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

深耕商務建站與企業(yè)官網(wǎng)運營的一線實戰(zhàn)洞察。

MMRotate實戰(zhàn):從零構(gòu)建自定義旋轉(zhuǎn)目標檢測數(shù)據(jù)集與模型訓練

MMRotate實戰(zhàn):從零構(gòu)建自定義旋轉(zhuǎn)目標檢測數(shù)據(jù)集與模型訓練 1. 項目緣起當通用檢測框遇上旋轉(zhuǎn)目標在計算機視覺的日常開發(fā)中我們經(jīng)常會遇到一些“特殊”的目標。比如遙感圖像中傾斜停放的車輛、文檔掃描件中帶有角度的文字、或者工業(yè)場景中任意方向排列的零件。如果你嘗試用經(jīng)典的YOLO、Faster R-CNN等水平框檢測器去處理這些目標結(jié)果往往會讓你哭笑不得——一個巨大的水平矩形框把目標連同大量無關(guān)的背景一起框了進去不僅定位不準后續(xù)的IoU計算、NMS非極大值抑制都會出現(xiàn)問題嚴重影響檢測精度。這就是旋轉(zhuǎn)目標檢測Rotated Object Detection要解決的問題。而MMRotate正是基于強大的PyTorch框架和MMDetection、MMCV生態(tài)為旋轉(zhuǎn)目標檢測量身打造的一個開源工具箱。它不是一個全新的算法而是一個集成了多種主流旋轉(zhuǎn)檢測算法如Rotated Faster R-CNN, Rotated RetinaNet, RoI Transformer等的“腳手架”和“實驗場”讓你能快速在自己的數(shù)據(jù)上驗證和部署旋轉(zhuǎn)檢測模型。我最近的一個項目恰好涉及對航拍圖像中的建筑物進行精細定位傳統(tǒng)的水平框完全無法滿足需求于是便深入折騰了一番MMRotate。整個過程從數(shù)據(jù)準備、格式轉(zhuǎn)換、模型訓練到調(diào)優(yōu)部署踩了不少坑也積累了一些實戰(zhàn)心得。這篇文章我就以一個“自定義數(shù)據(jù)集”的完整流程為線索帶你走通MMRotate并分享那些官方文檔里可能不會細說的細節(jié)。2. 理解核心旋轉(zhuǎn)框的表示法與數(shù)據(jù)集構(gòu)建在動手寫代碼之前我們必須先統(tǒng)一“語言”。旋轉(zhuǎn)框怎么描述你的數(shù)據(jù)標簽又該如何準備這是所有后續(xù)工作的基石理解偏差會導致訓練完全失敗。2.1 旋轉(zhuǎn)框的幾種表示法旋轉(zhuǎn)矩形框通常由一個中心點、寬高和旋轉(zhuǎn)角度來定義。但就是這個“角度”在不同的庫和論文中有著不同的約定MMRotate主要支持兩種OpenCV 表示法 (默認):(x_center, y_center, width, height, angle)。angle的單位是度數(shù)。角度范圍(-90, 0]。這是最容易混淆的一點。在這種表示下width被定義為旋轉(zhuǎn)框邊界框Bounding Box在旋轉(zhuǎn)后其自身坐標系下的長邊。而angle表示的是這個width邊相對于水平軸x軸順時針旋轉(zhuǎn)的角度且被限制在-90度到0度之間即-90 angle 0??梢岳斫鉃榭蚩偸恰罢玖ⅰ钡钠漭^長的邊width與水平線的夾角在-90度到0度這個區(qū)間內(nèi)。這種表示法能唯一確定一個矩形不考慮180度翻轉(zhuǎn)的歧義。長邊定義法: 另一種常見表示是(x_center, y_center, width, height, angle)但這里的width永遠是旋轉(zhuǎn)框自身的長邊height是短邊angle是長邊與x軸的夾角范圍通常是[-90, 90)或[0, 180)。MMRotate的部分算法也支持這種模式但需要在配置文件中明確指定angle_version。重要提示MMRotate默認采用OpenCV表示法。你在準備自定義數(shù)據(jù)集時必須確保你的標注格式與之一致或者在數(shù)據(jù)加載管道中進行正確的轉(zhuǎn)換。很多開源遙感數(shù)據(jù)集如DOTA本身就采用這種格式。2.2 構(gòu)建自定義數(shù)據(jù)集的正確姿勢假設(shè)你有一批自己的航拍圖或工業(yè)檢測圖并用LabelImg、CVAT等工具標注了旋轉(zhuǎn)框。你得到的標注文件可能是XML、JSON或TXT格式。你需要將它們轉(zhuǎn)換為MMRotate能夠讀取的格式。MMRotate主要支持兩種數(shù)據(jù)格式DOTA格式遙感領(lǐng)域權(quán)威數(shù)據(jù)集DOTA使用的格式。每張圖片對應一個TXT標注文件。文件內(nèi)容如下x1 y1 x2 y2 x3 y3 x4 y4 category difficult其中(x1, y1), ..., (x4, y4)是旋轉(zhuǎn)框四個頂點的坐標按順時針或逆時針順序排列。category是類別名difficult表示是否為難例0或1。MMRotate在讀取時會自動將這四個頂點轉(zhuǎn)換為默認的(cx, cy, w, h, angle)格式。COCO格式擴展了經(jīng)典COCO格式以支持旋轉(zhuǎn)框。在標準的annotations字段中每個物體的bbox不再是一個4維數(shù)組[x, y, w, h]而是一個5維數(shù)組[x, y, w, h, angle]。這就是我們上面討論的OpenCV表示法。segmentation字段可以存放多邊形頂點用于更精細的分割任務。對于自定義數(shù)據(jù)集我強烈推薦使用COCO格式。原因有三1) 工具生態(tài)豐富很多標注工具如label-studio可以直接導出或通過腳本轉(zhuǎn)為COCO格式2) 數(shù)據(jù)結(jié)構(gòu)清晰一個JSON文件管理所有標注易于維護和版本控制3) MMRotate對COCO格式的支持非常完善數(shù)據(jù)加載效率高。實操步驟將你的標注轉(zhuǎn)為COCO格式假設(shè)你的原始標注是每張圖一個XML類似Pascal VOC下面是一個大致的轉(zhuǎn)換邏輯你需要根據(jù)實際情況調(diào)整import json import xml.etree.ElementTree as ET import os import cv2 import numpy as np def voc_xml_to_coco_rotated(xml_dir, img_dir, output_json_path): 將VOC格式的旋轉(zhuǎn)框XML轉(zhuǎn)換為MMRotate可用的COCO格式。 假設(shè)XML中物體的bbox表示為: bndboxx.../xy...angle.../angle.../bndbox 或者通過四個頂點polygon表示。 這里以四個頂點為例進行轉(zhuǎn)換。 coco_dict { images: [], annotations: [], categories: [{id: 1, name: your_class_name}] # 根據(jù)你的類別修改 } image_id 1 ann_id 1 category_name_to_id {your_class_name: 1} for xml_file in os.listdir(xml_dir): if not xml_file.endswith(.xml): continue tree ET.parse(os.path.join(xml_dir, xml_file)) root tree.getroot() # 處理image信息 filename root.find(filename).text img_path os.path.join(img_dir, filename) img cv2.imread(img_path) if img is None: continue height, width img.shape[:2] image_info { id: image_id, file_name: filename, height: height, width: width, } coco_dict[images].append(image_info) # 處理每個object for obj in root.findall(object): class_name obj.find(name).text # 假設(shè)旋轉(zhuǎn)框由四個頂點表示 polygonx1..y1..x2..y2..x3..y3..x4..y4 polygon obj.find(polygon) if polygon is not None: # 提取四個點坐標注意順序 points [] for i in range(1, 5): x float(polygon.find(fx{i}).text) y float(polygon.find(fy{i}).text) points.append([x, y]) # 將四個頂點轉(zhuǎn)換為 (cx, cy, w, h, angle) # 使用OpenCV的minAreaRect函數(shù)它返回的正是 (cx, cy), (w, h), angle # 注意cv2.minAreaRect 返回的angle范圍可能是 [-90, 0)需確認與MMRotate默認一致 rect cv2.minAreaRect(np.array(points, dtypenp.float32)) (cx, cy), (w, h), angle rect # cv2.minAreaRect 返回的angle可能不符合MMRotate的(-90,0]約定有時需要轉(zhuǎn)換 # MMRotate中通常使用 cv2.minAreaRect 后角度已經(jīng)基本符合但為了保險可以標準化 # 一個常見的轉(zhuǎn)換函數(shù) def norm_angle(angle, angle_range): 將角度標準化到指定范圍。 