuò)的多類別分割模型。這篇文章不會(huì)跟你聊太虛的理論而是把我實(shí)際跑通整個(gè)流程的步驟、參數(shù)、踩坑記錄都擺出來(lái)你照著操作就能在自己的多類別數(shù)據(jù)集上復(fù)現(xiàn)。文章適合三類人看剛?cè)腴T語(yǔ)義分割的學(xué)生、需要用自己數(shù)據(jù)做分割實(shí)驗(yàn)的工程師、以及想快速驗(yàn)證Unet效果的產(chǎn)品人員。2. 整體設(shè)計(jì)思路與方案選型2.1 為什么Unet依然是多類別分割的首選基線Unet之所以經(jīng)典核心在于它同時(shí)保住了“細(xì)節(jié)”和“語(yǔ)義”。下采樣路徑不斷縮小特征圖尺寸讓模型能看到更大的感受野上采樣路徑則把高層的語(yǔ)義信息逐步還原到原圖分辨率。中間那一圈跳連接把下采樣時(shí)各層的位置細(xì)節(jié)直接拼到上采樣路徑上相當(dāng)于給模型開(kāi)了一條“記憶通道”小目標(biāo)邊緣不容易丟。對(duì)于多類別分割任務(wù)比如五類甚至十類地物Unet每一條跳連接都在幫助模型區(qū)分“這里是邊界還是內(nèi)部”。我自己做過(guò)對(duì)比實(shí)驗(yàn)在同樣的數(shù)據(jù)集上把Unet換成PSPNet發(fā)現(xiàn)小目標(biāo)類別的交并比下降明顯。原因不復(fù)雜PSPNet把重點(diǎn)放在全局池化上對(duì)小目標(biāo)的敏感度反而不如Unet這種逐層傳遞細(xì)節(jié)的結(jié)構(gòu)。所以如果你的數(shù)據(jù)里存在較多小目標(biāo)或細(xì)長(zhǎng)條目標(biāo)Unet是最穩(wěn)的起點(diǎn)。2.2 Pytorch生態(tài)里的三個(gè)關(guān)鍵選擇第一框架版本跟進(jìn)。建議用Pytorch 2.x系列如果你需要GPU訓(xùn)練記得提前確認(rèn)CUDA、cuDNN和顯卡驅(qū)動(dòng)的匹配關(guān)系。以2024年之后的環(huán)境為例Pytorch 2.0以上版本對(duì)自動(dòng)混合精度訓(xùn)練的支持更完善顯存占用更友好。第二模型實(shí)現(xiàn)方式??梢灾苯訌木W(wǎng)上找Unet的Pytorch實(shí)現(xiàn)也可以自己按論文結(jié)構(gòu)手寫。實(shí)話說(shuō)手寫一遍Unet比復(fù)制十遍別人的代碼都有用結(jié)構(gòu)細(xì)節(jié)會(huì)刻在你腦子里。第三預(yù)訓(xùn)練編碼器。如果你用torchvision里的ResNet作為Unet的骨干加載ImageNet預(yù)訓(xùn)練權(quán)重訓(xùn)練收斂速度會(huì)快不少尤其是當(dāng)你的數(shù)據(jù)集規(guī)模不大的時(shí)候。選型邏輯很直接小數(shù)據(jù)集靠預(yù)訓(xùn)練權(quán)重大數(shù)據(jù)集靠模型容量。如果你的數(shù)據(jù)只有兩三百?gòu)埥ㄗh選擇ResNet34做編碼器如果數(shù)據(jù)到了一千張以上可以嘗試ResNet50或者直接換EfficientNet。這個(gè)不是鐵律而是我在不同規(guī)模數(shù)據(jù)上反復(fù)試出來(lái)的經(jīng)驗(yàn)。3. 數(shù)據(jù)準(zhǔn)備多類別數(shù)據(jù)集的整理與預(yù)處理3.1 目錄結(jié)構(gòu)與標(biāo)注格式的統(tǒng)一很多人在模型跑不起來(lái)時(shí)才發(fā)現(xiàn)問(wèn)題出在數(shù)據(jù)上而不是代碼上。多類別語(yǔ)義分割的數(shù)據(jù)集標(biāo)準(zhǔn)的組織方式是這樣dataset/ ├── images/ │ ├── img_001.jpg │ ├── img_002.jpg │ └── ... └── masks/ ├── img_001.png ├── img_002.png └── ...圖片格式一般用jpg或png都行但掩膜mask必須是png而且是單通道的灰度圖或調(diào)色板模式。為什么必須png因?yàn)閖pg是有損壓縮會(huì)導(dǎo)致標(biāo)注類別邊緣出現(xiàn)偽色模型會(huì)學(xué)到錯(cuò)誤信息。特別注意掩膜每個(gè)像素點(diǎn)的數(shù)值背景為0第一個(gè)類別為1第二個(gè)類別為2以此類推。如果你用Labelme這類工具標(biāo)注導(dǎo)出的掩膜是調(diào)色板模式需要用代碼轉(zhuǎn)成類別索引不然訓(xùn)練時(shí)一算損失就是一片NaN。3.2 數(shù)據(jù)增強(qiáng)與樣本均衡技巧多類別分割里最頭疼的問(wèn)題就是類別不平衡。比如一棟建筑物可能只占畫(huà)面面積的5%背景卻占了70%。如果直接訓(xùn)練模型會(huì)傾向把所有像素都預(yù)測(cè)成背景。我的做法是對(duì)每個(gè)類別統(tǒng)計(jì)像素占比然后給損失函數(shù)里的每個(gè)類別分配權(quán)重權(quán)重和像素占比成反比。數(shù)據(jù)增強(qiáng)我用的是albumentations庫(kù)比torchvision的transform靈活得多。我常用的一套增強(qiáng)組合包括水平翻轉(zhuǎn)、垂直翻轉(zhuǎn)、隨機(jī)旋轉(zhuǎn)90度、隨機(jī)裁剪和亮度對(duì)比度調(diào)整。這里有個(gè)細(xì)節(jié)對(duì)圖像做翻轉(zhuǎn)和旋轉(zhuǎn)時(shí)掩膜必須做同樣的變換albumentations保證了這一點(diǎn)。增強(qiáng)不是越多越好如果你的類別是建筑物這類剛性目標(biāo)翻轉(zhuǎn)和旋轉(zhuǎn)沒(méi)問(wèn)題如果你處理的是文本行這類有方向性的目標(biāo)旋轉(zhuǎn)90度會(huì)把標(biāo)注搞亂。3.3 自定義Dataset類的關(guān)鍵代碼寫Dataset類時(shí)最容易犯的一個(gè)錯(cuò)誤是忘記把掩膜里的類別索引壓到從0開(kāi)始連續(xù)分布。