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)運營的一線實戰(zhàn)洞察。

YOLOV5數(shù)據(jù)集格式詳解:自動駕駛目標檢測的數(shù)據(jù)校驗與訓(xùn)練實踐

YOLOV5數(shù)據(jù)集格式詳解:自動駕駛目標檢測的數(shù)據(jù)校驗與訓(xùn)練實踐 簡介面向自動駕駛目標檢測任務(wù)的現(xiàn)成數(shù)據(jù)集包按YOLOv5目錄格式整理可直接投入訓(xùn)練與驗證省去數(shù)據(jù)格式轉(zhuǎn)換與清洗步驟。數(shù)據(jù)內(nèi)容覆蓋卡車、行人、交通信號燈等11個常見道路類別圖像為512×512 RGB圖每張含多目標邊界框標注清晰圖像內(nèi)容完整適合自動駕駛感知、密集目標檢測等場景。資源共2000個文件以txt標簽為主1999個另有1個可視化腳本py標簽文件與圖片一一對應(yīng)訓(xùn)練集21031張、驗證集5266張并分別存放于 datasets-images-train 與 datasets-images-val 分目錄中同時附有11類別對應(yīng)的txt信息文件壓縮包約493MB開箱即用。包內(nèi)另附類別文本文件與可視化腳本運行后即可在隨機圖片上繪制邊界框并保存結(jié)果方便快速核查標注質(zhì)量。目前已有173人學(xué)習(xí)下載適合需要高性價比數(shù)據(jù)支撐的目標檢測練手或項目驗證。1. 拿到一份YOLOV5目錄格式的自動駕駛目標檢測數(shù)據(jù)集先別急著訓(xùn)練做大型自動駕駛道路信息檢測時我拿到一份YOLOV5目錄格式的目標檢測數(shù)據(jù)集11個類別訓(xùn)練集、驗證集都齊了——很多人覺得這就能直接yolo train跑模型了。真跑起來就會意識到數(shù)據(jù)集本身的坑比模型結(jié)構(gòu)多得多標簽索引是不是從 0 開始、坐標有沒有歸一化、訓(xùn)練集和驗證集有沒有按場景切干凈、小目標類別占比是不是低到讓模型直接放棄。這份數(shù)據(jù)集的目錄格式是對的但格式對不等于訓(xùn)練順利。這篇文章按我自己的實踐順序拆解先講清 YOLOV5 目錄格式的每條規(guī)則再講訓(xùn)練集和驗證集怎么劃分、怎么校驗、真正訓(xùn)練時會踩哪些坑最后落到怎么驗證這份數(shù)據(jù)集到底值不值得投入。2. 拆開 YOLOV5 目錄格式目錄結(jié)構(gòu)、標簽編碼與 11 類映射2.1 目錄結(jié)構(gòu)images/labels 的配對規(guī)則與 train/val 劃分YOLOV5 的目錄格式不是隨便把圖片和 txt 放在一起就行。標準做法是項目根目錄下分images和labels兩個主目錄各自內(nèi)部再按train、val分子目錄圖片和標簽的文件名必須完全一致只是擴展名不同例如img_0001.jpg對應(yīng)img_0001.txt。yolov5 官方倉庫里找數(shù)據(jù)時也是這個標準結(jié)構(gòu)做目標檢測數(shù)據(jù)集轉(zhuǎn)換的第一步就是對齊這個格式。autopilot-dataset/ ├── images/ │ ├── train/ # 訓(xùn)練集圖片 │ └── val/ # 驗證集圖片 ├── labels/ │ ├── train/ # 訓(xùn)練集標簽 │ └── val/ # 驗證集標簽 ├── data.yaml # 類別名與路徑配置 └── classes.txt # 類別清單輔助文件我一般會在根目錄再放一個classes.txt內(nèi)容就是 11 個類別的名字每一行一個。它不是 YOLOV5 訓(xùn)練必需的文件但后面寫data.yaml、做標簽校驗、重新聚類 anchor 時都要用提前準備能省不少事。需要注意images和labels的文件配對是按文件名 strict 匹配的任何一方多出一個文件都不會報錯只會導(dǎo)致那個樣本被靜默跳過這是后面要重點排查的問題。2.2 標簽編碼歸一化坐標、類別索引從 0 開始YOLO 系列的標簽格式每行代表一個目標框共五項class x_center y_center width height。這里的x_center、y_center、width、height全部是相對圖像寬度和高度的比值取值范圍在 0 到 1 之間。這與 COCO 的像素坐標格式有本質(zhì)區(qū)別把 COCO 或 VOC 格式轉(zhuǎn)換成 YOLO 格式是必經(jīng)步驟轉(zhuǎn)換公式如下。x_center (x_min x_max) / 2 / image_widthy_center (y_min y_max) / 2 / image_heightwidth (x_max - x_min) / image_widthheight (y_max - y_min) / image_height其中x_min、y_min、x_max、y_max是像素坐標。跑這段轉(zhuǎn)換邏輯時有一個關(guān)鍵點類別索引必須從 0 開始不能從 1 開始。項目里類別索引一旦錯位訓(xùn)練不會報錯但模型會把car學(xué)成pedestrian驗證時 mAP 看起來還行實際推理全亂屬于最隱蔽的坑。所以我拿到數(shù)據(jù)集第一件事就是用腳本掃描所有標簽文件確認類別索引的范圍是 0 到 10而不是 1 到 11。2.3 11 類自動駕駛目標怎么映射到類別索引落實這份數(shù)據(jù)集之前先建一張類別映射表。11 個類別在自動駕駛場景里的常見構(gòu)成大概是car、truck、bus、motorcycle、bicycle、pedestrian、rider、traffic_light、traffic_sign、stop_sign、lane_marker 這類組合。具體類別名以數(shù)據(jù)集實際標注為準我按常見做法列出映射關(guān)系索引類別名典型尺寸規(guī)模說明0car中轎車、SUV數(shù)量最多1truck大貨車、掛車2bus大公交車3motorcycle小摩托車4bicycle小自行車5pedestrian小行人6rider小騎手含摩托車/自行車騎手7traffic_light極小紅綠燈遠距離時很小8traffic_sign小交通標志牌9stop_sign小停車讓行標志10lane_marker極小車道線標記細長形這 11 類里traffic_light和lane_marker是小目標的重災(zāi)區(qū)。遠距離紅綠燈在 640×640 分辨率下可能只有 10×10 像素模型在小目標上先天劣勢。這也是為什么后面要談訓(xùn)練分辨率、anchor 重聚類和數(shù)據(jù)增強策略這三件事都和類別特性強相關(guān)。2.4 為什么自動駕駛數(shù)據(jù)集偏愛 YOLOV5 目錄格式而不是 COCO/VOC目標檢測數(shù)據(jù)集的常見格式有 COCO 的 JSON、VOC 的 XML、YOLO 的 txt 三類。自動駕駛場景下我傾向于用 YOLOV5 目錄格式原因在于標簽讀取效率。COCO 的 JSON 有幾十 MB 到上百 MB每次 dataloader 啟動都要解析整個文件訓(xùn)練時讀樣本也要查字典VOC 的 XML 是單個文件一個目標框列表標注繁瑣但讀取不算慢可它的標簽層級結(jié)構(gòu)對自動駕駛這種大量重疊目標不友好。YOLO 的 txt 格式是純文本一行一個目標讀取零解析成本配合images/labels的目錄結(jié)構(gòu)dataloader 能隨機訪問任意樣本不需要維護全局索引。對自動駕駛這種動輒幾萬張圖片、每張十幾個目標的數(shù)據(jù)集訓(xùn)練時 IO 效率直接影響迭代速度。YOLOV5 目錄格式另一個好處是切分方便train/val就是兩個目錄換比例或換場景子集時只需移動文件不需要重新生成 JSON。數(shù)據(jù)增強工具如 mosaic、mixup 的實現(xiàn)也天然適配這種格式。數(shù)據(jù)可視化、邊界框檢查、訓(xùn)練集成、推理演示這些環(huán)節(jié)我都用 YOLOV5 目錄格式作為事實標準。3. 訓(xùn)練集與驗證集劃分比例、劃分策略和數(shù)據(jù)分布檢查3.1 按場景劃分還是按幀隨機劃分自動駕駛數(shù)據(jù)的特殊性很多人劃分訓(xùn)練集和驗證集時直接對所有圖片做隨機抽樣比如 8:2 分割這在自動駕駛數(shù)據(jù)集上是錯誤做法。