if angle_range oc: # OpenCV表示法限制在 (-90, 0] return angle if -90 angle 0 else angle - 90 # 其他表示法... return angle angle norm_angle(angle, oc) # 確保 w h這是OpenCV表示法的隱含要求 if w h: w, h h, w angle - 90 # 角度再次標準化 angle norm_angle(angle, oc) bbox [cx, cy, w, h, angle] else: # 如果沒有多邊形可能是傳統(tǒng)的水平框需要你根據(jù)業(yè)務決定是否轉(zhuǎn)為旋轉(zhuǎn)框 # 通常自定義數(shù)據(jù)集應該直接標注旋轉(zhuǎn)框 continue ann { id: ann_id, image_id: image_id, category_id: category_name_to_id[class_name], bbox: bbox, # 這里是5個數(shù)的列表 area: w * h, iscrowd: 0, segmentation: [np.array(points).flatten().tolist()] # 可選保存多邊形 } coco_dict[annotations].append(ann) ann_id 1 image_id 1 with open(output_json_path, w) as f: json.dump(coco_dict, f) print(f轉(zhuǎn)換完成保存至 {output_json_path}) # 調(diào)用函數(shù) voc_xml_to_coco_rotated(path/to/your/xmls, path/to/your/images, train.json)這個腳本提供了一個轉(zhuǎn)換框架。最關(guān)鍵的是角度標準化。你必須清楚你的原始標注工具輸出角度的約定并正確轉(zhuǎn)換到MMRotate的OpenCV表示法。在實際操作中建議先用幾組數(shù)據(jù)可視化驗證一下轉(zhuǎn)換后的框是否與圖像上的目標完美貼合。3. 環(huán)境配置與MMRotate項目結(jié)構(gòu)解析工欲善其事必先利其器。配置好環(huán)境并理解項目結(jié)構(gòu)能讓你在后續(xù)的調(diào)試中事半功倍。3.1 一步步搭建MMRotate環(huán)境MMRotate依賴PyTorch、MMCV和MMDetection。下面是一個在Ubuntu 20.04/22.04上從零開始的穩(wěn)定安裝流程。使用Conda管理環(huán)境能避免很多依賴沖突。# 1. 創(chuàng)建并激活conda環(huán)境假設(shè)已安裝Miniconda/Anaconda conda create -n mmrotate python3.8 -y conda activate mmrotate # 2. 安裝PyTorch請根據(jù)你的CUDA版本到PyTorch官網(wǎng)獲取最新命令 # 例如對于CUDA 11.3 conda install pytorch1.12.1 torchvision0.13.1 torchaudio0.12.1 cudatoolkit11.3 -c pytorch # 3. 安裝MMCV這是MM系列的基礎(chǔ)庫必須版本匹配 # 使用mim安裝是官方推薦的方式它能自動處理依賴 pip install openmim mim install mmcv-full1.7.1 # 版本需要與后續(xù)的MMDetection、MMRotate匹配 # 4. 安裝MMDetection # 克隆MMDetection倉庫也可以直接pip install但克隆方便查看源碼和配置文件 git clone https://github.com/open-mmlab/mmdetection.git cd mmdetection # 切換到與MMRotate兼容的版本分支MMRotate v1.0.0rc1 通常對應 MMDetection v2.25.0 git checkout v2.25.0 pip install -v -e . # “-e”表示以可編輯模式安裝方便修改源碼 cd .. # 5. 安裝MMRotate git clone https://github.com/open-mmlab/mmrotate.git cd mmrotate # 查看最新的發(fā)布版本或穩(wěn)定分支 pip install -v -e . # 同樣以可編輯模式安裝 # 6. 驗證安裝 python -c import mmrotate; print(mmrotate.__version__) # 如果沒有報錯并輸出版本號說明安裝成功避坑提示版本兼容性是最大的坑MMRotate、MMDetection、MMCV、PyTorch之間有著嚴格的版本對應關(guān)系。務必查閱你下載的MMRotate版本如main分支或某個tag的requirements.txt或官方安裝文檔嚴格按照指定的版本號安裝。盲目使用最新版大概率會失敗。3.2 項目目錄與配置文件解讀安裝完成后MMRotate的目錄結(jié)構(gòu)如下mmrotate/ ├── configs/ # 所有模型的配置文件 │ ├── rotated_faster_rcnn/ │ ├── rotated_retinanet/ │ └── ... ├── mmrotate/ # 核心源代碼 ├── tools/ # 訓練、測試、推理腳本 ├── data/ # 建議在此處軟鏈接或放置你的數(shù)據(jù)集 └── demo/ # 演示腳本核心中的核心是configs/目錄。MMRotate采用模塊化的配置系統(tǒng)一個完整的訓練配置由多個基礎(chǔ)配置文件組合而成。例如configs/rotated_retinanet/rotated_retinanet_obb_r50_fpn_1x_dota_le90.py這個配置文件通常會通過_base_字段繼承多個基礎(chǔ)配置_base_ [ ../_base_/datasets/dota.py, # 數(shù)據(jù)集定義 ../_base_/schedules/schedule_1x.py, # 訓練策略學習率、迭代次數(shù) ../_base_/default_runtime.py, # 運行時配置日志、鉤子 ./rotated_retinanet_obb_r50_fpn.py # 模型結(jié)構(gòu)定義 ]當你使用自定義數(shù)據(jù)集時你需要重點關(guān)注并修改的就是數(shù)據(jù)集定義部分。你需要創(chuàng)建一個新的配置文件例如my_custom_config.py在其中通過_base_繼承模型結(jié)構(gòu)、訓練策略等然后重寫override數(shù)據(jù)相關(guān)的配置。為什么采用這種設(shè)計這種設(shè)計將數(shù)據(jù)、模型、訓練策略解耦使得你可以像搭積木一樣組合不同的實驗設(shè)置。例如你可以輕松地將為DOTA數(shù)據(jù)集設(shè)計的Rotated RetinaNet模型通過只修改數(shù)據(jù)配置部分應用到你的自定義數(shù)據(jù)集上而無需改動模型代碼。4. 為自定義數(shù)據(jù)集創(chuàng)建配置文件這是將你的數(shù)據(jù)“喂”給MMRotate的關(guān)鍵一步。我們假設(shè)你已經(jīng)按照COCO格式準備好了數(shù)據(jù)目錄結(jié)構(gòu)如下data/my_custom/ ├── train/ │ └── images/ # 存放所有訓練圖片 ├── val/ │ └── images/ # 存放所有驗證圖片 ├── train.json # 訓練集標注文件 └── val.json # 驗證集標注文件接下來在mmrotate/configs/下創(chuàng)建一個新目錄比如my_project/然后新建配置文件rotated_retinanet_my_custom.py。# mmrotate/configs/my_project/rotated_retinanet_my_custom.py # 1. 