以下是我常用的代碼import torch from torch.utils.data import Dataset from PIL import Image import os import numpy as np class SegmentationDataset(Dataset): def __init__(self, image_dir, mask_dir, transformNone, class_mappingNone): self.image_dir image_dir self.mask_dir mask_dir self.transform transform self.class_mapping class_mapping or {} self.images sorted([f for f in os.listdir(image_dir) if f.endswith((.jpg, .png))]) def __len__(self): return len(self.images) def __getitem__(self, idx): img_name self.images[idx] img_path os.path.join(self.image_dir, img_name) mask_path os.path.join(self.mask_dir, img_name.replace(.jpg, .png)) image np.array(Image.open(img_path).convert(RGB)) mask np.array(Image.open(mask_path)) # 不要convert(RGB)保持灰度 # 如果mask是調(diào)色板模式0-255任意值需要做類別映射 if self.class_mapping: mapped_mask np.zeros_like(mask) for old_id, new_id in self.class_mapping.items(): mapped_mask[mask old_id] new_id mask mapped_mask if self.transform: transformed self.transform(imageimage, maskmask) image transformed[image] mask transformed[mask] image_tensor torch.from_numpy(image).permute(2, 0, 1).float() / 255.0 mask_tensor torch.from_numpy(mask).long() return image_tensor, mask_tensor這段代碼里有個(gè)非常重要的點(diǎn)掩膜轉(zhuǎn)成tensor用.long()不要用.float()。因?yàn)楹竺鎿p失函數(shù)CrossEntropyLoss期望輸入是整數(shù)類別索引如果用float會(huì)報(bào)錯(cuò)或者產(chǎn)生錯(cuò)誤結(jié)果。我在一開(kāi)始就踩過(guò)這個(gè)坑整整調(diào)了一個(gè)晚上才發(fā)現(xiàn)是類型不匹配。4. 模型實(shí)現(xiàn)Unet結(jié)構(gòu)與多類別輸出適配4.1 Unet核心結(jié)構(gòu)拆解我在這里不放完整的三百行Unet代碼了因?yàn)榫W(wǎng)上開(kāi)源實(shí)現(xiàn)非常多我建議你找一個(gè)star數(shù)高的倉(cāng)庫(kù)讀一遍結(jié)構(gòu)但有幾個(gè)核心參數(shù)必須搞清楚。Unet整體分為編碼器、瓶頸、解碼器三段。編碼器是若干個(gè)卷積塊加下采樣特征圖尺寸減半通道數(shù)翻倍瓶頸在最底層解碼器逐步上采樣通道數(shù)減半并與對(duì)應(yīng)的編碼器特征圖拼接。關(guān)鍵在于最后一層卷積的輸出通道數(shù)必須等于你的類別數(shù)。舉例如果是五類分割最后一層卷積輸出通道數(shù)就設(shè)為5。每個(gè)通道對(duì)應(yīng)一個(gè)類別的置信度分?jǐn)?shù)。訓(xùn)練時(shí)用CrossEntropyLoss它對(duì)每個(gè)像素在通道維度上做softmax后計(jì)算損失。這部分不需要你自己寫softmaxPytorch的CrossEntropyLoss內(nèi)部已經(jīng)包含了。4.2 多類別輸出的通道設(shè)置與損失函數(shù)選擇我遇到不少人在修改Unet時(shí)只改了模型最后一層的輸出通道數(shù)但忽略了編碼器預(yù)訓(xùn)練權(quán)重的加載方式。如果是自己寫的Unet從頭訓(xùn)練沒(méi)問(wèn)題如果你的編碼器要加載預(yù)訓(xùn)練權(quán)重前幾層的通道數(shù)必須和ImageNet預(yù)訓(xùn)練模型一致通常就是RGB三通道輸入輸出通道按骨干網(wǎng)絡(luò)設(shè)定。損失函數(shù)方面多類別分割最常用的是CrossEntropyLoss加DiceLoss的組合。我實(shí)際測(cè)試下來(lái)純用CrossEntropyLoss小目標(biāo)類別的分割效果一般純用DiceLoss訓(xùn)練初期損失波動(dòng)劇烈。兩者的加權(quán)和比較穩(wěn)具體公式是loss 0.7 * ce_loss 0.3 * dice_loss這個(gè)比例可以根據(jù)你的數(shù)據(jù)調(diào)整。如果類別特別不均衡把dice_loss的權(quán)重調(diào)高到0.5甚至0.7。DiceLoss對(duì)不平衡不敏感它能直接優(yōu)化類別區(qū)域的重合度。5. 訓(xùn)練配置與完整實(shí)操流程5.1 環(huán)境準(zhǔn)備與關(guān)鍵參數(shù)設(shè)置環(huán)境方面推薦用Anaconda創(chuàng)建獨(dú)立的環(huán)境。以Ubuntu系統(tǒng)為例常見(jiàn)組合是Python 3.10.11加Pytorch 2.8.0加CUDA 12.1這一套搭配在GTX 30系和40系顯卡上表現(xiàn)穩(wěn)定。Windows下的流程類似只是CUDA環(huán)境變量配置要格外小心。如果顯卡顯存只有6G建議輸入圖片尺寸用256x256批次大小設(shè)為4到8顯存12G以上的話輸入尺寸可以提高到512x512批次大小設(shè)8到16。我整理了訓(xùn)練階段幾個(gè)關(guān)鍵的超參數(shù)參考值參數(shù)推薦值備注輸入尺寸256x256 / 512x512小顯存用256大顯存用512批次大小4 / 8 / 16視顯存而定初始學(xué)習(xí)率1e-4 / 1e-3使用AdamW優(yōu)化器學(xué)習(xí)率調(diào)整CosineAnnealingLR避免后期震蕩訓(xùn)練輪數(shù)50 / 100看驗(yàn)證集指標(biāo)早停優(yōu)化器AdamW比Adam穩(wěn)定性好5.2 訓(xùn)練循環(huán)中的關(guān)鍵代碼訓(xùn)練循環(huán)本身并不復(fù)雜但有一些細(xì)節(jié)會(huì)讓訓(xùn)練過(guò)程順暢很多。比如啟用自動(dòng)混合精度用autocast和GradScaler顯存能省下近一半訓(xùn)練速度還能提升。另外每個(gè)epoch保存一次checkpoint別只保存在最后一個(gè)epoch——訓(xùn)練中斷是家常便飯有checkpoint才能續(xù)上繼續(xù)訓(xùn)。