自動駕駛數(shù)據(jù)通常來自連續(xù)視頻幀相鄰幀之間高度相似如果同一段視頻的前后幀被隨機分到訓(xùn)練集和驗證集驗證集相當(dāng)于在做開卷考試——模型見過幾乎一樣的畫面指標虛高部署到真實場景立刻打回原形。正確做法是按場景或按視頻序列 ID 劃分。數(shù)據(jù)集如果帶序列 ID 字段就按序列劃分如果沒有就按文件名前綴劃分。假設(shè)文件名是seq_001_frame_0001.jpg這種格式提取seq_001作為分組鍵同一組內(nèi)的所有幀必須全部進入同一個集合。我通常會把 80% 的場景進訓(xùn)練集、20% 的場景進驗證集而不是按圖片數(shù)量直接切分這樣驗證集的指標才有參考意義。3.2 寫一個劃分腳本按文件收集、場景分組、輸出圖片與標簽下面是我常用的按場景 ID 劃分腳本核心是先用os.walk收集圖片路徑再提取場景 ID最后用train_test_split以場景為單位切分。注意腳本要保證images/train、images/val、labels/train、labels/val四個目錄的內(nèi)容同步移動圖片復(fù)制過去標簽也必須對應(yīng)復(fù)制否則會出現(xiàn)圖片有標簽、標簽無圖片的錯位。import os import shutil from collections import defaultdict from sklearn.model_selection import train_test_split src_images raw_data/images src_labels raw_data/labels dst_dir autopilot_dataset train_ratio 0.8 # 收集所有圖片文件 image_paths [] for root, _, files in os.walk(src_images): for file in files: if file.lower().endswith((.jpg, .jpeg, .png)): image_paths.append(os.path.join(root, file)) # 按文件名前綴提取場景ID例如 seq_001_frame_0001.jpg - seq_001 def get_scene_id(path): fname os.path.basename(path) # 按數(shù)據(jù)集的命名規(guī)律調(diào)整分割規(guī)則 return fname.split(_frame_)[0] scene_to_images defaultdict(list) for img_path in image_paths: scene_id get_scene_id(img_path) scene_to_images[scene_id].append(img_path) scene_ids list(scene_to_images.keys()) train_scenes, val_scenes train_test_split( scene_ids, train_sizetrain_ratio, random_state42 ) # 按場景切分并復(fù)制到目標目錄 for split_name, scene_list in [(train, train_scenes), (val, val_scenes)]: for scene_id in scene_list: for img_path in scene_to_images[scene_id]: label_path img_path.replace(src_images, src_labels).rsplit(., 1)[0] .txt dst_img os.path.join(dst_dir, images, split_name, os.path.basename(img_path)) dst_lbl os.path.join(dst_dir, labels, split_name, os.path.basename(label_path)) os.makedirs(os.path.dirname(dst_img), exist_okTrue) os.makedirs(os.path.dirname(dst_lbl), exist_okTrue) shutil.copy2(img_path, dst_img) shutil.copy2(label_path, dst_lbl)邏輯說明先收集所有圖片路徑按場景 ID 分組再對場景 ID 做隨機劃分。這樣劃分的最小單位是場景而不是單張圖片驗證集中的任何幀都不會在訓(xùn)練集中出現(xiàn)同場景畫面。random_state42固定隨機種子保證重復(fù)執(zhí)行劃分結(jié)果一致這在我反復(fù)調(diào)試時很重要否則每次跑訓(xùn)練驗證集都變結(jié)果無法對比。參數(shù)說明train_ratio控制訓(xùn)練集比例一般取 0.8數(shù)據(jù)量少可以提到 0.85 或 0.9。get_scene_id函數(shù)里的分割規(guī)則需要按數(shù)據(jù)集的命名格式調(diào)整如果文件名是20240101_123456_01.jpg這種時間戳格式就直接取整段前綴。還要注意標簽路徑的替換邏輯img_path.replace(src_images, src_labels)要求圖片與標簽?zāi)夸浗Y(jié)構(gòu)對稱如果不對稱需要單獨映射。3.3 類別分布統(tǒng)計腳本統(tǒng)計每類框數(shù)發(fā)現(xiàn)類別不平衡劃分完成后第一件事不是訓(xùn)練而是統(tǒng)計類別分布。自動駕駛數(shù)據(jù)集的類別分布極不均衡car可能占一半以上stop_sign可能只有幾百個框。YOLOV5 的損失函數(shù)默認對每個類別一視同仁類別不平衡會導(dǎo)致少樣本類別幾乎學(xué)不出來。統(tǒng)計腳本可以直接解析每個 txt 文件的第一列。import os from collections import Counter label_dirs [autopilot_dataset/labels/train, autopilot_dataset/labels/val] class_counter Counter() for label_dir in label_dirs: for label_file in os.listdir(label_dir): if not label_file.endswith(.txt): continue with open(os.path.join(label_dir, label_file), r) as f: for line in f: line line.strip() if not line: continue class_id int(line.split()[0]) class_counter[class_id] 1 for class_id in sorted(class_counter.keys()): print(fclass {class_id}: {class_counter[class_id]} boxes)邏輯說明遍歷所有標簽文件讀取每一行的第一個字段作為類別索引累加計數(shù)。Counter會按類別自動聚合。打印結(jié)果后對照映射表如果發(fā)現(xiàn)某個類別的框數(shù)比其他少一個數(shù)量級訓(xùn)練前就要處理。參數(shù)說明這個腳本是純讀取不修改數(shù)據(jù)。如果類別不平衡嚴重常見做法是給 YOLOV5 的data.yaml中的類別配置權(quán)重或者在訓(xùn)練時開啟針對少樣本的過采樣。但更穩(wěn)妥的做法是直接增加該類別的數(shù)據(jù)量因為權(quán)重提升容易讓模型對多數(shù)的誤檢率上升。少樣本類別如stop_sign框數(shù)低于 1000 時我會優(yōu)先考慮補數(shù)據(jù)而不是調(diào)權(quán)重。3.4 data.yaml 的寫法路徑、類別名與索引保持一致data.yaml是 YOLOV5 訓(xùn)練的入口配置路徑寫錯或類別索引不匹配都會直接導(dǎo)致訓(xùn)練失敗或?qū)W錯。YOLOV5 目錄格式下的data.yaml基本結(jié)構(gòu)如下。