繼承基礎(chǔ)配置 _base_ [ ../rotated_retinanet/rotated_retinanet_obb_r50_fpn_1x_dota_le90.py, # 繼承模型和基礎(chǔ)設(shè)置 ] # 2. 修改數(shù)據(jù)集相關(guān)配置 dataset_type MyCustomDataset # 我們稍后會注冊這個數(shù)據(jù)集類型 data_root data/my_custom/ # 數(shù)據(jù)根目錄 # 修改訓練集配置 train_dataloader dict( batch_size2, # 根據(jù)你的GPU內(nèi)存調(diào)整旋轉(zhuǎn)檢測通常比水平檢測更耗顯存 num_workers4, # 數(shù)據(jù)加載線程數(shù)根據(jù)CPU核心數(shù)調(diào)整 persistent_workersTrue, # 保持worker進程活躍加速epoch間的數(shù)據(jù)加載 samplerdict(typeDefaultSampler, shuffleTrue), datasetdict( typedataset_type, data_rootdata_root, ann_filetrain.json, # 相對于data_root的路徑 data_prefixdict(img_pathtrain/images/), filter_cfgdict(filter_empty_gtTrue), # 過濾掉沒有標注的圖片 # 非常重要指定數(shù)據(jù)集的元信息特別是類別名 metainfodict(classes(building, vehicle, ship)), # 替換為你的類別名 pipeline_base_.train_pipeline # 繼承默認的訓練數(shù)據(jù)增強流程 ) ) # 修改驗證集配置 val_dataloader dict( batch_size1, num_workers2, persistent_workersTrue, samplerdict(typeDefaultSampler, shuffleFalse), datasetdict( typedataset_type, data_rootdata_root, ann_fileval.json, data_prefixdict(img_pathval/images/), metainfodict(classes(building, vehicle, ship)), test_modeTrue, # 驗證/測試模式通常關(guān)閉數(shù)據(jù)增強 pipeline_base_.test_pipeline ) ) # 修改測試集配置通常和驗證集一樣 test_dataloader val_dataloader # 修改評估器 val_evaluator dict( typeDOTAMetric, # 或者 CocoMetric取決于你的評估需求 metricmAP, # 主要評估指標為平均精度均值 iou_thrs[0.5, 0.55, 0.6, 0.65, 0.7, 0.75, 0.8, 0.85, 0.9, 0.95], # DOTA常用可調(diào)整 # 如果你使用COCO格式并且想用COCO的評估方式 # typeCocoMetric, # metric[bbox, segm], # 評估檢測和分割如果有 # ann_filedata_root val.json, # classwiseTrue, # 輸出每個類別的AP ) test_evaluator val_evaluator # 3. 修改模型頭中的類別數(shù) # 找到模型配置中分類頭和回歸頭的 num_classes 參數(shù)并修改 # 通常需要在 model 字典中覆蓋 bbox_head 的 num_classes model dict( bbox_headdict( num_classes3, # 修改為你的實際類別數(shù)例如3類 ) ) # 4. 調(diào)整訓練策略可選 # 例如根據(jù)你的數(shù)據(jù)集大小調(diào)整學習率和訓練周期 # 默認的 schedule_1x.py 是針對12個epoch在DOTA上設(shè)計的。 # 如果你的圖片數(shù)量遠少于DOTA可能需要減少總迭代次數(shù)或調(diào)整學習率衰減策略。 # _base_ 中的 schedule 配置可能被覆蓋這里直接修改優(yōu)化器和學習率調(diào)度器 # optimizer optim_wrapper dict( optimizerdict(typeSGD, lr0.005, momentum0.9, weight_decay0.0001)) # 初始學習率 # learning rate scheduler param_scheduler [ dict( typeLinearLR, start_factor0.001, by_epochFalse, begin0, end500), # 熱身 dict( typeMultiStepLR, begin0, end12, # 總epoch數(shù) by_epochTrue, milestones[8, 11], # 在第8和第11個epoch降低學習率 gamma0.1) ] # 5. 修改默認運行時配置可選 default_hooks dict( loggerdict(typeLoggerHook, interval50), # 每50個iteration打印一次日志 checkpointdict(typeCheckpointHook, interval1), # 每個epoch保存一次權(quán)重 ) # 訓練總epoch數(shù) train_cfg dict(max_epochs12, val_interval1) # 每1個epoch驗證一次關(guān)鍵點解析與避坑metainfo中的classes這里的類別順序必須與你的標注文件如COCO JSON中categories的id順序一致。通常在轉(zhuǎn)換標注時我們會讓id從1開始連續(xù)編號并與此處的classes元組一一對應。如果類別ID不連續(xù)或順序錯亂會導致模型學習到錯誤的類別映射。數(shù)據(jù)集類型MyCustomDataset我們直接使用了MyCustomDataset但MMRotate默認并沒有這個類。我們需要注冊這個數(shù)據(jù)集。最簡單的方式是繼承現(xiàn)有的支持COCO格式的數(shù)據(jù)集如CocoDataset。在MMRotate中通常使用RotatedDataset作為基類。我們需要在運行訓練前通過一段代碼注冊我們的數(shù)據(jù)集。創(chuàng)建一個文件mmrotate/datasets/my_custom.pyfrom mmrotate.datasets import RotatedCocoDataset from mmrotate.registry import DATASETS DATASETS.register_module() class MyCustomDataset(RotatedCocoDataset): My custom dataset for rotated object detection. METAINFO { classes: (building, vehicle, ship), # 這里定義類別名 palette: [(220, 20, 60), (119, 11, 32), (0, 0, 142)] # 每個類別對應的顏色可視化用 }然后在你的訓練腳本或配置文件中需要先導入這個類以確保它被注冊到MMRotate的注冊器中。一種更簡單的方法是在配置文件中直接使用RotatedCocoDataset并在metainfo中覆蓋classes就像我們上面做的那樣。但為了清晰和可維護性自定義一個數(shù)據(jù)集類是更好的實踐。評估器選擇DOTAMetric是遙感領(lǐng)域常用的評估方式它使用不同IoU閾值下的平均精度mAP。CocoMetric則是更通用的評估器。選擇哪個取決于你的任務需求和領(lǐng)域習慣。如果你的數(shù)據(jù)集類似DOTA目標方向多樣、密集使用DOTAMetric更合適。5. 啟動訓練與監(jiān)控配置文件和數(shù)據(jù)準備就緒后就可以開始訓練了。MMRotate提供了強大的命令行工具。5.1 單GPU訓練cd /path/to/mmrotate python tools/train.py configs/my_project/rotated_retinanet_my_custom.py \ --work-dir work_dirs/my_custom_exp \ # 指定工作目錄用于保存日志和模型 --cfg-options randomness.seed42 \ # 設(shè)置隨機種子保證可復現(xiàn)性 --auto-scale-lr # 根據(jù)實際batch_size自動縮放學習率如果你修改了batch_size5.2 多GPU分布式訓練./tools/dist_train.sh \ configs/my_project/rotated_retinanet_my_custom.py \ 8 \ # 使用8個GPU --work-dir work_dirs/my_custom_exp_dist \ --cfg-options randomness.seed425.3 訓練過程監(jiān)控訓練開始后你可以在work_dirs/my_custom_exp目錄下找到{timestamp}.log詳細的訓練日志。