欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運(yùn)營(yíng)的一線實(shí)戰(zhàn)洞察。

基于VGG16的圖像檢索系統(tǒng):畢業(yè)設(shè)計(jì)從特征提取到可復(fù)現(xiàn)落地

基于VGG16的圖像檢索系統(tǒng):畢業(yè)設(shè)計(jì)從特征提取到可復(fù)現(xiàn)落地 簡(jiǎn)介這是一套面向高校學(xué)生與深度學(xué)習(xí)入門(mén)者的圖像檢索畢業(yè)設(shè)計(jì)完整項(xiàng)目基于VGG16卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)以圖搜圖功能。項(xiàng)目使用Python與Keras搭建將圖像轉(zhuǎn)換為高維特征向量再通過(guò)余弦相似度或歐氏距離完成相似圖像匹配覆蓋圖像預(yù)處理、特征提取、相似度計(jì)算與檢索全流程可直接運(yùn)行并根據(jù)自有數(shù)據(jù)集調(diào)整。資源包共30個(gè)文件約47.96MB包含8個(gè)Python腳本模型構(gòu)建、訓(xùn)練與檢索邏輯、5個(gè)gif與5個(gè)png演示圖、3個(gè)js與2個(gè)html及2個(gè)css前端頁(yè)面、1個(gè)db數(shù)據(jù)庫(kù)、1個(gè)md說(shuō)明文檔等目錄結(jié)構(gòu)清晰便于按模塊閱讀與二次開(kāi)發(fā)。目前已有430人學(xué)習(xí)下載。讀者可借此掌握VGG16特征提取、Keras預(yù)訓(xùn)練模型調(diào)用、圖像檢索算法與完整項(xiàng)目組織方式是理解深度學(xué)習(xí)落地應(yīng)用、完成畢業(yè)設(shè)計(jì)的實(shí)用參考。1. 基于 VGG16 的圖像檢索系統(tǒng)從特征提取到可復(fù)現(xiàn)的畢業(yè)設(shè)計(jì)落地做畢業(yè)設(shè)計(jì)最怕兩件事一是選題聽(tīng)起來(lái)高大上真動(dòng)手發(fā)現(xiàn)無(wú)從下手二是代碼跑不通數(shù)據(jù)找不到最后只能“借鑒”別人的倉(cāng)庫(kù)改個(gè)名字。基于 VGG16 的圖像檢索系統(tǒng)恰好卡在中間——它足夠經(jīng)典經(jīng)典到任何計(jì)算機(jī)畢業(yè)設(shè)計(jì)答辯老師都認(rèn)可這個(gè)方向又足夠具體具體到你可以用一份完整代碼和數(shù)據(jù)在本地跑出可演示的結(jié)果。這個(gè)系統(tǒng)的核心邏輯并不復(fù)雜用預(yù)訓(xùn)練的 VGG16 卷積網(wǎng)絡(luò)把每張圖片變成一個(gè)高維特征向量再通過(guò)計(jì)算向量之間的余弦相似度或歐氏距離從圖庫(kù)里找出與查詢(xún)圖最接近的 Top-K 張。它解決的是“以圖搜圖”這個(gè)真實(shí)需求適合計(jì)算機(jī)視覺(jué)入門(mén)、信息檢索課程設(shè)計(jì)以及需要快速搭建可演示系統(tǒng)的畢業(yè)設(shè)計(jì)場(chǎng)景。下面我會(huì)把選型理由、代碼實(shí)現(xiàn)、參數(shù)調(diào)優(yōu)和踩坑記錄一層層拆開(kāi)讓你拿到就能跑跑完能講清楚為什么這么做。2. VGG16 做圖像特征提取為什么選它而不是 ResNet 或 CLIP2.1 VGG16 作為特征提取器的結(jié)構(gòu)優(yōu)勢(shì)與局限VGG16 是牛津大學(xué)視覺(jué)幾何組在 2014 年提出的卷積神經(jīng)網(wǎng)絡(luò)拿過(guò) ImageNet 挑戰(zhàn)賽的亞軍。它的結(jié)構(gòu)極其規(guī)整13 個(gè)卷積層全部使用 3×3 小卷積核5 個(gè)最大池化層穿插其中最后接 3 個(gè)全連接層。這種“堆疊小卷積核”的設(shè)計(jì)讓網(wǎng)絡(luò)在保持感受野的同時(shí)減少了參數(shù)量也讓它提取的特征具有很好的層次性——淺層卷積響應(yīng)邊緣和紋理深層卷積響應(yīng)語(yǔ)義部件。在圖像檢索任務(wù)里我們通常不會(huì)用 VGG16 最后的 softmax 分類(lèi)輸出而是取全連接層之前的特征。常見(jiàn)做法是取block5_pool之后的 512 維特征或者取fc2層的 4096 維特征。512 維特征計(jì)算快、存儲(chǔ)省適合圖庫(kù)規(guī)模在幾千到幾萬(wàn)張的場(chǎng)景4096 維特征表達(dá)能力更強(qiáng)但檢索時(shí)的距離計(jì)算開(kāi)銷(xiāo)會(huì)明顯上升。我一般會(huì)先用 512 維跑通全流程如果發(fā)現(xiàn)相似圖片排不到前面再切到 4096 維對(duì)比效果。VGG16 的局限也很明顯參數(shù)量約 1.38 億其中全連接層占了絕大部分導(dǎo)致模型文件超過(guò) 500MB推理速度比 MobileNet 慢不少。如果你的畢業(yè)設(shè)計(jì)需要部署到邊緣設(shè)備或者要求實(shí)時(shí)響應(yīng)VGG16 可能不是最優(yōu)選。但如果你追求的是“特征穩(wěn)定、代碼簡(jiǎn)單、答辯好講”VGG16 依然是性?xún)r(jià)比很高的選擇。ResNet 的殘差連接雖然訓(xùn)練更深網(wǎng)絡(luò)更容易但作為固定特征提取器時(shí)VGG16 在中小規(guī)模圖庫(kù)上的檢索精度并不遜色。CLIP 這類(lèi)多模態(tài)模型效果更好但依賴(lài)大規(guī)模預(yù)訓(xùn)練權(quán)重和更復(fù)雜的推理流程對(duì)畢業(yè)設(shè)計(jì)的算力要求偏高。2.2 用 PyTorch 加載 VGG16 并導(dǎo)出特征向量的最小代碼下面這段代碼展示了如何加載預(yù)訓(xùn)練 VGG16、去掉分類(lèi)頭、對(duì)單張圖片做預(yù)處理并輸出 512 維特征向量。代碼可以直接復(fù)制運(yùn)行前提是你已經(jīng)安裝了 PyTorch 和 torchvision。import torch import torch.nn as nn from torchvision import models, transforms from PIL import Image # 加載預(yù)訓(xùn)練 VGG16weights 參數(shù)指定使用 ImageNet 預(yù)訓(xùn)練權(quán)重 vgg16 models.vgg16(weightsmodels.VGG16_Weights.IMAGENET1K_V1) # 只保留 features 部分卷積層去掉 avgpool 和 classifier # features 的輸出是 (batch, 512, 7, 7)需要進(jìn)一步處理 feature_extractor vgg16.features # 設(shè)置為評(píng)估模式關(guān)閉 dropout 和 batchnorm 的訓(xùn)練行為 feature_extractor.eval() # 定義圖像預(yù)處理縮放到 224x224轉(zhuǎn)張量按 ImageNet 統(tǒng)計(jì)量歸一化 preprocess transforms.Compose([ transforms.Resize(256), transforms.CenterCrop(224), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]), ]) def extract_feature(img_path): img Image.open(img_path).convert(RGB) input_tensor preprocess(img).unsqueeze(0) # 增加 batch 維度 with torch.no_grad(): features feature_extractor(input_tensor) # 形狀 (1, 512, 7, 7) # 全局平均池化把 7x7 空間維度壓成 1x1得到 512 維向量 features torch.mean(features, dim[2, 3]) # L2 歸一化方便后續(xù)用余弦相似度 features nn.functional.normalize(features, p2, dim1) return features.squeeze().numpy() if __name__ __main__: vec extract_feature(test.jpg) print(vec.shape) # 輸出 (512,)這段代碼的關(guān)鍵點(diǎn)有三個(gè)。第一vgg16.features只包含卷積層輸出是四維張量(batch, 512, 7, 7)其中 7×7 是空間尺寸。第二全局平均池化把每個(gè)通道的 7×7 特征圖取平均得到 512 維向量這比直接展平更魯棒也避免了全連接層的巨大參數(shù)量。第三L2 歸一化讓向量落在單位球面上之后用余弦相似度檢索時(shí)只需做點(diǎn)積計(jì)算效率更高。參數(shù)方面Resize(256)和CenterCrop(224)是 ImageNet 的標(biāo)準(zhǔn)預(yù)處理流程不要隨意改成 224 直接縮放否則會(huì)改變圖像長(zhǎng)寬比影響特征質(zhì)量。歸一化的均值和標(biāo)準(zhǔn)差必須和預(yù)訓(xùn)練時(shí)一致否則特征分布會(huì)偏移。如果你用的是自己訓(xùn)練的 VGG16 權(quán)重歸一化參數(shù)要換成訓(xùn)練時(shí)用的統(tǒng)計(jì)量。2.3 批量提取圖庫(kù)特征并保存為可檢索的索引文件單張?zhí)崛≈皇茄菔緦?shí)際系統(tǒng)需要對(duì)整個(gè)圖庫(kù)做批量處理。下面代碼遍歷指定目錄下所有圖片提取特征并保存為.npy文件同時(shí)保存文件名列表方便后續(xù)根據(jù)索引找回原圖。import os import numpy as np from tqdm import tqdm from extract_feature import extract_feature # 假設(shè)上面的函數(shù)保存在 extract_feature.py def build_index(image_dir, output_dir): os.makedirs(output_dir, exist_okTrue) image_paths [] features [] # 支持的圖片格式 valid_ext {.jpg, .jpeg, .png, .bmp, .webp} for fname in tqdm(os.listdir(image_dir)): ext os.path.splitext(fname)[1].lower() if ext not in valid_ext: continue fpath os.path.join(image_dir, fname) try: vec extract_feature(fpath) features.append(vec) image_paths.append(fpath) except Exception as e: print(f跳過(guò) {fpath}: {e}) features np.array(features, dtypenp.float32) np.save(os.path.join(output_dir, features.npy), features) with open(os.path.join(output_dir, paths.txt), w, encodingutf-8) as f: f.write(\n.join(image_paths)) print(f索引完成{len(image_paths)} 張圖片特征維度 {features.shape[1]}) if __name__ __main__: build_index(gallery_images, index_output)這段代碼做了幾件事遍歷目錄、過(guò)濾非圖片文件、逐張?zhí)崛√卣鳌⒉东@異常防止單張損壞圖片中斷整個(gè)流程、保存特征矩陣和路徑列表。tqdm用來(lái)顯示進(jìn)度條圖庫(kù)大時(shí)很有用。保存為.npy格式比 CSV 或 JSON 快得多加載時(shí)直接np.load即可。參數(shù)上image_dir是你的圖庫(kù)根目錄output_dir是索引輸出目錄。如果圖庫(kù)有子目錄結(jié)構(gòu)需要改成os.walk遞歸遍歷。特征矩陣的形狀是(N, 512)N 是圖片數(shù)量。路徑列表的順序必須和特征矩陣的行順序嚴(yán)格對(duì)應(yīng)否則檢索結(jié)果會(huì)張冠李戴。我一般會(huì)在保存前打印前 5 個(gè)路徑和對(duì)應(yīng)的特征范數(shù)確認(rèn)沒(méi)有全零向量或異常值。3. 相似度計(jì)算與檢索排序余弦距離、歐氏距離怎么選3.1 余弦相似度與歐氏距離在歸一化特征下的等價(jià)性特征向量做完 L2 歸一化之后余弦相似度和歐氏距離之間存在單調(diào)關(guān)系。具體來(lái)說(shuō)兩個(gè)單位向量之間的歐氏距離平方等于 2 減去 2 倍的余弦相似度。這意味著用余弦相似度排序和用歐氏距離排序得到的 Top-K 結(jié)果完全一致。既然等價(jià)為什么還要區(qū)分因?yàn)橛?jì)算效率不同。余弦相似度只需要做點(diǎn)積而歐氏距離需要計(jì)算差值平方和再開(kāi)方。在圖庫(kù)規(guī)模達(dá)到十萬(wàn)級(jí)時(shí)點(diǎn)積的矩陣運(yùn)算優(yōu)勢(shì)會(huì)體現(xiàn)出來(lái)。實(shí)際寫(xiě)代碼時(shí)我通常把圖庫(kù)特征矩陣轉(zhuǎn)置后與查詢(xún)向量做矩陣乘法一次性算出所有相似度而不是寫(xiě)循環(huán)逐個(gè)計(jì)算。NumPy 的dot底層調(diào)用 BLAS 庫(kù)速度比 Python 循環(huán)快兩個(gè)數(shù)量級(jí)。如果你用 FAISS 或 Annoy 這類(lèi)近似最近鄰庫(kù)它們默認(rèn)也是用內(nèi)積或歐氏距離歸一化后兩者可以互換。3.2 用 NumPy 實(shí)現(xiàn) Top-K 檢索并返回圖片路徑下面代碼加載之前保存的特征索引對(duì)一張查詢(xún)圖做檢索返回最相似的 K 張圖片路徑和相似度分?jǐn)?shù)。