path: ../autopilot_dataset train: images/train val: images/val nc: 11 names: 0: car 1: truck 2: bus 3: motorcycle 4: bicycle 5: pedestrian 6: rider 7: traffic_light 8: traffic_sign 9: stop_sign 10: lane_markerpath是相對data.yaml文件的上一級目錄路徑train和val是相對于path的目錄。nc是類別總數(shù)必須與實際類別數(shù)一致。names字典的 key 和標簽文件里的 class 索引必須一一對應(yīng)順序不能錯。有一個容易被忽略的點path配置寫絕對路徑時換電腦訓(xùn)練就會失效我習(xí)慣用相對路徑配合在工作目錄下啟動訓(xùn)練命令這樣整個項目可以遷移到另一臺機器直接跑。4. 訓(xùn)練前必須做的三件校驗圖像、標簽、配對關(guān)系4.1 壞圖與截斷圖檢測PIL 驗證 SHA 校驗訓(xùn)練集圖片來自采集車或公開道路數(shù)據(jù)集下載、壓縮、傳輸過程都可能產(chǎn)生損壞圖片。YOLOV5 的 dataloader 讀圖失敗時通常不會中斷訓(xùn)練而是跳過該樣本但如果壞圖占比超過 1%實際訓(xùn)練樣本數(shù)就和配置對不上影響收斂效果。我用 PIL 做基礎(chǔ)驗證再配合文件大小過濾。from PIL import Image import os img_dir autopilot_dataset/images/train bad_images [] for img_file in os.listdir(img_dir): if not img_file.lower().endswith((.jpg, .jpeg, .png)): continue img_path os.path.join(img_dir, img_file) try: with Image.open(img_path) as img: img.verify() # 檢查文件完整性 # 額外驗證分辨率 width, height img.size if width 32 or height 32: bad_images.append((img_path, too_small)) except Exception as e: bad_images.append((img_path, str(e))) for path, reason in bad_images: print(fBAD: {path} - {reason})邏輯說明img.verify()會讀取文件的解碼結(jié)構(gòu)遇到截斷或損壞會拋異常比單純檢查文件大小可靠。文件實際上能打開但分辨率過低的圖片也要過濾因為 YOLOV5 在訓(xùn)練時會將圖片 resize 到 640×640一張 20×20 的圖片會被拉伸到嚴重失真模型學(xué)到的是噪聲。參數(shù)說明分辨率閾值 32×32 是我常用的下限具體取決于你的img_size訓(xùn)練參數(shù)。YOLOV5 的 mosaic 增強會拼接四張圖如果一張圖過小mosaic 增強時拉大變形的程度會很夸張?;叶葓D不需要過濾YOLOV5 的 dataloader 會自動轉(zhuǎn)成三通道但如果你發(fā)現(xiàn)灰度圖占比過高建議檢查數(shù)據(jù)來源是否采集出了問題。4.2 標簽內(nèi)容合法性校驗坐標范圍、越界、重復(fù)框YOLO 標簽里五個字段都是浮點數(shù)類別索引應(yīng)為整數(shù)中心點坐標和寬高都應(yīng)滿足約束條件。我見過不少標簽文件里的坐標小于 0 或大于 1原因多是標注工具導(dǎo)出時未歸一化、或者在轉(zhuǎn)換腳本里把長邊除以了寬邊。這類數(shù)據(jù)直接訓(xùn)練會導(dǎo)致 loss 不收斂或精度極差。下面這個腳本能找出所有非法標簽。import os label_dirs [autopilot_dataset/labels/train, autopilot_dataset/labels/val] errors [] for label_dir in label_dirs: for label_file in os.listdir(label_dir): if not label_file.endswith(.txt): continue label_path os.path.join(label_dir, label_file) with open(label_path, r) as f: lines f.readlines() if len(lines) 0: errors.append((label_path, empty_file)) continue seen_boxes set() for line_num, line in enumerate(lines): parts line.strip().split() if len(parts) ! 5: errors.append((label_path, fline {line_num}: field_count ! 5)) continue try: cls int(float(parts[0])) x_c, y_c, w, h map(float, parts[1:]) except ValueError: errors.append((label_path, fline {line_num}: non-numeric value)) continue if cls 0 or cls 10: errors.append((label_path, fline {line_num}: class index {cls} out of range)) if not (0 x_c 1 and 0 y_c 1 and 0 w 1 and 0 h 1): errors.append((label_path, fline {line_num}: coord out of range)) # 檢查重復(fù)框類別坐標完全一致 box_key (cls, round(x_c, 6), round(y_c, 6), round(w, 6), round(h, 6)) if box_key in seen_boxes: errors.append((label_path, fline {line_num}: duplicate box)) seen_boxes.add(box_key) for path, msg in errors: print(fINVALID: {path} - {msg}) print(ftotal errors: {len(errors)})邏輯說明逐行解析每個標簽文件驗證字段數(shù)量、數(shù)值類型、類別范圍、坐標范圍。坐標等于 0 的寬度或高度是無效的因為模型無法學(xué)習(xí)到零大小的目標。重復(fù)框做精確匹配對比標注工具在合并多次標注結(jié)果時容易產(chǎn)生完全一樣的重復(fù)行重復(fù)框會讓模型對同一個目標重復(fù)計算損失導(dǎo)致對該目標的預(yù)測置信度異常偏高。參數(shù)說明類別索引范圍cls 10要按你數(shù)據(jù)集的類別數(shù)調(diào)整。坐標范圍校驗中x_c 0合法但width 0非法需要區(qū)分。如果文件里只有一行0.5 0.5 0.1 0.1這種坐標但寬高為 0就是標注工具導(dǎo)出問題這種文件訓(xùn)練時不會報錯只會默默影響那個樣本的 loss。4.3 圖像與標簽配對檢查找出未配對文件配對檢查是訓(xùn)練前最容易被跳過的步驟。YOLOV5 的 dataloader 在加載時會先查找同名標簽文件找不到就跳過該圖或該標簽。如果 labels 目錄里的文件名與 images 不對應(yīng)錯誤不會報出來訓(xùn)練日志里的樣本數(shù)會變少。