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)營的一線實(shí)戰(zhàn)洞察。

車輛行人動(dòng)物多目標(biāo)檢測數(shù)據(jù)集處理與YOLOv8訓(xùn)練實(shí)戰(zhàn)

車輛行人動(dòng)物多目標(biāo)檢測數(shù)據(jù)集處理與YOLOv8訓(xùn)練實(shí)戰(zhàn) 簡介目標(biāo)檢測是計(jì)算機(jī)視覺的核心任務(wù)之一在實(shí)際工程中多類別目標(biāo)的統(tǒng)一檢測往往比單類模型串聯(lián)更高效。智能交通、道路巡檢等場景需要同時(shí)識(shí)別車輛、行人和動(dòng)物這對數(shù)據(jù)集的構(gòu)建與訓(xùn)練流程提出了更高要求。理解YOLO標(biāo)注格式、多源數(shù)據(jù)集整合、類別映射與平衡、質(zhì)量排查是提升模型泛化能力的關(guān)鍵。實(shí)踐中需從公開數(shù)據(jù)集如COCO、BDD100K轉(zhuǎn)換格式合并去重并修正類別不平衡再基于YOLOv8進(jìn)行訓(xùn)練與調(diào)參。分類別評估與bad case分析能有效定位誤檢漏檢問題最終通過TensorRT部署實(shí)現(xiàn)邊緣端高效推理。本文系統(tǒng)梳理了從原始數(shù)據(jù)到可部署模型的全流程經(jīng)驗(yàn)為多目標(biāo)檢測項(xiàng)目提供可復(fù)用的方法論。 最近在做智能交通巡檢項(xiàng)目手頭正好整理了一份車輛行人動(dòng)物多目標(biāo)檢測數(shù)據(jù)集壓縮包解壓后十幾個(gè)G覆蓋城區(qū)道路、鄉(xiāng)村公路、園區(qū)封閉道路、牧區(qū)周邊等場景。我在這份數(shù)據(jù)上完整跑通了從格式檢查、多源數(shù)據(jù)整合到Y(jié)OLOv8訓(xùn)練評估的全流程中間踩了不少坑也沉淀了一些能直接復(fù)用的經(jīng)驗(yàn)。如果你正準(zhǔn)備用多目標(biāo)檢測數(shù)據(jù)集訓(xùn)練自己的模型或者剛拿到一份標(biāo)注好的數(shù)據(jù)不知道從哪下手這篇復(fù)盤應(yīng)該能幫你少走不少彎路。以下內(nèi)容不涉及具體項(xiàng)目數(shù)據(jù)只講通用方法。1. 為什么智能交通和巡檢場景認(rèn)準(zhǔn)車輛行人動(dòng)物組合1.1 這類場景的典型需求是什么我先說結(jié)論只看城市路口的監(jiān)控?cái)?shù)據(jù)遠(yuǎn)遠(yuǎn)不夠交通和巡檢場景里最容易被漏掉、也最危險(xiǎn)的目標(biāo)是動(dòng)物。車輛和行人是交通參與者大家很自然會(huì)把它們放進(jìn)檢測列表但牛、羊、馬、駱駝這些動(dòng)物在鄉(xiāng)村公路、牧區(qū)道路、保護(hù)區(qū)邊界、智慧農(nóng)業(yè)園區(qū)里出現(xiàn)頻率非常高。一次夜間鄉(xiāng)村道路巡檢如果模型只檢測車輛和行人一頭橫穿公路的?;镜扔诒粺o視這在輔助駕駛、路側(cè)感知、巡邏機(jī)器人這些場景里是致命的。所以這類任務(wù)的數(shù)據(jù)集設(shè)計(jì)天然要把車輛、行人、動(dòng)物放在一起。不是三個(gè)單獨(dú)模型串起來而是一個(gè)統(tǒng)一的多目標(biāo)檢測模型同時(shí)輸出三類目標(biāo)。原因很直接第一單模型推理延遲低對邊緣設(shè)備更友好第二類別之間在真實(shí)場景中經(jīng)常一起出現(xiàn)模型可以學(xué)到上下文關(guān)系比如看到動(dòng)物群提前預(yù)警第三維護(hù)一套數(shù)據(jù)標(biāo)注標(biāo)準(zhǔn)和一個(gè)模型比維護(hù)三套數(shù)據(jù)和三套模型成本低得多。1.2 它們?yōu)槭裁匆旁谕粋€(gè)模型里可能有讀者會(huì)問車輛檢測、行人檢測、動(dòng)物檢測各自都有成熟模型直接拼不行嗎我之前也這么想過實(shí)際上拼起來的方案很吃虧。三個(gè)模型串行推理每一路的預(yù)處理和后處理都要單獨(dú)過一遍延遲累加非常明顯。在Jetson Orin這種邊緣設(shè)備上三路模型的總耗時(shí)比一個(gè)多類模型高出一大截資源占用也翻倍。更重要的是串行模型之間沒有信息交互。