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(xiàn)實(shí)戰(zhàn)洞察。

基于深度學(xué)習(xí)的轎車(chē)背景去除:U-Net語(yǔ)義分割實(shí)戰(zhàn)

基于深度學(xué)習(xí)的轎車(chē)背景去除:U-Net語(yǔ)義分割實(shí)戰(zhàn) 簡(jiǎn)介基于深度學(xué)習(xí)的轎車(chē)背景去除算法課程設(shè)計(jì)資源包面向計(jì)算機(jī)、數(shù)學(xué)、電子信息類(lèi)專(zhuān)業(yè)學(xué)生尤其適合作為課程設(shè)計(jì)、期末大作業(yè)或畢業(yè)設(shè)計(jì)項(xiàng)目。資源以Python源碼為核心13個(gè)py腳本覆蓋數(shù)據(jù)加載、模型定義、損失函數(shù)、訓(xùn)練與配置等完整環(huán)節(jié)2個(gè)h5預(yù)訓(xùn)練權(quán)重文件支持直接加載模型進(jìn)行推理2份docx說(shuō)明文檔與1份md說(shuō)明詳細(xì)闡述算法原理、軟件體系結(jié)構(gòu)與設(shè)計(jì)模式的應(yīng)用1個(gè)pptx可用于答辯匯報(bào)。整個(gè)壓縮包共19個(gè)文件大小約37.26MB超過(guò)六成為Python腳本并附帶開(kāi)發(fā)工作日志目錄結(jié)構(gòu)清晰、模塊拆分規(guī)范。目前已有八十六人瀏覽學(xué)習(xí)。通過(guò)這份資料讀者可以快速掌握基于深度學(xué)習(xí)的圖像分割任務(wù)流程理解軟件架構(gòu)與設(shè)計(jì)模式在實(shí)際項(xiàng)目中的落地方式并基于完整源碼進(jìn)行二次開(kāi)發(fā)或功能擴(kuò)展。1. 從課程設(shè)計(jì)到落地轎車(chē)背景去除到底在解決什么問(wèn)題期末前兩周才確定題目既要交軟件體系結(jié)構(gòu)與設(shè)計(jì)模式的課程設(shè)計(jì)又想體現(xiàn)深度學(xué)習(xí)算法能力多數(shù)人最后都卡在“模型跑通了但說(shuō)不清工程結(jié)構(gòu)”這步。這個(gè)基于深度學(xué)習(xí)的轎車(chē)背景去除項(xiàng)目正是用于解決這類(lèi)問(wèn)題的完整樣例輸入一張任意場(chǎng)景下的轎車(chē)照片輸出只有車(chē)身保留、背景被置為純色的掩碼圖本質(zhì)是逐像素的語(yǔ)義分割任務(wù)。相比人臉摳圖、通用物體分割車(chē)輛目標(biāo)輪廓清晰但包含車(chē)窗反光、地面陰影、車(chē)漆高光等干擾很適合作為入門(mén)級(jí)深度圖像分割實(shí)戰(zhàn)。代碼庫(kù)劃分為數(shù)據(jù)集加載、模型定義、損失函數(shù)、訓(xùn)練配置、推理應(yīng)用五個(gè)模塊直接映射軟件體系結(jié)構(gòu)課程里分層與解耦的考核點(diǎn)。適合正在做圖像分割入門(mén)、準(zhǔn)備課程設(shè)計(jì)答辯或期末大作業(yè)、希望把設(shè)計(jì)模式落到代碼里的學(xué)生與開(kāi)發(fā)者。2. 任務(wù)定義與數(shù)據(jù)準(zhǔn)備mask 標(biāo)注與數(shù)據(jù)增強(qiáng)管線(xiàn)的搭建2.1 背景去除為什么是逐像素語(yǔ)義分割背景去除和常見(jiàn)的物體檢測(cè)有本質(zhì)區(qū)別。物體檢測(cè)輸出的是邊界框而背景去除要對(duì)圖像中的每一個(gè)像素做二分類(lèi)判斷屬于轎車(chē)還是屬于背景。這個(gè)任務(wù)在計(jì)算機(jī)視覺(jué)里被稱(chēng)為語(yǔ)義分割它比分類(lèi)任務(wù)多保留了空間位置信息也比檢測(cè)任務(wù)更精細(xì)。轎車(chē)背景去除的難點(diǎn)在于三個(gè)區(qū)域車(chē)窗玻璃會(huì)反射周?chē)h(huán)境、車(chē)漆顏色與背景接近時(shí)會(huì)混淆、車(chē)輪與地面陰影的邊界難以劃分。課程設(shè)計(jì)的考核重點(diǎn)通常不只是“效果好不好”還包括“為什么這么設(shè)計(jì)”。語(yǔ)義分割采用編碼器-解碼器結(jié)構(gòu)編碼器逐層下采樣提取高層語(yǔ)義特征解碼器逐層上采樣恢復(fù)空間分辨率。車(chē)輛輪廓的精細(xì)程度取決于解碼器對(duì)邊緣信息的恢復(fù)能力這也是后續(xù)第 3 章選擇 U-Net 作為骨干網(wǎng)絡(luò)的原因。理解這一點(diǎn)才能在軟件設(shè)計(jì)說(shuō)明文檔里交代清楚模型選型的依據(jù)而不是簡(jiǎn)單寫(xiě)一句“使用了深度學(xué)習(xí)”。2.2 數(shù)據(jù)目錄結(jié)構(gòu)與 dataset.py 的實(shí)現(xiàn)項(xiàng)目中的數(shù)據(jù)由原始車(chē)輛圖像和對(duì)應(yīng)的 mask 標(biāo)注組成。標(biāo)準(zhǔn)目錄結(jié)構(gòu)如下第一部分是課程設(shè)計(jì)里交付時(shí)要講清楚的內(nèi)容dataset/ ├── train/ │ ├── input/ # 原始轎車(chē)圖像 │ │ ├── 0001.jpg │ │ └── ... │ └── mask/ # 二值掩碼圖白色為轎車(chē)黑色為背景 │ ├── 0001.png │ └── ... └── val/ ├── input/ └── mask/注意區(qū)分這里的 train/input 與模型訓(xùn)練環(huán)節(jié)的 train 數(shù)據(jù)集前者是磁盤(pán)上的數(shù)據(jù)組織后者是訓(xùn)練循環(huán)中的批次數(shù)據(jù)。加載數(shù)據(jù)時(shí)使用 torchvision 的 transforms 做尺寸統(tǒng)一和增強(qiáng)代碼實(shí)現(xiàn)如下這也是 dataset.py 的核心內(nèi)容class CarSegDataset(Dataset): def __init__(self, img_dir, mask_dir, img_size(512, 512), augFalse): self.img_paths sorted(glob.glob(os.path.join(img_dir, *.jpg))) self.mask_paths sorted(glob.glob(os.path.join(mask_dir, *.png))) self.img_size img_size self.aug aug # 兩個(gè)目錄下的文件應(yīng)一一對(duì)應(yīng)常見(jiàn)錯(cuò)誤是按文件名排序不一致導(dǎo)致圖文錯(cuò)位 assert len(self.img_paths) len(self.mask_paths), image count ! mask count def __len__(self): return len(self.img_paths) def __getitem__(self, idx): img Image.open(self.img_paths[idx]).convert(RGB) mask Image.open(self.mask_paths[idx]).convert(L) img img.resize(self.img_size, Image.BILINEAR) mask mask.resize(self.img_size, Image.NEAREST) # 掩碼不能做插值平滑 if self.aug: if random.random() 0.5: img img.transpose(Image.FLIP_LEFT_RIGHT) mask mask.transpose(Image.FLIP_LEFT_RIGHT) if random.random() 0.5: img img.transpose(Image.FLIP_TOP_BOTTOM) mask mask.transpose(Image.FLIP_TOP_BOTTOM) # 顏色抖動(dòng)只作用于原圖不作用于 mask img transforms.ColorJitter(brightness0.2, contrast0.2)(img) img_tensor transforms.ToTensor()(img) mask_tensor torch.as_tensor(np.array(mask), dtypetorch.float32) / 255.0 mask_tensor mask_tensor.unsqueeze(0) # 增加通道維變成 [1, H, W] return img_tensor, mask_tensor代碼邏輯上有兩個(gè)容易踩坑的參數(shù)要重點(diǎn)說(shuō)明。