import os images_train set(os.listdir(autopilot_dataset/images/train)) labels_train set(os.listdir(autopilot_dataset/labels/train)) img_stems {os.path.splitext(f)[0] for f in images_train} lbl_stems {os.path.splitext(f)[0] for f in labels_train} missing_labels img_stems - lbl_stems missing_images lbl_stems - img_stems if missing_labels: print(fimages without labels: {len(missing_labels)}) for s in list(missing_labels)[:10]: print(f {s}) if missing_images: print(flabels without images: {len(missing_images)}) for s in list(missing_images)[:10]: print(f {s}) if not missing_labels and not missing_images: print(all paired OK)邏輯說明把images/train和labels/train下的文件名去掉擴展名后取集合兩個集合做差集就能找出未配對的文件。圖片有標簽缺失的要么補標簽要么刪圖標簽有但圖片缺失的要么補圖要么刪標簽。需要特別注意的是這個腳本只檢查 train 目錄val 目錄要再跑一遍。參數(shù)說明腳本本身沒有參數(shù)但如果數(shù)據(jù)集按子目錄組織比如images/train/daytime和images/train/night需要把os.listdir改成os.walk遞歸收集文件。很多自動駕駛數(shù)據(jù)集會按天氣或時段分子目錄但 YOLOV5 標準格式要求所有訓(xùn)練圖片在同一個目錄下下載后需要合并目錄。4.4 抽幀可視化把標注框畫回圖像上肉眼檢查偏移腳本校驗只能查數(shù)值合法性標注框是否真的框住了目標要靠可視化確認。每類隨機抽 20 張圖把標簽畫回圖上檢查框的位置是否偏移、類別是否正確、有沒有漏標注嚴重的圖。下面這段用 OpenCV 畫框的腳本可以直接跑。import cv2 import os import random label_dir autopilot_dataset/labels/val image_dir autopilot_dataset/images/val output_dir visual_check os.makedirs(output_dir, exist_okTrue) class_names [ car, truck, bus, motorcycle, bicycle, pedestrian, rider, traffic_light, traffic_sign, stop_sign, lane_marker ] colors [ (0, 255, 0), (0, 165, 255), (0, 0, 255), (255, 0, 0), (255, 255, 0), (255, 0, 255), (0, 255, 255), (128, 128, 0), (128, 0, 128), (0, 128, 128), (255, 128, 0) ] label_files random.sample(os.listdir(label_dir), min(20, len(os.listdir(label_dir)))) for label_file in label_files: stem os.path.splitext(label_file)[0] label_path os.path.join(label_dir, label_file) img_path os.path.join(image_dir, stem .jpg) if not os.path.exists(img_path): continue img cv2.imread(img_path) h, w img.shape[:2] with open(label_path, r) as f: for line in f: parts line.strip().split() if len(parts) ! 5: continue cls int(float(parts[0])) x_c, y_c, bw, bh map(float, parts[1:]) x1 int((x_c - bw / 2) * w) y1 int((y_c - bh / 2) * h) x2 int((x_c bw / 2) * w) y2 int((y_c bh / 2) * h) cv2.rectangle(img, (x1, y1), (x2, y2), colors[cls], 2) cv2.putText( img, class_names[cls], (x1, max(0, y1 - 5)), cv2.FONT_HERSHEY_SIMPLEX, 0.5, colors[cls], 1 ) out_path os.path.join(output_dir, stem _check.jpg) cv2.imwrite(out_path, img) print(fsaved: {out_path})邏輯說明隨機抽取驗證集中的 20 個標簽文件讀對應(yīng)圖片把每個歸一化坐標乘以圖像寬高還原成像素坐標用不同顏色畫框并標注類別名。重點看三件事框是否貼住目標邊緣、類別和實際目標是否匹配、有沒有一張圖里被重復(fù)標注或完全漏標的情況。參數(shù)說明random.sample的 20 是抽樣數(shù)量類別少時可以每類固定抽固定數(shù)量保證每個類都覆蓋到。顏色列表長度要大于等于類別數(shù)否則索引越界。輸出目錄visual_check是新建的不會覆蓋原圖。這一步不能省標注偏移在自動駕駛場景中尤其危險——紅綠燈偏移一兩個像素在 640 分辨率下還能忍但行人框偏了半個身位訓(xùn)練出來的模型在真車上就得誤判。5. 訓(xùn)練集和驗證集的常見翻車現(xiàn)場與排查清單5.1 現(xiàn)象訓(xùn)練日志顯示的樣本數(shù)比 images 目錄文件數(shù)少第一次用這個數(shù)據(jù)集訓(xùn)練時啟動日志里顯示的train images數(shù)量比ls images/train | wc -l的數(shù)字少了幾百張當(dāng)時沒在意后來才發(fā)現(xiàn)是數(shù)據(jù)里有壞圖和未配對標簽。YOLOV5 的 dataloader 初始化時會掃描所有圖片并嘗試匹配對應(yīng)標簽匹配失敗的靜默跳過不報錯。原因一是 images 目錄里有一些損壞或格式不被支持的圖片文件二是 labels 目錄里有圖片找不到對應(yīng)標簽三是文件擴展名大小寫不一致比如圖片是.JPG而標簽生成時用的是.jpg。解決用 4.1 的壞圖檢測腳本掃一遍 images用 4.3 的配對腳本比對 train 和 val 兩個集合。把無法配對的圖片直接移出目錄不要留在原目錄里否則每次訓(xùn)練啟動日志都嚇人一跳。擴展名大小寫問題在 Linux 上訓(xùn)練時最常出現(xiàn)建議統(tǒng)一轉(zhuǎn)成小寫。5.2 現(xiàn)象loss 不下降mAP 約等于 0訓(xùn)練跑了 50 個 epochbox_loss 和 cls_loss 都在高位震蕩驗證集 mAP 接近 0這時模型實際上什么都沒學(xué)到。我排查了一圈發(fā)現(xiàn)標簽類別索引和data.yaml里的類別映射錯位了。原因標簽文件中的類別索引從 1 開始而 YOLOV5 的類別索引從 0 開始。比如原本應(yīng)該是class 0 car但標簽文件里寫的是class 1 car模型把 car 當(dāng)成第二類所有類別整體偏移一位。還有一種可能是data.yaml里的nc和實際類別數(shù)不一致比如nc: 11但標簽文件里出現(xiàn)索引 11 的行超出范圍的那部分樣本在損失計算時行為異常。解決用 4.2 的類別范圍校驗?zāi)_本掃描所有標簽文件看最小索引是多少、最大索引是多少。如果最小索引是 1寫一個批量轉(zhuǎn)換腳本把所有標簽文件的第一個字段減 1。然后同步檢查data.yaml的names列表順序和標簽索引一一對應(yīng)。這個邏輯必須嚴格執(zhí)行改標簽或改 yaml 選一個即可但兩個都改等于沒改。5.3 現(xiàn)象小目標類別 AP 極低尤其是 traffic_light 和 lane_marker訓(xùn)練結(jié)束后看每個類別的 APcar、truck能到 0.8 以上但traffic_light只有 0.2lane_marker甚至幾乎為 0。這不是模型的問題是數(shù)據(jù)集本身的性質(zhì)決定的。