一輛車旁邊站著一個(gè)人單類模型各自出框看起來沒問題但如果動(dòng)物出現(xiàn)在車輛遮擋區(qū)域多目標(biāo)模型能利用整體上下文做更穩(wěn)的預(yù)測單類模型只能各管各的。多目標(biāo)檢測數(shù)據(jù)集的價(jià)值就在于它強(qiáng)迫模型在同一個(gè)特征空間里區(qū)分這三類形態(tài)差異很大的物體。車輛是剛體行人姿態(tài)多變動(dòng)物形態(tài)更復(fù)雜牛、羊、馬的體態(tài)、紋理、顏色差異很大同一個(gè)模型要同時(shí)學(xué)習(xí)這些特征其實(shí)比三個(gè)獨(dú)立模型更難但好在參數(shù)量可以共享訓(xùn)練充分后泛化能力更強(qiáng)。還有一個(gè)語義邊界問題。騎馬的人到底算人還是算動(dòng)物我處理數(shù)據(jù)集時(shí)的做法是騎乘者本身標(biāo)為person馬單獨(dú)標(biāo)為animal兩個(gè)框都出。這樣既保留了人的語義也保留了動(dòng)物目標(biāo)。如果數(shù)據(jù)集里標(biāo)注規(guī)范不統(tǒng)一這一步必須盡早處理否則后面訓(xùn)練就會(huì)在類別邊界上反復(fù)搖擺。2. 數(shù)據(jù)集落地的第一步看懂標(biāo)注格式和類別體系2.1 解壓后的目錄結(jié)構(gòu)和YOLO標(biāo)注格式拿到車輛行人動(dòng)物多目標(biāo)檢測數(shù)據(jù)集.zip這類壓縮包我第一件事不是急著訓(xùn)練而是先把解壓后的目錄結(jié)構(gòu)和標(biāo)注格式摸清楚。很多數(shù)據(jù)集解壓出來不一定是標(biāo)準(zhǔn)YOLO結(jié)構(gòu)有的嵌套多層文件夾有的圖片和標(biāo)簽分開有的混在一起。最常見的一個(gè)結(jié)構(gòu)長這樣dataset/ ├── images/ │ ├── train/ │ │ ├── 000001.jpg │ │ └── ... │ └── val/ │ ├── 000100.jpg │ └── ... ├── labels/ │ ├── train/ │ │ ├── 000001.txt │ │ └── ... │ └── val/ │ ├── 000100.txt │ └── ... └── data.yamlimages和labels一一對應(yīng)文件名相同只是擴(kuò)展名不同。labels目錄里每個(gè)txt文件就是一張圖片的標(biāo)注每一行代表一個(gè)目標(biāo)框YOLO格式是五個(gè)數(shù)值class_id x_center y_center width height注意這里的x_center、y_center、width、height是相對圖片寬高的歸一化坐標(biāo)取值在0到1之間。比如一行1 0.456 0.321 0.210 0.385就表示類別1假設(shè)是person的目標(biāo)中心點(diǎn)在圖片橫向45.6%、縱向32.1%的位置寬占圖片寬度21%高占圖片高度38.5%。拿到數(shù)據(jù)后先別管別的用下面這個(gè)命令隨便看幾個(gè)文件head -5 dataset/labels/train/000001.txt cat dataset/data.yaml如果文件里出現(xiàn)負(fù)數(shù)、大于1的數(shù)或者空文件說明標(biāo)注存在問題后面要專門做清洗。2.2 類別體系與映射的確認(rèn)類別體系是數(shù)據(jù)集的靈魂。不同的多目標(biāo)檢測數(shù)據(jù)集對類別定義差異很大有的把動(dòng)物細(xì)分成deer、wild_boar、horse、cattle有的就把所有非人物體籠統(tǒng)標(biāo)成animal。使用之前必須確認(rèn)自己的任務(wù)到底需要哪些類別。我的建議是除非業(yè)務(wù)確實(shí)需要區(qū)分物種否則一律先把細(xì)分動(dòng)物標(biāo)簽合并成統(tǒng)一的animal類。類別越少訓(xùn)練難度越低誤檢率也更容易控制。如果后面發(fā)現(xiàn)特定動(dòng)物類型漏檢嚴(yán)重再拆類訓(xùn)練。類別映射這一步一定要寫成代碼或文檔記錄下來不能靠腦子記。