一個(gè)簡(jiǎn)化但完整可跑的訓(xùn)練循環(huán)結(jié)構(gòu)import torch from torch.cuda.amp import autocast, GradScaler scaler GradScaler() optimizer torch.optim.AdamW(model.parameters(), lr1e-4) scheduler torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_maxepochs) for epoch in range(epochs): model.train() total_loss 0 for images, masks in train_loader: images, masks images.to(device), masks.to(device) optimizer.zero_grad() with autocast(): outputs model(images) loss ce_criterion(outputs, masks) 0.3 * dice_loss(outputs, masks) scaler.scale(loss).backward() scaler.step(optimizer) scaler.update() total_loss loss.item() scheduler.step() avg_loss total_loss / len(train_loader) print(fEpoch {epoch}/{epochs}, Loss: {avg_loss:.4f}) if epoch % 5 0: torch.save(model.state_dict(), fcheckpoints/unet_epoch_{epoch}.pth)注意dice_loss需要自己實(shí)現(xiàn)def dice_loss(pred, target, smooth1.0): pred torch.softmax(pred, dim1) target_onehot torch.nn.functional.one_hot(target, num_classesnum_classes).permute(0, 3, 1, 2).float() intersection (pred * target_onehot).sum(dim(2, 3)) union pred.sum(dim(2, 3)) target_onehot.sum(dim(2, 3)) dice (2 * intersection smooth) / (union smooth) return 1 - dice.mean()5.3 評(píng)估指標(biāo)與結(jié)果可視化訓(xùn)練完成后不要只看loss要算每個(gè)類別的IoU和mIoU。mIoU是所有類別IoU的平均值這是語(yǔ)義分割最通用的評(píng)價(jià)指標(biāo)。我需要提醒你計(jì)算IoU時(shí)要對(duì)每個(gè)類別單獨(dú)統(tǒng)計(jì)不能直接拿混淆矩陣整體算。具體實(shí)現(xiàn)可以用sklearn的confusion_matrix輔助。from sklearn.metrics import confusion_matrix def compute_iou(pred_mask, true_mask, num_classes): pred_flat pred_mask.flatten() true_flat true_mask.flatten() cm confusion_matrix(true_flat, pred_flat, labelslist(range(num_classes))) intersection np.diag(cm) union cm.sum(axis0) cm.sum(axis1) - np.diag(cm) iou intersection / (union 1e-6) return iou可視化方面推薦把預(yù)測(cè)結(jié)果疊加到原圖上用半透明色塊顯示不同類別。我覺(jué)得看分割效果比死磕指標(biāo)更直觀很多邊界問(wèn)題光看IoU是發(fā)現(xiàn)不了的。別只看訓(xùn)練集的預(yù)測(cè)效果一定要去驗(yàn)證集上抽幾張圖看邊界質(zhì)量——是不是出現(xiàn)鋸齒狀、是不是有空洞。6. 常見(jiàn)問(wèn)題與排查技巧實(shí)錄6.1 損失降至Nan的排查過(guò)程這是最多人碰到的坑。我遇到過(guò)一次損失降到NaN排查步驟是先檢查掩膜里是否有超出類別數(shù)的值。比如類別數(shù)是5掩膜數(shù)值范圍卻是0到255這會(huì)讓CrossEntropyLoss計(jì)算出NaN。然后檢查數(shù)據(jù)歸一化圖片輸入是否除以了255掩膜是否保持整數(shù)類型。最后檢查學(xué)習(xí)率如果初始學(xué)習(xí)率設(shè)到0.1梯度爆炸也會(huì)導(dǎo)致NaN。我習(xí)慣把初始學(xué)習(xí)率控制在1e-4到1e-3配合AdamW很少再碰到NaN。6.2 顯存不足的應(yīng)對(duì)策略顯存不足是個(gè)很現(xiàn)實(shí)的問(wèn)題。我一開(kāi)始用512x512輸入、批次16直接爆顯存。后來(lái)做了三件事?lián)Q成分批訓(xùn)練、縮小輸入尺寸、啟用混合精度。假設(shè)你的顯卡是8G顯存推薦直接用256x256輸入加批次8加混合精度這樣訓(xùn)練速度反而可能比大尺寸低批次更穩(wěn)定。另外在forward里加一句torch.cuda.empty_cache()也能清理一部分碎片顯存但不要在每個(gè)step都調(diào)用會(huì)拖慢速度。6.3 模型訓(xùn)練不收斂或過(guò)擬合的調(diào)整訓(xùn)練不收斂先看損失曲線是震蕩還是不下降。震蕩說(shuō)明學(xué)習(xí)率太高調(diào)低一個(gè)數(shù)量級(jí)不下降說(shuō)明可能模型結(jié)構(gòu)或數(shù)據(jù)出了問(wèn)題。我遇到過(guò)一次模型輸出恒為背景的情況檢查發(fā)現(xiàn)掩膜數(shù)值沒(méi)有對(duì)齊所有類別都被映射成了0。過(guò)擬合則表現(xiàn)為訓(xùn)練集損失低但驗(yàn)證集IoU不增這時(shí)加大數(shù)據(jù)增強(qiáng)強(qiáng)度、加Dropout、縮小模型容量都有效。我把這些高頻問(wèn)題整理成了一個(gè)速查表癥狀可能原因解決方案損失NaN掩膜值超出類別范圍檢查mask像素值確保0到num_classes-1顯存不足輸入尺寸過(guò)大/批次過(guò)大降輸入尺寸、分批、開(kāi)混合精度驗(yàn)證IoU不漲過(guò)擬合或?qū)W習(xí)率過(guò)大加增強(qiáng)、降學(xué)習(xí)率、早停預(yù)測(cè)全是背景類別索引不對(duì)齊檢查數(shù)據(jù)集類映射邏輯邊界粗糙跳連接被忽略檢查模型是否真的用到了skip connection6.4 模型保存、加載與推理的完整流程訓(xùn)練完模型后保存方式我推薦只存state_dict不存整個(gè)模型因?yàn)楹笳咴赑ytorch版本升級(jí)后容易反序列化失敗。