原因自動駕駛場景中遠距離的小目標在 640×640 分辨率下只有幾個像素。YOLOV5 默認的 anchor 尺寸是針對 COCO 的通用目標設(shè)計的對微小的交通燈和車道線并不友好另外這些小目標類別樣本數(shù)少在類別不平衡下模型傾向于忽略它們。解決有兩步第一步在訓(xùn)練時把--img提高到 1280小目標在更高分辨率下像素數(shù)變多檢測率明顯上升代價是顯存占用和訓(xùn)練時間增加第二步針對標簽數(shù)據(jù)重新聚類 anchorYOLOV5 提供腳本自動做這件事命令是python utils/autoanchor.py --cfg yolov5s.yaml它會分析你的標簽分布生成適配小目標的 anchor 集合。數(shù)據(jù)增強上我一般會調(diào)高--hsv_h和--hsv_s讓模型在顏色維度更魯棒但這對小目標的實際幫助有限主要還是分辨率和 anchor。如果數(shù)據(jù)集的類別分布統(tǒng)計顯示小目標框數(shù)遠低于其他類別也可以考慮用圖像切塊的方式把小目標放大后單獨訓(xùn)練。5.4 現(xiàn)象驗證集指標虛高部署后性能打回原形訓(xùn)練時驗證集 mAP 0.85模型導(dǎo)出后到實際道路視頻上一測大量漏檢和誤檢。最開始我以為是過擬合后來排查發(fā)現(xiàn)驗證集劃分方式不對。原因訓(xùn)練集和驗證集是從同一批視頻幀里隨機切分的同一段路的連續(xù)幀同時出現(xiàn)在兩邊。模型在訓(xùn)練時見過幾乎一樣的畫面驗證時當(dāng)然表現(xiàn)好但面對沒見過的場景就露餡。解決按 3.1 的方法重新劃分以場景 ID 為最小單位。具體做法是打開原始數(shù)據(jù)看文件名如果文件名包含時間戳或場景編號直接用字符串切分提取前綴把相同前綴的幀歸到同一個場景。重新劃分后驗證集 AP 掉到 0.7 都是正常的這個 0.7 才代表真實泛化能力。如果原始數(shù)據(jù)沒有場景信息可以用圖像相似度做聚類把相似度高的幀分到同一邊但這實現(xiàn)起來復(fù)雜優(yōu)先檢查文件名或目錄結(jié)構(gòu)。5.5 現(xiàn)象中文路徑或特殊字符導(dǎo)致訓(xùn)練中斷在 Windows 上用中文用戶名的電腦訓(xùn)練啟動時報錯找不到文件或者讀取到一半報編碼錯誤這在跨平臺協(xié)作時尤其常見。原因YOLOV5 依賴 OpenCV 和 numpy 處理圖片OpenCV 在 Windows 上對中文路徑支持差標簽文件里包含中文字符也會導(dǎo)致編碼錯誤。Linux 服務(wù)器上如果路徑里有空格或特殊符號有些 shell 命令和工具會解析出錯。解決最穩(wěn)妥的做法是一開始就統(tǒng)一規(guī)范數(shù)據(jù)集路徑和文件命名只用英文字母、數(shù)字、下劃線目錄結(jié)構(gòu)里不出現(xiàn)空格。如果已經(jīng)有一批中文目錄的文件寫個腳本把文件復(fù)制到新的純英文路徑下不要直接在原目錄上做重命名因為還要同步改標簽文件里的路徑引用。另外注意 txt 文件要用 UTF-8 編碼保存不要用 Windows 默認的 GBK。這個問題會反復(fù)出現(xiàn)在團隊協(xié)作中最好的習(xí)慣是把數(shù)據(jù)集放在服務(wù)器固定目錄~/data/autopilot_dataset這種位置所有人按同一套路徑規(guī)范操作。6. 訓(xùn)練后的驗證技巧混淆矩陣與類別 AP 決定數(shù)據(jù)集的去留訓(xùn)練結(jié)束后驗證集上的 mAP 只是門檻真正決定這份數(shù)據(jù)集值不值得投入的是驗證集上每個類別的詳細表現(xiàn)。我訓(xùn)練完第一件事是運行驗證腳本看混淆矩陣和每類 APYOLOV5 的命令很直接。python val.py --weights runs/train/exp/weights/best.pt --data autopilot_dataset/data.yaml --img 640 --conf 0.25 --iou 0.45運行完成后runs/val/exp目錄下會生成confusion_matrix.png、F1_curve.png和PR_curve.png。我重點看混淆矩陣里background那一行如果很多目標被預(yù)測成背景說明模型漏檢嚴重如果traffic_light經(jīng)常被預(yù)測成traffic_sign說明這兩類特征接近且訓(xùn)練數(shù)據(jù)里出現(xiàn)頻次差異太大。這些小細節(jié)直接決定下一步是加數(shù)據(jù)、調(diào)權(quán)重還是換模型結(jié)構(gòu)。對數(shù)據(jù)集質(zhì)量本身的評估我有一個習(xí)慣挑驗證集里所有 mAP 低于 0.5 的類別單獨跑一次預(yù)測把預(yù)測結(jié)果可視化出來逐張看圖判斷是標注問題還是數(shù)據(jù)量問題。如果發(fā)現(xiàn)某張圖里明明有 5 個行人但標簽文件里只有 2 個那份標簽就是漏標需要回爐。每次拿到新的自動駕駛數(shù)據(jù)集我都會做一遍這個檢查現(xiàn)在已經(jīng)成為固定動作。最后再說一句11 類道路目標的數(shù)據(jù)集做出來后先拿 500 張圖做一輪冒煙測試確認 loss 能降、mAP 不是 0再上全量訓(xùn)練這能幫你省下大量調(diào)試周期。希望這篇筆記對你有幫助。本文還有配套的精品資源點擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
国产乱码久久| 五月色婷婷影院| 成人国产网站在线免费看| 激情五月天网页| 99精品手机在线视频| 久久这里只| 久久在线大香蕉| 色噜噜婷婷| 新伍月婷婷| 婷婷丁香激情综合色情| 婷婷丁香五月社区亚洲| 丁香婷婷久久| 五月婷婷亚洲| 欧美黄色韩日网| 成人亚洲精品| 色色cOm| 六月婷婷啪啪| 国产44页| 色噜婷婷| 婷婷色色综合| 99激情视频| 噜噜狠狠色综合久| 九九热免费| 久久97| 亚洲精品九九| 激情综合网激情五月婷婷| 99热在线精品观看| 国产成人亚洲综合A∨婷婷| 影音先锋噜一噜| 荫道BBWBBB高潮潮喷| 毛片新网地| 欧美婷| 激情婷婷| 激情综合五月| 五月丁香色情| 五月丁香色| 99精品在线下载| 7超碰自拍| www.久久久久久久久久.com| 丁香五月伊人| 色天使久久综合| 超碰在线99| 久久狠狠干| 99热的无码| 天天日天天做天天舔| 成人一区在线观看| 男人天堂AV在线一区二区| 精品一二三区久久AAA片| 91热网址| 日本啪啪天堂| 天天操天天曰| 日日撸夜夜操| 老师的粉嫩小又紧水又多A片视频| 99ri精品在线| 婷婷伊人网| 色吧网综合| 韩国中文字幕91| 亚洲九九视频| 国产69久久久欧美黑人A片| 日本99热| 日产精品一线二线三线芒果| 久久小说| 婷婷五月天天激情| 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… | 亚洲最大视频网站| 六月丁香啪| 亚洲电影在线观看| 91人人妻人人操人人爽| 99热色婷婷| 国产首页在线| 久9热在线视频| 96精品久久久久久久久| 永久的网站AAAA | 老司机日日夜夜青草| 亚洲天堂婷婷丁香| 亚洲综合欧美色丁香婷婷888月图片| 欧美性色A片免费免费观看的| 亚洲超碰在线| 色约约视频一区二区三区四区五区| 五月丁香婷婷激情图片| √天堂资源在线人妻熟女| 丁香五月欧美色综合| 99热综合网| 91精品久久久久久久久久久久| 97五月婷婷| 91久久五月天| 婷婷伊人激情婷婷| 99热最新| 日本久久99| 欧美色综合天天久久综合精品| 男女啪啪做爰高潮无遮挡| 99精品偷自拍| 影音先锋91视频| 久久久久久久91| 秋霞av不能| 99热一本久道| 五月丁香啪啪综合网| 九九人人自拍| 日本特黄aaaaa| 五月婷婷激清网| 色婷婷九月综合| 激情五月丁香色婷婷| 六月激情婷婷综合| 97操碰视频| 久激情网| 天天色中文字幕女优AV| 91色噜噜狠狠狠狠色综合| 九九五月天| 六月丁香基地| 五月婷婷开心综合| 久激情网| 狠狠色噜噜色狠狠狠综合色 | 久久狠婷婷| 久久色天堂| 婷婷久久免费看| 天天操电影院色狼性av| 色婷婷激情| 大鸡巴伊人网| 天天干天天 亚洲| 99热这里是精品| 99日韩| 国产精女同一区二区三区久 | 天天肏屄夜夜爽| 丁香五月激情澎湃一区| 色五月激情综合网| 日都一级A片| 九九日本视频| 99综合视频一体| 婷婷五月丁香国产| 五月天激情婷婷五月天久久| 久久98| 91综合在线视频| 天天做综合网色综合| 婷婷综合视频| 九月久久婷婷| 久热这里只有精品6| 丁香五月香蕉| 深夜男女福利刺激影院一区完整| 囯产精品久久欠久久久久久九大| ...