import numpy as np from extract_feature import extract_feature def search(query_path, index_dir, top_k10): # 加載圖庫(kù)特征和路徑 features np.load(f{index_dir}/features.npy) # (N, 512) with open(f{index_dir}/paths.txt, r, encodingutf-8) as f: paths f.read().strip().split(\n) # 提取查詢(xún)圖特征已經(jīng)是 L2 歸一化的 query_vec extract_feature(query_path) # (512,) # 矩陣乘法計(jì)算余弦相似度f(wàn)eatures (N,512) dot query (512,) - (N,) similarities features.dot(query_vec) # 取 Top-K 索引argsort 默認(rèn)升序取最后 K 個(gè)再反轉(zhuǎn) top_indices np.argsort(similarities)[-top_k:][::-1] results [] for idx in top_indices: results.append({ path: paths[idx], score: float(similarities[idx]) }) return results if __name__ __main__: res search(query.jpg, index_output, top_k5) for r in res: print(f{r[score]:.4f} {r[path]})這段代碼的核心是features.dot(query_vec)這一行。features形狀是(N, 512)query_vec形狀是(512,)點(diǎn)積結(jié)果是(N,)的相似度數(shù)組。np.argsort返回升序排列的索引取最后 K 個(gè)再反轉(zhuǎn)就得到降序的 Top-K。相似度分?jǐn)?shù)越接近 1 表示越相似因?yàn)橄蛄恳呀?jīng)歸一化點(diǎn)積就是余弦值。參數(shù)top_k根據(jù)你的演示需求調(diào)整畢業(yè)設(shè)計(jì)答辯通常展示 5 到 10 張就夠了。如果圖庫(kù)里有重復(fù)圖片或近似重復(fù)圖片可能會(huì)占據(jù)多個(gè) Top-K 位置可以考慮做非極大值抑制但一般畢業(yè)設(shè)計(jì)不需要這么復(fù)雜。注意paths列表的長(zhǎng)度必須和features的行數(shù)一致如果之前構(gòu)建索引時(shí)跳過(guò)了損壞圖片這里不會(huì)出問(wèn)題因?yàn)楸4鏁r(shí)就是對(duì)應(yīng)的。3.3 檢索結(jié)果的可視化與評(píng)價(jià)指標(biāo)計(jì)算檢索系統(tǒng)不能只輸出路徑和分?jǐn)?shù)答辯時(shí)需要直觀展示。用 Matplotlib 把查詢(xún)圖和 Top-K 結(jié)果拼成一張圖是成本最低的可視化方案。import matplotlib.pyplot as plt from PIL import Image def visualize(query_path, results, save_pathresult.png): k len(results) fig, axes plt.subplots(1, k 1, figsize(3 * (k 1), 4)) # 第一張顯示查詢(xún)圖 axes[0].imshow(Image.open(query_path)) axes[0].set_title(Query) axes[0].axis(off) # 后續(xù)顯示檢索結(jié)果 for i, r in enumerate(results): axes[i 1].imshow(Image.open(r[path])) axes[i 1].set_title(f{r[score]:.3f}) axes[i 1].axis(off) plt.tight_layout() plt.savefig(save_path, dpi150) plt.show()評(píng)價(jià)指標(biāo)方面畢業(yè)設(shè)計(jì)至少應(yīng)該報(bào)告 Top-1 準(zhǔn)確率和 Top-5 準(zhǔn)確率。做法是準(zhǔn)備一個(gè)帶標(biāo)注的測(cè)試集每張查詢(xún)圖有已知的同類(lèi)圖片。如果 Top-K 結(jié)果中包含同類(lèi)圖片就算命中。計(jì)算代碼很簡(jiǎn)單但標(biāo)注數(shù)據(jù)需要你自己整理。我建議從圖庫(kù)中每類(lèi)隨機(jī)抽 5 張作為查詢(xún)圖剩下的作為圖庫(kù)這樣既保證有同類(lèi)圖片可檢索又不會(huì)讓查詢(xún)圖同時(shí)出現(xiàn)在圖庫(kù)中導(dǎo)致“自己搜自己”的虛高分?jǐn)?shù)。4. 避坑與排查VGG16 圖像檢索系統(tǒng)最常見(jiàn)的 5 個(gè)翻車(chē)點(diǎn)4.1 現(xiàn)象檢索結(jié)果全是同一張圖或相似度全部接近 1.0原因通常是特征沒(méi)有做 L2 歸一化或者歸一化維度搞錯(cuò)了。如果特征向量沒(méi)有歸一化點(diǎn)積結(jié)果會(huì)受向量模長(zhǎng)影響模長(zhǎng)大的向量與所有查詢(xún)向量的點(diǎn)積都偏大導(dǎo)致它排到前面。另一種可能是構(gòu)建索引時(shí)把查詢(xún)圖也放進(jìn)了圖庫(kù)查詢(xún)圖與自身的相似度必然是 1.0如果圖庫(kù)里有重復(fù)圖片也會(huì)出現(xiàn)類(lèi)似情況。解決方法是檢查extract_feature函數(shù)里是否調(diào)用了nn.functional.normalize并確認(rèn)dim1而不是dim0。構(gòu)建索引前先對(duì)圖庫(kù)去重可以用文件哈希或感知哈希做快速去重。如果已經(jīng)構(gòu)建了索引加載后打印特征矩陣每行的 L2 范數(shù)正常應(yīng)該全部接近 1.0如果偏差超過(guò) 0.01 就說(shuō)明歸一化有問(wèn)題。4.2 現(xiàn)象GPU 顯存溢出報(bào)錯(cuò) CUDA out of memoryVGG16 參數(shù)量大如果批量提取特征時(shí)一次性把整個(gè)圖庫(kù)讀進(jìn) GPU顯存很容易爆。尤其是圖庫(kù)超過(guò) 5000 張、每張圖片預(yù)處理后是(1, 3, 224, 224)時(shí)累積的中間激活值會(huì)占用大量顯存。解決方法是分批處理每批 16 或 32 張?zhí)幚硗暌慌桶烟卣鬓D(zhuǎn)到 CPU 并釋放 GPU 緩存。代碼上可以用torch.cuda.empty_cache()手動(dòng)清理但更根本的是控制 batch size。如果顯卡顯存小于 6GB建議 batch size 設(shè)為 8 或 16。另外提取特征時(shí)務(wù)必用torch.no_grad()上下文否則 PyTorch 會(huì)保留計(jì)算圖顯存占用會(huì)翻好幾倍。4.3 現(xiàn)象檢索速度極慢單次查詢(xún)超過(guò) 5 秒如果圖庫(kù)有 10 萬(wàn)張圖片特征矩陣是(100000, 512)用 NumPy 做點(diǎn)積大約需要幾十毫秒不應(yīng)該超過(guò) 1 秒。