第一mask 縮放必須用Image.NEAREST最近鄰插值不能用BILINEAR雙線(xiàn)性插值因?yàn)?mask 是離散的二值標(biāo)簽雙線(xiàn)性插值會(huì)在邊緣產(chǎn)生 0.3、0.7 這類(lèi)中間灰度值直接污染損失函數(shù)的計(jì)算。第二mask_tensor / 255.0是為了把像素值從 0255 歸一化到 01與模型輸出的 sigmoid 概率值對(duì)齊。unsqueeze(0)是為配合 PyTorch 的通道維度約定語(yǔ)義分割的數(shù)據(jù)格式為[batch, channel, height, width]單通道 mask 需要補(bǔ)上 channel 維度。2.3 數(shù)據(jù)增強(qiáng)參數(shù)怎么定數(shù)據(jù)增強(qiáng)解決的是模型泛化問(wèn)題不是越多越好每一項(xiàng)增強(qiáng)都有代價(jià)。整理出下面的參數(shù)對(duì)照表課程設(shè)計(jì)文檔里直接描述為“訓(xùn)練階段采用輕量數(shù)據(jù)增強(qiáng)”即可注意本表不涉及訓(xùn)練超參數(shù)的內(nèi)容僅描述數(shù)據(jù)增強(qiáng)環(huán)節(jié)增強(qiáng)方式推薦參數(shù)作用代價(jià)與陷阱水平翻轉(zhuǎn)p0.5消除左右視角偏差樣本量翻倍車(chē)牌文字鏡像但不影響分割任務(wù)垂直翻轉(zhuǎn)p0.5增加多樣化天空與地面語(yǔ)義被顛倒慎用于有方向性數(shù)據(jù)集隨機(jī)裁剪0.8 比例范圍模擬局部遮擋增強(qiáng)目標(biāo)局部特征可能裁掉整個(gè)車(chē)需配合重采樣色彩抖動(dòng)brightness0.2, contrast0.2增強(qiáng)對(duì)光照變化的魯棒性只作用于原圖絕不作用于 mask歸一化mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]統(tǒng)一像素分布加速收斂必須與預(yù)訓(xùn)練權(quán)重配套不可隨意換一個(gè)常見(jiàn)誤區(qū)是認(rèn)為增強(qiáng)越強(qiáng)效果越好。對(duì)于轎車(chē)背景去除這種目標(biāo)相對(duì)居中的任務(wù)過(guò)度的隨機(jī)裁剪會(huì)導(dǎo)致訓(xùn)練樣本中經(jīng)常丟失整車(chē)結(jié)構(gòu)模型反而學(xué)不到完整的車(chē)身形態(tài)。實(shí)踐中的做法更傾向于保留水平翻轉(zhuǎn)與輕量色彩抖動(dòng)垂直翻轉(zhuǎn)根據(jù)數(shù)據(jù)分布判斷如果數(shù)據(jù)集中車(chē)頭朝向無(wú)規(guī)律則保留。3. U-Net骨干實(shí)現(xiàn)與損失函數(shù)設(shè)計(jì)3.1 為什么課程設(shè)計(jì)選 U-Net 而不是 DeepLabV3模型選型是需要給出理由的環(huán)節(jié)。DeepLabV3 使用空洞卷積在保持分辨率的同時(shí)擴(kuò)大感受野在 PASCAL VOC、Cityscapes 這類(lèi)大規(guī)模分割數(shù)據(jù)集上表現(xiàn)更好但它的結(jié)構(gòu)復(fù)雜、預(yù)訓(xùn)練權(quán)重體積大在課程設(shè)計(jì)這種單 GPU、少量數(shù)據(jù)、短周期的場(chǎng)景下并不劃算。U-Net 的優(yōu)勢(shì)在三個(gè)地方結(jié)構(gòu)對(duì)稱(chēng)、包含跳躍連接、實(shí)現(xiàn)代碼短。編碼器下采樣 4 次解碼器對(duì)應(yīng)上采樣 4 次中間通過(guò) concat 把同尺度的低層特征拼接到解碼器讓邊緣信息不會(huì)因?yàn)橹饘酉虏蓸佣鴣G失。轎車(chē)車(chē)輪與背景的交界處只需要 2 到 4 個(gè)像素的精度U-Net 的跳躍連接恰好能保住這個(gè)級(jí)別的細(xì)節(jié)。另外U-Net 幾乎不依賴(lài)特定預(yù)訓(xùn)練權(quán)重也能在幾百?gòu)垐D上收斂出可用效果屬于訓(xùn)練策略里“從零訓(xùn)練也能有基礎(chǔ)效果”的模型。換個(gè)角度從軟件體系結(jié)構(gòu)的視角看U-Net 是天然的模塊化結(jié)構(gòu)編碼器與解碼器可以拆成兩個(gè)獨(dú)立組件中間通過(guò)接口對(duì)接這個(gè)特征在寫(xiě)軟件設(shè)計(jì)說(shuō)明時(shí)就非常容易畫(huà)出組件圖。對(duì)于課程設(shè)計(jì)考核“架構(gòu)設(shè)計(jì)能力”的評(píng)分項(xiàng)這一條是額外的加分點(diǎn)。3.2 Encoder-Decoder 殘差塊與跳躍連接的代碼實(shí)現(xiàn)U-Net 的核心實(shí)現(xiàn)拆成卷積塊、編碼器、解碼器三部分下面的代碼對(duì)應(yīng) model.py 的核心邏輯class DoubleConv(nn.Module): 雙層卷積塊卷積 批歸一化 ReLUU-Net 的基本組成單元 def __init__(self, in_ch, out_ch): super().__init__() self.conv nn.Sequential( nn.Conv2d(in_ch, out_ch, 3, padding1), nn.BatchNorm2d(out_ch), nn.ReLU(inplaceTrue), nn.Conv2d(out_ch, out_ch, 3, padding1), nn.BatchNorm2d(out_ch), nn.ReLU(inplaceTrue) ) def forward(self, x): return self.conv(x) class UNet(nn.Module): def __init__(self, in_ch3, out_ch1, base_ch64): super().__init__() # base_ch 表示第一層卷積的輸出通道數(shù)之后每下采樣一次通道翻倍 self.enc1 DoubleConv(in_ch, base_ch) self.enc2 DoubleConv(base_ch, base_ch * 2) self.enc3 DoubleConv(base_ch * 2, base_ch * 4) self.enc4 DoubleConv(base_ch * 4, base_ch * 8) self.pool nn.MaxPool2d(2) self.bottleneck DoubleConv(base_ch * 8, base_ch * 16) self.up4 nn.ConvTranspose2d(base_ch * 16, base_ch * 8, 2, stride2) self.dec4 DoubleConv(base_ch * 16, base_ch * 8) self.up3 nn.ConvTranspose2d(base_ch * 8, base_ch * 4, 2, stride2) self.dec3 DoubleConv(base_ch * 8, base_ch * 4) self.up2 nn.ConvTranspose2d(base_ch * 4, base_ch * 2, 2, stride2) self.dec2 DoubleConv(base_ch * 4, base_ch * 2) self.up1 nn.ConvTranspose2d(base_ch * 2, base_ch, 2, stride2) self.dec1 DoubleConv(base_ch * 2, base_ch) self.out nn.Conv2d(base_ch, out_ch, 