婷婷五月综合不卡,国产在线手机| 视色综合| 婷婷丁香五月在线观看91| 婷婷色播色五月五色五月天色妇| 99热综合| 丁香五月婷婷深爱综合激情| 99爱在线精品视频免费观看| 337p大胆噜噜噜噜噜91Av| 婷婷无码视频| 日本久久久97| 99热在线观看精品| 五月天婷婷爱丁香中文字幕| 99视频综合网| 国产亚洲精品久久久久苍井松| 丁香六月综合激情| 深情五月天| 婷婷六月丁香色| 99热一区| 99综合| 丁香五月影视| 婷婷伊人综合中文字幕| 2017狠狠干| 色五开心五月五月深深爱| 人人干女人| 人人操9| 草草夜夜操| 国产成人亚洲综合A∨婷婷| 性热视频99精品| 日韩操逼小电影| 中文aV网| 久久婷婷在线| 少妇人妻人伦A片| 狠狠狠狠狠干| 天天天摸夜夜夜玩| 久久五月天色婷婷| 婷婷天堂综合| 先锋五月婷婷丁香草草| 91人操人人人操人| 综合九九久久| 97人碰人操| 99福利导航| WWW、日本色丁香co m| www.狠狠狠.com| 人人干人人看| 丁香六月啪| 婷婷天天五月天| 大香蕉娱乐| 五月天色色网站| 丁香婷婷免费| 久久99精品久久久久久三级| www.超碰| 9精品视频在线| 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 | 少妇激情基地| 九九综合九九| 5月丁香婷婷| 第四色婷婷色五月| 综合久久人妻| 五月婷婷久久久| 玖玖无码中文| 97超碰婷婷五月天| 久久伊人9| 99综合视频一体| 激情婷婷五月天在线观看| 人人人人人人人人人草| www夜夜操wwwcon| 久久丝袜婷婷| 97luluse| 色色色热热热| 五月天大香焦| 天天色综合色色色色色。| 五月天六月色| 北条麻妃伊人 | 六月婷婷视频| 99爱99操| 亚洲亚洲人成综合网络| 91狼友视频在线观看| 99热都是精品| 欧美日韩aaa| 牛牛澡牛牛爽| 这里只有精品99视频| 婷婷五月天六月丁香| 岛国在线观看91| a色色色色色| 九九99免费视频| 亚洲av无码精品色午夜| 最新午夜理论片| 亚洲成av人影院| 久操热线| 综合日本婷婷| 久久这里有精品视频| 国产精品涩涩涩视频网站| 黄色片精品| AV性爱网| 亚洲顶级VA在线观看-高清完整版在线影院观看-S022AV | 久久99精品视频| AV在线免费网站| www久久艹| 色综合天天网| 婷婷六月综合激情| 久热伊人9| 人人干天天操五月丁香| 人妻激情久久| 91碰碰碰| 9九色首页| 国产乱轮一区二区三区| av无码电影| 无遮挡国产高潮视频免费观看| 99自拍网| 五月丁香影院| seav天堂| 日本人人干| 特黄三级片| 99热r| 激情四射五月天| 丁香六月婷婷综合激情欧美| 国产精品99久久久久久久女警| 天天激情视频| 亚洲午夜AV| 久婷婷五月激情| 99噜噜噜在线播放| 日本高清久久| 精国产品一区二区三区A片| 日韩AV中文字幕在线| 日本WWW九九九| 色9999日韩国产| 成人五月天丁香婷| www.色婷婷。com| 丁香婷婷五月激情| 丁香婷婷色五月天| www.91在线观看| 国产XXXX搡XXXXX搡麻豆| 五月之婷婷| 婷婷射丁香| 丰满少妇猛烈A片免费看观看| 五月停停丁香| 色婷婷欧美| 五月婷婷欧洲| 爱射综合| 激情丁香六月| 亚洲热视频| 99aese| 抽插特写| 色狠狠色狠狠| 人妻激情视频| 九九99久久| 五月丁香婷婷深深爱| anquye伊人| 九九久久精品| 久久之人妻| 五月 成人 婷婷| 色色色色色色色色综合网| 1024久婷| 桃色五月婷婷| 日本色色色色色色色色一色二色| 九洲一级A片| 99热福利| 天天日,夜夜爽| 日本三级第一页| 色香蕉婷婷| 久色网址| 91丨九色丨熟女| 丁香六月婷| 激情六月天婷婷| 日日噜狠狠色综合久久| 五月天自拍网| 91色五月| 婷婷四月 成人 狠狠干| 狠狠色五月激情| 久久只有这里精品免费| 婷婷6月综合网| 啪啪婷婷五月天激情| 久99热在线观看| 色婷婷五月天激情综合| 人人人操Av| www.1024久久| 色色色激情网| AV片一区在线观看| 色欧美色色色| 国产毛片精品一区二区色欲黄A片| 五月丁香综合网| 草综合网| 日韩黄黄| 伊人青涩网| 日本五月婷| 五月久久婷婷| 婷婷九九色| 久久婷婷网| 很很干五月天| 丁香五月综合| 五月天婷婷激情在线色图| 91久久99久久91熟女精品| 婷婷色5月天在线。| 丁香五月婷婷AV在线| 色五月五月婷婷| 97色碰碰公开视频| 色五月婷婷五月久久| 五月婷婷激情色情网| 亚洲色五月婷婷| 在线不卡视频| 另类在线| 9久热在线视频精品| 久久精品无码一区| 美女亚洲五月丁香| 丁香五月成人| 激情熟女网| 婷婷丁香五月天小说| 色999五月色| 日韩有码一区| 亚洲国产精品综合色区| 少妇大叫太大太粗太爽了A片| 亚洲欧洲午夜成人精品av| 99精品爱| 国产精品18久久久| 色亭亭五月天网扯| 婷婷五月花| 九九色大香蕉| 五月丁香影院| 99干视频| www.婷婷五月天.com| 成人VAV视频在线观看| 天天干夜夜b| 丁香婷婷基地| 超碰操网| 国产成人网站在线观看| 99九九综合久久九九| 伊人五月天在线| 久久免费高| 婷婷玉月丁香五月在线视频| 久久精品国产AV一区二区三区 | 一二三区视频韩国| 天天肏在线视频| 亚洲99手机免费看视频| 桃色成人网| 另类图片激情五月天| 97色色色色色| 97碰在线| 大地资源色婷婷视频在线| 都市激情蜜桃婷婷五月天| 久操人妻| 亚洲精品欧洲精品| 超碰日韩人妻在线| 黄色激情五月天| 青青草五月天| 啪啪综合| sS丁香五月婷婷| 天天爽夜夜操| 六月色国内综合| 丁香婷婷色五月| 亚洲99热| 538在线| 人妻22p| 久久性操| 噜噜噜噜噜日本视频| 婷婷色五月丁香六月欧美啪| 一夜福利不卡| 偷拍九九热| 天天爽免费视频| 丁香五月ⅤA久久久| 国产精品久久久海的味道| 九九偷拍网| 激情伊人| 五月丁香六月婷婷在线播放| 久久五月情| 97影院一级片| 久草五月天电影网| 我去色色网五雨天| 91一起操| 五月天久久网站| 久婷久婷激情肉| 色综合激情| 丁香六月AV| 婷婷.com| 综合激情五月丁香| 天天操天天谢| 人妻久久婷婷| 香蕉网婷婷| 小视频久久久aaa| 五月天综合激情网| 国产免费性爱| 超碰在线人妻| 99乱视频| www久久99| 婷婷视频在线| 欧美性爱五月天| 79成人网| 玖玖婷婷五月天| 五月婷婷色在线| 婷婷九月丁香中文| 婷婷五月天情色| 98毛片| 天堂网亚洲色图| 99热.com| 能看的av| 丁香五月综合在线观看| 色八月婷婷| 日本97人人| 九九精品热| 久久六月天| 五月婷婷五月天激情视频| 亚洲正能量欧美| 色婷婷色99国产综合精品| www.五月天社区| 如何安全看伊人婷婷| 69人人操人人爽| 五月激情综合网| 5月丁香六月婷婷| 五月丁香| 色情丁香五月婷婷精品| 激情婷婷九月| 日韩天堂久久| 国产色色色色色| 国产乱子轮XXX农村| 婷综合| 五月综合激情视频在线| 五月丁香婷婷激情澎湃四射| 丁香五月婷婷姐| www.超碰在线| 人伦30P| 九九亚洲天堂| 青青久在线视频免费观看| 色域五月婷婷丁香| 欧美日韩成人高清在线| 五月婷婷六月激情| 九九热在线视频观看| 99re这里只有精品首页| 天天干夜夜欢| 天天日天天日天天搞| 激情五月深爱五月观看| 国产欧美日韩性爱| 婷婷丁香五月av| 狠狠久久婷五月| 婷婷爱五月| co超碰在线观看| www色婷婷| 玖玖婷婷五月天| 超碰99在线观看| 日夜操B| 少妇综合网| 99秘 在线| 婷婷中文字幕版| 色九月婷婷| 99精品一二三四视频| 爽天天天天天天天| 美女激情综合| 激情丁香五月婷婷| 国产FREESEXVIDEOS性中国| wwwss在线观看| 五月丁香激情综合网| 亚洲精品色| 久久久网站| 色99色| 一级黄色影片| 精品热九九| 91av成人| 色婷婷综合亚洲| 99在线热| 婷婷大美在线| 婷婷五月天综合小说网| 99热精品99| 色色五月丁香婷婷| 天天干天天干天天| 日噜噜色| 亚洲永久四色| 翔田千里无码| 思思热国产在线| 人人草人| 九九热视频精品| 中文字幕日产A片在线看| 五月婷婷很很色| 92久操视频| 啪啪综合| 五月欧美色色五月| 色婷婷先锋| 婷婷五月成人| 人妻无码视频网| 激情性爱网站| 亚洲色综久久五月| 久久中文人妻系列| 这里只有精品视频99| 天堂成人久久| 五月丁香综合激情在线观看| 国产欧美日韩一区二区三区| 色五月婷婷小说亚洲中文字幕组| 婷婷五月天福利| 91av成人| 99热大全在线观看| 亚洲色热| 国精产品一区一区三区免费视频| 91 九色 入口| 天天舔天天摸天天射| 九九精品在线观看视频6| 五月婷婷六月丁香综合| www.