vis_data/可視化數(shù)據(jù)可用于TensorBoard。{epoch}.pth每個epoch保存的模型權(quán)重。使用TensorBoard監(jiān)控tensorboard --logdir work_dirs/my_custom_exp --port 6006然后在瀏覽器打開localhost:6006你可以看到損失曲線、學習率變化、驗證集mAP等關(guān)鍵指標這對于調(diào)試和調(diào)參至關(guān)重要。5.4 常見訓練問題與調(diào)優(yōu)Loss為NaN或突然爆炸原因?qū)W習率過高、數(shù)據(jù)中存在異常標注如坐標超出圖像范圍、寬高為負數(shù)或零、梯度爆炸。排查首先大幅降低學習率如lr0.0001試試。使用tools/analysis_tools/browse_dataset.py腳本可視化你的數(shù)據(jù)集檢查標注框是否正常。在配置文件中加入梯度裁剪optim_wrapper dict(clip_graddict(max_norm35, norm_type2))。mAP始終為0或極低原因類別定義不匹配、標注格式錯誤特別是角度、數(shù)據(jù)增強過于激進導致模型無法學習、模型復雜度與數(shù)據(jù)量不匹配數(shù)據(jù)太少模型太大。排查確認標注用可視化腳本檢查轉(zhuǎn)換后的(cx, cy, w, h, angle)是否正確。重點檢查角度一個快速驗證方法是在驗證集上運行測試腳本看看預測框是否大致在目標位置哪怕類別錯了。如果框都亂飛肯定是定位出了問題大概率是角度或中心點坐標的轉(zhuǎn)換有誤。簡化流程關(guān)閉所有數(shù)據(jù)增強在配置文件中將train_pipeline替換為test_pipeline在小批量數(shù)據(jù)上過擬合。如果模型能在幾十張圖上達到接近100%的訓練精度說明模型和數(shù)據(jù)管道基本是通的問題可能出在增強或超參上。調(diào)整模型對于小數(shù)據(jù)集使用更小的 backbone如r18代替r50或更簡單的檢測頭單階段如RetinaNet比兩階段Faster R-CNN更易訓練。訓練速度慢原因圖片分辨率過大、num_workers設(shè)置過小、使用了過大的模型。優(yōu)化在數(shù)據(jù)管道中調(diào)整Resize步驟將圖片縮放到一個合理的尺寸如scale(1024, 1024)。注意保持長寬比避免目標變形。適當增加num_workers通常設(shè)置為CPU核心數(shù)的2-4倍并啟用persistent_workersTrue。考慮使用混合精度訓練AMP。在配置文件中添加optim_wrapper dict(typeAmpOptimWrapper)。這能顯著減少顯存占用并加快訓練速度但對某些模型可能引入精度損失或不穩(wěn)定需要測試。6. 模型測試、推理與可視化訓練完成后你需要評估模型在獨立測試集上的性能并學會如何使用它進行預測。6.1 測試模型性能# 單GPU測試 python tools/test.py \ configs/my_project/rotated_retinanet_my_custom.py \ work_dirs/my_custom_exp/epoch_12.pth \ # 指定訓練好的權(quán)重 --work-dir work_dirs/my_custom_exp/test_results \ # 保存測試結(jié)果 --show-dir work_dirs/my_custom_exp/test_vis \ # 保存可視化圖片 --show # 同時顯示圖片如果有GUI # 多GPU測試 ./tools/dist_test.sh \ configs/my_project/rotated_retinanet_my_custom.py \ work_dirs/my_custom_exp/epoch_12.pth \ 8 \ --work-dir work_dirs/my_custom_exp/test_results_dist測試腳本會加載模型和權(quán)重在測試集上運行推理并調(diào)用之前配置的test_evaluator如DOTAMetric計算mAP等指標。結(jié)果會保存在work_dirs/my_custom_exp/test_results下的JSON文件中同時終端會打印出詳細的評估報告。6.2 對單張圖片或視頻進行推理MMRotate提供了方便的演示腳本。你可以編寫一個簡單的Python腳本from mmrotate.apis import inference_detector, init_detector import cv2 import numpy as np # 1. 初始化模型 config_file configs/my_project/rotated_retinanet_my_custom.py checkpoint_file work_dirs/my_custom_exp/epoch_12.pth model init_detector(config_file, checkpoint_file, devicecuda:0) # 或 cpu # 2. 讀取圖片 img test_image.jpg image cv2.imread(img) # 3. 進行推理 result inference_detector(model, image) # 4. 可視化結(jié)果 # 你可以使用MMRotate內(nèi)置的可視化函數(shù) from mmrotate.visualization import RotLocalVisualizer visualizer RotLocalVisualizer() visualizer.set_image(image) # 假設(shè)result是一個包含預測框和分數(shù)的列表 # 需要根據(jù)模型輸出結(jié)構(gòu)進行解析這里是一個示例 pred_instances result.pred_instances bboxes pred_instances.bboxes.cpu().numpy() # 旋轉(zhuǎn)框 [N, 5] labels pred_instances.labels.cpu().numpy() # 類別 [N] scores pred_instances.scores.cpu().numpy() # 分數(shù) [N] # 過濾低分預測 score_thr 0.3 keep scores score_thr bboxes bboxes[keep] labels labels[keep] scores scores[keep] # 繪制框 for i, bbox in enumerate(bboxes): # bbox: [cx, cy, w, h, angle] # 將旋轉(zhuǎn)矩形轉(zhuǎn)換為四個頂點用于繪制 from mmrotate.structures.bbox import rbox2qbox qbox rbox2qbox(bbox) # 轉(zhuǎn)換為四個頂點 [x1,y1,x2,y2,x3,y3,x4,y4] pts qbox.reshape(4, 2).astype(np.int32) cv2.polylines(image, [pts], isClosedTrue, color(0, 255, 0), thickness2) # 添加標簽和分數(shù) label_text f{model.dataset_meta[classes][labels[i]]}: {scores[i]:.2f} cv2.putText(image, label_text, (int(bbox[0]), int(bbox[1])-10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2) # 5. 保存或顯示結(jié)果 cv2.imwrite(result.jpg, image) # cv2.imshow(Result, image) # cv2.waitKey(0)6.3 結(jié)果分析與模型優(yōu)化得到測試結(jié)果后不要只看一個總的mAP。深入分析對于改進模型至關(guān)重要。逐類別AP分析查看每個類別的AP。如果某個類別如“ship”的AP遠低于其他類別可能的原因有該類別樣本數(shù)量太少類別不平衡、目標尺度特殊太大或太小、目標角度分布特殊。解決方案包括數(shù)據(jù)增強針對小目標、收集更多該類別數(shù)據(jù)、使用Focal Loss緩解類別不平衡、為該類別設(shè)置獨立的檢測頭參數(shù)??梢暬e誤案例將測試集上預測錯誤的圖片漏檢、誤檢、定位不準可視化出來。