加載模型后做推理要注意輸入圖片必須做和訓(xùn)練時(shí)一樣的預(yù)處理resize到相同尺寸、歸一化到0到1、轉(zhuǎn)成張量、加batch維度。預(yù)測(cè)輸出是一個(gè)形狀為(1, num_classes, H, W)的張量用argmax(dim1)取每個(gè)像素的類別索引。最后轉(zhuǎn)換成彩色圖時(shí)準(zhǔn)備一個(gè)調(diào)色板數(shù)組把類別索引映射成RGB顏色。import torch import numpy as np from PIL import Image import torchvision.transforms as transforms def inference_single_image(model, image_path, device, num_classes): transform transforms.Compose([ transforms.Resize((256, 256)), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) image Image.open(image_path).convert(RGB) input_tensor transform(image).unsqueeze(0).to(device) model.eval() with torch.no_grad(): output model(input_tensor) pred torch.argmax(output, dim1).squeeze(0).cpu().numpy() return pred推理后如果想保存成彩色分割圖可以用這樣一個(gè)簡(jiǎn)單的映射color_map np.array([ [0, 0, 0], # 背景 [255, 0, 0], # 類別1紅色 [0, 255, 0], # 類別2綠色 [0, 0, 255], # 類別3藍(lán)色 [255, 255, 0], # 類別4黃色 ], dtypenp.uint8) segmentation_rgb color_map[pred] Image.fromarray(segmentation_rgb).save(prediction.png)7. 多類別數(shù)據(jù)標(biāo)注與類別映射的實(shí)戰(zhàn)心得7.1 標(biāo)注工具選擇與格式轉(zhuǎn)換常見(jiàn)坑多類別分割最關(guān)鍵的第一步其實(shí)是標(biāo)注質(zhì)量。我試過(guò)Labelme、EISeg、CVAT最終常用Labelme配合腳本轉(zhuǎn)成Unet需要的png掩膜。Labelme導(dǎo)出的是json文件每個(gè)多邊形對(duì)應(yīng)一個(gè)label需要逐張解析json并把多邊形填充成掩膜。這里有個(gè)非常隱蔽的坑json里標(biāo)注的label名稱和你最終想要的類別索引可能不是一回事一定要建立一個(gè)字典做映射。import json import numpy as np import cv2 import os def json_to_mask(json_path, height, width, label_map): with open(json_path, r, encodingutf-8) as f: data json.load(f) mask np.zeros((height, width), dtypenp.uint8) for shape in data[shapes]: label shape[label] points np.array(shape[points], dtypenp.int32) if label in label_map: cv2.fillPoly(mask, [points], label_map[label]) return mask這段函數(shù)把json里的每個(gè)多邊形填充到掩膜上label_map里存的是比如{建筑: 1, 道路: 2, 植被: 3}這樣的鍵值對(duì)。實(shí)際操作中我發(fā)現(xiàn)最花時(shí)間的不是寫轉(zhuǎn)換腳本而是清洗標(biāo)注數(shù)據(jù)。比如相鄰圖片邊緣處多邊形沒(méi)有貼合圖像邊界導(dǎo)致交界處出現(xiàn)一條無(wú)類別帶狀區(qū)域這一條區(qū)域會(huì)成為模型預(yù)測(cè)錯(cuò)誤的高發(fā)區(qū)。處理方法是對(duì)掩膜做一個(gè)形態(tài)學(xué)閉運(yùn)算把細(xì)小的空洞縫補(bǔ)上。7.2 數(shù)據(jù)集劃分比例與驗(yàn)證集選擇多類別分割的數(shù)據(jù)劃分和普通分類不太一樣。除了按文件數(shù)量比例劃分還要考慮類別分布。我遇到過(guò)一種情況訓(xùn)練集里“水體”樣本很多驗(yàn)證集里“水體”只出現(xiàn)在一張圖的一角結(jié)果導(dǎo)致驗(yàn)證集水體IoU特別低模型并沒(méi)有過(guò)擬合純粹是驗(yàn)證集抽樣偏差。比較穩(wěn)妥的做法是按圖像整體劃分保證每一類在訓(xùn)練集和驗(yàn)證集都出現(xiàn)如果某個(gè)類別的圖像特別少可以考慮將數(shù)據(jù)增強(qiáng)用到驗(yàn)證集上但這并不常規(guī)更合理的是用k-fold交叉驗(yàn)證。對(duì)數(shù)據(jù)量只有幾百?gòu)埖那闆rk-fold交叉驗(yàn)證是評(píng)估模型真實(shí)水平的有效方式。最后分享一個(gè)細(xì)節(jié)在訓(xùn)練過(guò)程中如果發(fā)現(xiàn)某幾個(gè)類別的IoU一直偏低先別急著改模型結(jié)構(gòu)回到標(biāo)注數(shù)據(jù)里看看這些類別的標(biāo)注質(zhì)量是否有重疊標(biāo)注、漏標(biāo)、邊界粗糙的情況。我之前處理遙感影像分割時(shí)“陰影”類別的IoU怎么都上不去后來(lái)仔細(xì)拉大圖片比對(duì)發(fā)現(xiàn)標(biāo)注員把很多本來(lái)就模糊的陰影邊界標(biāo)歪了模型學(xué)到的邊界自然混亂。重新清洗了一批標(biāo)注后這個(gè)類別的IoU直接提升了十幾個(gè)點(diǎn)。數(shù)據(jù)質(zhì)量決定了模型效果的上限這話在語(yǔ)義分割里體現(xiàn)得特別明顯。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