婷婷久久五月天| 五月天色丁香| www.粉嫩av.com| 天天日天天做天天操| 可以免费观看的AV| 午夜天堂一区人妻| 九洲一级A片| 婷婷丁香视频| 天天狠狠夜夜狠狠2023| 亚洲AV无码成人精品区电影网| 色综合夜夜| 婷婷色av| 精品香蕉99久久久久网站| 婷婷激情五月视频| 99久久99视频只有精品| 激情综合五月天| 国产成人精品一区二三区熟女在线 | 久久婷婷五月天综合| 99无码视频| 99热色综合| www.五月激情.com| 欧美日韩成人| 国产精品成人AV在线| www.操逼comm| 丁香五月成人| 色婷婷内射| 99在线免费视频| 色婷婷小视频| 开心五月丁香啪| 99re6久热只有精品6在线直播| 日韩黄色AV无码| 天天干夜夜欢| 国产精产国品一二三在观看| 久久99最新| 五月婷在线观看| 婷婷狠狠综合网入口| 色婷婷综合久色AV五色最新| 久久精品9| www.99热这里精品| 婷婷网五月天| 色色影院黄大片| 九九色热视频| 国产精品男人AV不卡| 色五月aV| 亚洲色无码A片一区二区麻豆| 99色网站| 色色色欧美| 黄色精品五月婷婷| 超碰在线精品| 丁香成人五月天| 久久久WWW| 色五月色图| 啪啪 综合网| 另类视屏| 99热这里只有精品1025| 99热最新精品| 日日干天天爽| 77799热| 色五月综合网| www.五月天婷婷姐姐| 亚洲精品久久久久久久久久飞鱼| 五月丁香六月婷婷中合网| 天天干天天干天天干| 色八月婷婷| www.婷婷| 色播五月天天| 激情九月丁香婷婷| 午夜婷婷五月天在线| 婷婷丁香18| 综合婷婷五月丁香在线观看| 4438国产免费看| 久久久27操| 大香蕉九操| 五月天开心色情网| 激情com| 久久精品99国产精品日本| www激情网| 久久久久97| 开心五月天激情网| 狠狠色婷婷在线| 亚洲国产精品二二三三区| xfplayav在线| 开心五月婷婷伊人| 色婷婷狠| www.伊人天堂偷偷婷婷| 久久婷鲁| 99精品在线播放| 国产精品噜噜在线视频| 综合网狠狠| 欧美人妻一区二区| 97好吊操| 另类图片天天影视在线观看| 久久一级AV| 99久精品视频| 手机激情网| 色噜噜五月天| 日逼AV影音先锋男人资源站| 欧美精品18| 激情五月天在线观看婷婷| 五月香婷婷| 五月 婷婷 成人| 亚洲婷婷婷| 欧美成人精品A片免费一区99| 久久这里只有精品视频1| 综合 蜜月 婷婷| 激情五月婷婷丁香| 思思国产99| 亚洲婷婷五月天在线激情综合网| 五月天激情亚洲| 中文字幕成人| 五月色影院| 国内裸舞二区| 日韩操女| 日韩成人无码| 91精品婷婷国产综合久久| 五月丁香六月欧美| 青青草原中文字幕| 激情伊人网| 五月综合激情啪啪啪啪啪| 激情五月综合网最新| 九九久久视频| 99精品久久| 成人在线视频男人的天堂4399| 国产精产国品一二三在观看| 五月婷婷欧美| www.婷婷六月天| 五月天激情小说婷婷基地| 婷婷大香蕉| 99热九九在线| 久久AAAA片一区二区| 91AV婷婷| 婷婷五月天福利| 色 五月婷婷基地| 99久久精彩视频。| 丁香六月婷婷开心| 97干视频在线| 97超碰欧美中文字幕| 丁香激情网| 国产超碰在线| 成人精品人妻| 久久婷婷久久| 日日夜夜干| 欧美婷婷五月天| www.sezonghe| 色狠狠综合| 五月天激情网址| 色优久久| 噜一噜免费视频| 亚洲综合九九| 久久婷婷色| 亚洲欧美婷婷五月色综合| 九九热re99re6在线精品| 国内久久久精品99| 日韩欧美一道四区中文字幕| 免费在线观看av网站| 色色色香蕉五月婷| 婷婷色色综合| 亚洲成人av在线观看 | 国产精品A成V人在线播放| 久久婷色| 国产成人精品一区二三区熟女在线 | 五月丁香亚洲综合| 天天射影院| 99热在线观看精品| 五月天丁香| 久久精品爱爱| 亚洲性受XXXX五月丁香| 婷婷五月天伊人在线| 五月天婷婷三级黄| 天天噪夜夜爽| 免费五月婷婷网| 五月天六月婷婷| 97五月久久丁香婷婷| 人妻精品在线| 婷婷丁香六月| 色激情网| 五月丁香激情四射| 亚洲夜五月| 99色丁香婷婷综合网| 五月天婷婷永久免费视频| www.夜夜騎夜夜狠| 五月婷婷开心网| 成人在线日韩| 日韩AV在线影片| 丁香五月激情欧美| 冬月かえでAV无码播放| 丁香色色色| 婷婷五月天AV激情| 毛片毛片毛片毛片| 2017人人操| 色婷婷基地| 影音先锋一区二区资源站| Www.se.久久| 久久久99久久| 天天日天天操天天干| 丁香五月精品| 亚洲精品电影| 无遮羞AV| 日韩啪| 深爱激情五月天色婷婷| 欧美va在线观看| 亚洲无码99| 国内9l视频自拍老熟女九色| 日韩在线观看亚洲| 五月婷婷和六月| 久久婷婷五月天蜜桃| 亚洲操B| 99精彩视频在线观看| 99九色视频在线观看| 丁香五月综合色婷婷| 超碰熟女拍拍| 五月天婷婷色| 欧美天天搞| 五月丁香直播| 日良久久| 日韩无码亚欧无码| 深爱女色婷婷丁香五月亚洲图区| 九九视频这里只有精品| 色五月网址| 丁香五月婷婷影院| 久久综合热17c| 五月婷婷激清网| 欧美日综合| 五月婷天堂视频| 深爱五月天婷综合| 激情性五月天免费小说视频| 五月香婷婷| 啪啪操操| 日日操夜夜操中国无码| 五月婷丁香| 夜夜骑天天操| 久久人人做人人妻人人玩精品va| 久热爱大香蕉在线蜜臀悦色| 高清无码一区二区三区四区| 色五月激情网| 99啪99| 99爱在线视频观看| 婷婷亚洲综合| 色色日本欧美| www.色五月.com| 99国产精品久久久久久久久久久 | 五月开心激情| 婷婷久久在线| 性生活久久人妻| 嫩BBB搡BBBB榛BBBB| 99久久九九| 色五月五月婷婷| OUMEIRIHANCHENGREN| 五月天伊人手机在线播放AV| 俺去也综合| 欧美日韩99| 婷婷五月激情图片| 丁香六月激情四射| 五月婷婷深深爱| 亚洲激情| 五月婷婷,六月丁香| 日韩野外 无套| 激情婷婷狠狠干| 九九激情| 婷婷五月天激情文学小说| 99精品在线观看| 91肏| AV网站免费在线| 狠狠色丁香婷婷久久综合| 日日噜狠狠色综合久| 亚洲123区高清入口| 婷婷五月天激情丁香| jiujiuxiangjiaowang| 成人色色视频| 激情五月黄色| 精品51XX| 激情丁香久久久久久| 伊人啪啪网| 日韩大片艹艹| 区美毛片子| 另类专区在线| 激情五月综合婷婷| 天天噜天天爱| 色婷婷五月天| 五月中旬婷婷丁香六| 亚洲黄色操逼| 婷婷五月天激情电影小说| 色九综合| 婷婷在线精品| 五月婷婷亚洲综合网| ..真实国产乱子伦毛片| 日韩AV大全| 五月丁香毛片| 精品久久久人妻| 天天日天天舔天天摸 | 性爱久久| 深爱婷婷丁香五月激情| 久婷婷五月天影院| 天天日综合| 婷婷开心综合人妻小说网址| 五月婷婷视频| 久久综合五月天| 337p大胆噜噜噜噜噜91Av| 97福利视频| 色5月婷婷| 99热在线播放| 五月丁香婷婷色色色| 成人短视频在线观看| 99超在线| 九九热91| AA丁香综合激情| 日日夜夜综合| 久久五月激情| 九九草草逼| 色婷婷电影网| 99热国产国产| 婷婷丁香综合| 五月天婷婷影院| 激情五月天婷婷在线网址发给我| 九九色精品| 91九色超碰| 超碰成人电影| 丁香五月婷婷色| 久久久中文| 性爱激情久久| 综合久久99| 五月天激情无码高清 | 婷婷丁香人妻天天爽| 五月婷婷激情综合在线| 青青999| 另类在线| 思思精品视频| 色五月aV| 中文字幕AV在线播放| 丁香狠狠色婷婷久久无码视频| 91碰| 五月丁香婷中文字幕| 色99日韩| 伊人超碰在线| 日韩一区二区A片免费观看| 色婷久九| 久 久9 9 热 视 频| 综合亚洲五月天| 中文字幕,综合,91| 蜜臀av 粉嫩av 懂色av| 婷婷五月天社区| 深爱婷婷网| 伊人影音无码一区二区三区| 欧美男女婷婷| 六月丁香五月婷婷| 欧美影院婷婷| 久热这里只有精品6| 