1) def forward(self, x): e1 self.enc1(x) # [B, 64, H, W] e2 self.enc2(self.pool(e1)) # [B, 128, H/2, W/2] e3 self.enc3(self.pool(e2)) # [B, 256, H/4, W/4] e4 self.enc4(self.pool(e3)) # [B, 512, H/8, W/8] b self.bottleneck(self.pool(e4)) # [B, 1024, H/16, W/16] d4 self.up4(b) d4 torch.cat([d4, e4], dim1) # 跳躍連接沿通道拼接 d4 self.dec4(d4) d3 self.up3(d4) d3 torch.cat([d3, e3], dim1) d3 self.dec3(d3) d2 self.up2(d3) d2 torch.cat([d2, e2], dim1) d2 self.dec2(d2) d1 self.up1(d2) d1 torch.cat([d1, e1], dim1) d1 self.dec1(d1) return self.out(d1)base_ch64是指第一層輸出 64 個(gè)特征圖每下采樣一次通道翻倍到最底層是base_ch * 16 1024。通道數(shù)翻倍與分辨率減半同步進(jìn)行這樣模型的計(jì)算量基本維持穩(wěn)定。跳躍連接對(duì)應(yīng)的代碼是torch.cat([d4, e4], dim1)注意 dim1 是通道拼接不是在空間上疊加這要求編碼器第 4 層輸出與解碼器上采樣后的空間尺寸必須一致否則拼接會(huì)直接報(bào)維度錯(cuò)誤。訓(xùn)練階段輸入尺寸應(yīng)該能被 16 整除這是為什么前面 dataset 里把圖像縮放成 512×512 而不是 500×500 的深層原因。3.3 BCE與Dice Loss的組合邏輯轎車(chē)背景去除是二分類(lèi)問(wèn)題最直接的損失函數(shù)是 BCEBinary Cross Entropy。單獨(dú)使用 BCE 在正負(fù)樣本極度不平衡時(shí)有明顯缺陷一張圖里背景像素經(jīng)常占 80% 以上模型只要把所有像素預(yù)測(cè)為背景就能把 BCE 壓到很低但輸出的 mask 里根本沒(méi)有車(chē)。Dice Loss 是從評(píng)估指標(biāo) Dice 系數(shù)反推出來(lái)的損失函數(shù)直接優(yōu)化“預(yù)測(cè)區(qū)域與真實(shí)區(qū)域的重疊度”對(duì)類(lèi)別不平衡不敏感。實(shí)踐中更穩(wěn)定的是兩者組合即 BCE 加 Diceclass BCEDiceLoss(nn.Module): BCE Dice 組合損失bce_weight 控制兩者占比 def __init__(self, bce_weight0.5): super().__init__() self.bce_weight bce_weight def forward(self, pred, target): pred torch.sigmoid(pred) # 把 logits 壓縮到 0~1 bce F.binary_cross_entropy(pred, target) smooth 1e-6 # 防止分母為 0 的平滑項(xiàng) intersection (pred * target).sum() union pred.sum() target.sum() dice 1 - (2.0 * intersection smooth) / (union smooth) return self.bce_weight * bce (1 - self.bce_weight) * dicebce_weight0.5表示兩者等權(quán)混合。如果訓(xùn)練時(shí)發(fā)現(xiàn) loss 下降到 0.3 左右就停滯但預(yù)測(cè)的掩碼粘連、邊緣粗糙可以調(diào)成bce_weight0.7加大逐像素約束如果發(fā)現(xiàn)訓(xùn)練前期模型輸出的區(qū)域覆蓋不全把bce_weight調(diào)低到 0.3讓 Dice 主導(dǎo)模型聚焦整體結(jié)構(gòu)。下表列出三種損失函數(shù)的適用差異便于答辯時(shí)說(shuō)明損失組合優(yōu)勢(shì)劣勢(shì)適用場(chǎng)景BCE 單獨(dú)梯度平穩(wěn)實(shí)現(xiàn)簡(jiǎn)單正負(fù)樣本不平衡時(shí)偏向背景前景占比均衡時(shí)Dice 單獨(dú)直接優(yōu)化重疊度梯度震蕩明顯小目標(biāo)不穩(wěn)定前景占比極低時(shí)BCE Dice兩者互補(bǔ)收斂平滑需要多調(diào)一個(gè)權(quán)重參數(shù)車(chē)輛分割首選方案需要特別說(shuō)明sigmoid BCE的組合在數(shù)值上不如nn.BCEWithLogitsLoss穩(wěn)定后者內(nèi)部做了數(shù)值保護(hù)。上面的代碼為了直觀展示梯度計(jì)算流程才顯式調(diào)用sigmoid在損失函數(shù)中先 sigmoid 再計(jì)算 BCE梯度會(huì)經(jīng)過(guò)兩次非線(xiàn)性變換實(shí)際項(xiàng)目中直接用nn.BCEWithLogitsLoss會(huì)更安全這個(gè)細(xì)節(jié)可以寫(xiě)進(jìn)課程設(shè)計(jì)的改進(jìn)說(shuō)明里。4. 訓(xùn)練配置與設(shè)計(jì)模式視角下的工程化重構(gòu)4.1 config.py如何統(tǒng)一管理超參數(shù)訓(xùn)練階段涉及的參數(shù)數(shù)量遠(yuǎn)比想象中多學(xué)習(xí)率、批次大小、迭代輪數(shù)、圖像尺寸、數(shù)據(jù)路徑、損失權(quán)重分散在代碼各處時(shí)調(diào)參就是一場(chǎng)災(zāi)難。軟件體系結(jié)構(gòu)課程設(shè)計(jì)里提倡的高內(nèi)聚低耦合落到訓(xùn)練代碼上就是先把所有可調(diào)參數(shù)集中到 config.py 統(tǒng)一管理class Config: 集中管理訓(xùn)練與推理參數(shù)避免魔法數(shù)字散落在各模塊 # 數(shù)據(jù)路徑 train_img_dir dataset/train/input train_mask_dir dataset/train/mask val_img_dir dataset/val/input val_mask_dir dataset/val/mask # 圖像與訓(xùn)練 img_size 512 # 必須能被 16 整除U-Net 下采樣 4 次 batch_size 8 # 顯存不足時(shí)優(yōu)先降到 4而不是調(diào)小圖片 epochs 40 learning_rate 1e-4 # Adam 下 1e-4 比默認(rèn) 1e-3 更穩(wěn) num_workers 4 # Windows 上建議設(shè)為 0否則可能報(bào)錯(cuò) # 損失與優(yōu)化器 bce_weight 0.5 weight_decay 1e-5 save_path checkpoints/best_model.pthimg_size512對(duì)應(yīng)之前提到的 16 整除要求batch_size8在單張 1080Ti 上剛好合適learning_rate1e-4是實(shí)踐中最穩(wěn)的選擇默認(rèn)的1e-3在分割任務(wù)上經(jīng)常出現(xiàn)訓(xùn)練早期 loss 震蕩甚至直接發(fā)散這一點(diǎn)會(huì)在訓(xùn)練循環(huán)里通過(guò)學(xué)習(xí)率策略進(jìn)一步控制。參數(shù)集中之后所有模塊通過(guò)Config.xxx訪(fǎng)問(wèn)參數(shù)后續(xù)做實(shí)驗(yàn)只需要改這一個(gè)文件答辯演示時(shí)也比較直觀。