如果慢到幾秒通常是兩個(gè)原因一是每次查詢(xún)都重新加載.npy文件磁盤(pán) I/O 成了瓶頸二是用了 Python 循環(huán)逐張計(jì)算相似度沒(méi)有用矩陣運(yùn)算。解決方法是把特征矩陣和路徑列表在系統(tǒng)啟動(dòng)時(shí)加載到內(nèi)存查詢(xún)時(shí)直接復(fù)用。如果內(nèi)存放不下考慮用 FAISS 建立索引它支持近似最近鄰搜索在億級(jí)向量上也能做到毫秒級(jí)響應(yīng)。對(duì)于畢業(yè)設(shè)計(jì)的圖庫(kù)規(guī)模NumPy 矩陣運(yùn)算完全夠用關(guān)鍵是把加載和計(jì)算分開(kāi)。4.4 現(xiàn)象不同圖片提取的特征幾乎一樣區(qū)分度低這通常是因?yàn)轭A(yù)處理出了問(wèn)題。比如把圖片直接縮放到 224×224 而沒(méi)有保持長(zhǎng)寬比導(dǎo)致圖像內(nèi)容變形或者歸一化時(shí)用了錯(cuò)誤的均值和標(biāo)準(zhǔn)差讓輸入分布偏離預(yù)訓(xùn)練時(shí)的分布。還有一種可能是取錯(cuò)了特征層如果取了block1_pool之后的淺層特征語(yǔ)義信息太弱不同類(lèi)別的圖片特征差異不明顯。解決方法是嚴(yán)格按 ImageNet 標(biāo)準(zhǔn)做預(yù)處理先 Resize 到 256再 CenterCrop 到 224歸一化參數(shù)用mean[0.485, 0.456, 0.406]和std[0.229, 0.224, 0.225]。特征層選擇上block5_pool之后的 512 維特征在語(yǔ)義性和計(jì)算量之間平衡得最好。如果還是區(qū)分度低可以嘗試取fc2層的 4096 維特征或者對(duì)特征做 PCA 降維后再檢索。4.5 現(xiàn)象換一臺(tái)電腦或重新安裝環(huán)境后代碼跑不通畢業(yè)設(shè)計(jì)代碼需要在不同機(jī)器上演示環(huán)境依賴(lài)是常見(jiàn)翻車(chē)點(diǎn)。PyTorch 版本、torchvision 版本、NumPy 版本不匹配都可能導(dǎo)致 API 變化或權(quán)重加載失敗。比如models.vgg16(pretrainedTrue)在舊版本可用新版本推薦用weightsmodels.VGG16_Weights.IMAGENET1K_V1。解決方法是在項(xiàng)目根目錄放一個(gè)requirements.txt固定主要依賴(lài)的版本號(hào)。我一般會(huì)寫(xiě)torch1.12、torchvision0.13、numpy1.21、Pillow9.0、matplotlib3.5、tqdm4.60。如果答辯現(xiàn)場(chǎng)沒(méi)有網(wǎng)絡(luò)提前把預(yù)訓(xùn)練權(quán)重文件下載到本地加載時(shí)用weights參數(shù)指定本地路徑避免現(xiàn)場(chǎng)下載超時(shí)。另外路徑分隔符在 Windows 和 Linux 上不同代碼里統(tǒng)一用os.path.join而不是硬編碼斜杠。5. 進(jìn)階技巧用 PCA 降維和查詢(xún)擴(kuò)展把檢索精度再提一檔5.1 用 PCA 把 512 維特征壓到 128 維檢索速度翻倍512 維特征在幾萬(wàn)張圖庫(kù)上做檢索已經(jīng)夠快但如果你想把系統(tǒng)部署到內(nèi)存受限的環(huán)境或者想進(jìn)一步加速PCA 降維是性?xún)r(jià)比很高的選擇。PCA 的原理是找到特征方差最大的方向把原始特征投影到低維空間同時(shí)保留大部分信息量。對(duì)于 VGG16 的 512 維特征通常降到 128 維就能保留 95% 以上的方差檢索精度損失很小。實(shí)現(xiàn)上用 scikit-learn 的PCA類(lèi)對(duì)圖庫(kù)特征矩陣做擬合然后把查詢(xún)特征也投影到同樣的主成分空間。注意 PCA 的均值中心化步驟擬合時(shí)用圖庫(kù)特征計(jì)算均值和主成分查詢(xún)時(shí)用同樣的均值做中心化不能重新計(jì)算。下面代碼展示了完整流程。from sklearn.decomposition import PCA import numpy as np # 加載圖庫(kù)特征 features np.load(index_output/features.npy) # (N, 512) # 擬合 PCA保留 128 維 pca PCA(n_components128, whitenTrue) features_pca pca.fit_transform(features) # (N, 128) # 保存 PCA 模型和降維后的特征 import joblib joblib.dump(pca, index_output/pca_model.pkl) np.save(index_output/features_pca.npy, features_pca) # 查詢(xún)時(shí)先提取 512 維特征再用同樣的 PCA 投影 query_vec extract_feature(query.jpg) # (512,) query_pca pca.transform(query_vec.reshape(1, -1)) # (1, 128) query_pca query_pca / np.linalg.norm(query_pca, axis1, keepdimsTrue) # 重新歸一化 # 檢索 similarities features_pca.dot(query_pca.squeeze()) top_indices np.argsort(similarities)[-10:][::-1]whitenTrue會(huì)讓降維后的特征每個(gè)維度方差為 1有助于提升余弦相似度的區(qū)分度。降維后需要重新做 L2 歸一化因?yàn)?PCA 變換會(huì)改變向量模長(zhǎng)。PCA 模型必須保存下來(lái)查詢(xún)時(shí)用同一個(gè)模型投影否則查詢(xún)特征和圖庫(kù)特征不在同一空間檢索結(jié)果會(huì)完全錯(cuò)誤。5.2 查詢(xún)擴(kuò)展用 Top-K 結(jié)果的均值特征做二次檢索查詢(xún)擴(kuò)展是一種經(jīng)典的檢索優(yōu)化技巧。它的思路是第一次檢索得到 Top-K 結(jié)果后把這些結(jié)果的特征向量取平均得到一個(gè)“擴(kuò)展查詢(xún)向量”再用這個(gè)新向量做第二次檢索。這樣做的好處是如果第一次檢索中有幾張同類(lèi)圖片它們的平均特征會(huì)更接近該類(lèi)別的中心從而把更多同類(lèi)圖片拉進(jìn) Top-K。實(shí)現(xiàn)上第一次檢索用原始查詢(xún)特征取 Top-5 結(jié)果的特征計(jì)算加權(quán)平均相似度越高的權(quán)重越大然后歸一化得到擴(kuò)展查詢(xún)向量。第二次檢索用擴(kuò)展向量替換原始查詢(xún)向量。代碼改動(dòng)很小但效果在部分?jǐn)?shù)據(jù)集上能提升 3 到 5 個(gè)百分點(diǎn)的 Top-5 準(zhǔn)確率。