天天爽人人爽| 亚洲色色五月天| 欧美日本不卡黄色片| 亚洲色五月| 五月丁香啪啪综合| 九九热精品| 婷婷五月天首页| 美女要搞搞天天搞搞搞网站| 一起草无码| 六月丁香婷婷爱| 在线视频区| 九九性视频| 91热视频色网站| 久久五月情| 婷婷五月丁香性爱| 桃色五月婷婷| 欧美丰满熟妇BBB久久久| 来吧亚洲综合网| 激情综合五月| 亚洲激情网| 超碰人人射| 99热综合在线| 婷婷人人操| 欧美超级视频97| 色五月综合| 色色射| 无码任你操| 深爱激情综合网| 色播五月婷婷| 久久视频婷婷| 女人天堂AV| 激情综合网色播五月| 激情五月丁香亭亭 | 这里只有精品在线观看视频| 伊人AV五月婷| 久久色五月天激情小说| 99热这里只有精品55| 97操碰| 婷婷五月花| 97人操| 婷婷五月天首页激情| 色综合天天| 女婷久久| 天天操天天日天天爽| 伊人五月天婷婷| 操91| 天天日日人| www久久五月com| 五月丁香欧美在线| 色婷婷成人网| 婷婷丁香五月视频| 99久久网站| 久久综合九色综合97婷婷| 日本三级中国三级99| 久久精典| 五月婷婷色播| 99久久九九| 蜜桃人妻无码AV天堂三区| 嫩草极品| 99久热精品在线| 丁香五月电影院在线观看| 天天天天干| 男人操女人高潮91视频| 狠狠婷婷色| 97精品综合久久| 97色干| 五月天婷婷婷| 日韩一级网站| 桃色五月天| 激情6月| 91色情播放| 性色天| 久久综合丁香激情五月| 99热思思| 久久婷婷午夜| BT综合在线视频观看| 五月婷婷激情四季| 这里只有免费精品| 欧洲色区| 五月丁香色色色| 九九久久五月天| 99re在线观看视频| 色综啪啪网| 伊人9在线| 91婷婷| 狠狠操在线视频| 亚洲人人操| 色婷婷色99国产综合精品| 97成人在线视频| 色五月大香蕉| 国产婷婷五月天| 91狠狠综合久久久久久| 久777| 亚洲中文字幕AV| 综合综合网| 五月婷色| 日本九九九九九九| 99rewww| 亚洲综合99| 看片视频在线免费日产在线看| 色色999三级片| 婷婷丁香九月| 久色中文| 五月婷婷综合网| 一级性感毛片| 亚洲色五月天是什么| 日本一级| 啪啪操网| 丁香五月婷婷动漫视频| 综合色五月| 欧州婷婷五月天综合| 91丨九色丨熟女丰满| 久热中文字幕在线线观看| 亚洲五月丁香六月婷婷| 激婷网| 午夜色色色极品视频| 色五月婷婷影院| 丁香五月激情综合| 色婷婷AAA| 播五月丁香三月婷婷| 日韩在线视频9色| 小视频aaa久久久| 日日操夜夜骑| www.97视频| 激情五月图| 久久人人九九| 色九月国产| 婷婷五月综合视频免费播放| 9久热精品在线视频| 成人操呦av| 五月天婷婷基地| 久久婷婷五月天懂色| 在线播放中文字幕| 婷婷五月丁香综合激情| 九九99香蕉在线视频播放| 婷婷综合日本| www.henhengan| 毛v一区二区视频| 婷婷五月综合激情免费视频| 丁香五月婷婷图片综合| 97干婷婷五月天| 青柠影视免费高清电视剧| 99人人操人人操人人精| 丁香六月久久| 婷婷五月丁香香蕉| 欧美日本va| 九九无毛| 色婷视频| 久久精彩视频99| 婷婷色激情五月天| 无码一区二区三区四区五区91c| yazhou seshipin| 任你爽视频| 婷丁五月| 午夜丁香婷婷| 婷婷色系婷色| 99re欧美精品| 少妇人妻综合色6699| 日本天堂网站99| 色婷婷狠狠| www.sebowuyue| 9久久久久久久久久久| AAA久久久| 五月天com| 综合激情网五月激情| 综合久久综合久久| 五月婷婷激情刺激| 天天日天天爽| 丁香六月天婷婷开心综合| 婷婷丁香六月天| 亚洲激情婷婷| 色色色色色综合| 狠狠狠狠狠狠狠狠| 亚洲性爱电影| 国产在这里只有精品| 热久久77777| 真实的国产乱XXXX在线91| 婷婷五月亚洲一本在线丁香| 久9精品| 色九亚洲| 婷婷99| 国产肥白大熟妇BBBB视频| 九九热这里只有精品31| 97自拍99| 成人在线精品| 日本在线视频手机播放五月婷| 在线成人va| 99热成人| 国产1区2区3区在线观| 国产一区二区三区影院| 五月激情久久综合网| 丁香五月欧美婷婷| 伊人久久大香线蕉av最新| 九九免费精品在线视频| 国内9l视频自拍老熟女九色| 色欲影香| 婷婷五月天无码熟女| 91N 一起草| 99在线观看| 六月婷婷影院| 久久色五月| 五月丁香激情啪啪| 色五月激情婷婷| 五月天婷婷基地| 九九久久9 9在线观看| 色五月婷婷老师| 色亚洲视频| 亚洲狠狠婷婷| 丁香六月综合| 欧美丁香婷婷五月| 久久五月六月| 哇嘎成人久久| 欧美私人家庭影院| 天天做天天爱天天高潮| www.狠狠狠狠| 五月Huangsewang| 高清不卡一区| 日日噜噜夜夜狠狠久久丁香五月| 91啪级电影| 狠狠色噜噜狠狠狠狠综合| 色婷婷人人| 大香蕉啪啪啪| 玖玖在线视频| 五月天激情啪啪| 人人看人人草人人摸| 天天五月香欧美| 天堂五月婷婷| 狠狠爱丁香婷| 狠狠婷婷色| 另类小说五月天| 亚洲天堂热| 在线观看av网站| 五月婷婷久| 深爱五月天天| 丁香五月天激情婷婷丁香六月| 一级性感黄色内射视频| 日韩一级网站| 婷婷五月综合色小姐小说| 国产精品久久久久久久久久久久| 色综合久久99色| 日韩色五月| 日日日天天干| 开心五月丁香婷婷| 少妇激情五月婷婷| 色色影院aaaav| 男女99免费视频| 一逼色综合| 婷婷伊人网| 91人人操人人看| 免费看无码视频A级| 中文字幕成人网站| 97久久久久久久久久久| 亚洲情综合五月天| av大香蕉| 国产69久久久欧美黑人A片| 极品人妻VIDEOSSS人妻| 99自拍视频在线观看| 99色色网| 亚洲V国产V欧美V久久久久久| 99热8| 中文人妻AV久久人妻18| 久操大香蕉| 亚洲五月天婷婷| 色婷五月天| 色色热| 成人婷婷色综合| 99热伊人综合| 亚洲成人av在线观看| 9久热在线精品| 91无码高清| 欧美色色色色色色| 99色色| 国产中文亚洲欧美日韩性交| 人妻熟妇国产精品| 亚洲色色图片| 六月丁香激情婷婷| 天天操夜夜夜拍拍拍| 三级成人网站| 丁香五月另类小说| 麻豆雪千夏| 色婷婷久久综合| 婷婷性爱| 噢美99| se婷97| 丁香婷婷五月天激情四射| 久艹伊| 国产亚洲99久久精品| 亚洲五月天天| 五月天激情网页| 99爱爱网| 天天干天天干天天| 极品人妻XXXXOOOO| 69人人操人人爽| 五月婷婷99热| Se.婷婷五月天| 精品色色色| 天天操B| 人妻久久久| 青青色com久久| 99久久婷婷| 狠狠色综合777| 国产欧美va| 六月婷婷色综合| 91九色PORNY肉丝在线| 久久久五月婷婷| 亚州激情在线视频| 六月丁香婷婷五月| 成人午夜无码视频| 五月天丁香啪啪网| 91精品人妻少妇无码影院| 欧美精品久久久久久视频观看| 五月天社区狠狠| 日本啪啪网| 玖玖爱伊人网| 九九色精品| 战争与艾拉电影免费观看| 色婷丁香| 99热亚州综合| 激情四射五月天| www激情com| 五月婷丁香| se色婷婷视频| 大香蕉人妻| 婷婷激情五月综合| 这里只有精品久久| 久久99免费视屏| 六月婷婷狠狠| 97视频.干com| 日韩少妇内射免费播放| 激情爱爱网站超大免费| 五月在在观看| 亚洲天堂啪啪| 中文字幕操比影片| 婷婷五六月丁香| 夜夜谢天天干| 伊人爱爱日本| 26uuu淫色| 天天爽天天摸天天爱| 99国产精品白浆在线观看免费| 亚洲激情综| 99热这里只有精品3| 91久操| 久久女人天堂| 欧美成人色婷婷| 婷婷五月综激情| 天天插天天爽| 日本乱子人伦在线视频| 99伊人性爱在线影院| 操逼棍操逼| 性按摩玩人妻HD中文字幕| 超碰97干| 丁香婷婷六月| 丁香五月婷婷综合激情啪啪啪啪啪啪啪 | 国产69久久久欧美黑人A片| 婷婷丁香成人五月天| 玖玖资源站蜜臀| 丁香五月天大香蕉啪啪| 久久9精品| 色五月超碰| 亚洲一区二区无遮挡A片| 六月合五月婷| 精品人妻伦九区久久AAA片| 任你艹| 操操碰| 婷婷天堂视频| 狠狠干五月天| 91xxxx九色| 天天日天天爽夜夜爽| www.91av.com| 思思热在线视频观看精品| 色欲天天综合| 五月停停999| 欧美综合五月丁香六月婷| 婷婷五月激情四射手| 日韩六十路91性交电影| 中文字幕丰满孑伦无码专区 | 久99视频| 丁香六月AV| 亚洲天堂久久| 97人人干| 色五月婷婷五月天| 97婷婷狠狠| 第四色激情网| 99色视频| 久久综合五月天| 亚洲丁香五月天在线视频| AA片在线观看视频在线播放|