這是發(fā)現(xiàn)模型短板的直接方法。漏檢目標太小被遮擋與背景顏色/紋理相似考慮在數(shù)據(jù)增強中加入更多針對性的變換如隨機裁剪、Mosaic增強或者調(diào)整模型Anchor的尺度。誤檢背景區(qū)域被誤認為目標可能是負樣本不足或特征混淆??梢試L試在訓練時加入困難負樣本挖掘OHEM或者調(diào)整分類損失函數(shù)的權(quán)重。定位不準框的角度或中心點偏移。旋轉(zhuǎn)框回歸比水平框更復雜??梢詸z查回歸損失函數(shù)通常是Smooth L1 Loss是否收斂正常。對于角度回歸有些研究使用離散化將角度分為多個bin或使用IoU-Smooth L1損失來提升精度。超參數(shù)調(diào)優(yōu)基于分析結(jié)果可以系統(tǒng)地調(diào)整超參數(shù)。MMRotate支持方便的配置覆蓋。例如你想嘗試不同的Anchor尺寸python tools/train.py configs/my_project/rotated_retinanet_my_custom.py \ --work-dir work_dirs/exp_tune_anchor \ --cfg-options model.bbox_head.anchor_generator.scales[4, 8, 16, 32, 64] \ model.bbox_head.anchor_generator.ratios[0.5, 1.0, 2.0] \ model.bbox_head.anchor_generator.rotations[-90, -60, -30, 0]通過--cfg-options你可以覆蓋配置文件中任何深層次的參數(shù)無需修改原文件非常適合進行實驗對比。7. 進階技巧與部署考量當你的基礎(chǔ)模型跑通后可以考慮以下進階優(yōu)化并思考如何將模型投入實際應用。7.1 數(shù)據(jù)增強策略優(yōu)化MMRotate集成了MMDetection豐富的數(shù)據(jù)增強管道。對于旋轉(zhuǎn)目標檢測一些特定的增強非常有效RandomRotate這是旋轉(zhuǎn)檢測的“本命”增強。它能隨機旋轉(zhuǎn)圖片和對應的旋轉(zhuǎn)框極大地增加模型對目標方向的魯棒性。在配置文件的train_pipeline中加入dict(typeRandomRotate, prob1.0, level10, max_rot_angle180),注意max_rot_angle設(shè)置過大可能導致目標旋轉(zhuǎn)后與標注的角度表示范圍沖突需要謹慎。Mosaic和MixUp這些混合多張圖片的增強技術(shù)能有效提升模型對小目標和遮擋目標的檢測能力尤其適用于數(shù)據(jù)量不大的場景。PhotoMetricDistortion隨機調(diào)整亮度、對比度、飽和度、色調(diào)模擬不同的光照條件提升模型泛化性。一個強化后的train_pipeline可能看起來像這樣在配置文件中修改train_pipeline [ dict(typeLoadImageFromFile), dict(typeLoadAnnotations, with_bboxTrue, box_typeqbox), # 注意box_type dict(typeResize, scale(1024, 1024), keep_ratioTrue), dict(typeRandomFlip, prob0.5), dict(typeRandomRotate, prob1.0, level10, max_rot_angle60), # 加入隨機旋轉(zhuǎn) dict(typePhotoMetricDistortion), dict(typePackDetInputs) ]7.2 模型選擇與集成MMRotate提供了多種旋轉(zhuǎn)檢測算法Rotated RetinaNet單階段速度快適合實時性要求高的場景。Rotated Faster R-CNN兩階段精度通常更高但速度較慢。RoI Transformer專門為旋轉(zhuǎn)目標設(shè)計在RPN區(qū)域提議網(wǎng)絡(luò)階段就生成旋轉(zhuǎn)的提議框精度提升明顯尤其適合密集、小目標場景。Oriented R-CNN另一種高效的兩階段旋轉(zhuǎn)檢測器設(shè)計更簡潔。對于你的自定義數(shù)據(jù)集建議先用Rotated RetinaNet快速驗證流程和基線性能。如果精度不滿足要求再嘗試RoI Transformer或Oriented R-CNN。可以在相同的數(shù)據(jù)和訓練設(shè)置下比較它們的精度-速度曲線選擇最適合的模型。7.3 模型部署從PyTorch到生產(chǎn)環(huán)境訓練好的PyTorch模型.pth文件不能直接用于生產(chǎn)環(huán)境如C服務、移動端、邊緣設(shè)備。你需要將其轉(zhuǎn)換為推理引擎支持的格式。主流部署路徑ONNX - TensorRT (NVIDIA GPU)這是NVIDIA平臺上的黃金組合。步驟 a. 使用MMDeployOpenMMLab的部署工具箱或PyTorch原生torch.onnx.export將模型轉(zhuǎn)換為ONNX格式。注意轉(zhuǎn)換旋轉(zhuǎn)檢測模型時需要確保模型中的自定義算子如旋轉(zhuǎn)NMS也被正確導出和支持。 b. 使用TensorRT的trtexec工具或Python API將ONNX模型編譯為高度優(yōu)化的TensorRT引擎.engine文件。優(yōu)勢極致性能低延遲。挑戰(zhàn)算子支持特別是后處理中的旋轉(zhuǎn)NMS可能需要自定義插件Custom Plugin。TorchScriptPyTorch自帶的序列化格式可以在沒有Python環(huán)境的C中運行。步驟使用torch.jit.trace或torch.jit.script將模型轉(zhuǎn)換為TorchScript。優(yōu)勢流程相對簡單與PyTorch生態(tài)結(jié)合緊密。挑戰(zhàn)某些動態(tài)控制流或復雜數(shù)據(jù)結(jié)構(gòu)的模型可能無法完美轉(zhuǎn)換。性能優(yōu)化不如TensorRT。OpenVINO (Intel CPU/GPU)針對Intel硬件優(yōu)化的部署工具包。步驟將ONNX模型通過OpenVINO的Model Optimizer轉(zhuǎn)換為IR格式再用Runtime推理。優(yōu)勢在Intel CPU上性能優(yōu)秀易于使用。部署建議前期驗證先使用MMRotate自帶的inference_detectorAPI搭建一個簡單的Python服務如Flask/FastAPI快速驗證模型功能和性能。性能瓶頸分析使用 profiling 工具如PyTorch Profiler, NVIDIA Nsight分析推理過程中各階段耗時。通常后處理尤其是NMS在旋轉(zhuǎn)檢測中占比不低。自定義后處理生產(chǎn)環(huán)境中為了極致性能和控制力經(jīng)常需要將模型的后處理解碼bbox、NMS從模型中剝離用高度優(yōu)化的C代碼實現(xiàn)。你需要理解模型原始輸出的格式如每個Anchor的類別得分和bbox偏移量并重新實現(xiàn)解碼和NMS邏輯。7.4 持續(xù)集成與模型管理當項目迭代起來后模型版本、配置文件、訓練日志會越來越多。建議建立簡單的管理規(guī)范版本控制使用Git管理你的配置文件、數(shù)據(jù)集轉(zhuǎn)換腳本和自定義代碼。實驗跟蹤使用MLflow、Weights Biases或TensorBoard來記錄每次實驗的超參數(shù)、指標和模型文件。自動化編寫腳本自動化訓練-評估-測試的流程特別是當你要進行大規(guī)模超參數(shù)搜索時。從準備自定義數(shù)據(jù)到訓練、調(diào)優(yōu)、最終部署一個旋轉(zhuǎn)目標檢測模型整個過程充滿了挑戰(zhàn)但也正是這些挑戰(zhàn)讓結(jié)果更有價值。MMRotate作為一個強大的工具箱為你掃清了許多底層實現(xiàn)的障礙讓你能更專注于數(shù)據(jù)、模型結(jié)構(gòu)和業(yè)務邏輯本身。希望這篇基于實戰(zhàn)的詳細指南能幫助你順利跨過旋轉(zhuǎn)目標檢測的門檻在實際項目中取得成功。記住遇到問題時多可視化、多分析數(shù)據(jù)、從小規(guī)模實驗開始是最高效的調(diào)試路徑。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