比如原始數(shù)據(jù)集類別定義是0: car 1: truck 2: bus 3: motorcycle 4: bicycle 5: pedestrian 6: animal而你的業(yè)務(wù)只需要vehicle、person、animal三類那就把0、1、2、3、4合并到vehicle5映射到person6映射到animal。合并方式很簡單改txt里每行的第一個(gè)數(shù)字就行但一定要在腳本里做一個(gè)明確的映射字典。2.3 快速統(tǒng)計(jì)圖片和標(biāo)注的腳本在正式使用數(shù)據(jù)集之前我會(huì)先統(tǒng)計(jì)一下各類別的樣本分布避免數(shù)據(jù)嚴(yán)重不均衡而不自知。統(tǒng)計(jì)腳本很簡單用Python的Counter就能搞定import os from collections import Counter def scan_labels(label_dir): counter Counter() empty_files 0 total_files 0 for f in os.listdir(label_dir): if not f.endswith(.txt): continue total_files 1 path os.path.join(label_dir, f) if os.path.getsize(path) 0: empty_files 1 continue with open(path, r) as fh: for line in fh: line line.strip() if not line: continue cls line.split()[0] counter[cls] 1 print(類別統(tǒng)計(jì):, dict(counter)) print(空標(biāo)注文件數(shù):, empty_files, /, total_files) scan_labels(dataset/labels/train)這個(gè)腳本會(huì)告訴你當(dāng)前數(shù)據(jù)集有沒有空標(biāo)注、每個(gè)類別的目標(biāo)數(shù)量、以及類別大致比例。如果vehicle有10萬個(gè)框animal只有3000個(gè)那動(dòng)物類別基本會(huì)被模型忽視后面必須做對應(yīng)的數(shù)據(jù)增強(qiáng)或重采樣。另外需要注意圖片數(shù)量和標(biāo)簽文件數(shù)量是否完全一致。我經(jīng)常遇到某些圖片沒有對應(yīng)txt或者txt里標(biāo)注框數(shù)量遠(yuǎn)少于可見目標(biāo)的情況。數(shù)量對不上基本是數(shù)據(jù)導(dǎo)出過程出了問題建議直接用腳本比對文件名集合。3. 多源數(shù)據(jù)集整合方案從KITTI/BDD100K到自建數(shù)據(jù)3.1 主流公開數(shù)據(jù)集的選型對比單靠一份數(shù)據(jù)集往往很難覆蓋所有場景。我做多目標(biāo)檢測項(xiàng)目時(shí)比較常用的是一個(gè)主數(shù)據(jù)集多個(gè)補(bǔ)充數(shù)據(jù)集的組合策略。先列一下我用過且覺得值得參考的公開數(shù)據(jù)源數(shù)據(jù)集類別特點(diǎn)場景覆蓋原始標(biāo)注格式主要注意點(diǎn)BDD100K車輛、行人、騎行者、交通燈等駕駛視角白天、夜間、雨霧天氣多JSONCOCO風(fēng)格類別多需要篩選KITTI車輛、行人、騎手市區(qū)道路公路場景KITTI格式數(shù)據(jù)年份較早場景偏單一Waymo Open Dataset車輛、行人、騎手多城市道路TFRecord數(shù)據(jù)量大轉(zhuǎn)換成本高UA-DETRAC車輛為主路口監(jiān)控視角XML / MOT車輛密集場景很好用VisDrone行人、車輛無人機(jī)視角小目標(biāo)多VOC / COCO風(fēng)格小目標(biāo)檢測難度高COCO數(shù)據(jù)集部分類別人、貓、狗、馬、牛等通用日常場景JSON動(dòng)物類別豐富適合抽取補(bǔ)充選擇主數(shù)據(jù)集時(shí)我比較看重場景覆蓋度和天氣多樣性。BDD100K是最常用的選擇因?yàn)樗囊归g和雨霧樣本很全。車輛密集部分用UA-DETRAC補(bǔ)動(dòng)物部分從COCO抽取馬、牛、綿羊、狗、貓這些類別再結(jié)合自己采拍的鄉(xiāng)村道路樣本。選型邏輯很樸素模型要部署到哪里數(shù)據(jù)就要覆蓋哪里。