下表匯總了一份可直接套用的訓(xùn)練超參數(shù)規(guī)劃其中優(yōu)化器、學(xué)習(xí)率策略對(duì)收斂影響最顯著參數(shù)推薦值說(shuō)明優(yōu)化器Adam對(duì)學(xué)習(xí)率不敏感適合課程設(shè)計(jì)階段初始學(xué)習(xí)率1e-4高于 1e-3 時(shí)容易震蕩learning rate 策略ReduceLROnPlateau指標(biāo)停滯時(shí)降低為原來(lái)的 0.1批次大小8顯存不足時(shí)降低 batch_size訓(xùn)練輪數(shù)305040 輪左右 val loss 進(jìn)入平臺(tái)期權(quán)重初始化kaiming_normal配合 ReLU 使用4.2 訓(xùn)練循環(huán)的實(shí)現(xiàn)與學(xué)習(xí)率策略訓(xùn)練循環(huán)是每個(gè)課程設(shè)計(jì)必須提交的核心代碼。完整邏輯包括前向傳播、計(jì)算損失、反向傳播、梯度更新、驗(yàn)證集評(píng)估、模型保存六個(gè)步驟。下面的代碼去掉了無(wú)關(guān)的打印信息保留主干def train_one_epoch(model, dataloader, optimizer, criterion, device): model.train() total_loss 0.0 for imgs, masks in dataloader: imgs imgs.to(device) masks masks.to(device) optimizer.zero_grad() outputs model(imgs) loss criterion(outputs, masks) loss.backward() optimizer.step() total_loss loss.item() return total_loss / len(dataloader) def evaluate(model, dataloader, criterion, device): model.eval() total_loss 0.0 with torch.no_grad(): for imgs, masks in dataloader: imgs imgs.to(device) masks masks.to(device) outputs model(imgs) loss criterion(outputs, masks) total_loss loss.item() return total_loss / len(dataloader)訓(xùn)練主循環(huán)部分結(jié)合前面提到的學(xué)習(xí)率策略加進(jìn)去ReduceLROnPlateau的完整調(diào)用model UNet(in_ch3, out_ch1).to(device) optimizer torch.optim.Adam(model.parameters(), lrConfig.learning_rate, weight_decayConfig.weight_decay) scheduler torch.optim.lr_scheduler.ReduceLROnPlateau( optimizer, modemin, factor0.1, patience5, verboseTrue ) best_val_loss float(inf) for epoch in range(Config.epochs): train_loss train_one_epoch(model, train_loader, optimizer, criterion, device) val_loss evaluate(model, val_loader, criterion, device) # 檢測(cè) val_loss 連續(xù)多個(gè) epoch 不下降時(shí)降低學(xué)習(xí)率 scheduler.step(val_loss) if val_loss best_val_loss: best_val_loss val_loss torch.save(model.state_dict(), Config.save_path) print(fEpoch {epoch:02d}, saved best model, val_loss: {val_loss:.4f})optimizer.zero_grad()放在每個(gè) batch 之前作用是清空上一次反向傳播累積的梯度這個(gè)步驟遺漏會(huì)導(dǎo)致梯度跨 batch 累加、loss 異常波動(dòng)。torch.save(model.state_dict(), ...)只保存權(quán)重不保存模型結(jié)構(gòu)加載時(shí)需要先用UNet()實(shí)例化模型再load_state_dict。ReduceLROnPlateau的modemin表示監(jiān)控指標(biāo)越低越好factor0.1表示每次降為原來(lái)的十分之一設(shè)成 0.5 會(huì)更平滑但會(huì)拉長(zhǎng)訓(xùn)練時(shí)間。4.3 用策略模式與工廠(chǎng)模式解耦數(shù)據(jù)與損失模塊軟件體系結(jié)構(gòu)與設(shè)計(jì)模式課程設(shè)計(jì)的核心考核點(diǎn)體現(xiàn)在這里。數(shù)據(jù)加載與損失函數(shù)是兩個(gè)最容易替換的擴(kuò)展點(diǎn)換數(shù)據(jù)集、換損失函數(shù)是調(diào)優(yōu)過(guò)程中的高頻操作。如果代碼里到處是if dataset_type carvana這樣的分支每加一種數(shù)據(jù)集就要?jiǎng)右延写a違反開(kāi)閉原則。用工廠(chǎng)模式封裝數(shù)據(jù)加載器用策略模式封裝損失函數(shù)class LossFactory: 策略模式根據(jù)名稱(chēng)返回對(duì)應(yīng)的損失函數(shù)實(shí)例 _losses { bce_dice: BCEDiceLoss, dice: DiceLoss, bce: nn.BCEWithLogitsLoss, } classmethod def create(cls, name, **kwargs): if name not in cls._losses: raise ValueError(fUnknown loss: {name}) return cls._losses[name](**kwargs) class DatasetFactory: 工廠(chǎng)模式按數(shù)據(jù)集類(lèi)型構(gòu)造對(duì)應(yīng)的 Dataset staticmethod def create(dataset_type, img_dir, mask_dir, **kwargs): if dataset_type car: return CarSegDataset(img_dir, mask_dir, **kwargs) if dataset_type general: return GeneralSegDataset(img_dir, mask_dir, **kwargs) raise ValueError(fUnsupported dataset: {dataset_type})兩個(gè)工廠(chǎng)類(lèi)的設(shè)計(jì)意圖不同LossFactory是對(duì)創(chuàng)建邏輯的集中封裝用字典注冊(cè)類(lèi)名與類(lèi)的映射新增損失函數(shù)時(shí)只需要在_losses字典里加一行其余訓(xùn)練代碼零改動(dòng)DatasetFactory做的是條件分發(fā)當(dāng)新增一種數(shù)據(jù)集時(shí)不必在每個(gè)用到Dataset的地方加判斷。實(shí)際項(xiàng)目中如果只做課程設(shè)計(jì)不需要過(guò)度設(shè)計(jì)但這兩個(gè)工廠(chǎng)類(lèi)的代碼量很少又恰好覆蓋了設(shè)計(jì)模式的兩個(gè)經(jīng)典考核點(diǎn)屬于性?xún)r(jià)比很高的工程化改造。5. 從IoU到批量摳圖評(píng)估腳本與推理后處理5.1 IoU / Dice評(píng)估與常見(jiàn)統(tǒng)計(jì)誤區(qū)訓(xùn)練完成后需要回答一個(gè)關(guān)鍵問(wèn)題這個(gè)模型到底好不好。評(píng)估指標(biāo)不應(yīng)只看 loss因?yàn)?BCE Loss 很小不代表分割結(jié)果好。語(yǔ)義分割的標(biāo)準(zhǔn)評(píng)估指標(biāo)是 IoU即預(yù)測(cè)區(qū)域與真實(shí)區(qū)域的交集除以并集。