国产激情综合| 操91| 五夜丁香| 九九视频免费| 激情五月综合网| 91啦丨九色丨刺激中文| 青青草原亚洲天堂| 婷婷久久网| 丁香五月天堂| 五月花亭亭| 综合久久五月天| 婷婷五月影院| 婷婷97狠狠成人网站| 色色色网站| 日日操夜夜操不卡| 91啪啪视频| 九九蜜臀精品| 色五月丁香五月婷婷五月成人网| 亚洲综合色五月| 99热这里只有精品免费观看| 亚洲天堂久久| 五月丁香亭亭A片| 超碰色天堂| 91九色熟女| 成人色图情色成人网 www.5b5b5bcom 五月天 | 日韩成人精品中文字幕电影| 99热青青草| 热久久成人| 天天操天爱综合| 色五月成人| 五月丁香婷婷深深爱| 亚洲丁香五月天视频| 丁香五月天婷婷中文字幕| 九九AV| 99热传媒| 丁香六月婷婷综合色| 人人视频色| 中文字幕永久免费| 丁香婷婷综合喷| 99热最新| 丁香五月在线观看| 色一情一乱一乱一区91| 中文字幕乱码亚洲精品一区| 大香蕉婷婷| 97韩国久久电影院| 色五月婷婷基地| 婷婷色色网站| 美女va| 五月丁香婷婷俺| www.henhenl| 老师的粉嫩小又紧水又多A片视频| 99精品偷自拍| 日韩无码性爱| www,五月天激情| 能看的AV| 日日夜夜亚洲一区| 天天操天天操天天操| 超碰国产在线观看| 国产毛多水多女人A片| 91久久九色| 婷婷综合五月天| 综合伊人狠狠| 97超碰婷婷五月天| 激情精品久久| 五月天成人小说| 色婷婷五月综合色婷婷| 天天操,天天插| 婷婷五月天综合网| 丁香五月电影院在线观看| aaa丁香五月天| 91成人性爱视频| 色五月婷婷在线| 99热一本久道| 欧美狠狠一在草| 久久免费婷婷视频| 久久婷青青草原| 五月开心婷婷网| 五月婷av| 91美女艹逼网站| 777.色色| 任你爽视频| 久久久久久久久久91| 99性爱无码| 另类视频五月天| 久久久宗合| www99热| 丁香五月婷婷基地| www.激情五月天.com| 操逼视频一区| 色情久久久| 天天综合中文| 色综啪啪啪啪啪啪| 色综合射婷婷| 99综合99| 人人爱国产| 大香蕉久久视频久久视频| 天天玩夜夜操天天爽| 婷婷人人操| 冬月かえでAV无码播放| 色五月AV| 天天色天天爽| 99色色色色| 99ER热精品视频| 五月婷婷深深爱| 五月天最新网| 极品五月天| 日韩欧美骚货| 日本久碰| 色停停五月,在线观看| 91色呦哟| 亚洲人成人五月天| 欧美六月婷婷| 殴美综合激情五月天免费视频| 99爱视频在线观看| 婷婷综合激情五月中文字幕| 色婷婷电影网| 亚洲AAA| 99热在线观看免费精品| 99热九九在线| 另类激情五月| 五月丁香婷婷啪啪| 国产精品美女久久久久AV超清| 午夜婷婷久久 | 五月婷婷视频| 99干日本| 色丁香五月| 综合色婷婷| 色人妻五月| 狠狠精品干练久久久无码中文字幕| 99在线视频精品| 激情五月色婷婷| 久9免费视频| 六月激情久久| 成人丁香五月| 亚洲欧美在线观看| 天天干,噜噜色,狠狠色| 北条麻妃九九九国产精品视频| 97福利视频| 色五月在线观看| 亚州综合色| 五月丁香色婷婷久久| 五月天激情影院| 99热99思午夜精品| 大香蕉在九| 婷婷色系婷色| 小香蕉av| 五月天 无码| 久久综合55| 六月婷婷在线| 久操大香蕉| 99色色网| 99re这里有精品手机在线| 8050一级网| 狠狠干总合| 色区久久| 亚洲成人婷婷| 激情综合啪啪啪| 国产做爰视频免费播放| 天天拍夜夜爽| 色婷婷影| caop在线| 美女主播野战视步页| 无码AV大香线蕉伊人| 婷婷综合网站| 色欲色天天香综合| 亚洲成人在线观看av| 99re思思热久久| 色婷婷狠狠久久综合五月 | 色婷婷狠狠18禁| 激情五月黄色小说| 欧美私人家庭影院| 九九热精品| 操人无码| 五月婷狠狠| 俺去也五月天婷婷| 男人操女人高潮91视频| 九九久久这里只有精品XB| 五月天大香蕉视频| www色婷婷| 五月婷婷网五月在线| www.henhenl| 91五月天| 十一月婷婷激情四射| 影音先锋91| 综合色色色| 天天艹夜夜爽| www.99热精品| 天天揷综合网| 色婷婷小说| 婷婷丁香激情五月天色色| 五夜丁香| 美女久久婷婷| 天天干一干| 五月激情丁香久久综合网| 婷婷六月激情综合| 国产亚洲精品久久一区二区三区| WWW,激情五月天,COM| 久久探花91swag| 伊人久久大香蕉网| 四月婷婷丁香| 99热久久这里只有精品| 成人版视频在线观看| 日韩婷婷| 五月天婷婷综合| 色婷婷六月性| 五月色色网| 碰97 久| 九九99九九99| 五月婷婷激情性爱| 91丨九色丨首页| www99在线观看视频| 激情五月婷婷伊人| 激情综合婷婷五月| 久久色五月| 久久五月天影院| 成人av免费观看| 热热久久久久久久久| 欧美在线操| 久久婷婷五月天丁香| 99热超碰在线| 综合一区二区三区| 99热这里有精力| 九九热视频网站| 日本女人久久| 久久天堂女人| 久久九九免费视频| 狠狠人妻色综合| 中国激情网| 激情另类综合| 97人人操人人干| 99热亚洲综合| 日本www免费九九| 婷婷久久综合| 久久激情五月婷婷| 五月婷婷丁香综合| 国产无人区大片| 日韩久久这里只有精品| 天天做天天双| 激情综合5月| 夜夜资源站| 热99热久| 啪啪视频99| 激情五月婷婷丁香综合网| 色婷婷久久| 日韩啪啪视品| 丁香伍月婷电影全集| 九九99久久| 婷婷五月丁香91| WWW,五月| 九九热99热| 99热这里只有精品13| 人妻爽爽爽久久久久久久久| 亭亭五月丁香综合欧美| 九九热99在线视频| 99re久久| 久99视频| 在线不卡视频| 激情五月天婷婷| 182TV大香蕉| 天天干天天操天天拍| 婷婷激情丁五月| 激情视频91| 毛片九九九九九九| 欧美啪啪五月天| 高清一区二区三区日本久| 久久九九爽| www.henhenl| 婷婷丁香六月| 成人av中文字幕| 色五月激情网| 九九热99熟女| 久热一本| 婷婷综合| 久热99| 五月婷视频| 9久久精品| 婷婷在线视频| 激情小说五月天| 婷婷丁香五月激情| 99热这里只有精品8| 久久在线人妻| 夜夜爽天天| 91狠狠色丁香婷婷综合久久狠丁香综合久久精品 | 大战熟女丰满人妻AV| 婷婷丁香五月综合激情视频| 国产精品18久久久| 玖玖午夜视频| 91热久久| 色五月婷婷丁香国产在线| 日本一区二区三区精品视频| www.com久久久久久久久久久久久久久久久| 丁香五月第九色| 色性综合| www.日韩艹| 国产人妻操逼| 情欲综合网| 婷婷涩涩网| 天天成人综合视频| 五月天激情开心网| 五月天综合在线观看视频| WWW.