狠狠干综合网| 五月色影院| 大胆伊人久久| 日本欧美成人片AAAA| 狠狠干伊人| 九月婷婷色色| 亚洲无码猫咪| 丁香婷婷天堂| 久久久久9999| 欧美 色婷婷| 99热这里只有精品在线观看| 五月婷婷,六月激情| 伊人五月天久久| 丁香婷婷久久| 色婷婷www| 先锋资源 996| 婷婷六月久久| 777丁香六月青青草婷婷综合久月| 日本久久极品| 67194中文在线| 五月丁香激情婷婷| 五月婷婷导航| 婷婷色五天| 日本天天综合| 七七九九色色| 丁香五月日啪| 五月婷婷成人网首页| 丁香熟女乱| 青柠影视免费高清电视剧| www.操.com| 狠狠色狠狠鲁| 激情综合色| 五月开心婷婷极品激情| 色噜噜狠狠色综| 91啪啪啪啪| 久久AV无码精品人妻系列试探| 天天干夜夜想| 婷婷五月影院| 男同91| 狠狠操狠狠插| 热久综合| 96色婷婷| 久久久久网站| 五月婷视频久久| 午夜婷婷久久 | 婷婷射丁香| 狠狠色综合无线观看| 97丨九色丨国产丨PORNY| 色综合色| 中文字幕人成乱码在线观看| 婷婷激情五月呦呦| 久久中国毛毛片爱久久| 久久刺激网| 久99久视频免费观看| 日本在线wwww| 五月色综合| 超碰人人操人人干| 精品色情一区二区三区四区| 精久久色| www.色色五月天.com| 草综合14| 中文av网| 五月J香蕉婷婷| 91男同视频| 校花娇喘呻吟校长陈若雪视频| 成人在线日韩| 超碰妻人人| 91夫妻网站九色| 婷婷99视频在线| 五月激香蕉网| 欧美色97| 嫩草综合网| 五月天四色房丁香| 欧美色97| 精品久久久久成人码免费动漫| 无码日本精品XXXXXXXXX | 精品香蕉99久久久久网站| 中文字幕成人版| 久久无意婷婷| 26UUU一区二区| 99精品视频在线免费观看| 色婷婷五月天激情久久| 人妻啪啪啪| 五月丁香亭亭| 久久大香蕉丁香| 色操综合| 亚洲一个色| 婷婷丁香水多多视频| 国产裸舞表演WWWW| www.天天干| 新激情五月天| 欧韩性爱| 久久天天| 丁香香蕉射射射| 中文字幕高清av| 日本色久| 五月婷婷久| 女人被男人吃奶到高潮| 男人操女人高潮91视频| 99久久性爱| 6080av| 日日操天天爽| 激情婷婷五月天| 婷婷五月色花丁香社区| 夜夜天天天天天干天天爽| 丁香五月婷中字幕| 中文字幕乱码亚洲精品一区| 大香蕉啪啪网| 91视频五月丁香| 欧美 日韩 人妻 高清 中文| 亚洲综合婷婷| 天天操加勒比| 影音先锋天天日| 激情婷婷内射| 99视频在线精品| 久久受www免费人成| 日本91在线| 99色最新在线视频网站| 日韩中文字幕| 五月青青草综合| 色色综合激情| 丁香五月婷婷天堂大香蕉| 五月婷无码| 99色色| 亚洲精品字幕| 五月色婷婷影视在线电影| 97色天堂| 亚州操操| 激情久久久久久久久久久| 666555。COm毛片| 99在线精品观看99| 少妇激情五月天| 999精品久久久久久久| 丁香综合伊人| 天天爽天天干| 青青草a在线| 97人人操| 五月天丁香网站| 天天操天天操天天操天天操天天操天天操天天操天天操天天操 | 五月婷婷六月丁香| 婷婷射图五月天| 天天撸天天干天天插| 天天干天天干天天| 无码G高清天| 丁香六月啪啪| 婷婷色五月激情| www久久99| 玖玖五月丁香| 色五月婷婷av| 97人人超| 嫩草AV久久伊人妇女超级A| 轮奸综合网| 色九月婷婷综合| 久久女人九九| 2017人人操| 婷婷色色丁香| 99色中文| 人妻性爱| 西西4r午夜剧场| 丁香婷婷色五月天| 91日日日| 丁香婷婷激情| 精品成人无码A片观看香草视频| 白人荫道BBWBBB大荫道| 久久综合激情婷婷激情| 亚洲爱婷婷| www,天天干| 色婷婷久久9.com| 亚艹艹| 人人操人人妻| 五月婷婷六月丁香综合| 婷婷五月香蕉| 很很干在线视频| 久久久天堂国产精品女人| 99热日韩这里只有精品| 1024欧美看片| 亚洲精品亚洲人成人网| 密乳视频| 99热1| 五月花免费视频| 第2色五月婷| 极品少妇高潮啪啪AV无码| 五月开心六月婷婷在线播放网站| 色综合网页| 欧美这里只有精品| 五月六月丁香激情视频| 丁香啪啪中文字幕| 久久亚洲激情五码| 五月天色婷婷成人| 综合玖玖性爱免费视频| 六月丁香五月亭亭| 色五月激情| 久热9| 五月婷婷婷婷婷婷艺术| 六月婷婷综合| www.婷婷五月.com| 99∨VTV| 色婷婷五月天激情综合| 97久久精品| 能看的AV| 97热精品| 天天操狠狠操| 婷婷亚洲激情在线观看视频 | 激情五月六月婷婷综合啪啪| 五月婷婷激情久久| 伊人狼人干| 超碰9| 99成人网站| 丁香六月综合| 大香蕉人妻| 这里只有精品免费观看网占| 这里只有精品日韩| 91ncm视频| 免费观看全黄做爰的视频| 思思热久热| 亚洲黄色影视| 91九色精品| 久久久国产精品黄毛片| 成人丁香五月| 99九九在线精品热动漫| 婷婷噜噜| 天天色天天爱天天爽| 91欧美日韩综合| 丁香五月激情图片婷婷| 99久久久| 欧美色五月| 日韩另类在线观看| 亚洲免费婷婷| 五月天精品视频| 丁香九月综合| 成人午夜无码视频| 色五月色五天色情网| 99久久久精品| 丁香五月亚洲综合| 久久综合66| 日韩人妻无码专区| 99精品无码| 色情五月天丁香社区| 婷婷丁香五月噜噜噜| 只有精品在线观看| 五月婷婷开心亚洲无| 五月婷婷丁香大陆免费| 手机在线日韩视频中文字幕| 啪啪黄页网| 羞羞嫩草视频| 久久久久久99日本| 97成人丁香| 色偷偷AV亚洲男人的天堂| 人妻无码精品一区| 色色射| 免费啪啪亚州视频| 9l视频自拍九色9l视频自拍九色9l社区| 丁香五月第四色88| 99色免费视频| 91婷婷五月天嫩女| 久久色五月天| 九九操操| 深爱五月激情五月| 嫩草AV久久伊人妇女超级A| www.激情五月| 香蕉AV777XXX色综合一区| 丁香五月色色| 色色色国产| 超碰无码318604| 另类丁香综合| 人妻AV在线观看| 六月婷婷啪啪| 久久66er久久| 色色亚卅| 丁香五月人妻| 九月婷婷综合| 婷婷五月花| 嫩草AV久久伊人妇女超级A| 精品国产AV色一区二区深夜久久| 黃色三级三级三级三级 qixing300.shrkbk.com www.jinbozs.com tianmiaosw.com | 色色免费网站| 天天综合精品| 婷婷情色五月| 丁香五月中文字幕| 丁香婷婷激情五月| 26uuu欧美日本| 日本色色色| 激情五月婷婷丁香| 99热综合| 猫咪伊人AV| 超碰国产一区| 影音先锋毛片网站| 开心五月丁香综合久久| 99热亚洲精品| 99热这里只有精品4| 国产精品扒开腿做爽爽爽A片唱戏| 97干干干丁香| 啪啪婷婷五月天激情| 婷婷丁香人妻天久久| 青草性爱视频| 五月激激激情综合网| 六月丁香激情| 全部老头和老太XXXXX| 日本精品人妻无码77777| 五月婷在线色视频| 色婷婷成人| 青青草五月天| 五月香婷婷| 日韩艹比| 99热亚洲| 五月丁香综合啪啪対白| 五月丁香色婷婷| 激情丁香五月天| 五月天婷婷综合网| 超碰91av| 五月丁香AV在线| 五月天婷婷基地| 成人在线网址| 五月丁香久久综合91| 色色综合激情| 可以直接看的AV网站| 激情九色| 欧美三级巜人妻互换| 99视频在线看| 热久久视频99| AV中文在线| 国产又爽又猛又粗的视频A片| 六月婷婷最新网址| 激情小说五月天中文字幕| 五月天综合在线观看视频| 九九色综合九九色| 婷婷六月丁综合| 亚洲网视屏| 天天综合图片| 97碰在线视频| 国产精品色婷婷99久久精品| 开心五月婷| 香蕉狠狠爱视频| 成人精品一区二区三区四区五区 | 黄色三级日本| 婷婷五月天天激情| 就爱啪啪婷婷| 中文字幕 中文字幕明步| 欧美啪啪五月天| 夜夜噜夜夜奇| 国产亚洲99久久精品| 色婷狠狠| 欧美英丁香开心快乐六月天网| 国产精品成人在线| 99热丁香| 婷婷综合激情| 精品婷婷丁香五| 99色激| 伊人五月综合网| 五月丁香婷婷欧美色图视频五月丁香777电影| 在线观看欧美| 色色国产| 亚洲爱婷婷| 综合伊人狠狠| 色婷婷成人久久| 狠狠狠狠狠狠狠狠草| 操碰91| 在线观看日韩12345区| 丁香婷婷偷拍| 五月色丁香| 欧美六月| 97干在线视频| 色色无码日韩| 激情五月五月婷婷| site:hcxsz888.com| 91九色中文字幕女在线观看| 天天干电影| 操精品9| 人人舔人人色人人高潮| 日韩成人无码| 色了色综合| 97操碰98| www.