另一個(gè)常用指標(biāo)是 Dice 系數(shù)它與 IoU 之間可以互相換算Dice 2 * IoU / (1 IoU)。計(jì)算代碼很短但統(tǒng)計(jì)過(guò)程有一個(gè)常見(jiàn)誤區(qū)def compute_metrics(pred_mask, gt_mask, threshold0.5): pred_mask: 模型輸出的概率圖, gt_mask: 真實(shí)標(biāo)簽 pred_bin (pred_mask threshold).astype(int) gt_bin (gt_mask threshold).astype(int) intersection (pred_bin gt_bin).sum() union (pred_bin | gt_bin).sum() iou intersection / union dice (2 * intersection) / (pred_bin.sum() gt_bin.sum()) return iou, dice誤區(qū)在于不要把 batch 內(nèi)所有樣本的 IoU 先求平均而應(yīng)該先累加所有樣本的 intersection 和 union最后再統(tǒng)一相除兩種統(tǒng)計(jì)方式在小樣本測(cè)試集上可能相差 2 到 3 個(gè)百分點(diǎn)。誤用場(chǎng)景是當(dāng)某張圖完全沒(méi)有車(chē)時(shí)union 為 0直接計(jì)算會(huì)產(chǎn)生除零錯(cuò)誤正確做法是跳過(guò)該樣本或在分子分母同時(shí)加平滑項(xiàng)。課程設(shè)計(jì)里只需寫(xiě)清楚你用的是哪種統(tǒng)計(jì)口徑。5.2 單張推理與批量摳圖的可執(zhí)行步驟最后一步是把訓(xùn)練好的模型應(yīng)用到真實(shí)圖片上。推理腳本需要完成加載權(quán)重、預(yù)處理、前向傳播、后處理、保存結(jié)果五個(gè)步驟。后處理部分有一個(gè)容易被忽略的操作預(yù)測(cè)出的概率圖直接以 0.5 為閾值二值化后可能會(huì)出現(xiàn)一些小面積噪點(diǎn)或細(xì)小孔洞用形態(tài)學(xué)開(kāi)運(yùn)算去除噪點(diǎn)、用閉運(yùn)算填充孔洞是標(biāo)準(zhǔn)做法import cv2 import torch def inference_one_image(model, img_path, device, save_path, thresh0.5): # 1. 預(yù)處理讀圖、縮放、歸一化、轉(zhuǎn) tensor img cv2.imread(img_path) img_rgb cv2.cvtColor(img, cv2.COLOR_BGR2RGB) img_resized cv2.resize(img_rgb, (Config.img_size, Config.img_size)) # 2. 歸一化ImageNet 均值方差 img_norm img_resized / 255.0 img_tensor torch.from_numpy(img_norm).permute(2, 0, 1).unsqueeze(0).float() img_tensor img_tensor.to(device) # 3. 前向傳播得到概率圖 model.eval() with torch.no_grad(): prob torch.sigmoid(model(img_tensor)).cpu().numpy()[0, 0] # 4. 二值化 形態(tài)學(xué)后處理 mask (prob thresh).astype(np.uint8) * 255 kernel cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) mask cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel) # 先開(kāi)運(yùn)算去噪點(diǎn) mask cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel) # 再閉運(yùn)算填空洞 # 5. 原圖尺寸恢復(fù)并疊加背景 mask_resized cv2.resize(mask, (img.shape[1], img.shape[0]), interpolationcv2.INTER_NEAREST) result img.copy() result[mask_resized 0] [255, 255, 255] # 背景置為白色 cv2.imwrite(save_path, result)批量推理時(shí)把inference_one_image放進(jìn)一個(gè)循環(huán)遍歷目錄下所有圖片即可無(wú)需額外寫(xiě)多進(jìn)程版本。MORPH_OPEN先腐蝕再膨脹能去除小于卷積核尺寸的白色噪點(diǎn)MORPH_CLOSE先膨脹再腐蝕能填充黑色區(qū)域里的白色空洞。對(duì)于轎車(chē)背景去除5×5 的卷積核大小適中改大會(huì)讓車(chē)輪邊緣的細(xì)小結(jié)構(gòu)被抹掉。最終保存結(jié)果時(shí)用INTER_NEAREST把 mask 恢復(fù)為原圖尺寸保持邊緣銳利不產(chǎn)生鋸齒色偏。跑通這個(gè)流程之后就完成了從課程設(shè)計(jì)考核的代碼邏輯說(shuō)明到真實(shí)場(chǎng)景應(yīng)用的完整銜接。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
婷婷丁香97| 六月丁香婷婷五月天| 爽天天天天天天天| 五月永久激情| 色婷婷欧美| 色色国产| 激情五月综合网| 99热99热在线观看| 亚洲精品影视| 色色色色区| 日日噜噜夜夜狠狠久久丁香六月| 99精品22| 五月丁香天堂网婷婷| 激情碰碰碰| 激情五月婷婷网| 色综合久久久久久久久五月| 亚洲成人色五月婷婷综合| 丁香亭亭激情四射| 五月婷婷久久网| 婷婷五月天国产传媒| 五月婷婷视频| 激情欧美五月丁香| 99成人精品视频| 俺也去在线久久精品23欧美综合视频网站,丰满人妻一区二区三区在线视频53,丰满 | 天天弄天天爽| 激情色色| 91丨九色丨43老版熟女| 色色爽爽天天| 色婷精品91| 曰韩五月丁香色婷婷无码| 婷婷射综合| 色婷婷六月天在线| 婷婷中文字暮| 99精色| 永久的网站AAAA| 在线不卡中文字幕| 婷婷五月丁香超碰| 五月丁香大相交| 丁香操逼| 国产成人AV在线播放| 五月丁香婷婷网网网网| 色婷婷五月天中文字幕| 99精品视频免费在线播放| 91 原创 在线 九色| 91欧美日韩| 噼里啪啦在线观看免费完整版视频| 天天做天天爱| 久久多色| 色色A| 丁香五月情| 色噜噜五月天| 久久草中文日韩欧美| www激情婷婷com| 噜噜噜精品欧美成人在线观看| 色婷婷基地在线| 五月丁香啪啪激情| 天天拍夜夜撸 | 任你草| 天天操天天插| 五月天桃色深爱网| 91av传媒高清在线视频网| 97色伦另类图片小说视频| 国产26uuu视频| 婷婷丁香五月噜噜噜| 五月天五月婷五月激情网| 成人网丁香五月| WWW激情五月天| 综合久久丁香婷婷,五月婷婷六月丁香,开心激情综合网,六月丁香在线观看,婷婷丁 | 五月在线| 日韩人妻无码专区| 亚洲影院婷婷色| 欧洲区自拍| g00d人体西西| 天天爱天天做天天舔| 婷婷5月天av| 婷婷综合五月天激情| renre人人操国产超碰在线| 79色色免费| 五月婷婷啪啪啪啪| 亚洲成人五月天| 色婷婷五月天| 丁香六月婷婷色播| 国内婷婷丁香社区在线播放| 丁香五月婷老师| 久久WW| 99热这里只有精品16| 丁香五月婷婷啪啪| 九色无码| 美国天天日天天操| 9+1视频网址| 激情婷婷丁香| 性爱五月丁香| 噜噜噜精品欧美成人在线观看| 丁香五月天在线观看| 色五月色五天色情网| 丁香五月天堂网| 20253AV| 啊V视频在线观看| 99惹| 九九婷婷综合| 97色碰碰公开视频| 五月天婷婷色播在线网| av网址在线| 超碰国产在线播放| 色色综合成人网| 丁香五月婷婷俺也要去| 婷婷伊人网| 五月婷婷综合成人| 天天色五月| 成年人最刺激的综合网| 久久大香蕉丁香| 人橾人| 亚洲五月天综合| 激情综合色婷婷啪啪六月天| 大香蕉网 久久| 男人天堂99| 5月丁香六月婷婷| 亚洲色啪| 欧美日本黄色| 激情综合五| 婷婷丁香六月天| 久久精品4| 天天狠狠六月婷丁香影院| www.