如果你最終要跑鄉(xiāng)鎮(zhèn)公路的輔助駕駛訓(xùn)練集里全是城市夜景測試結(jié)果肯定不理想這不是模型問題是數(shù)據(jù)分布沒有對齊。3.2 COCO轉(zhuǎn)YOLO格式的實(shí)操腳本公開數(shù)據(jù)集的標(biāo)注格式五花八門COCO是JSONKITTI是自定義文本BDD100K是JSONTFRecord就更麻煩了。而YOLO系列訓(xùn)練需要的是txt文件所以幾乎每個(gè)項(xiàng)目都必須寫格式轉(zhuǎn)換腳本。以COCO轉(zhuǎn)YOLO為例核心代碼是這樣import json from pathlib import Path # 自定義類別映射比如把COCO里的person映射成1把horse/cow/sheep/dog/cat映射成2 # COCO類別id可以在json的categories字段里查 custom_map { person: 1, horse: 2, cow: 2, sheep: 2, dog: 2, cat: 2, } def coco_to_yolo(coco_json, out_dir): with open(coco_json, r) as f: data json.load(f) cat_id_to_name {cat[id]: cat[name] for cat in data[categories]} images {img[id]: img for img in data[images]} Path(out_dir).mkdir(parentsTrue, exist_okTrue) for img_id, img in images.items(): width img[width] height img[height] txt_path Path(out_dir) / (Path(img[file_name]).stem .txt) with open(txt_path, w) as out: for ann in data[annotations]: if ann[image_id] ! img_id: continue cat_name cat_id_to_name[ann[category_id]] new_cls custom_map.get(cat_name, -1) if new_cls 0: continue x, y, w, h ann[bbox] # COCO bbox 是左上角 x,y 和寬高 x_center (x w / 2) / width y_center (y h / 2) / height w_norm w / width h_norm h / height out.write(f{new_cls} {x_center:.6f} {y_center:.6f} {w_norm:.6f} {h_norm:.6f}\n) coco_to_yolo(coco_annotations.json, coco_yolo_labels)這段腳本把COCO的類別名映射到自己的類別編號(hào)只輸出需要的類別。注意COCO的bbox是(x, y, w, h)x、y是左上角坐標(biāo)YOLO需要的是中心點(diǎn)坐標(biāo)所以必須做一次換算。3.3 合并、去重與類別平衡多源數(shù)據(jù)合并時(shí)最容易踩的坑是文件名沖突。KITTI的圖片叫000000.pngCOCO的圖片也可能是000000000000.jpg直接放到同一個(gè)目錄會(huì)互相覆蓋。我在處理時(shí)會(huì)給每個(gè)來源加前綴比如kitti_000000.png、coco_000000000000.jpg對應(yīng)txt文件名也得同步改不然匹配不上。合并之后還要去重。同一個(gè)場景可能同時(shí)出現(xiàn)在開源數(shù)據(jù)集的訓(xùn)練集和自采數(shù)據(jù)里如果不處理模型會(huì)過擬合到重復(fù)樣本上。簡單做法是先用文件名做一次哈希比對再用感知哈希對圖片內(nèi)容做近似查重。感知哈??梢运岩幌耰magehash這個(gè)Python庫接口很簡單。類別平衡是另一個(gè)重點(diǎn)。假設(shè)vehicle有10萬框、person有5萬框、animal只有1萬框直接訓(xùn)練會(huì)導(dǎo)致animal類召回很低。我的經(jīng)驗(yàn)是先做兩類處理數(shù)據(jù)層面對稀有類別做Mosaic增強(qiáng)、復(fù)制粘貼增強(qiáng)把稀有目標(biāo)貼到不同背景上。