色婷婷.COM| 99国产这里只有精品| 成人五月天视频播放| www.minyis.com【JT】实力收量可预付QQ2101460746 | 成人在线精品| 日产精品一线二线三线芒果 | 欧美va亚洲va在线播放| 影音先锋人妻出差| 噜噜操操| 4399在线观看免费高清电视剧| 在线中文av| 五月网激情| 日本成人噜噜噜噜噜| 婷婷五月花西瓜| 五月婷婷亚洲色视频| 亚洲天天操| 91人人网| 丁香五月天激情综合| AA片在线观看视频在线播放| 亚洲成人综合网在线免费观看| 日韩丁香涩| 九九九九成人| 色情五月天小说| 亚洲一区先锋影音| 激情久久丁香| 久99热| 亚洲中文字幕AV| 99爱在线视频| 怡红院成人AV| 99免费视频久久| 99色热综合| 五月婷婷影院| 日本人妻伦在线中文字幕| 婷婷亚洲综合| 婷五月天| 亚洲综合视频天天精品| 亚洲日日日| 玖玖婷婷五月天| 开心五月天激情网| 五月开心啪啪| 亚洲日本激情| 丁香婷婷婷五月| 婷婷亚洲影院| 成人小说色图婷婷五月| 日本a片网址| 直接看的AV网站| 99ri精品在线| yazhoujiqingav| 丝袜激情网| 啪精品| 就要爱综合| 天天操狠狠操| 亚洲久热| 怡春院久操| 亚洲五月丁| 久久九精品| 久久AV无码精品人妻系列试探| 欧美熟女视频 色婷婷| 91婷婷搞| 国产精品香蕉| 色婷婷丁香五月| 夫妻超碰在线| 激情五月天激情网| 五月丁香六月色| 无码少妇高潮喷水A片免费| 九九色婷| 这里只有精品视频国产| 五月天激情婷婷久久| 国产无套精品一区二区| 日韩色色一区| 五月天深爱激情网| 国内外色色色色色成人视频| 丁香五月欧美激情| 婷婷五月天人妻| 婷婷五月天第三页| 亚洲乱码日产精品BD| 天天综合网91| 久色视频| 久久人人添人人爽添人人片αV| 亚洲成Av人片乱码色第1集| 色五月久久成人婷婷| 婷婷五月电影| 丁香综合日产精品久久| 婷婷丁香五月天色播网站| 超碰国产AV| 嫩草免费视频| 亚洲第精品| 99免费在线| 小泽玛利亚视频一区二区| 五月婷婷色影院| 色情·com| 婷婷五月天成人小说| 乱精品一区字幕二区| 国产综合丁香五月天| 成人做爰黄A片免费看直播室男男| 五月婷婷激情| 六月丁香婷婷视频综合在线观看| 激情綜合W W W,激情五月天| 国产免费一区二区三州老师F1…… | 综合成人小说婷婷| 色婷婷激情视频| 久久五月婷综合网| 欧洲亚洲免费视频9| 九九久久精品國產| 综合网亚洲| 日韩啪啪视品| 色五月成人网| 婷婷六月天国产综合| 天堂AV三级| 婷婷色影院| 婷婷六月综合| www.五月天婷婷| 丁香五月成人自拍| 91免费在线视频6| 思思热精品免费视频| 俺去也五月天婷婷| 久久综合九九| 这里只有精彩视频| 秋霞性爱AV| 色综合久久88色综合天天看| 久久久婷婷五月亚洲97号色| 狠狠爱五月婷婷| 色五月自偷自拍婷婷婷婷| 99热这里只有精品16| www。五月,com| 久久99视频| 九九色人| 婷婷五月丁香av网站| 成片免费播放| 狠狠色丁香五月婷巨| 99国产精品久久久久久久久久久| 99久久久| 五月婷人妻| 婷婷综合激情| 久久只有这里精品免费| 久久99热这里只频精品6学生| www.色婷婷.com| 婷婷五月天网址| 国产黄色av| 这里只有精品69| 五月婷婷丁香日韩在线| 日本操B视频| 激情丁香五月天图片| 中国激情网| 91趴趴| 五月婷婷五月色| 色女人久久| 第四色激情网| 开心丁五月| 最近免费中文字幕大全高清大全1| 婷色五月| 日本欧美成人片AAAA| 亚洲综合婷婷| 超碰99在线| 丁香花五月天| 啪啪九九色| 亚洲另类视频| 91大神操美女| 婷婷六月天| 婷婷综合五月激情| 五月天激情日色在线| 夜夜 操无码| 色啪网| 婷婷伊在线| 播播网色播播| 97人人草| 少妇水多A片太爽了| 久99热| 好色婷婷| 97色婷| 欧美成人网婷婷综合在线| 91人妻人人操| 激情久久肏屄视频| 电影蜘蛛女| 亚洲综合色婷| 夜夜撸夜夜骑| 久久五月天婷婷视频| av网站不卡在线| 丁香五月天在线观看| 日本系列_4页_777FP| 91九色在线| www.俺去也com| 欧美婷婷精品激| 激情文学综合婷婷五月天丁香花| 激情q青青草在线婷婷| 综合久久十三| 色欲婷婷五月天丁香| 亚洲激情五月| 亚洲天堂久久| 婷婷情爱五月天6| 色综合久久44| 久久婷婷五月天大香蕉| 激情五月天婷婷在线网址发给我| 99色.com| 九九精品热| 色婷婷AV久久久久久久| 97人妻碰碰碰久久香蕉| 日本高清久久| 啪啪六月婷婷| 激情五月天色| 日韩啪图| 99色婷婷| 天天做天天爽| 九九热九九| 亚州色综合| 涩涩五月天| 开心色五月天久久久久久久| 婷婷丁香视频在线观看免费| 99riav 亚洲| 久婷婷色| 激情小说之五月| 色综合久久88色综合天天99| 韩国不卡AC视频| 色五月涩涩婷婷| 777久久综合视频| 97超级操操| 国产看真人毛片爱做A片| 六月份天丁香婷婷| 五月天 综合 在线| 91丨九色丨老农村| 黄色中文字目| 26uuu成人网| www。五月天。com| www.97碰碰com| www.金莲av| 九九热最新地址| 另类小说激情五月天| 玖玖在线视频福利| 91精产一区三区免费观看| 91狠狠色丁香婷婷综合久久精品| 狠狠五月丁香色婷| 成人av中文字幕| 亚洲综合视频八| 五月婷婷六月丁香| 九九精品综合| 丁香五月天论坛| 五月激情综合五月| 色婷婷丁香网| 五月婷婷啪啪网| 婷婷桃色网| 天天操夜夜操| 久久思思热| 五月丁香婷婷伊人| 97操在线视频| 国内9l视频自拍老熟女九色| 国产精品18久久久| 99性爱视频| 五月天精品综合在线| 婷婷激情五月天7| 99视频九九热| 丁香久久激情俄| 免费无码毛片一区二区A片| 激情五月天婷婷在线网址发给我| 国外亚洲成AV人片在线观看| 久久五月网| www.五月.com| 国产裸舞表演WWWW| 伊人婷婷色激情丁香| 综合五月丁香久久| 97色在线| 亚洲操精品| 婷婷色色网站| 伊人久久艹| 色综合天天| 综合久久六月| 天天操天天爱天天玩| 激情5月婷婷狠狠干| 就要爱综合| 亚洲天堂爱爱| 亚洲视频五区| 婷婷欧美综合| 婷婷内射视频在线| 伊人大香蕉综合在线| 青青久久五月天丁香婷婷| 风流少妇A片一区二区蜜桃| 色色婷婷五月天| 婷婷免费视频| 久久这里有精品| 亚洲色频| 丁香五月激情综合| 秋霞AV淫| 91超碰在线播放| 久久综合影院| 人人视频色| 99热这里只有精品最新| 五月视频日本免费观看| 天天肏天天插| 99热大片| SS丁香五月婷婷| 9999热这里只有精品| 梁铮版《蜘蛛女侠》在线| 日本本土色网第一区| 五月丁色AV| 五月丁香琪琪| 精品久久99| 在线成人网址| 狠狠色丁香久久久婷| 九九大香视频| 婷婷五月激情综合| 无码 av电影| 色五月婷婷在线| 停停五月丁香| 女人天堂AV| 色你久久| 亚洲激情综合| 国产69久久久欧美黑人A片| 丁香五月欧美色综合| 另类图片婷婷五月天| 久久婷婷五月综合啪| 亚洲精品午夜国产va久久成人| 九九久久99| 亚洲丁香五月综合| 狠狠色噜噜狠狠色噜噜噜999| 久久婷婷综合基地| 99精品热视频只有精品10| 五月天婷婷一起草| 婷婷丁香社区网| 丁香五月天色| 一本综合丁香日日狠狠色| 香蕉AV777XXX色综合一区| 天天摸天天做天天爱天天爽| 丁香婷婷五月色成人网站| 综合激情在线| 狠狠干无码| 激情开心五月天| 三十熟女| 亚洲四色五月| 婷婷五月天丁香花| 天天日夜夜夜操操操操| 97干婷婷五月天| 激情美女五月天激情在线| 成人电影丁香六月天| 激情综合激情综合| 丁香婷婷网| 五月婷久久| 久操香蕉| 三级毛片7979| 99爱免费在线观看| 成人做爰A片免费看网站找不到了| 九九激情综合| 激情五月六月丁香| 天天做天天爽| 日日操天天操| 久久久免费图片视频| 天天搡日日搡aaaaⅩ| 久久大香蕉视频| 久色精品| 大香蕉Av在线| 婷婷97狠狠干| 五月天婷婷视频小说| 99热6精品| 免费黄网不卡AV| 久久久久久99日本| 91人人超碰在线| 综合婷婷六月| 五月婷婷m| 久婷婷色| 国产偷人爽久久久久久老妇APP | 激情五月天小说视频| 天天做天天爽| 久久视频在线视频| 99热在线资源| 色婷婷六月精品| 91免费看片| 国产99久久久国产精品免费看 | 色婷婷成人做爰A片免费看网站| 大地9中文在线观看免费高清| 超碰国产在线| 伊人网啪啪| 午夜 外网 精品 在线| 亚洲丁香五月天视频| 婷婷激情五月综合| 1024成人在线观看| 五月婷婷开心亚洲无| 99久久玖玖| 久久婷婷内射| 五月天丁香婷婷久久九| 九九99九九99九九99视频网| 色爱终和网| 婷婷五月情| 伊人综合网站| 激情丁香久久| 精品人妻久久久| 国产精品电影网| www.