五月丁香| 婷婷操超碰| 五月丁香六月激情视频| 日韩淑女人妻luan伦激情精品一区二 | 99在线精品视频| 影音先锋色色色资源色资源色| 婷婷射丁香| 精品色色| 伊人狠狠综合| 久啪欧美| 色情丁香五月婷婷精品| 亚洲高清在线| www99热| 色欲日日躁| 香蕉AV777XXX色综合一区| 99热20| 丁香九月婷婷| 激情五月天www| 色www.con| 国产综合婷婷| 天天噜天天插| 五月天婷a在线| 99热这里只有精品3| 激情婷婷22月间| 婷婷激情社区| 日韩一级A片黄色| 五月婷婷六月丁香综合| 婷婷色色网| 99亚洲大片精品永久在线观看| 欧洲MV日韩MV国产| 丁香六月婷婷色XXXXX| 综合 蜜月 婷婷| 99啪99| 五月玖玖| 亚洲天堂婷婷丁香| 五月天色五月| 婷婷久久视频| 亚洲视频无| 99热碰碰热| 综合97五月| 亚洲99热| 欧美日韩91| 久久99热免费| 亚洲成片在线观看| 久久精品凹凸分类| 亚洲综合五月天婷婷丁香| 一级片sese片.COM| 最新国产AV| 九九激情综合| 久久久精品色| 婷婷五月丁香五月丁香| 欧美色碰| 色婷婷中文| 波多野结衣AV无码Porn| 色婷婷香蕉丁丁网| 日韩啪| 欧美日本韩国亚洲| 丁香六月综合激情| 91黄址| 日操五月婷| 97综合色片| 欧美69久成人做爰视频| 色婷婷亚洲| 欧美性生交XXXXX无码小说| 五月婷天天搞视频| 五月婷婷久久激情| 日韩欧美一级大黄网站| 91窝窝| 99色色网| 色色五月天婷婷| 久久久久人妻中文| 包操45分钟网站| 任你干嘛免费视频播放| 色99视频| 激情五月婷婷综合| 国产亚洲色婷婷久久99精品91| 干亚洲天堂| 色色色九九九五月婷婷| 狠狠操狠狠| 9热视频在线观看| 激情纯色婷婷五月天在线不卡视频| 色色日本欧美| 久9草在线观看视频| 欧美激情综合色综合啪啪五月| 精品人妻久久久| 久操大香蕉| 伊人玖玖综合| 日本色超碰| 国精产品一区一区三区免费视频| 色情五月婷婷| 六月婷婷色综合| 激情影院丁香五月| 五月天激情亚洲| 天天人人天天爽| 六月婷婷av| 美国不卡视频| 丁香五月激情欧美| 这里只有精品免费在线视频| 五月婷婷狠狠干| 99热6色| 色色色综合网| 五月婷婷综合网| 97操在线视频| 丁香六月五月天| 99ri国产在线| 激情四射五月天| 色婷婷色五月天| 丁香五月天激情小说| 五月六月丁香婷婷在线观看| 丁香五月天色| 丁香五月大片| 直接看的AV| 丁香五月五月婷婷五月天激情四射| 人人色AV| 丁香婷婷六月在线资源观看| 可以看的av| 狠狠综合网| 天天干天天操天天拍| 天堂草在线看www| 深夜激情网| 久久六月综合| 玖玖爱资源站| 青草五月天| 久久婷婷热| 超碰九色| 色婷婷成人做爰A片免费看网站| 国产亚洲在线观看| 99久操视频| 伦乱人妻| 九九99免费理论| 亚洲精品视频在线播放| 丁香五月天欧美| 久久这里只有精品22| 99成人免费热视频| 国産精品| 乱岳熟女50岁| 超级久久久| 9月色婷婷| 亚洲色激情| 天天操无码| 日本三级日本三级三级人妇四虎| 激情综合4月| 六月丁香婷婷尤物| 色停停五月,在线观看| 超碰在线中文字幕| 福利视频在线播放| 成人丁香婷婷| 国产日韩欧美性爱| 97婷婷五月| 超碰二区| 激情五月天伊人av| 激情五月六月婷婷| 男同色五月开心五月激情五月| 国产超碰人人| 久久小视频免费| www.五月天激情| 五月婷精品| 日韩免费视频| www.97碰碰com| 天天草天天爱| 五月欧美丁香在线观看| 亚洲色色色| 9色在线视频精品观看| 久久婷婷五月综合啪| 激情五月综合色| 天堂AV在线看| av九九| 久久免费精彩视频| 182TV亚洲| 久久五月婷综合网| 婷婷久久大香蕉| 97人人操人人操人人操人人| 婷婷五月天国产手机在线视频观看| 深爱开心激情| 超碰只有精品在线| xxxx五月激情| 亚洲视频二区| 色婷婷色五月综合| 79色色免费| 99黄色性生活| 色婷婷情片| www.婷婷,com| 亚洲成人综合在线| enecarbon-materials.comWu染请涟系Bao护@wip1688 | 久久亚洲婷婷| 综合色情网| 欧美日韩一区二区三区四区| 黄色99网| 久久九九综合| 国产片天天爽夜夜爽| 婷婷新网址| 激情5月婷婷狠狠干| 精品无吗va视频免费观看| 桃色成人网| 人人爱操| 97狠狠色| 91碰碰视频| 激情五月天伊人影院| 亚洲乱码日产精品BD| 婷婷激情性爱| 亚洲最大视频| www.99婷婷| 色五月激情五月开心五月| 国产在线激情视频| 五月丁香六月合| 成人片在线播放| 亚洲一级色电影| 国产亚洲色婷婷久久99精品91| 大鸡巴伊人网| 婷婷久久综合久色| 亚洲色五月婷婷| 国产精品美女| 一月婷婷色色| 人人人操| 成人深爱丁香五月| 亚洲精品又粗又大又爽A片 | 九九机热| 亚洲视频在线网| 天天操综合网站| 色欲AVV| 激情五月四色| 亚洲国产另类av| 99色最新在线视频网站| 国产在线视频1234| 五月 激情视频| 久草五月天| 九九综合伊人| 开心久久xxx色| 五月丁香综合| 自拍盗摄 另类| 91视频久久久| 超碰91在线| 婷婷香香五月| 嫩草极品| 久久99激情丁香婷婷小说网| 久久狠狠干| 天天骑天天操| 26UUU亚洲欧美| 色婷婷小视频| WWW.婷婷| 99成人网一区| 玖玖色综合色| 狠狠五月天| 日本久久网| 亚洲第一成人无码A片| 五月激情网站| 五月激情五月丁香| 婷婷五月丁香99| 无人精品在线视频| 狠狠色狠狠爱| 天天干天天插| 久久五月激情| 婷综合| 天天做天天爽| 丁香婷婷噜噜| 久久这里只精品66| 丁香五月成人自拍| 欧美人与性动交CCOO| 橾逼网| 我爱大香蕉| 九色视频九色九色91jiuseshipin| 五月婷婷在线免费| 天天人人综合| 加勒比久热| 五月天开心网| 精品无吗va视频免费观看| 大香蕉人妻| 丰滿爆乳一区二区三区| www.日日夜夜.com| 色婷婷成人丁香| 五月婷婷色在线| 原琪琪色影院| 天天插AV丝袜中| 婷婷色亚洲| 97精品综合久久内射| 久久久久人妻网址| www.五月丁香| 淫荡综合网| 99热精品在线观看| 欧美婷婷精品激| 91在线观看九区| 狠狠干在线| 色在线视频网2025| 五月婷婷和六月| 婷婷丁香激情综合色情| 久久五月天精品视频| 91色涩| 婷婷丁香五月高清| 人人爱天天摸摸天天爱| 人妻操逼视频。| 五月丁香综合成人社区| 97偷拍对白视频| 成人综合网站| 香蕉AV福利精品导航| www.久久久.com| 欧美噜一噜| aaaaaa片| 五月丁香手机在线| 精品久久9| 亚洲AV日韩无码| 久久精品五月| ww超碰在线| 一级片操逼视频| 亚洲成人在线播放| 日本狠狠干| 另类图片天天影视在线观看| 中文字幕丰满人妻无码专区| 天天干电影| www天天爽| 亚洲欧洲中文日韩久久AV乱码| 婷婷五月婷婷五月| 激情五月天色爱| 成人色色视频| 色狠狠色综合| 国产成人+亚洲+欧洲| 天天影视色综合网| 永久地址 色| 狠狠干五码| 九九热这里只有精品9| 少妇激情基地| 天天搽天天射| 激情六| 亚洲色色在线| 丁香五月激情六月| 99色看这里只有精品| 婷婷97狠狠干| 色婷婷五月婷婷五月婷婷五月| 久热无码| 丁香五月天人体| 日韩狠狠色婷婷| 色婷婷成人丁香| 另类图片激情五月天| 色五月av伊人| 五月成人综合| 激情噜噜噜| 日本色色网站| 国产 码在线成人网站| 五月天com| 欧美性生交XXXXX无码小说| 亚洲亚洲人成综合网络| 日日噜噜久久婷婷五月天| Caop在线| 99五月丁香丁| 五月天,激情四射,婷婷频道| 五月天婷综合| www.色婷婷.com| 亚洲美女高潮久久久久久69| 五月丁香啪| 免费做A爰片77777| 综久久久| 97九色视频| 婷婷四色五月| 6080av| 婷婷五月另类网站| 婷婷伊人网| 婷婷五月天影院| 伊人狠狠色婷婷综合丁香一区| 99A级片| 五月婷婷天天色| 日日夜夜婷婷| 亚洲激情五月天| 99热亚洲只有色| 91ncm视频| 天天拍天天做视频| 丁香五月天视频| 五月天婷婷色色| 99热热热天天人人人超超碰| 97色欧美| 先锋av性爱成人电影| 婷婷的色色五月天| 在线看的免费网站| 色丁香五月天| 天天日夜夜夜操操操操| 婷婷精品免费久久| 91九九九九九九| 精品婷婷| 一级黄色尤物综合视频手机在线观看| 丁香五月婷婷基地| AV网站免费在线| 翔田千里无码| 99热手机在线精品| WWW.久久久久久久久久久久久| 国产日批视频免费播放| 激情五月婷婷网| 超碰在线人妻| 色综合天堂| 色了色综合| 天天插综合| 五月婷免费视频| 丁香婷婷五月天色播| 日本婷久久| 久久九九99.www| 久久狠狠欧美| 99riAv1国产在线观看| 色.五月综合网| 五月丁香WWW| 激情六月婷婷| 综合久久五| 狠狠干总合| 99只有精品| 五月婷婷久久久久| 国产精品成人av在线观看春天| 丁香五月天电影| 91婷婷| www.五月天色色.com| 免费观看18视频网站| 综合激情网五月激情| 婷婷五月花| 人橾人| 热久久99热欧美国产亚洲| 9精品久久999| 色婷婷综合五月| 色色激情五月天| 欧洲激情网站| 亚洲色碰| 激情五月综合网| 婷婷五月天激情综合| 色欲九区| 大香蕉伊人久久| 怡春院久操| 大香蕉五月丁香| 91视频一起草| 亚洲激情综合| 婷婷丁香五月天影院| 亚洲操b| 色婷婷影视99| 九九热在线视频观看| 国产在线网址1| 久久精彩视频99| 丁香婷婷五月份| 五月丁香六月综合激情网| 色天使久久综合| 婷婷丁香五月亚洲| 丁香五月欧美色综合| 五月天婷婷伊人| 五月停停色| 另类专区在线| 亚洲超碰在线| 色婷婷电影网| 激情婷婷狠狠干| 九色综合网| 久色欧美| 97香蕉碰碰人妻国产欧美| 人妻无码精品一区| 综合激情伊人影视在线| 狠狠干综合| 天天舔天天| 影音先锋天天日| 久9视频| 成人视屏在线观看| 丁香婷婷久久| 亚洲国产精品综合色区| 91亚洲免费片| 婷婷亚洲综合| 色日本丁香婷婷| 久操香蕉| 精品99在线| 97亚洲色 torrent magnet| 青青草免费公开视频| 久久99成人性爱高清视频| 性生活视频98791| 久久这里只有精品热在99| 中文字幕按摩做爰| 成人精品99| 91精品人妻少妇无码影院| 五月天综合视频| 婷婷五月天com| 亚洲欧美国产A片免费观看| 久久99久久99精品免观看粉嫩| 五月色综合| 日本英国美国欧美亚洲国产精亚洲日韩精品在线观看 | 99精品在线观看视频| 婷婷色婷婷| 艹B高清无码| 亚洲第一成人无码A片| 婷婷五月天美女| www.91色| 久久a热| 色色色色热热| 天天综合网色欲香| 第五色婷婷| 成人网丁香五月| 亚洲AV第二区国产精品| 国产又粗又大又爽又黄 | 婷婷五亚洲| 激情五月婷婷丁香六月| 无码人妻一区二区一牛影视| 色色五月天激情| 五月天精品综合在线| 天天操无码| 色婷婷丁香社综合| 俺也去色| 天天综合网在线| 婷婷色五月在线视频| 五月天色婷伊人| 97色色综合| 六六久久黄色| 五月天成人在线视频网站| 五月六月婷| 色情播放| 亚洲无码成人| 久久月天堂| 亚洲日韩一页精品发布| 在线视频另类| 丁香五月开心婷婷| 九月婷婷丁香| 激情五月开心五月在线视频| 久久综合爱| 99啪在线| 五月天婷婷网站| 日本乱子人伦在线视频| 日本三级日本三级99| www.henhengan| 综合视频五月| 亚洲欧洲色色| 激情久久久| 色域五月婷婷丁香| WWW99热| 欧美操逼天堂| 丁香五月婷婷Av| 97人人干。