采樣層面訓(xùn)練時(shí)對稀有類別的圖片提高采樣概率比如通過repeats參數(shù)控制或者直接在數(shù)據(jù)集中重復(fù)稀有樣本若干份。需要說明的是Mosaic增強(qiáng)在YOLO訓(xùn)練里默認(rèn)開啟但它的目標(biāo)分布是隨機(jī)的不會(huì)專門照顧稀有類別。所以我更常做的是目標(biāo)級(jí)復(fù)制粘貼從一張圖里把動(dòng)物框摳出來貼到另一張沒有動(dòng)物的背景圖上同時(shí)寫入新標(biāo)注。這樣可以人為增加動(dòng)物樣本數(shù)量效果立竿見影。4. 數(shù)據(jù)質(zhì)量排查模型練不好的鍋多半在數(shù)據(jù)4.1 可視化抽檢和規(guī)則化篩查我每次拿到數(shù)據(jù)集不管來源靠不靠譜都會(huì)先做質(zhì)量排查。第一關(guān)是規(guī)則化篩查用腳本檢查標(biāo)注格式和法律不允許的錯(cuò)誤# 檢查txt文件中是否出現(xiàn)越界或負(fù)數(shù)等非法值 awk -F {if ($20 || $30 || $40 || $50 || $21 || $31 || $41 || $51) print FILENAME, $0} dataset/labels/train/*.txt上面這個(gè)命令能篩出明顯非法標(biāo)注。但更隱蔽的問題是標(biāo)注框內(nèi)容不進(jìn)比如框偏了、把車輛尾巴截掉了、行人被樹擋住一半但框畫過去了這些用規(guī)則檢查不出來。第二關(guān)我會(huì)用OpenCV寫一個(gè)可視化腳本隨機(jī)抽200張圖把GT框畫上去然后拼成網(wǎng)格圖快速瀏覽import cv2 import random import glob from pathlib import Path img_paths random.sample(glob.glob(dataset/images/train/*.jpg), 200) color_map {0: (0, 0, 255), 1: (0, 255, 0), 2: (255, 0, 0)} for img_path in img_paths: img cv2.imread(img_path) h, w img.shape[:2] txt_path str(Path(img_path).with_suffix(.txt)).replace(/images/, /labels/) if not Path(txt_path).exists(): print(f缺少標(biāo)注: {img_path}) continue with open(txt_path, r) as f: for line in f: cls, xc, yc, bw, bh map(float, line.split()) x1 int((xc - bw / 2) * w) y1 int((yc - bh / 2) * h) x2 int((xc bw / 2) * w) y2 int((yc bh / 2) * h) color color_map.get(int(cls), (255, 255, 255)) cv2.rectangle(img, (x1, y1), (x2, y2), color, 2) cv2.putText(img, str(int(cls)), (x1, max(0, y1 - 5)), cv2.FONT_HERSHEY_SIMPLEX, 0.6, color, 2) cv2.imwrite(fcheck_{Path(img_path).stem}.jpg, img)拼圖雖然土但真的管用。肉眼看一遍能發(fā)現(xiàn)標(biāo)注規(guī)范不統(tǒng)一、框遺漏、類別錯(cuò)標(biāo)這些連規(guī)則腳本都查不出來的問題。4.2 動(dòng)物類別的特殊處理動(dòng)物檢測和車輛、行人有個(gè)明顯差異形態(tài)多變。車輛是剛體輪廓穩(wěn)定行人姿態(tài)有限但還算規(guī)律動(dòng)物從站、趴、跑到低頭吃草、跳躍輪廓變化范圍很大而且不同物種外觀差異也大。牛和車在某些歪斜角度下輪廓高度相似這是我在實(shí)際混淆矩陣?yán)镉H眼看過的錯(cuò)誤。動(dòng)物的另一個(gè)難點(diǎn)是夜間和低光照。夜間動(dòng)物的眼睛會(huì)反光但身體和背景經(jīng)常融為一體標(biāo)注難度比白天高很多。