金莲av| 综合色播| 天天爱天天操| 97人碰人操| 日本WWW九九九| 婷婷五月天受日本法律保护| 99热这里只有精品8| 内射在线CHINESE| 日韩成人无码人妻| 99热激情| 日日夜夜狠狠| 牛牛澡牛牛爽| 五月丁香啪啪啪免费看| 可以看的av| 久久久久亚洲AV综合| 99色干| 久久精热| www,99热在线观看| 婷婷激情综合色五月久久,色婷婷丁香花,丁香婷婷五月情天,久久婷婷五月综合色 | 丁香五月六月| 99在线视频观看| 亚洲免费99| 开心深爱激情网| 婷婷综合五月天| 五月婷婷色色网址| 久久婷婷五月天激情唯美| 五月天激情电影| 中文字幕欧美久久| 99爱在线精品视频免费观看| 深夜婷婷 丁香| 九九精品这里只有| 天天干狠狠| 色综合香蕉| 国产色色色色| 久草免费福利视频| 丁香色播五月天| 五月丁香六月激情综合| 99久久久久久| 色婷久九| 色情开心五月| 丁香五月婷婷视频| 免费观看全黄做爰的视频| 亚洲激情亚洲激情 | 久777| 婷婷热婷婷色| 日本狠狠干| 国产老熟妇亲子乱对白| 五月婷网站| 五月丁香本色在线观看| 色婷婷五月婷婷五月婷婷五月| 亚洲欧美综合7777色婷婷| 在线超碰91| 丁香五月香蕉| 天堂久久大香蕉| 亚洲五月综合色播| 九月婷婷| 超碰人人色| 九九热超碰| 日本色色图| 国产激情久久久| 91色综合| 亚洲小视频免费观看| 色色五月婷婷| 色丁香五月天射婷婷爱婷婷| AVDV久久| 人人操Av| 成人做爰黄A片免费看直播室男男| 超碰人人操| 丁香五月AV| 国产精品人妻在线网址| 香蕉婷婷色五月| 中美日韩成人在线| 9久热在线视频精品| 欧美丁香五月97色| 九九热在线视频观看| 激情四射五月天偷偷看婷婷| 日产精品一线二线三线芒果| 青青草护士中出内射-欧美电影在线天堂新版 | 婷婷激情四射| 99久久99热| 激情网五月天| 99re这里只有精品首页| 无语停婷丁香网| 狠狠搞狠狠操| 亚洲综合视频网| 亚洲激情网| 色欲婷婷夜夜| 婷婷五月天堂| 日本特黄aaaaa| 久久AV无码精品人妻系列试探| 五月丁香久人妻中文| 天天爽免费视频| 亚洲人成网站999综合| 深爱激清网| 综合网网欲色| 97精品欧美91久久久久久久| 久婷婷五月丁香在线观看| 免费看成人AA片无码视频吃奶| 久久久色婷婷五月天| 校花娇喘呻吟校长陈若雪视频| 99在线观看视频蜜臀| 激情五月丁香五月色| 直接看的AV| 九九AV在线| 色玖玖| 五月天色裸体视频| 婷婷99狠狠躁天天躁中文| 俺去也五月天婷婷| 麻豆123区| 久久538| 欧美丁香六月激情视频| 色五月婷婷天堂| 99热最新网址| 97干在线| 操一区| 91婷婷五月丁香碰| 五月丁香免费视频| 人妻熟妇六区| 91人碰| 九九热AV| 欧美成人网婷婷综合在线| 狠狠色噜噜狠| 九九这里是免费的视频5| 丁香女人五月天| 91九色 熟| 五月丁香激情综合网| 人妻久久久久久久久妻久久久久| 好吊兆人妻| 久久婷狠狠色| 五月六月丁香婷婷在线观看| 婷婷丁香先锋资源网站| 五月天婷婷久久| 婷婷色狠狠| 色综合久久久久| 色天堂婷婷| 综合性爱网| 午夜一区| 免费色婷婷| 五月婷婷av| 99精品在线下载| 日韩人妻在线观看| 久久色大香蕉| 久热成人| 色婷婷激情五月天| 他改变了拜占庭| 99riAV成人在线视频| 操久久网| 日韩在线五月天婷婷| 午夜成人在线免费视频| 丁香五月AV| www,超碰| 激情婷婷五月天在线观看| 欧美精品啪啪| 亚洲黄网在线| 五月婷婷激情综合网 | 五月丁香六月成人| 伊人婷婷福利网| 激情伊人五月天| 婷婷丁香激情综合色情| 无码se| 婷婷激情啪啪| 国产精品久久久久久久久久免费 | 1024久婷| 激情综合网五月婷婷| 综合五月天婷婷色| 99热99色| 9久热在线精品| 久久激情五月| 伊人色欲五月天| 好好干Av| 午夜成人综合| 天堂va久久久噜噜噜久久Va| 六月色婷婷| 久操大| 日日夜夜久| 色九月激情综合网| 五月天婷婷基地| 激情婷婷九月| 色色999三级片| 六月综合婷婷开心伊人| 亚洲婷婷免费| 色五月成人婷婷| 国产avapp 网| 欧洲区自拍| 爱超碰性| 99热只有| 婷婷开心激情| 狠狠色狠狠| 99热免费精品| 婷婷五月永远18免费久久久| 丁香五月婷婷久久综合激情网| 99网址在线观看| 六月丁香五月婷婷| 天天肏天天肏天天肏| 五月激情婷婷开心| 可以直接看的av网站| 成人超碰网| 可以看的av网站| 国模淫穴色图| 丁香六月婷婷高清| 久久婷婷丁香视频网| 我淫我色婷婷五月天激情四射| 天天日天天爽夜夜爽| 日日日日做夜夜夜夜无码| 色综合视频| 碰超亚洲| 天天干人人奸97| 成人做爰高潮A片免费视频| 无码任你操| 色噜噜97视频在线观看| 来吧亚洲综合网| 亚洲成人婷婷| 婷婷 激情 五月| 亭亭色色五月天| 中文色婷婷| 碰97久久| 激情性爱五月| 免费成人中文字幕| 久久性爱激情| 亚洲色区17| 99热免费18| a毛片二逼wwwwwwwwww| 91九色精品熟女内射| av色婷婷| 九九久久五月天| 99精品热视频| 五月婷婷69| 久久机热这里只有 | 99色干| 激情性爱五月| 五月婷婷色综图片| 亚洲在线操| 丁香五月色色| 婷婷久久综合久| 婷婷五月在线免费| 激情五婷网| 五月丁香精品| 91精品无码| 淫视馆aV二区一区| 综合激情在线视频| 久久综合网桃花| 色婷婷五月影院| www.91婷婷| 97操在线视频| 久久精品爱爱| WWW色综合| 色月视频| 婷婷涩五月天综合| 日本 欧美在线| 亚洲成人AV在线观看| 色狠狠色| 侠女刀之记忆电影在线看免费| 中文字幕不卡+婷婷五月| 97久久超碰| 色婷婷影视| 狠狠香婷婷五月| 思思久久精品视频| 99热99这里有免费的精品| 色综合色综合网| 久久久免费精彩视频| Www.