色婷婷.com| 99资源在线| 精品视频99看在线视频| 天天插综合网| 99热9| 国产精品色色| 色情五月天。| 偷拍91九色| 欧美黄色一级| 婷婷五月天在婷| 特级西西4444www无码| 色综合色婷色基地| 五月天啪啪啪| 婷婷九色| 99久精品视频| www.99热在线观看| 色五月婷婷av| WWW久久久| 丁香五月天堂网| 亚洲午夜成人av电影网| 色性五月天| 97人人操人人干| 婷婷五月天色色| 亚洲无码yw| 亚洲色基地| VA婷婷亚洲| 五月天丁香| 五月丁香精品| 99re在线观看| 亚洲性色XXXXX| 五月天婷婷小说| 婷婷丁香人妻天久久| 婷婷涩涩五月天| 激情丁香五月AV| 色综合色综合网| 99人妻碰碰久久久禁片| 亚洲天天| 97人人操人人爽| 久久久五月天| 色噜噜,噜噜色| 丁香五月色| 99色色网站| 天天干,天天日| 久久精彩综合视频| 三级黄色大片视频| 色99在线视频| 色综合夜夜| 色五月婷婷五月天| 久久久久久丁香五月| 婷婷五月综合色小姐小说| 色99热| 大香蕉伊在| 最新va在线播放| 黄色一极大片| 无码色色色| 千人斩操逼| 一级操逼大片| 99re热在线视频观看| 免费97碰碰| 亚洲五月婷婷| 严洲天天插| 综合超碰熟| www.五月天婷婷| 婷婷丁香射射| 五月色激情综合网| 五月天另类激情在线| 极品 少妇 内射| 午夜伊人大香蕉| 五月激情六月丁香| 性婷婷| 欧美黄色一级| 色色亚洲视频| 婷婷色五月色| 激情综合激情五月| 超碰91av| 99国产欧美视频| 97干欧美| 开心婷婷五月中文字幕组| 92久操视频| 丁香六月啪| 精品九九视频| 人妻久久做| 婷婷丁香色女人| 五月天婷婷AV| 女力报到正好爱上你| 综合性爱网| 97色干| 激情五月,婷婷五月,丁香五月| 超碰人人91| 2018国产大陆天天弄| 色爱亚洲| 新激情五月开心五月婷婷五月丁香五月| 啪啪色激情五月天| 成人精品视频99在线观看免费| 激情五月天小说网| 婷婷六月色播| 五月天婷婷色播在线网| 丁香五月天在线观看视频| 色综合网页| 久热只有精品| 武则天精品久久| 丁香五月天成人| 激情综合啪啪啪| 色情五月| 狠干综合| 狠狠干狠狠操狠狠爱| 99色色| 五月婷婷综合在线| 色综合久久88色综合天天99| 日本操逼九九九九58日本操逼| 日韩综合网络男女香蕉a片| 日本人妻久久| 欧美日本97| 成人无码髙潮喷水A片| 久操福利| 九月激情网| 丁香婷婷视频| 婷婷开心激情| 色婷五月天| 久久er99| 色五月天成人| 九九99香蕉在线视频播放| 新激情五月天色播| 久久这里有精品视频| 色狠狠狠干| 97香蕉久久超级碰碰高清版| 色五月激情| 99热高清在线| 国产日韩av片| 日韩亚洲视频| 精品久色| 五月天六月天| 亚洲国产精品成人va在线观看| 欧美激情 日韩无码 婷婷 五月天 久久婷婷丁香五月一二三 | 第四色五月天| WWW.婷婷五月天.COM| 久久人妻精品| 思思久久精品| 九九色热| 抽插特写| www.com色播五月天| 狠狠色噜噜狠狠狠狠狠色综合久久| 日日夜夜狠狠| 日本色色视频| 婷婷五月天啪啪| 日日狠夜夜狠| 91久久电影| 婷婷五月色色| 九九黄色网| 五月丁香综合激情| 国产精产国品一二三在观看| 综合久久十| 日韩天堂久久| 色色婷| 亚洲综合视频天天精品| 丁香五月天激情AV| 日日噜噜夜夜狠狠久久丁香六月| 狠狠人妻色综合| 人妻熟妇国产精品| 欧美色综合天天久久综合精品 | 五月婷婷99热| 色综合色综合色综合高潮| 丁香五月狠狠综合欧美| 天天弄天天操| 激情网五月天| 停停六月 综合| 亚洲无aV在线中文字幕 | 久热九九| 六月婷色六月| 久久久久亚洲AV成人无码电影| 亚洲另类电影| 五月天婷婷青青草| 精品久久99码| 亚州性爱99| 五月99久久| 99久久这里只有精品| 午夜天堂一区人妻| 久久婷婷人人| 五六月丁香激情视频| 五月激情六月宗合| 欧美丰满熟妇BBB久久久| 欧美日韩成人h| 久热亚洲| 激情综合网 激情五月天| 狠狠狠狠狠狠狠狠| 欧美顶级少妇做爰HD| 婷婷中文字暮| 伊人五月人妻精品| 久久综合人妻| 综合激情专区| 夜夜爽天天日| 天天色粽合合合合合合合| 婷婷久久天堂网| 婷婷色色网| 色五月婷婷DVD| 99ri在线| 激情久久久久久久久久| 五月激情综合深爱| 天天爽天天| 人人操 色| 综合久久丁香婷婷,五月婷婷六月丁香,开心激情综合网,六月丁香在线观看,婷婷丁 | 丁香五月狠狠综合欧美| 亚洲成人在线播放| 91人人澡人人爽人人看| 婷婷五月天综合中文| 九热视频| 欧美视频五区| 久色五月丁香视频| 665566 无码| 妇激情基地| 色J香五月天| 九九99久久| 激情文学 综合 九月| 激情婷婷五月亚洲| 六月丁丁香| 99热销国产这里有精品| 五月天婷婷激情综合| 99热这里只有精品9| 在线99精品| 99热99热| 丁香五月欧美婷婷| 亚洲噜色| 日韩熟女啪啪视频| 日本欧美国产| 婷婷激情五月呦呦| 五月婷婷深爱六月| www.91av.com| 欧洲综合视频在线观看。欧洲,亚洲综合食品在线观看。 | 久久婷五月综合| 久久99免费视频网站| 成人必爱视| 99视频内射三四| 六月婷婷啪啪| 99久久99久久综合| 亚洲综合网区| 少妇AB又爽又紧无码网站 | 少妇高潮呻吟A片免费看软件| 丁香婷婷综合激情五月色,开心五月丁香花综合网,激情综合五月亚洲婷婷,五月天 | 天天爱天天做综合| 日韩在线观看网址| 婷婷丁香五月亚洲| 91久久久久久久91| 可以直接看的AV| 久久多色| 狠狠干综合| 色日本丁香婷婷| 97色婷婷| 秋霞影音91人妻久久| 性无码专区无码| 亚洲激情99| 天天干,夜夜爽| 深爱五月天婷综合| 久久天堂女人| 五月停停999| 国产白丝在线一区| 99热这里| 九九热这里精品| 天天爽夜爽| 五月婷婷AV| 亚洲最大视频| 色七色九九| 开心五月激情网| 99丁香五月婷| 岛国AAAV| 婷婷五月情| 91chinese 在线| 天天噜| 超碰碰碰碰| 狠狠做深爱婷婷久久综合一区| AV在线中文| 五月婷婷欧美| 婷婷狠狠五月综合| 婷婷九色| 亚洲激情久久| 婷婷五月天男人影院色色网| 国产精品丝| 亚洲综合久| 亚州精品色情无码A片| 无码AV免费精品一区二区三区| 亚洲综合五月天综合| 91黄色五月天视频| 超碰93在线观看| 丁香五月婷婷五月天在线| 五月花婷婷| 日日撸日日操| 色婷婷97| 免费观看高清无码| 五月丁香婷婷成人网| 99色综合| 丁香五月激情五月色综合| 色婷五月天| 六月丁香婷婷拍拍| 99天堂网最新| 丁香五月婷婷基地| 九九精品自拍| 嫩BBB槡BBBB搡BBBB视频| 大香蕉视频婷| 777精品久无码人妻蜜桃| 99热这里只有精品 搜| 大香蕉75线| 99久视频| 五月婷婷啪啪网| 精品综合久久久久久五月天| 在线观看亚洲视频影院| 日韩少妇内射免费播放| www.minyis.com【JT】实力收量可预付QQ2101460746 | 婷婷五月激情六月丁香| 五月婷婷国产| 1024欧美看片| 国产亚洲在线观看| 五月婷婷成人| 天天色伊人| 7777精品伊人久久久大香线蕉最新版| 欧美在线| 五月婷丁香| 精品久久人妻| 国精产品一区二区三区| 99久操| 一本色综合色| 日韩aaaaa| 五月丁香淫淫婷婷婷| 五月欧美色播| 日本啪啪天堂| 停停五月色宗合| 欧美性猛交AAAA片黑人 | 天天肏天天肏天天肏| 欧美一级色| 五月天激情黄色网址| 日日操夜夜爽| 五月天精品视频| 婷婷免费视频| 噜噜噜噜噜色| 天天夜天天色天天| 丁香 婷婷五月| 婷婷九月色| www.com亚洲网站在线免费| 99re久久| 久久九九网| 丁香六月啪啪啪| 九色色| 婷婷深爱五月天在线| 伊人网碰碰| 大香蕉在线观看9| 熟妇无码乱子成人精品| 国产日韩欧美| 五月天婷婷基地| 五月色综合| 国产色网站| 久热这里只有精品6| 99色热综合| 再綫Av免费視品| 影音先锋色婷婷| 偷拍99在线视频观看| 91色色五月天| 97色射| 九九精品免费视频99| 在线观看国产高清视频免费网站| 久久综合五月天| 99热免费观看| 女人高潮内射99精品| 欧美经典片免费观看大全| 九九在线精点品| 天天色亚洲| 天天天天干| 色五月五月天色婷婷色五月| 色五月婷婷在线| 99操无码视频观看| 99操碰| 99热这里是精品| 国产真人做爰视频免费| 丁香五月婷婷香| 99碰碰碰| 影音先锋四区| 99re这里只有精品国产99| 99色最新在线视频| 丁香欧美| 99综合自拍| 99九九在线| 色综合九九| 91干| 亚洲乱码日产精品BD| 亚洲亚洲人成综合网络| 超级久久久| 欧美色色色色色色| 色婷婷色五月另类综合| 欧美精品熟女一区二区| 亚洲综合另类| 激情五月天网| 欧美婷婷九月| 91狠狠综合久久| 性小说五月天| 婷婷午夜天| 日韩成人AV在线| 三级三久久线久久99久目本WW| 五月婷婷性爱| 996re热精品视频| 色综合中文| 伊人大香五月天| 人妻肉射免费观看| 玖玖五月| 99超超碰| 停停综合色色| 久久国产精品乱子伦_靑青草…| www.