def query_expansion(query_vec, features, top_k5, alpha0.5): # 第一次檢索 sims features.dot(query_vec) top_idx np.argsort(sims)[-top_k:][::-1] # 加權(quán)平均相似度作為權(quán)重 weights sims[top_idx] weights weights / weights.sum() expanded np.average(features[top_idx], axis0, weightsweights) # 與原始查詢(xún)向量混合 expanded alpha * expanded (1 - alpha) * query_vec expanded expanded / np.linalg.norm(expanded) return expandedalpha控制擴(kuò)展向量和原始向量的混合比例通常設(shè)在 0.3 到 0.7 之間。如果圖庫(kù)噪聲大alpha 取小一點(diǎn)避免被錯(cuò)誤結(jié)果帶偏。這個(gè)方法在畢業(yè)設(shè)計(jì)答辯時(shí)是一個(gè)很好的加分項(xiàng)因?yàn)樗w現(xiàn)了你對(duì)檢索算法的理解不止于“提取特征算距離”。5.3 一個(gè)我反復(fù)驗(yàn)證過(guò)的習(xí)慣先跑通 100 張圖的小閉環(huán)做了這么多版圖像檢索系統(tǒng)我最大的血淚經(jīng)驗(yàn)是不要一上來(lái)就把整個(gè)圖庫(kù)跑完。先挑 100 張圖片構(gòu)建索引用 5 張查詢(xún)圖測(cè)試確認(rèn) Top-5 結(jié)果肉眼看著合理再逐步擴(kuò)大圖庫(kù)規(guī)模。這個(gè)習(xí)慣幫我省下了大量等待批量提取的時(shí)間也讓我在早期就發(fā)現(xiàn)了預(yù)處理錯(cuò)誤、歸一化遺漏、路徑對(duì)應(yīng)錯(cuò)位等問(wèn)題。另一個(gè)習(xí)慣是每次修改特征提取邏輯后重新計(jì)算圖庫(kù)特征并覆蓋舊索引絕不混用不同版本的特征文件。特征文件和路徑列表必須成對(duì)出現(xiàn)版本一致這是系統(tǒng)可復(fù)現(xiàn)的底線。希望幫到你。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
丁香五月天之婷婷影院| 无码人妻少妇色欲AV一区二区 | 日本一级特黄大片AAAAA级| 亚洲色五月| 99综合99| 深爱五月中文字幕| 99热 在线观看| 久久久噜噜噜操操操| 影音先锋色婷婷| 五月花婷婷丁香| 91爱啪啪| 色情五月天视频网| 色欲丁香| 六月婷婷综合| 99精品久久久| 亚韩在线视频| 99热老网站| 久久久久久18| 五月停停色| 国产肥白大熟妇BBBB视频| 国产精品色| 久久只这里有精品| 99热九九在线| WWW.夜夜| 五月婷婷天| tingtingjiqingwuyue| 97色色婷婷五月天| 色狠狠色综合久久久绯色AⅤ影视 大香蕉五月天婷婷丁香91 | 欧美狠狠地| 五月丁香六月婷婷在线播放| 久久欧洲久久| 玖玖在线资源视频| 国产又黄又爽又激情不遮挡视频在线观看| 高清激情av在线观看| 亚洲区,视频区,视频区免费| 亚洲精品乱码久久久久久按摩观| 色婷婷五月天av在线| 3p久久| 91a片爽| 日日操夜夜擼| 欧美色图片88| 日韩成人综合| 第四色网婷婷| 五月丁香成人| 色吧综合网| 国产无人区大片| 夜色爱爱亚洲| 99热线观看9| 丁香六月色| 五月天婷婷无码| 综合天堂AV久久久久久久| 婷婷五月成人| 久久涩视频| ..真实国产乱子伦毛片| 亚洲在线播放| 在线综合网| 日本欧美成人片AAAA| 婷婷狠狠操| 五月丁香综合激情| 99精品在线下载| 丁香五月天欧洲在线| 99久久婷婷国产综合| 色色丁香婷婷| 四五月婷婷| 欧美另类五月激情| 久久人妻视频| 狠狠操狠狠| 91操人视频| 噜噜在线| 国产亚洲成AV人片在线| 五月丁香999| 玖热精品综合视频| 情涩婷婷五月天| 色色免费网战视频| 好好干Av| 亚洲激情五月丁香久久久久| 久久性刺激| 91视频一起草| 青柠影视免费高清电视剧| 成人中文网| 国产亚洲AV人片在线| 91碰九色| ,99视频久久| 这里只有精品在线播放| 亚洲综合视频在线| 色香蕉婷婷| 大香蕉啪啪啪啪啪啪| 影音先锋91| 九九热超碰| 亭亭色天香| 五月激情网站| www.操.com| 性爱激情综合网| 亚洲国产网站| 内射激情在线| 婷婷综合五月天| 99re在线播放| 日韩成人无码人妻| 日操夜撸| 激情综合亚洲| 国产精品色婷婷99久久精品| 婷婷日日天天| 久久婷婷亚洲| 九热视频在线精品15| 琪琪理论片| www.五月天激情| 婷婷五月综合激情| 国产操B| 六月婷婷香蕉| 色婷婷亚洲六月婷婷中文字幕| 色婷婷小说| 五月婷婷黄色网址| 婷婷五月天AV激情| 亚洲激情网| 免费看片在线观看| 99爱免费视频| 婷婷在线日韩综合| 五月丁香啪啪啪啪| 激情六月天| 91肏| 婷婷五月天堂| 欧美色99| 激情床戏| 五月伊人网| 色小说五月天| 丁香五月婷婷久久久| 国产在线6| www.五月婷婷.com| 久久婷狠狠色| 99热这里全是精品| site:hcxsz888.com| 色欲影香| 亚州激情在线视频| 激情久久久久久久久久| 哇嘎成人久久| 另类综合色| 亚洲乱码日产精品BD| 婷婷久久综| 激情开心五月天婷婷基地丁香社区| 99热这里只有精品中文字幕| 日本色色网| 丁香五月六月| 99日视频在线| 色色性爱视频| 色www.con| 天天久综合| 97操操网| 五月天欧美激情| 五月天婷婷小说| 精品牛仔裤超碰| 五月丁香婷婷基地| 五月丁香少妇| 天天综合五月| 超碰人人艹| 五月天婷婷影院| 九九色黄色| 精品成人无码A片观看香草视频| 五月天伊人| 91操熟女| 日韩婷婷| 国产99精品免费视频| 五月天大香蕉| 玖玖资源部在线播放| 99热免费在线| 久久五月天合网| 国产这里只有精品| 日韩抽插操逼| 日韩在线看AV| 六月 丁香 视频| 大香蕉AV电影在线| 午夜丁香婷婷| 日本三级中文字幕| 99在线观看精品视频| 成人精品在线| 大伊香蕉精品视频在线| 色五月婷婷丁香五月| 以及AA大片看看| 五月婷婷丁香六月在线| 婷婷丁香77777| 爱操人妻| 特级片神马电影| 人人干人人操外国| 激情五月天婷婷| 操逼123网| www.色色com| se99视频| 久久婷婷五月免费视频| 五月丁香久久网| 亭亭玉月丁香| 色婷婷五月天中文字幕| 婷婷五月天免费99| 亚洲顶级VA在线观看-高清完整版在线影院观看-S022AV | 久久中国毛毛片爱久久| 日本99久久| www.主妇. com| 超碰九色| 午夜激情五月| 91干在线| 国产五月丁香在线| 色色婷婷综合| 亚洲操逼网| 日韩砖区| 91丁香| 99久热这里只有精品| 九九这里只有精品在线视频| 丁香久久激情俄| 亚洲成人超碰| 六月亭亭久久综合激情| 欧美性丁香色色五月天综合爱爱| 日日躁夜夜躁狠狠久久AV| 天天综合天天做天天综合| 天堂婷婷综合| 久久丁香五月| 亚洲五月婷天天操| 色99色| 亚洲永久免费| 91视屏在线观看com.wwwvv| 天天肏视奸| 亚洲色五月| 亚洲精品国产成人AV在线| 我淫我色婷婷五月天激情四射| 这里只有免费的精品| 91疯狂操操操操| 天天日夜夜爽| 99热这里只有精| 色五月婷婷九月| 777.色色| 另类五月婷婷| 丁香色色网| 狠狠操狠狠色| 丁香香蕉射射射| 丁香六月五月婷婷| 性色播| 日本性视频| 超碰人人99| 怕怕av| 狠狠爱丁香婷| www.狠狠操| 3www激情| 欧美久草在线日本一级特黄大片做受9在线观看韩国电影《两个女人》未删减-毛片 | 久久综合久色欧美综合狠狠| 五月婷婷 自拍| 九九碰九九爱97| 精品99只有。