狠狠| 99成人| 五月婷婷激情久久| 色播婷婷五月天| 婷婷五月天激情文学| 久久综合五月天| 日韩成人av在线| 91久久99久久91熟女精品| 超碰在线网站9| 97AV人人插人人操| 久久婷婷激情| 梁铮版《蜘蛛女侠》在线| 久久性爱网站| 久久久久久性爱视频| 熟女网站久久| 啪啪婷婷五月天激情| 五月天桃色深爱网| 五月综合色| 丁香五月久久| 国产午夜精品久久久观看| 夜夜撸天天操| 五月婷婷AV| 中文字幕日产A片在线看| AV在线免费网站| 99热最新网址| av操B网站| 91九色小视频| 国庆精品久久| 丁香五月激情图片| 婷婷五月天丁香社区| 97色色色| 国产午夜精品AV一区二区麻豆| 成人网在线观看视频| 3p九色在线| 99噜噜| 婷婷六月综合在线| 色综合久久天天综合网| 五月丁香在线观看| 激情五月天婷婷五月天| 伊人久久婷婷| 最新高清无码专区| 91av传媒高清在线视频网| 色香久久| 色宗合,宗合网| 五月天婷婷激情综合| 99热在线精品观看| 色135综合网| 超碰人人摸人人操| 99精品视频在线观看| 97久久久免费福利网址| 五月丁香激情综合啪| 热思思| 九九热精品视频| 日本色超碰| 色狠狠五月天| 丁香五月aV| 五月婷婷真爱激情网| 日本WWW九九九| 中文成人在线| 操日视频| 丁香五月天五码婷婷| 午夜成人天堂久久无码日韩久久| 九九精品热| 超碰在线个人观看| 丁香婷婷精品视频| 成人五月天视频播放| 五月丁香婷婷在线| 狠狠婷婷日韩| 激情综合青草| 日日干日日| 久久综合久色欧美综合狠狠| 色婷婷AV久久| 亚洲色图五月丁香| 天天色天天色天天色天天色天天色天天色| 色九月激情综合网| 另类专区在线| 色五月天婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷 | 五月丁香999| 欧州色色| 国产毛片欧美毛片久久久| 久久亚洲婷婷| 五月天丁香久久| 五月天婷婷五月| 丁香五月自拍| 操逼电影免费看| 婷婷综合激情五月中文字幕| 六月丁香网| 99视频免费播放| 草草视频91| 五月天另类图片| 欧美激情综合色综合啪啪五月| 丁香五月天日韩无码| 中文AV在线播放| 久久九九一區| 色婷婷丁香网| 久久最新色| 大伊香蕉精品视频在线| 九九精品综合| 欧美综合五月丁香六月婷| 五月天久久婷婷| 色啪久 | 9999热这里只有精品| 五月婷精品| 久久九九爽| 在线超碰91| 夜夜操天天爽| 色五月在线视频观看| 超碰v| 这里只有精彩小视频视频网站| 成人五月天在线视频在线观看| 日韩av网址大全| 欧美激情性做爰免费视频| 色99久草在线| 狠狠干青青草| 亚洲色无码| 女人被躁到高潮嗷嗷叫小| 亭亭五月丁香综合欧美| 色噜噜五月天| 99日本视频在线观看专区| 婷婷五月丁香五月天| www.日日夜夜.com| 亚洲婷婷丁香五月| 99热成人精品| 啪啪啪大香蕉| 六月丁香停| 亚洲综合网区| 五月天综合激情网| 综合网啪| 激情五月婷婷综合网| 玖玖婷婷五月天| 九月综合| 亚洲激情婷婷| 欧美精品18| 日本美女上人| 婷婷激情视频| 超碰无码318604| 五月天婷婷高清无码| 亚洲熟妇AV乱码在线观看| 五月丁香激情四射综合| 97热精品| 色综合天堂| 色情婷婷五月天| 91九色无码内射| 开心激情网五月| #NAME?| 六月丁香影院| 五月婷婷影视| 天天爱天天做综合| 国产精品18久久久| VA婷婷| 九九99精品| 免费99情趣网视频| 天天做天天爱天天爽| 亚洲视频色色| 亚洲国产精品二二三三区| 五月色婷婷综合色| 亚洲第一第二网站| 色热久资源| 狠狠色五月天| 性色av大香综合| 综合久久高清| 丁香九月激情| 玖玖爱综合网| 五月丁香激情啪啪| 婷婷综合五月天| 这里只有精品热| 亚洲综合草草| 91色婷婷综合久久中文字幕二区| 婷婷五月天欧美图片在线播放电驴| 色五月婷婷色| 五月丁香直播| 91九色PORNY肉丝在线| 色五月丁香伊人五月| 99久久精品免费精品国产_国产精品久久久久久_国产在线|日韩_久久国产精品电影 | 成人操呦av| 国产小精品| 夜夜爽天天日| 国产黄色av| 亚洲色婷婷网站| 久99在线| 开心激情网五月天| 中文字幕AV网址| 思思热99热| 五月婷无码| 亚洲精品无AMM毛片| 欧美日韓成人亚洲精品另类| 操老逼综合网| 天堂五月婷婷| 婷婷综合国产| 精品人妻在线| 丁香五月色色| 婷婷五月成人| 99热6这里之有精品| 伊人在线视频| 日本五月天一页| w婷婷五月婷婷w| 色5月婷婷| 丁香五月六月久久综合| 狠狠五月天| 亚洲人妻一区二区 | 99re思思久久| 99九九中文字幕视频| 99色色视频| 99色婷婷| 99热这里只有精品9| 婷婷的五月天另类视频| 激情亚洲五月| 五月天成人在线| 99热8在线| 婷婷狠狠干| 九九伊人网| 黄网在线免费观| 可以免费观看的AV| 丁香九月综合| 亚洲中文字幕翔田千里| 色色射| 日韩有码一区| 色五月激情综合| 一起草Av| 欧美成人猛片AAAAAAA| 婷婷五月天久久| 丁香婷婷六月激情文学| www九九免费视频| 手机旧版看人妻1025| 高清激情av在线观看| 五月丁香六月停停停| 99精品久久久久久久婷婷| 一二三区视频韩国| 另类视屏| 人人操AV| 激情五月婷婷在线区| 嫩草免费视频| 99久超碰| 色五月丁香激情| 3p久久| 人妻丰满精品一区二区A片| 婷婷五月天a| 好看的国产精品| 69天堂99| www.99视频| 色五月成人网| 91久久久久久久久久| 成人精品视频99在线观看免费 | 久er7久热| 亚洲另类毛片| 五月丁香影视| 99re8在这里只有精品| 激情综合网之激情五月| 亚洲视频在线观看| 日日干日日| 丁香五月激情啪| 97精品人人A片免费看| 亚洲男女激情| 丁香五月综合图片在线观看| 97极品在线| 91性交在线播放| 欧美日韩aaa| 久久只有精| 777影视理论片大全在线观看| 99热在这里只有免费精品| 亚洲成人丁香花| www.色婷婷| 婷婷性福五月天| 九九热思思热| 亚洲激情视频在线观看| 激情五月狠狠喔| 亚洲精品久久久久久久久久吃药| 九九精品在线观看视频6| 大香蕉久操| 狠狠色婷婷丁香五月| 第九色区av天堂| 四月婷婷丁香五月| 六月丁香深深爱| 日本久久综合| se色婷婷视频| 婷婷情色五月天| 91chinese在线| 吾爱AV导航| 牛色色碰| 久大香蕉| 欧美黑人巨大猛烈cuckold| 超碰人人操在线| 亚洲成人无码片| 99热综合| 狼人久草| 九九热精品视频在线观看| 色婷婷香蕉| 久草婷妨| 深爱激情综合网| 天天影院色| 五月宗合激情网| 伊人六月丁香婷婷| 婷婷天堂综合| 欧美色色色色色色| 日本高清不卡免费一区二区三区| 婷婷色播婷婷| 色激情五月| 日日天天操| 亚洲成人网无码| 91热视频色网站| 午夜福利8055| 亚洲亚洲人成综合网络| 六月色播| WWW.婷婷| 狠狠色综合五月| 91日韩在线| 亚洲综合婷婷五月| 一区二区三区XXXXXX| 久久婷婷综合五月| 国产精产国品一二三在观看| 夜夜干 夜夜操| 国产精品色婷婷AV综合色色| 就去涩涩丁香五月天| 五月激情综合婷婷| www.色色五月天.com| 丁香色影院| Av在线不卡一区| 抽插特写| 久久婷婷视频| 久久精品这里只有精品免费首页| www.成人婷婷综合| 五月花综合网|