亚洲激情| 99免费在线| 五月天婷婷丁香成人网| 五月丁香啪啪综合| 婷婷五月天色综合| 99精品网| 探花搜索结果 - 黄上黄| 婷婷久久久| 婷婷六月色丁香视频在线观看| 丁香色综合| 超碰在线看| 韩国中文字幕91| www99久久| 婷婷五月AV| 久久九九网| 丁香色婷婷色手机免费在线| 色欧美影院| 色色综合网站| 99爽视频| 五月天六月色| 午夜微拍福利| 婷婷丁香六月激情综合| 99热这里有精力| 国产特黄色精品一区二区三区精品无广告 | 玖玖午夜视频| 五月婷婷 激情五月| 激情五月激情综合网| 丁香五月激情欧美| 天天操综合网站| 97色色网| 99啪啪视频| www.婷婷五月天.com| 99精品成人无码A片观看金桔| 国产熟女大叫受不了| 丁香五月av在线| 亚洲激情av| 色情久久久| 九九在线精品| 五月香蕉网| 狠狠干激情五月| 色婷婷视频| 91狠狠综合久久| 激情综合五月天| 婷婷性爱视频在线| 五月天色不卡| 97在线干| 91综合色| 久久hd| 婷婷五月天六月丁香| 午夜福利8055| 狠狠插狠狠操| 五月天大香蕉AV| 毛片毛片毛片毛片| 久久久高清| 激情小说婷婷小说| 狠狠色综合网| 五月丁香婷婷激情在线| 精品婷婷| 九九免费视频在线| 超碰免费成人网站| 久久丁香五月婷婷| 97色综合| 色婷婷www| 久操人| 五月婷婷综合在线视频小说| 日韩久操婷婷| 婷婷五月天国产| 人人草碰| 我爱大香蕉| 天天色综合天天| av中文在线| 婷婷色五月天第7色| WWW.国产| 丁香六月天之亚州热女| enecarbon-materials.com污K127封锁请涟系@wip1688 | 五月婷成人网| 婷婷五月丁香图片人人操| 色宗合久久五月婷婷| 久久五月婷婷综合网| 99热视精品| 97色视频网| 操人久久| 久久永久网址| 色婷青青| 激情五月天啪啪| 99九九精品视频| 开心激情婷婷| 五月激情网络| 色激情五月| 麻豆雪千夏| 婷婷五月丁香六月| 五月婷婷综合在线亚洲视频| 日本99色| 婷婷五月免费观看| 色九九丁香九月色九九色| 99久久九九| 亚洲mm色| 激情综合网五月丁香| 荡乳尤物3HP1V5| 天天天天爽爽天干| 激情综合99| 成人无码髙潮喷水A片| 性日本精品| 啪啪激情综合| 无码少妇高潮喷水A片免费| 日日夜夜天天爽| 亚洲熟女色| BBWCUCKOLD精品熟妇| 国产精品色婷婷AV综合色色| 天天色综合天天| 日韩成人电影AV| 夜夜操天天爽| 丁香六月婷婷久久综合八月| 激情性爱婷婷| 五月开心久久| 99性色| 国产中文亚洲欧美日韩性交| 中文字幕在线不卡视频| 国产精品第一国产精品| 丁香激情网| 丁香五月综合亚洲| 激情五月综合色| 国产成人高清| 日韩有码一区| 色综合五月天| 天堂综合久久| 婷婷开心久久| 欧美色播综合在线观看| 婷香五月| WWW·色色色·COM| 色99欧洲色19| 日产精品一线二线三线芒果| 玖玖婷婷五月天| 五月丁香香蕉| dingxiangtingtingliuyue| 丁香五月婷婷六月婷婷| 97人人搞| 大香蕉免费9| AV亚洲在线| 大香蕉久久| 99综合网| 激情综合网址| 99热最新| 激情婷婷五月| 操逼棍操逼| 99热国产国产| 色婷婷视频| 久久久com| 51XX午夜影福利| 九热视频在线伦| 久久久久久人妻| 激情六月综合| 色婷婷av在线观看| 婷婷五月天久久久| 淫视馆aV二区一区| 五月香婷婷| 婷婷丁香花五月天| 婷婷五月综合啪| 婷婷综合精品视频97| 伊人狠狠操| av在线色五月丁香婷区久| 99热日本| 婷婷色情小说| 久久精品亚洲一级牲爱综合| 思思热久久久久思思热| 丁香婷婷中文字幕| 五月天六月婷婷电影| 天天舔天天摸天天透| 色操b| 丁香五月六月欧美| 婷婷五月天成人小说| 九九这里都是精品| 五月丁香啪| AV操逼网| 欧美婷婷五月丁香| 中文人妻AV久久人妻18| 伊人综合网站| 丁香五月天91| 岛国午夜视频| 伊人婷婷综合| www色婷婷久久综合久色| 激情婷婷五月亚洲| 91精品国产综合久久密臀 | 久久伦乱| 久久网日本| 国产人妻777人伦精品HD| 先锋影音av色五月天资源站| 天天色综| 五月激情婷婷图片基地| 性99网站| 九九色热| 激情又色又爽又黄的A片 | 色情五月婷婷| 欧美久热| 五月久久丁香| 色开心五月丁香| 99男人天堂| 狠狠艹狠狠艹| 国产精品色婷婷AV综合色色| 香蕉国产2013| 五月色综合| 丁香五月婷婷激情蜜桃| 可以看的AV| 丁香色五月天| www.99精品日操伊人乱碰在线| 91色在线| 色五月婷婷激情五月| 丁香五月婷婷六月丁香| 精品亚洲国产成AV人片传媒| 五月天激情日色在线| 五月天婷五月天综合网小说首页-五月天激激婷婷大综合,婷婷亚洲综合五月天小说 | 999婷婷综合| 色婷婷久久| 久久久99精品免费观看| 久久五月天网| 天天干天天干天天干天天干天天| 国产精品色婷婷99久久精品| 狠狠va| 久久久久网站| 激情五月天婷婷播播久久综合91| 超碰人人色| 激情综合网 激情五月天| 中文字幕AV在线播放| 五月刺激丁香月综合| 另类激情综合| 永久免费一区二区三区| 九九亚洲视频| 色五月天天在线观看资源站| 亚洲一区二区无遮挡A片| 久久久久9久无码视频| 天天干天天干天天干天天干天天干| www色五月| 热的无码综合视频| 激情五月天噢美| 丁香五月91| 天天透天天干| 亚洲无AV在线中文字幕| 香蕉综合网| 五月天另类激情在线| 婷婷丁香激情五月天色色| 蜜臀A∨在线水帘洞| 亚洲乱码在线观看| 五月天婷婷涩涩| 不卡在线超碰| 丰满少妇猛烈A片免费看观看| 777色色色| 182TV大香蕉| 日本色色视频| 丁香五月天啪啪激情综和网| 这里只有在线精品| aaa丁香五月天| 激情综合婷婷| 九九色精品| 97色久| 人妻视频在线| 丁香五月综合久久综合| 999精品久久久久久久| 激情五月天视频| 99热在线观看这里只有精品| 天天日天天日天天搞| 开心五月婷婷在线视频免费观看| 五月婷婷激情刺激| 玖玖国产视频一区| 五月婷婷在线短视频| 日本a片网址| 婷婷综合欧美| 九九综合视频在线观看| 天天操天天爱天天日| 秋霞成人毛片一级A片| 激情综合99| 伊人成综合五月婷婷| 伊人大香蕉毛片| 婷婷五月丁香国产| 99在线免费视频播放| 色婷婷狠狠禁久久| 五月色亭丁香| 中文字幕av网站| 中文字幕性爱视频| 97亚洲婷婷| 9视频1在线| 人橾人| 日韩日比视频| 综合狠狠伊人| 婷婷六月激情啪啪| 丁香五月天网友自拍啪啪啪视频| 99re8这里只有精品99re8热视频| 五月天综合| 久久大香蕉同僚| 欧美日韩成人在线网站| 婷婷五月激情五月激情| 激情五月综合网| 精品99*| 六月丁香开心婷婷欧美| 国产操B| 91九九热| 五月丁香婷婷激情影院欧美| 五月天色综合| 电影爱拉战争免费观看| 亚洲99在线| 青草五月天| 色综合色五月| 免费观看全黄做爰的视频 | 婷婷99视频精品| 久久永久网址| 五月婷综合性中心| 99热在线播放| 色色a| 激情综合五月丁香六月婷婷| 青青久久大香蕉| 99er这里只有精品| 五月天激情中文字幕| 婷婷五月草| 俺去也五月天| 国产av天天插天天操天天爽| www,色婷婷| 色波激情五月天| www.