| 五月天婷婷六月激情网| 天天色月| 99色在线观看免费| WWW,五月天| 天堂久久性| 成人性生活免费观看。| 99欧美精品99日本精品| 欧美综合在线五月天色婷婷| 中文字幕,综合,91| 亚洲av| 国产在线中文字幕| 久9视频免费播放| 97色色色色色色色色色色色色色| 五月天激情影院| 99日热在线视频| 激情五月五月婷婷| 久久伊人婷婷| 亚洲综合激情五月久久| 五月丁香激情综合网官网| 欧美久热| www.久久久久| 热99色| 亚洲六月综合激情久久下卡| 丝雨一区二区| 人人操99| 五月天激日本色情在线| 先锋资源 996| 激情婷婷五月社区| 国产免费一区二区三区三州老师F1F1.CC| 丁香六月综合激情| 99色日本| 日韩精品VIP| 蜜桃人妻无码AV天堂三区| 美女激情综合| 色综合久久44| 日本超碰在线| 女人天堂久久| 99在线播放视频| 日日夜夜干| 色六月视频| 色丁香综合影院| 婷婷五月色天| 五月婷婷啪啪| 图片区 小说区 区 亚洲五月| 欧美搡BBBBB摔BBBBB| 大香蕉九九| 无码免费人妻A片AAA毛片西瓜 | 91大屁股在线| 国产在线黄色| 五月丁香狠狠爱婷婷综合| 色五月婷婷激情五月| 色婷婷五月中文字幕在线dvd| eeuus五月婷| 久久精品99| 日本久久婷| 69久久99精品久久久久婷婷| 玖玖无码中文| 99er日韩| 深爱丁香激情| 亚洲色情在线| 九九性爱网| 色色影院黄大片| 久久天堂色| 天天日天天爽| 激情综合五月丁香| 色色影院黄大片| www.久久久.com| 这里只有国产精品在线| 婷婷五月综合社区| 久久XX日本综合| 九九十99视频| 激情婷婷五月基地| 丁香五月在线观看| 五月天伊人综合| 婷婷偷拍网| 久久99久久99精品免观看粉| 五月婷婷深深爱爱| 丁香六月天婷婷开心综合| 久色国产| 久久精典| 国内一级片| 日韩啪啪视品| 色婷久九| 妻久久久久| 五月激情偷拍婷婷| 欧美激情VA永久在线播放| 五月婷婷深深爱| 国产色网站| 婷婷丁香色五月亚洲| 少妇人妻综合色6699| 色99网| 欧美啪啪9| 色婷婷色五月综合| 五月婷丁香| 国产婷婷五月天| 色婷婷色99国产综合精品| 偷偷操九九| 六月婷婷狠狠做| 色99xx| 超碰一区二区| 久久99综合| 午夜爱爱爱成人| 久久黄色片| 天天干电影| 99熟女| 色婷婷狠狠久久综合五月| 日本婷婷在线| 亚洲 在线 性爱 | 99re这里只有| 成人片在线播放| 婷婷刺激综合| 99色在线| 久久人人九九| 日本99久久| 国产67194| 99网99热| 五月婷婷偷拍| 99热老司机| 色私五月婷婷| 99在线精品免费视频| www.亭亭五月天| 99精品国产在热久久婷婷| 超碰av在线| 天天精品视频免费观看| 9999久久久久| 26uuu丁香婷婷五月| 久久婷出差欧美色两性综合网| 另类小说色婷婷| 97人人干| 六月丁香啪啪啪| 激情都市五月天| 日韩性视频| 色欲久久99精品久久久久久| 色情五月婷婷| 婷婷伊人75| 久久这里只精品| 久久新地此| 久久综合影院 | 狠狠干综合网| 国内一级精品| 激情综合一| 色播婷婷五月天| 日本va欧美va国产激情| 色综合五月| 日韩高清久久| 丁香五月激情在线| 91黄色五月天视频| 亚洲狠狠狠| 狠狠穞A片一區二區三區| 秋霞AV美国| 丁香婷婷久久综合在线| 久久视频在线视频| 激情综合4月| 天天摸天天肏| 激情综合区| 久久免费精彩视频| 五月天久久网站| 99热这里只有精品1025| 色区久久| 婷婷伊人五月丁香天堂网| 免费观看大片视频 丁香婷婷 六月欧美| www91精品| 丁香六月婷婷色XXXXX| 五月香蕉综合| 色开心五月丁香| 操操天堂| 五月婷婷福利| 五月天无码| WWW丁香五月| 精品久久99| 大香蕉精品视频| 综合啪啪| 人人干99| 六月丁香久久| 久久永久网址| 曰韩少妇内射免费播放| 狠狠五月丁香色婷| BBWCUCKOLD精品熟妇| 婷婷五月综合色中文字幕| 成人精品在线观看| 婷五月天天| 深爱五月激情五月| bbwcuckold精品熟妇| 大香蕉久热| 新99思思视频| xx久久| 久草五月天| 色操综合| 91re色综合视频| 极品人妻VIDEOSSS人妻| 激情五月深爱五月观看| 99热老网站| 大香蕉AV在线| 天天日天天做天天舔| 五月天社区婷婷丁香社区| 噢美99| 色九月| 亚洲五月婷婷| 丁香五月综合网亚洲综合欧美狠狠 | 精品欧美一区二区三区久久久| 婷婷性爱五月天| 中文字幕高清av| 欧州婷婷五月天综合| 亚洲午夜成人av电影网| 丁香五月婷婷综合激情啪啪啪| 91中文在线| 亚洲va日| 久久婷婷五月天| 天天搞天天色综合| AV操操操| 国产99久9在线| 九九热思思| 91九色 熟| 五月天婷婷av| 日本黄色三级片内射| 高清成人综合| 最新亚洲色色网| 香蕉视频91| 亚洲婷婷丁香五月| 色婷婷五月影视| 婷婷无码视频| 激情久久肏屄视频| 人人草人人看| 五月天国产| 婷婷丁香五月综合| 九九无毛| √天堂资源在线人妻熟女| 久久久久久久五月婷婷六月丁香综合,开心激情综合网 | 激情综合网,婷婷五月天| 99热99| www.玖玖婷婷在线| 青青草激情网| 五月婷婷黄色网址| 五月激情婷婷图片基地| 久热这里| 亚洲av另类在线观看| 五月天综合激情网| 5Www色5夜| 色综合久久99色| 色就是色婷婷五月亚洲激情| 国产美女无遮挡裸体毛片A片| 五月丁香婷婷在线综合蜜桃| 少妇高潮呻吟A片免费看软件| 99在线观看视频| 久久九九大香蕉电院| 欧美大肥婆大肥BBBBB| 狠色综合网| 丁香激情网| 思思热在线精品视频网站| 色天天综合| 噼里啪啦完整版中文在线观看| 国产激情视频在线观看| 99热这里只有精品22| 六月婷婷啪啪| 性av| 丁香五婷| 激情五月天免费视频| 操逼三区| 五月婷久草| 五月丁香啪。| 丁香婷婷黄网站| 美女网黄| 99热这里只有精品98| www.狠狠色.com| 日韩在线看AV| 天天搞天天色综合| 婷婷狠狠爱| 久久狠狠干| 人妻丰满精品一区二区A片| 狠狠色噜噜狠狠狠888| ss99热| 久久婷婷精品| 亚洲午夜电影| 丁香五月97视频| 欧美性爱丁香五月| 色五月 五月婷婷| 天天爽夜爽| 五月天婷婷一起草| 99热在线看| 性做爰1一7伦| ztEJj| 67194国产| 色五月首页| 成人色五月天| 综合一区二区三区| 六月婷婷毛片| 深爱激清网| 天天操天天干天天射| 色色综合成人网| 91玖玖| 九色七七| 久久色五月| 天天天天操| 性爱网六月丁香| 婷婷五月色情天| 色综合激情| 99热在线观看| 五月丁香999| 五月综合色| 国产成人网| 极品人妻VIDEOSSS人妻| 99视频在线啪| 狠狠干伊人| 日本成人小说婷婷六月| 欧美噜一噜| www.色窝| 五月天婷婷五月| 色播五月天天| 婷婷性爱无码视频| 97色色色色色色色色色色色色色| 婷婷五月天少妇| 丁香久久五月天视频在线观看| 狠狠88综合久久久久噜噜噜| wwccc久久久| www,五月天激情| 91wwmm导航| 六月丁香婷婷综合在线| 97碰超级人人看| 超碰在线人妻| 欧美韩国日本| 91九色成人原创视频| 96精品久久久久久久久| 夜夜操夜夜爽| 麻豆五月丁香婷婷| 午夜丁香综合婷婷| 天天日综合| 狠狠狠狠狠狠草| 九九伦子片| www.