如果你要部署的場景包括夜間訓(xùn)練集里必須有足夠比例的夜間動(dòng)物樣本不要指望白天訓(xùn)練的模型在夜間泛化好。處理建議動(dòng)物類別盡量框住全身不要把頭和四肢拆開。如果動(dòng)物在圖像邊緣或被樹遮擋一半寧可多標(biāo)一個(gè)框也不要漏。因?yàn)槁?biāo)框等于教模型這個(gè)地方?jīng)]有動(dòng)物對訓(xùn)練是負(fù)向信號(hào)。4.3 類別不平衡的修正策略數(shù)據(jù)集里類別數(shù)量通常嚴(yán)重不均衡。我用過一個(gè)數(shù)據(jù)集vehicle框有8萬animal框只有2000直接訓(xùn)練出來的模型對animal類的mAP幾乎為零。這不是模型強(qiáng)度問題是數(shù)據(jù)問題。修正方法很常用但有幾個(gè)細(xì)節(jié)值得注意復(fù)制粘貼增強(qiáng)把某張圖里的動(dòng)物目標(biāo)摳出來旋轉(zhuǎn)、縮放、亮度調(diào)整后貼到不同背景圖上同時(shí)生成對應(yīng)標(biāo)注。這個(gè)操作簡單有效但要控制貼圖比例否則動(dòng)物目標(biāo)全是合成姿態(tài)和真實(shí)場景分布會(huì)有偏差。尺度重采樣很多動(dòng)物目標(biāo)本身就是小目標(biāo)比如遠(yuǎn)處牛羊群。如果用小尺度訓(xùn)練模型對小目標(biāo)不敏感。我建議對小目標(biāo)圖片做兩倍上采樣讓目標(biāo)在訓(xùn)練時(shí)占更多像素。Loss層面處理YOLOv8自帶類別損失權(quán)重但默認(rèn)所有類別權(quán)重相同。如果數(shù)據(jù)嚴(yán)重不平衡可以在損失函數(shù)中給低頻類別加權(quán)重或者在訓(xùn)練策略上多訓(xùn)練幾個(gè)epoch看早起val指標(biāo)變化決定是否調(diào)整。5. YOLOv8訓(xùn)練多目標(biāo)檢測模型的配置與調(diào)參5.1 數(shù)據(jù)目錄和YAML配置數(shù)據(jù)準(zhǔn)備好后就要把它喂給YOLOv8。首先要保證數(shù)據(jù)目錄結(jié)構(gòu)清晰然后寫data.yaml配置文件。# data.yaml train: dataset/images/train val: dataset/images/val nc: 3 names: 0: vehicle 1: person 2: animal這里需要注意train和val的路徑要用絕對路徑或者相對于你執(zhí)行訓(xùn)練命令的當(dāng)前目錄。項(xiàng)目換機(jī)器后路徑會(huì)變用相對路徑、在項(xiàng)目根目錄統(tǒng)一執(zhí)行是最省心的做法。5.2 訓(xùn)練參數(shù)與資源預(yù)算YOLOv8的訓(xùn)練命令很簡單但參數(shù)選擇直接影響最終效果。我一般這樣起步y(tǒng)olo detect train \ datadata.yaml \ modelyolov8m.pt \ epochs100 \ imgsz640 \ batch16 \ device0 \ patience20幾個(gè)關(guān)鍵參數(shù)的選擇imgsz默認(rèn)640。如果小目標(biāo)多建議變成1280但顯存和訓(xùn)練時(shí)間會(huì)翻倍。我自己的做法是先用640跑通流程再根據(jù)bad case決定要不要換1280。batch按顯存調(diào)整。12G顯存跑yolov8m、imgsz640batch設(shè)為16比較穩(wěn)。如果OOM降到8或者開啟梯度累積但YOLOv8的梯度累積參數(shù)比較繞簡單起見直接降batch。model從yolov8s或yolov8m起步。數(shù)據(jù)量小、目標(biāo)簡單用yolov8s數(shù)據(jù)量大、目標(biāo)復(fù)雜用yolov8m或yolov8l。如果追求極致速度最后再蒸餾到y(tǒng)olov8n做部署。optimizer默認(rèn)AdamW數(shù)據(jù)量大的時(shí)候換成SGD效果也不差但收斂速度會(huì)慢一些。訓(xùn)練過程中還要注意mosaic增強(qiáng)的關(guān)閉時(shí)機(jī)。YOLOv8默認(rèn)訓(xùn)練最后10個(gè)epoch會(huì)關(guān)閉Mosaic這是為了保證模型在正常圖片分布上做收斂。