狠狠艹| 97操碰| 丁香婷婷天堂| 吊色AV男人的天堂| 亚洲中文丁香| VfJxEwPH| 91婷婷| 碰碰碰97国产| 99在线热| 青青草深爱激情网| 噜噜色五月| 五月亭亭六月激情| 狠狠干天天日| 国产精品国产成人国产三级| 在线成人国产| 婷婷久久综合久| 色欲资源网| 久久伊人婷婷| 久久XX日本综合| 大香蕉婷婷| 婷婷亚洲欧美丁香五月| 天天干天天做| 伊人9在线| 丁香社区婷婷五月| 久久久激情| 色五月,婷婷大香蕉| 99色啊| 婷婷五月天六月| 青青草激情网| www一起操在线观看| 婷婷色天香| 亚韩在线视频| 99视频在线看| AV五月丁香| 久久婷婷六月综合| 9色免费网| 婷婷夜夜夜夜| 国产激情综合五月久久| 九九综合九| 91精品91久久久中77777| www99热| 国产AV一区二区三区最新精品 | 97香蕉碰碰人妻国产欧美| 9热在线视频| 人妻久久久久久久久| 色婷婷五月在线| 欧美月久久| 色性日本| 国产精产国品一二三在观看| 亚洲狠狠婷婷| 五月天综合影院| 第九色区av天堂| 婷婷丁香五月亚洲欧美| 婷婷五月天av| 亚洲色图在线视频| 五月天激情网页| 免费无码毛片一区二区A片| 日本久久99| 日本久久高清| 任你日热视频| 天天激情欧美美女| 精品自拍97| 婷婷五月激情在线| 国产精品第一国产精品| 久久久久久久综合狠狠综合| 超碰99久久| WWW·色色色·COM| 九九这里都是精品| 午夜]香婷婷深深爱| 五月天色综合服务平台| 色丁香久久| 亚洲无码成人网| 任你草| 超碰在线国产| 综合激情五月丁香| 性热视频99精品| 久久网婷婷| 99色播| 五月婷婷综合在线亚洲视频| 五月综合婷婷网| 成人精品视频99在线观看免费| 五月丁香婷成人网| 色激情五月天| 另类的婷婷| 欧美激情综合色综合啪啪五月| 26uuu欧美日韩| 任你草| 日本的α片xxxwww| 激情九月婷婷| 狠狠草天天草| 五月色情| 欧美英丁香开心快乐六月天网| 91碰人人| 国产无套精品一区二区| 婷婷五月中文字幕| 五月丁香色婷婷色| 97人人超| 人妻久久久| 天天操天天操天天操| 五月天丁香色色| 五月天久久综合婷婷丁香| 久久九九99.www| 99热精地址| 91在线观看www| 激情五月天婷婷| 天天综合五月| 五月天综合色| 五月www| 九九艹女| 99∨VTV| 丁香五月综合| 99在线免费视频| ss99热| 九久九精品| 色综合另类| 一本久道综合99| 免费黄色视频网址| 色婷綜合网| 在线日本www| 97碰久久| 激情五月天激情网| 99久久欧美| 99视频网址| 天天爽夜夜爽夜夜爽精| 亚洲无码影音| 久操无码| 色色综合日韩| 五月丁香中文婷婷中文| 亚洲九九夜夜| 99爱精品视频| 色色色五月婷| 五月丁香激情综合网| 伊人深爱综合| 91婷婷丁香五月| 777精品久无码人妻蜜桃| 激情网综合| av色婷婷| 亚洲精品无AMM毛片| 综合网视频| 99热r| 色五月激情五月| 丁香六月欧美| 中文人妻主播久久| 久久婷婷的综合色丁香五月| 久久精彩免费视频| 伊人干练久| 欧美天堂久久| 伊人在线视频| 99操逼视频| 国产SUV精品一区二区883| 狠狠干五码| 原琪琪色影院| 在线成人va| 久久 婷婷 五月天| 久久99美女精彩视频| 亚洲综合婷婷| 久久五月天激情婷婷| 五月天播播| 操97免费超级视频| 五月天色婷婷小说| 97色色婷婷五月天| 免看黄大片AA | 精品在线网站| 五月五婷婷| 9999热精品在线免费播放| 青青草轻轻操| 潘金莲AAAAAAAAAA| 99热91| www色五月| 台湾佬天天日丁香婷婷五月天 | 99色色网| 最新日韩AV中文字幕| 99热免费| 伊人色综合久久久| 日日夜夜天天爽| 99re这里只有精品9| 九九中文字幕九| 亚洲亚洲人成综合网络| 亚洲高清在线| www五月天com| 26uuu激情五月天| 无码啪啪| 五月丁香激情综合啪啪| 五月婷婷很很色| 极品人妻VIDEOSSS人妻| 婷婷婷久久久| 亚洲色婷婷视频| 丁香伊人激情| 永久无码色| 伊九九三级区| 久9无码视频| 五月婷婷激情日本| 婷婷五月另类网站| 丁香五月婷婷国产av| 色综合色综合网| 五月丁香婷婷六月| www.maotanji.com| 色停停五月天| 亚艹艹| 六月婷婷网站| 久久午夜理论| 密黄站| 丁香五月 综合| 超碰99在线| 久久久性爱视频| 午夜丁香综合婷婷| 人人叉久| 日韩人人操| 熟女强人妻一区二区三区四区无| 熟女人妻一区二区三区免费看| AV人人操| 一起草性爱不卡视频| 婷婷久久99| 超碰不卡在线| 亚洲操B| 色婷婷久久综合丁香五月| 深爱激情五月天婷婷网| 欧美猛片| 五月激情五月丁香| 五月婷婷在线视频免费观看| 精品乱码视频| 色色综合无码| 日韩a热| 婷婷五月综合欧美在线播放| 丁香六月亚洲| 日日干夜夜撸夜夜骑| 天天爱天天做天天爽| 亚洲人成网亚洲欧洲无码久久| 91碰碰| 五月天亚洲最大成人| 色久婷婷网| WWW.开心五月天.COM| 五月天欧美 另类小说| 久久久99精品| 六月婷色六月| 99er6热在线观看精品6| 99这里只有精| 九九综合| 欧美狠狠草| 五月婷婷开心深| 综合久久丁香婷婷,五月婷婷六月丁香,开心激情综合网,六月丁香在线观看,婷婷丁 | 久久XX| 国产精品色| 99久久综合狠狠综合久久| 久久99草五月婷婷| 国产亚洲色婷婷久久99精品9j| 日韩精品一区二区刘| 日本九九网| 思思99久久| 五月丁香啪啪| 天天操天天谢| 五月婷婷之激情五月| 99精品在线观看视频| 久久久久久激情| 99热这里只有精品在线观看| 内射人妻视频国内| 色色五月天 亚洲| 91色吧网| 另类专区在线观看| mmm1717.6dbm人人爱人人操| 人人摸人人干人人做| 五月激情婷婷丁香天堂| 五月丁香av中文| 色婷婷基地| 久久亭亭电影| 丁香五月激情婷婷视频| 六月丁香婷婷色综合| 婷婷淫淫狠狠六月| 色爱综合网| 国外亚洲成AV人片在线观看| 超碰成人影视| 97色在线观看视频| 天天做天天爱天天爽在| 久久这里只| 97碰超级人人看| jiZZdr| 无码字幕中文| 99热丁香| 樱花99视频| 国产精品日韩十五区| 99热在这里只有精品| 日本99久久| 六月婷婷视频| 激情小说五月天社区丁香| 天天爽曰日爽| 激情综合婷婷| 中文字幕成人网站| 91九色欧美| 亚洲天堂亚洲色色色| 97色色色色色| 91操人| 五月婷婷97| 色五月激情问网站| 色色性爱视频| 中文字幕日产A片在线看| 很很色丁香久久停停| 九九日本视频| 激情五月丁香亭亭| 亚洲V国产V欧美V久久久久久| 色色五月天com| 日本狠狠爽| 激情五月天综合网| 国产精品成av人在线视午夜片| 天堂中文国产| 婷婷五月天亚洲丁香| 丁香五月欧美激情| 五月天色软件| 激情五月综合视频| 开心五月婷婷| 亚洲色就是色色色| 99久久精彩视频。| 婷婷五月天色播| tingtingcaobi| 91怕怕网| 欧美啪啪网| 26uuu亚洲色| 国产成人综合网| 五月天堂六月丁香亚州中文字幕久久| 婷婷午夜综合| 精国产品一区二区三区A片| 91精品婷婷国产综合| 婷婷五月天首页| www.天天干| 91熟妇大香蕉| 五月丁香久久综合精品| 五月丁香六月婷综合成人综合| 99色在线观看视频者| 五月婷婷六月丁香激情综合网| 丁香五月六月综合激情| 中国无码av| 永久思思热在线| 色婷婷国产精品综合在线观看| 182tv992tv人之初午夜免费观看 | 久热这里只有精品视频免费观看| 国产午夜精品一区二区三区四区| 7超碰自拍| 婷婷五月综合体验看| 久久五月婷综合网| 人人干AV| 天堂成人A片永久免费网站| 综合九九久久| 伊人色综在线| 丁香五月婷婷国产av| 天天爽夜夜爽夜夜爽精| 狠狠色噜噜狠狠狠狠综合| 9 1超碰九色| 99热精品观看| 99碰网站| av在线观看网站| 色很久综合| 五月天婷婷激情综合| 色青青电影色五月| 丁六月激情| 亚洲V国产V欧美V久久久久久| 天天日天天添| 日韩成人网址| 超碰在线91| 五月天综合久久| 色哟哟www| 色综合综合色| 色婷婷先锋| 一级二级色大片| 五月丁香激情综合六月涩涩爱| 亚洲激情五月天| 91免费试看| 激情五月少妇| 国产高潮白浆一区二区| 深爱五月婷| 东北熟女高潮99综合99| 五月天婷婷激情综合| 综合 蜜月 婷婷| 丁香五月成人网| 最新久久网址| 久久亚洲婷婷| 久久久中文| 色婷婷99| 白天AV月月| 日韩在线视频9色| 婷婷噜噜| 97五月久久丁香婷婷| 夜夜资源站| 婷香五月网在线| 九九九激情综合| 小视频一区 | 中文字幕网站在线观看| 激情五月天色播| 国产 亚洲 在线| www.99视频| 久热视频A.| 草草夜夜操| 丁香五月天啪啪激情综和网| 六月丁丁香| 五月丁香六月激情啪| 五月丁香最新| 九九久久精品| 美女五月天婷婷| 婷婷在线网| 99热这里只有精品9| www.五月婷婷| 丁香五月天激情综合| ss视频xx91| 狠狠色97| 亚洲无码色色| WWW.夜夜| 铁牛TV人妻| 97人人操在线| 久久亚洲色导航| 九九视频在线观看视频在线播放69| 天天爽天天摸人妻综合网| 色婷婷六月天| 久久人妻少妇嫩草AV| 欧美激情五月| 亚洲色色五月天| 五月丁香六月激情综合| 久草久青福利| 蜜乳av一级av| 婷婷五月天影视首页| 香蕉婷婷| 91九九九九| 五月婷婷|欧美| 激情伍月 欧美| 涩玖玖免费视频| 99色综合| 97九色视频|