婷婷| 亚洲激情免费视频观看| 亚洲欧洲中文日韩久久AV乱码| 国产成人精品亚洲线观看| 欧美成人一区二区三区在线视频| 成人做爰A片免费看视频| 九九九激情综合| 另类丁香综合| 婷婷六月丁香在线| 日本操B视频| 色在线99| 五月激情天| 九九精品re免费视频| 六月婷欧美| 国产高清RV综合aVa| 综合久久99| 五月天开心网| 91碰碰碰久久久久| 人妻内射麻豆视频| 日婷婷久久开心| 五月激情六月丁香| 婷婷97C| 欧美激情丁香五月| 色久综合| 婷婷狠狠干| 99亚色色色| 婷婷性爱网| 色狠狠色综合久久久绯色aⅴ影视| 狠狠色中色| 66久久视频在线| 婷婷六月色开 | 婷婷色五月色妇| 人人播| 久久婷婷五月综合激情国产| 很很干天天干| 5五月综合网亚洲| 26uuu91| 色婷网| 婷婷五月丁香综合亚洲 | 91 影音先锋| 国产永久一二一起草| 二色AV| 日韩一级淫乱片一区二区三区| 99re最新地址视频| 亚洲色婷婷| 日本69日人视频| 婷婷精品在线| 婷婷人人操| 伊人狠狠丁香婷婷综合尤物| 丁香五月色网| 五月婷在线观看| 97超碰综合| 天天综合亚洲综合网天天αⅴ| 97久久视频| 成人五月天婷婷| 国产精品日本一区二区在线播放| 天天插天天很| 色综合久久88色综合天天| 丁香五月婷婷在线观看| 超碰91av| 色色五月婷| 亚洲综合五月天综合| www.99操.com| 日韩成人中文字幕| 99热这里只有精品国产免费| 欧美日本不卡黄色片| 我要射综合| 老师把我爽高潮了免费A片| A久久| 色五月婷婷综合| 91碰碰碰| 综合网啪| 色播丁香婷婷五月激情| 99人人精品| 亚洲综合色色色| 激情五月丁香激情综合网 | 日本色色网站| 欧美亚洲婷婷五月| 97成人丁香| 俺去也五月| 3www激情| 99热欧| 天天综合网~91综合网| 五月婷婷影视| 婷婷五月婷婷| 日本一毛片| 六月丁香婷婷在线波多 | 超级碰碰碰97免费| 国产精品色色666| 五月天久久综合| xxxx五月天色色| 嫩草极品| 99视频内射三四| 蜜臀av粉嫩av懂色av| 婷婷激情丁香六月| renrencaoav| 大香蕉人在线65| 白度黄视频| 九月婷婷人人操人人舔人人爱| 99网| 无码少妇高潮喷水A片免费| 91日韩在线| 久久九九99| 偷拍五月丁香| 五月亭亭直播| 色播五月网| 婷婷五月天综合在线| 色婷天天| 97人人操人人干| 日韩成人中文字幕| 99热最新| 99性视频| 成人综合网站| 激情综合五月丁香六月婷婷| 无码人妻AV久久久一区二区三区| 99热网站| 五月丁香婷婷五月色| 超pen个人视频97| 欧美叉叉叉BBB网站| 最近免费中文字幕大全高清大全1| 99热在线只有精品| AA片在线观看视频在线播放| 性无码专区无码| 少妇人妻人伦A片| 九九九激情网| 99re免费视频| 原琪琪色影院| 人人爱天天摸摸天天爱| 99re这里有精品手机在线| 丁香成人色情五月天| 婷婷五月天在线观看第二页| 色色色在线观看| 狠狠色丁香| 国产精品色| 天天干天天av天天射| 日本一级大片| 五月色婷婷在线观看| 狠色狠色狠色狠色狠色网| 狠狠干在线视频| 欧美日韩AAAA| 天堂网啪啪| 成人午夜天| 99手机在线精品视频| 久久五月婷婷电影| 五月天婷网| 欧美色图片88| 2025中文在线视频字幕免费观看| 五月天婷婷三级黄| 女高怪谈在线观看| 五月婷婷啪啪| 五月天色站| 天天日狠狠| www.婷婷| 五月婷婷av在线| 狠狠综合| 激情网第九色| 天堂久久精品| 亚洲无aV在线中文字幕 | 激情五月婷婷色综合| 怎么样可以看免费的一级av| 久久婷婷婷| www.婷婷五月| 九九色中文| 五月婷婷丁香社区| 69久久久| 久久成人人妻| 97伦色婷婷| 俺去啦综合网| 99精品久| 99色热| 婷婷激情四射五月天| 99免费视频网| 精品九九久久| 啪啪小说五月天| 激情婷婷视频在线| av在线免费网站| 色综合久久44| 丁香五月停停基地| 久99视频| WWW.夜夜操.com| 五月丁香六月激情在线| 99久久婷婷国产综合精品青桔| 婷婷激情六月视频| 激情综合九月| 欧美性丁香色色五月天干干| 激情av| 亚洲操操操| 五月天婷婷久久日| 狠狠CAO日日穞夜夜穞AV| 天天干天天玩天天夜天天射天天操天天日蜜臀少妇 | 久久一伦| 色婷婷天堂| ..真实国产乱子伦对白在线_欧| 欧美日韩91| 色天堂操| 婷婷激情五月天小说| 97婷婷丁香| 这里只有精品视频在线| 久久久久久18| 婷婷五月天无码熟女| 五月天婷婷六月| 亚洲人妻一区二区 | 婷婷丁香无码专区| 国产人妻777人伦精品HD| 五月天综合在线| 九九色播五月丁香| 丁香97综合| 六月丁香开心婷婷欧美| 婷婷五月激情欧美| 五月天六月色| 我要色综合五月婷婷| www.zbzhongsen.com| 色婷婷精| 婷婷狠狠18禁久久| 九九热中文| 少妇人妻丰满做爰XXX| 丁香六月五月天| 精品思思久久| 久久九九思思| 99热手机在线精品| 丁香五月婷综合网| 亚洲成人网无码| 婷婷自拍| 国产精产国品一二三在观看| 婷婷五月天奸女| 五月婷色啪| 五月天国产成人| 免费操超碰| 日韩一本操| 能看的av网站| 综合一区二区三区| 激情噜噜噜| 五月开心啪啪| 久久亚洲网| 九九热黄色| 日本99在线| 97人人干视频| 夜夜嗨一区二区三区直播内容 | 五月婷婷在线免费观看| 色色婷婷丁香五月天| 色五月婷婷久久大| 思思色综合网站| 噜综合| 日日噜狠狠| 91精品综合久久婷婷九色| 婷婷干六月综合旧址| 亚洲精品久久久无码| 黄色录像网点| 色五月美女| 丁香深五月婷婷| 亲子乱AV-区二区三区| 玖玖@三月天天丁香婷婷| 91精品刘玥| 狠狠色婷婷综合开心影视| 婷婷9月天| 亚洲第二AV| 婷婷成人综合| 久久婷婷五月天激情唯美| 五月色婷婷综合| 99热.com| 丁香五月天大香蕉啪啪| 中文字幕久久婷九女同| 91伦| 综合色播| 五月丁香色婷婷熟女| 婷婷丁香五月在线播放| 婷婷婷久久久| 成人精品视频99在线观看免费| 青青草青青草五月天| 麻豆精品| 亚洲小视频免费看| 999影院成人在线影院| 日韩一级网站| 亚洲精品久久久久久久久久吃药| yw.av| 天天爽天天爽天天爽天天爽天天爽| 99热6这里只有精品6| 婷婷中文字暮| 五月丁香六月| 国内久久婷婷| 深爱五月综合网| 精a品a| 97精品人人A片免费看| 色婷婷在线影院| 激情综合色五月六月婷婷| 99热66| 久久99热网| 青青.com| 五月开心深深爱激情综合| 国産精品| 丁香五月综合久久综合| 激情五月天在线观看婷婷| 色色色热| 久久五月天精品视频| 久久久婷婷| 日韩无码专区| 国产女人十八水真多1| 99re66热这里只有精品| 欧美25p| 国产乱码久久| 五月亭亭六月天| 天天操天天日天天爱| AV在线资源| 91疯狂操操操操| 国产精品日日躁夜夜躁| 99精品高潮| 丁香五月天婷婷中文| 伊人超碰| 99噜噜噜在线播放| 亚洲视频一区| WWW、日本色丁香、co m| 五月激情小说| 996er在线观看| 色狠狠综合| 狠狠狠狠免费| 色五月,com| 狠色色狠网| 九九热精品99| 欧洲亚洲精品| 亚洲熟妇AV综合网五月丁香伊人 | 五月天啪啪啪| 久久久久久99精品无码| 99热这里只有精品1| 99日韩| 日本欧美成人片AAAA| 99久久婷婷五月天| 99热97美女| 色久九| 婷婷五月天激情综合婷婷五月天激情综合 | 欧美熟女视频 色婷婷| 丁香六月五月婷婷| 久久人人超| 国产精品久久久久久妇女6080| 中文字幕久久一区二区三区| 影音先锋91| 欧美大片| 久久婷婷综合基地| 婷婷丁香五月天小说| 中文字幕亚洲-区久久99婷婷| 五月丁香香蕉| 永久AⅤ1| 99色6爱9热| 99re热在线视频观看| 色情五月综合婷婷| 艾小青av| 五月天婷婷午夜丁香| 岛国资源站| 亚洲精品一区无码A片| 夜夜撸日日骑| 六月丁香视频网站| 五月天激情网址| 99在线精品免费视频| 久久在这里99| 开心婷婷五月天激情网| 在线观看熟女少妇| 婷婷五月av| 婷婷成人网五月天| 丁香六月开心| 97人人草| 久久精品国产色| 欧洲婷婷五月天| 丁香六月婷婷综情欧美| 超碰色女人| 人妖色AV色综合| 欧美性爱日韩性爱| 久99婷婷色综合| 天天干天天插| 97色吧| 婷婷五月天性色| 无码字幕中文| 久久久五月天婷婷成人网| 久久色六月| 最新无码专区| 91精品久| 黄色91在线观看| 超碰伊人碰婷婷五月| 色欧美日| 日本在线视频www色| 伊人网大香| 99热精品在线播放| 在线va网站| 蜜臀av无码久久久久久久久| 五月丁香婷婷无码中文| 热无码A∨| 午夜精品777| 精a品a| 人妻综合网| 日韩成人无码人妻| 99热这里精品| 大战熟女丰满人妻AV| 黄色激情网站在线观看| 97热九九| 九九成人精品免费视频| 久色中文| 亚洲成人无码网站| 婷婷伊人网| 亚洲狠9| 丁香五月婷婷激情网| 九九99久久| 就爱干 在线| 亚洲热综合| 国产精品99久久久久久久女警| 丁香五月婷婷老师网站| www.