如果發(fā)現(xiàn)驗(yàn)證集loss反彈可以嘗試手動(dòng)提前關(guān)。5.3 訓(xùn)練日志的診斷思路訓(xùn)練跑起來之后不要只看進(jìn)度條。我習(xí)慣實(shí)時(shí)盯著results.csv里的列YOLOv8每輪會(huì)記錄box_loss、cls_loss、dfl_loss、precision、recall、mAP50、mAP50-95這些指標(biāo)。幾個(gè)常見情況我來幫你排查如果box_loss和cls_loss都在降但mAP50長時(shí)間不升可能是類別標(biāo)注本身有噪聲或者標(biāo)注框位置不準(zhǔn)?;氐降?章做可視化檢查。如果val loss在epoch 60后持續(xù)上升train loss還在降過擬合了。減少epoch或者打開更大的數(shù)據(jù)增強(qiáng)比如增強(qiáng)augment參數(shù)、調(diào)大hsv、degrees。如果loss出現(xiàn)NaN多半是學(xué)習(xí)率太大導(dǎo)致梯度爆炸。把lr0從默認(rèn)值調(diào)小或者降低batch。如果animal類的mAP明顯低于其他類數(shù)據(jù)量不足先做第3章的平衡處理不要盲目加訓(xùn)練輪次。訓(xùn)練日志建議保留CSV這樣每次調(diào)參都能對比。YOLOv8會(huì)在runs/detect/train目錄下自動(dòng)生成results.csv不用自己寫日志。6. 評估與迭代別只看mAP6.1 分類別評估和混淆矩陣怎么用訓(xùn)練完模型第一件事是用驗(yàn)證集評估yolo detect val \ datadata.yaml \ modelruns/detect/train/weights/best.pt \ splitval評估結(jié)果會(huì)自動(dòng)生成confusion_matrix.png和results.png。我建議把總mAP放在一邊先看分類別結(jié)果。只看總mAP很容易被數(shù)量占優(yōu)的類別帶偏動(dòng)物類只有2000個(gè)框、vehicle有8萬個(gè)animal的mAP再低總mAP也不會(huì)太難看。混淆矩陣才是真正有價(jià)值的東西。我遇到過兩個(gè)典型案例牛和SUV互相誤檢主要是訓(xùn)練數(shù)據(jù)里牛的側(cè)面輪廓和SUV的車身側(cè)面太像。解決方法不是增加數(shù)據(jù)增強(qiáng)而是單獨(dú)收集牛的正面、背面、側(cè)躺等不同姿態(tài)樣本專門解決混淆。騎自行車的人被拆成兩個(gè)框或漏檢標(biāo)注規(guī)范里如果沒把騎行者框成personvehicle模型會(huì)學(xué)得非?;靵y。處理辦法是統(tǒng)一標(biāo)注規(guī)范騎行者一定是person框自行車單獨(dú)標(biāo)vehicle。6.2 bad case反哺數(shù)據(jù)的完整路徑評估完之后要系統(tǒng)地分析bad case而不是一個(gè)個(gè)看。我的做法是用驗(yàn)證集跑一次推理保存所有預(yù)測置信度低于閾值但GT存在的圖片。按錯(cuò)誤類型聚類大致分類為小目標(biāo)漏檢遮擋漏檢形變誤檢背景誤檢。針對最嚴(yán)重的錯(cuò)誤類型去補(bǔ)數(shù)據(jù)。是小目標(biāo)多就補(bǔ)小目標(biāo)圖片是夜間差就補(bǔ)夜間圖片是動(dòng)物姿態(tài)多樣就補(bǔ)動(dòng)物圖片。這個(gè)循環(huán)看起來慢但每輪都能把模型往實(shí)際場景推進(jìn)一步。單純增加訓(xùn)練輪次解決不了bad case問題。6.3 部署階段的量化與選型建議訓(xùn)練調(diào)優(yōu)結(jié)束后模型要落地部署邊緣設(shè)備上一般用TensorRT或ONNX Runtime。YOLOv8可以很方便導(dǎo)出yolo export modelbest.pt formatonnx opset12 yolo export modelbest.pt formatengine device0導(dǎo)出engine之前通常會(huì)先做FP16量化精度幾乎不掉但速度提升明顯。如果追求極致速度可以做INT8量化但I(xiàn)NT8對動(dòng)物這種細(xì)節(jié)豐富的小目標(biāo)不太友好我個(gè)人建議先FP16。部署端記得把輸入尺寸固定住動(dòng)態(tài)分辨率會(huì)拖慢推理。