| 午夜福利8055| 丁香五月天亚洲综合| 国产精品日本一区二区在线播放| 99热这里全都是精品| 婷婷综合色| www.99热| oVV4WIB3vFi8D| 婷婷五月天成人网| 婷婷五月天六点丁香五月| 九九热婷婷| 色婷婷久久7777| 五月丁香婷久久| 久久六月婷婷| 日韩乱轮AV| 人妻丰满精品一区二区A片| 亚洲成人在线在线| 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 | 丁香六月婷婷| 亚洲综合五月天| 青草视频在线观看视频| 国产精品a无线| 99人人爽| 五月九九综合| 日韩AV在线电影| 国产高潮白浆一区二区| av人人操| 99小视频在线观看| 五月久久婷婷天堂视频| 色九月欧美| 欧美色99| 丁香5月激情网| 26uuu淫色| 色综合五月在线| 婷婷五月天激情AV影院| 蜜桃五月天| 五月天激情综合| 五月天 婷 欧美亚洲| 天天搡日日搡aaaaⅩ| 丁香五月91| 婷婷综合在线| 天天激情站| 久操干| jiqingtaose五月天| 久久五月天激情视频| 婷婷六月天精品| www.色婷婷.com| 色五月婷婷基地| 深夜男女福利刺激影院一区| 色五月播五月| 97日韩无套内| 夜夜资源站| 五月激情丁香六月狠狠干| 91人妻视频| 丁香五月天堂网| 免费视频99| 夜夜爽77777妓女免费下载| 少妇人妻人伦A片| 色欲色香综合网站| 激情四射网| 五月天色婷伊人| 激情五月四色| 五月天久久婷婷| 麻豆WWWCOM内射软件| 一本九九色| 97干在线| 高清无码中文字幕aVDV| 婷婷五月丁香五月| AV大香蕉| 久99在线视频| 内射激情在线| 五月丁香综合啪啪| 丁香激情综合| 九九九精品视频免费观看| 国产另类综合| 丁香五月久久| 99免费青青蜜臀| 伊人久久婷婷五月天激情四射| 开心网五月色婷婷| 啪啪一区| 视频久久9| 亚洲视频a| 草综合14| 蜜臀AV在线观看| 久久九区| 五月天狠狠草| 欧洲色区| 影音先锋一区| 五月婷婷无码| 九九色热| 99色在线| 五月天天天天天天天天天天天天天天天婷婷婷| 亚洲精品久久久无码| 六月婷婷啪啪| 激情五月天在线视频| 性色五月天| 亚洲成人AV在线| 综合狠狠干| 五月天另类激情在线| 91操人人操| 色九月婷婷| 99热日韩| 亚州色综合| 午夜做爱影院| 成人午夜天| 久久激情综合| 9久久精品| 激情中文在线| 99热 免费| 婷婷五月天综合在线| www.久久爱.c n| 五月丁香婷婷激情澎湃四射| 激情五月综合| 色九网| 欧美日韩成人在线观看| 人妻在线观看视频| 爱草视频在线| 99热伊人| 成人日韩欧美| 婷婷综合一二三| 免费播放AV| 日韩1区2区| 情色五月天 网站| 久热这里只有精品在线| 国产又爽又猛又粗的视频A片| caopeng超碰| 91精品综合久久久久久五月丁香| 国产精品久久..4399| 国产精品色| 五月天婷婷操逼视频| 99热97| 性色综合网| 五月激情六月综合| 操精品9| 国产日日操夜夜操的肉棒视频| 中文字幕综合| 色婷五月| 色婷婷基地| 97丁香花五月天激情小说| 激情五月色婷婷| 激情五月天的婷婷| 天堂网啪啪| 亚洲成人网站在线播放| 婷婷五月色色| 无码区婷婷五月花开| 国产9色在线/日韩| 久久综合干| 婷婷久久五月| 另类在线| 狠狠综合网| 丁香色情五月综合网站| 天天干人人奸97| 五月婷婷69| 国产av第一专区| 色五月五月天色婷婷色五月| 亚洲AV电影美洲AV电影| 色五月欧美| 大香蕉婷婷丁香| 人人97碰| 亚洲精品成人| www.色婷婷.com| 成人必爱视| 色九九综合色| 久久精品性爱| 婷婷五月在线免费| av亚洲国产小电影| 色爱五月天| 玖玖99免费视频| 中文字幕丰满孑伦无码专区| 色五月aV| Av在线不卡一区| 综合色色网| 九九九九九无码| 人妻操日日| 一起草av| 夜夜操,天天撸| 欧美日韩成人在线免费| 大香蕉久久| 99色1| 久婷婷五月综合欧美| AV人人操| 免费视频这里只有精品| 日韩av在线免费观看| 五月色情| 五月婷婷亚洲色视频| 亚洲激情免费久久| av操逼网| 99热国产| av五月天婷婷丁香| 婷婷五月六月丁香| 精品网站99| 久久99免费视频| 午夜丁香婷婷| 婷婷色基地| 就要去操亚洲成人精品五月天丁香婷婷| 超碰在线成人| 99色视频| 都市激情五月婷婷综合| 成人短视频免费观看| 天天操婷婷| 婷婷五月天香蕉| 久久五月综合| 欧美、日韩、中文、制服、人妻| 五月婷婷丁香| 亚洲综合无码| 精品无码人妻一区| 伊人五月婷婷| 九九热在线视频观看免费10| 色狠狠综合| 大香线蕉伊人| 99在线国| 激情五月综合视频| 婷婷天堂视频| 五月婷婷爽爽爽| 五月天激情啪啪| 日韩久久这里只有精品| AA丁香综合激情| WWW.久久久久久久久久久久久| 九九碰九九爱97超碰| 九色无码| 五月丁香激情六月| 综合五月天亚洲婷婷| 97久久超碰| 久久综合五月婷婷| 99在线看视频| 色色色色网| 激情图片久久| 五月婷婷中文字幕AV| 无码激情精品色婷婷久久久久| 99婷婷五月天| 国产婷婷五月| 五月丁香亭亭电影久久| 狠狠狠狠狠狠| 丁香综合网| 日日噜噜夜夜狠狠久久丁香六月| 丁香五月a| 激情五月六月丁香| 亚洲精99| 五月激情综合网| 夜夜爱影院| 天天插天天射天天干| 婷婷五月丁香综合瑟瑟| 天天揷综合网| 亚洲色频| 欧美精品99久久久| 婷婷五月综合网| 九九激情综合| 色色五月天丁香| 色婷婷五月综合在线| 色色色无码| 天天色综合网吨吧| 精品久久婷婷五月天| 国产成人av在线播放| 91色九| 九九热99精品| www.99热精品| 日韩精品999| 最新色色五月天| 精品99这里有| 久久久性爱视频| 97操操操| 国产裸舞福利资源在线视频| 五月天激情站| 天天干天天干天天干天天干天天干天天干天天 | 激情美女五月天| 五月天色婷婷视频| 色综合久久88色综合天天人守婷| wWw色五月| A A色色| 这里只有精彩亚洲视频推荐| 久久这里只有精品99| 99爱精品视频| 无码任你操| 九九综合| 久久婷婷亚洲| 国内精品99| 亚洲成人日韩无码精品| a毛片二逼wwwwwwwwww| 九九干视频| 久久在这里99| 九九色综合| 色六月丁香婷婷狠狠干| 激情五月少妇| 五月天婷婷丁香基地在线观看| 久久丝袜婷婷| www.色综合| 伊人五月天在线| 8050一级网| 天堂网色婷婷| 久久多色| 日本九九热| 日本色五月| 97干在线| 国产性爱色| 91色综合网| 天天色,天天操,天天射| 亚洲丁香五月| 这里只有精品视频在线| 狠狠综合网| WWW色五月| 丁香五月婷婷天堂大香蕉| 啪啪六月婷婷| 天天综合天天做天天综合| 综合色激情| 五月婷婷黄色| 欧美内射AA| 97精品人人A片免费看| 十区AV| 婷婷91| 激情婷婷另类| 九月激情网| 综合久久婷婷| 中文在线视频久9| 深爱五月综合网| 激情五月色综合国产精品| 色婷婷大香蕉| 九九精品丁香花| 伊人久久大香线蕉av最新| www.五月激情.com| 色婷久| 99精品久久| 五月丁香888| 激情五月婷婷在线区| 爱婷婷五月| 久久精品4| ady狠狠入| 国产裸舞福利资源在线视频| 五月六月伦理| 日日日日日| 久9免费视频| 思思热在线精品视频网站| 亚洲综合视频网| 9l久久久视频| 婷婷五月成人色综合| 国产va视频| 韩国不卡AC视频| 欧美成性色| 九九热精品视频在线观看| 日韩中出视频| 激情久久久久| 欧美性色视频| 男人的天堂99| 思思视频这里是精品| 久99视频| 99 re视频一区| 青青草日本亚洲| 国产小精品| 亚洲婷婷丁香五月在线| 日本天堂免费99| 天天操天天干天天射| 九月色婷婷综合亚洲| 丁香婷婷综合色五月激情国产基地| 久色视频在线| 久久99网站| 69色婷婷| www.色五月天.com| 91人在线观看| 婷婷激情丁香五月婷婷激情丁香五月婷婷 | 五月丁香五月婷婷| www.99热在线| 色丁香五月天婷婷| 91狼友视频网页更新| 亚洲激情视频网| 人妻av在线| 噜综合| 婷婷激情四射| 97色碰| A久久| 在线,国产,色,热视频| 日夜操B| 99开心五月五月丁香激情| 六月婷婷五月天| 婷婷性爱影院| 97久久人人|