粉嫩av.com| 这里只有精品视频一区| 五月天激情四射| 99热最新国内| 26UUU欧美激情一区二区| 99色丁香婷婷综合网| 超碰男人色| 日本色色影院| 伊人婷婷五月天av| 日韩久久视频| 综合精品99| 丁香六月婷婷色XXXX| 九九精品视频在线观看| 91狠狠色丁香婷婷综合久久| 麻豆WWWCOM内射软件| 五月婷婷六月丁香首页| 26uuu91| 香蕉久久国产AV一区二区| 日本久久超碰| 思思久久精品| 欲色人妻| 这里只有精彩亚洲视频推荐| 日韩成人免费电影| 国产精品久久99| 天天爱天天做天天操| 伊人久久婷| 91碰碰视频| 五月婷中文字幕| www.精品99| 亚洲不卡| 天天操无码| 欧洲99视频在线| 丁香五月天堂网| 婷婷丁香五月久久| 丰满少妇猛烈A片免费看观看 | 五月婷婷久久综合| 任你草| 丁香色播五月天| 成人无码髙潮喷水A片| 五月的婷婷六月丁香| 99精品成人无码A片观看金桔| 天天做天天爱天天日| 五月天成人综合| 天天肏屄夜夜爽| 五月天婷婷久久| 婷婷五月天天aV| 欧美啪啪五月天| 久久五月激情| 五月婷婷与六月丁香图片激情| 久久性操| 草婷婷在线| 超碰成人在线观看| 婷婷丁香五月社区亚洲| 亚洲热热视频| 五月天激情四射| 久久亭亭电影| 99热这里只有精| 丁香六月婷婷综合| 婷婷五月天激情综合| 97综合色片| 99丁香婷婷综合网| 丁香午夜天| 五月天亚洲综合网| 久色激情| 欧美A片在线视频免费观看| 1024操逼视频| 国产精品久久久久久五月天加勒比 | 色五月大香蕉| 日日操日日撸| 精品国产va久| 国产日韩av片| 成人丁香婷婷| 丁香五月偷拍| 天天日天天舔| 久久久久人妻精选| 深爱五月激情网| 99ri在线播放| 黄色毛片精品| 欧美日韩婷婷五月天| 亚洲成人在线播放| 天天摸天天舔天天天天爽| 三级三久久线久久99久目本WW| 婷婷色情五月| 日本 @ va 免费| 婷婷五月成年人| 五月激情丁香五月宗合| 一本久久亚洲五月婷婷| 色婷婷国色天香综合| 99爱免费在线视频| 亚洲视色| 九九五月天| 久久丁香五月婷婷| 久久久久网站| 久色激情| 欧美影院| 婷婷五月大香蕉| 色婷婷成人五月| 天天射影院| 丁香五月天激情视频| 久久五月天婷婷| 嫩草AV久久伊人妇女超级A | 色五月婷婷五月天激情综合| 狠狠xx| 超碰com| a久久| 久久久久久久久久久月丁| 日日噜狠狠| 久久在线人妻| 婷婷色片| 日本人妻伦在线中文字幕| 99操网站| wWw色五月| 婷婷五月色播放| 99九九综合久久九九| www.minyis.com【JT】国内CDN落地页保证转化QQ2101460746 | 久久久久久久五月婷婷六月丁香综合,开心激情综合网 | 99色天堂| 美女久久婷婷| www久久久| 俺去也综合| 精品综合久久久久久五月天| 天堂久久性| 香蕉久久五月| 色狠狠色噜噜AV天堂五区| 九九九热精品| 中文av网| 婷婷激情六月天视频| WWW、日本色丁香co m| 综合久久五月天| 亚洲无码猫咪| 97色干在线观看| 天天做天天爱天天高潮| 色婷天天| 丁XX 成人| 激情五月天伊人影院| 很很干五月天| 五月开心六月婷婷在线播放网站| 99久久网站| 婷婷久久性爱| 99小视频在线观看| 亚洲岛国电影| 婷婷五月激情黄色| 色欲一区二区三区精品A片| 亭亭玉月丁香| 久久99网| 伊人91| 久久婷婷色综合| 久久9热| 噜噜国产| 六月综合婷婷开心伊人| 亚洲色情网站| 五月天深爱激情网| 九色视频这里只有精品| 91在线观看www| 日韩成人电影AV| 婷婷99视频全集高清| 91viP在线看| 五月婷婷开心丁香| 婷婷五月色播放| 日韩啪啪自拍| 日本本土色网第一区| 日本天天色| 国产精品久久久久9999小说| 99re在线视频| 五月婷婷网五月在线| 欧美25p| 婷婷中文字幕在线| 在线综合婷婷| 久久色情| 99热 在线播放| 五月天婷婷网站| 亚洲中文字幕AV| 久久婷婷电影| 69午夜成人影片| 四色永久成人网站| 久草丁香婷婷五月天婷| 开心五月综合激情综合五月| 亚洲五月婷婷| 婷婷五月丁香香蕉| 亚洲激情免费视频| 欧美精品XXXXBBBB| 亚洲天堂99| 九九热精品| 99福利视频导航| 五月情婷婷五月| www,天天干| 久久久久久久8| 99精品视频网站| www,婷婷,com| 色五月激情五月| 久久大大香| 色婷婷激情四射视频| 九九黄色网| 天天干天天干天天干天天干天天干天天| 综合综合网| 五月综合色| www.狠狠操| 国内精品99| 区美毛片子| 99re这里只有精品视频6| 成人电影丁香六月天| 久久丝袜婷婷| 五月激情综合网| .comwww在线观看免费操| AV在线免费播放| 26UUU亚洲欧美| 天天做天天爱| 伊人91| 丁香花五月天社区| 五月综合久久| 狠狠五月天婷婷激情网。| 五月天激情小说| 亚洲综合五月天婷婷丁香| www.婷婷五月天,com| 婷婷精品| 婷婷综合爱| 夜夜骑夜夜撸| 丁香深五月婷婷| 一区色色色色网| 无码色色| 五月亭亭开心网| 色婷婷无吗| 激情婷婷五月女| 五月婷婷在线视频观看| 性爱综合网| 中文字幕,综合,91| 亚洲五月天狠狠| 丁香五月激情婷婷| 日韩久久日| 天天做天天视天天谢| 九九精品热| 亚洲亚洲人成综合网络| 久99久热| 在热视频精品| 久99| 人妻久久婷婷| 五月婷色激情五月| 狠狠综合| 激情婷婷久久| 国产精品热搜丁香五月婷婷| 丁香色色网| 亚洲综合视频在线| 十月色综合| 日本无码专区| 色婷婷婷av | 另类视频丁香五月| 色五月婷婷网| 五月婷婷丁香五月婷婷丁香| 色色欧美。| 久久五月天精品视频| 玖玖婷婷色五月| www.久久99精品| http://www.lingjunshare.com/ | 亚洲色情在线| 精品久久久久成人码免费动漫 | 九九99免费理论| 91xxxx九色| 99热99干| 99精品偷自拍| 婷丁五月| 久久人妻久久| 九色七七| 色五月婷婷老师| 在线免费观看激情视频| 狠狠干青青草| 国产暴力强伦轩1区二区小说| 天堂久久丁香| 久久99免费视屏| 久久婷婷丁香六月天| 国产成人精品亚洲线观看| 丁香五月婷婷狠狠色| 91精品久久久久久久| 九九精彩久久| 国产这里只有精品| 中文字幕性爱视频| 五月天亭亭俺也| 国产91在线视频| 伊人AV五月婷| 91在线资源| 婷婷五月天干干| 校园春色亚洲色| 99在这里有精品| 婷婷色资源| 天天操夜夜爽歪歪| 国产精品A片在线| 婷婷干五月综合在线播放| 婷婷丁香五月天之开心少妇| 伊人色综在线| 日韩AV在线免费| 久久怕怕视频| 六月丁香色色色|