在實(shí)測部署時(shí)還要注意類別輸出排序和前后處理的尺寸對齊。YOLOv8輸出的檢測結(jié)果格式在不同版本之間有細(xì)微差別導(dǎo)成engine后建議先跑一張測試圖把框畫出來和原圖對比確認(rèn)坐標(biāo)沒有被拉伸變形。最后再分享一個(gè)我自己一直保留的習(xí)慣每次拿到新的數(shù)據(jù)集先寫一個(gè)統(tǒng)一的處理腳本把目錄結(jié)構(gòu)、類別映射、格式轉(zhuǎn)換、質(zhì)量篩查全部固化下來。這樣即使以后換了一臺(tái)機(jī)器、換了一個(gè)項(xiàng)目只要數(shù)據(jù)和腳本都在半天之內(nèi)就能復(fù)現(xiàn)整套流程。另外數(shù)據(jù)集的標(biāo)注腳本和類別映射表一定要保留尤其是多源合并后的映射關(guān)系過兩周再看就很容易忘那時(shí)候再想追溯某個(gè)框到底是從哪個(gè)數(shù)據(jù)集來的就要花幾倍的時(shí)間。訓(xùn)練前花兩小時(shí)做可視化抽檢遠(yuǎn)比訓(xùn)練后發(fā)現(xiàn)bad case再返工劃算。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
婷婷色丁香六月| 六月丁香综合| 五月婷婷深深爱爱| 日韩精品999| 性爱激情久久| 中文字幕日产A片在线看| 五月久久婷婷| 久久激情网| 色五月婷婷五月久久| 99热99美国在线观看| 五月丁香花成人社区| 丁香五月婷婷六月| 99热国内精品| 婷婷婷婷婷开心无码播放| 激情网狠狠干| 最新日本A片| 国产一区18| 亚洲av电影网站| 久久久婷婷| 91九色|疯狂|高潮|对白|| 天天碰夜夜爽| 丁香五月婷婷骚视屏| 六月丁婷婷| 中文色婷婷| 超碰成人在线免费观看| 天天草女人| 婷婷五月天av| 99re免费精品视频| 99riAV国产精品视频| 啪啪六月婷婷| 天天影视色综合网| 五月丁香色婷| 亚洲久久婷婷丁香五月天| 九九日本视频| 国产精品91抖高| 久热久| 色五月婷婷很很操| 婷婷五月激情视频在线| 狠狠干五月丁香综合网| 66精品成人免费网站在线观看| 色热久资源| 秋霞AV淫| 综合玖玖偷拍| 97人人看一| 五月丁香 狠狠爱| 桃色成人网| 久99| 五月天开心网| 成人做爰A片免费看视频| 欧美激情五月天| 五月丁香婷婷成人网| 激情久久五月天| 97干综合网| 欧美婷婷五月天| 华人在线免费| 五月天俺去也| 婷婷五月天六月| 久久久99精品| 岛国av电影网站| 五月婷婷激情色情网| 蜜乳.comcom| 久久久久久xxxxx| 日日爱678| 色情五月综合婷婷| 婷婷激情中文综合| 狠狠色狠狠干| 天天爽—爽| 色八月婷婷| 97亚洲色 torrent magnet| 色狠狠五月天| 99精品这里只有免费视频| 五月丁香啪啪网| 91热99| 中文激情网| 日韩九区| 久婷婷五月激情| 玖玖99福利| 思思热在线视频观看精品| 激情五月深爱五月| 99色丁香婷婷综合网| www 五月天 com| 欧美猛片| 激情网婷婷婷| 婷婷五月天伊人| 淑女丝袜bi操逼123| 五月天另类视频| 五月天婷婷社区| 狠狠狠狠狠狠| 天天射美女| 天天干夜夜想| 男妓跪趴把舌头伸进我的嘴巴| 被强行糟蹋的女人A片| 国产精品A成V人在线播放| AA片在线观看视频在线播放| 影音先锋男士资源网一区| 亚洲图片 丁香婷婷| 婷婷丁香综合在线| 丁香狠狠色婷婷| 变态另类9| 丁香五月综合| 狠狠 婷婷| 狠狠操天天日| 热99这就是精品视频| 成功精品影院| 亚洲欧美成人在线| 五月开心网| 国产毛片精品一区二区色欲黄A片| 99re欧美精品| 美国不卡视频| 97色色婷婷| 欧洲精品欧洲情| 五月丁香婷中文| 婷婷中文字暮| 亚洲无码成人| 久热九九| 丁香婷婷六月| 日韩久久色| 久久只有精| 激情五月天无码| 日韩十国产极品久久| 色婷婷五月天久久| 日本99久久| 色综合色色| 七七婷婷综合| 五月久久网| 99在线观看| 九九免费精品在线视频| 色婷五月天综合网| 99九九热在线观看| 香蕉AV777XXX色综合一区| 教师性爱毛片| 五月婷婷偷拍| 色吧五月婷婷六月丁香| 欧美黄色韩日网| 色婷网| 色婷婷成人| 超碰在线50| 色五月婷婷影视| 国产精品久久..4399| 电影蜘蛛女| 99久久精品视频女神1| 国产精品美女| 深爱五月婷婷| 亚洲精品444久久久久久| 九色91视频| 婷婷色色狠狠| 综合久久五月天| 日韩啪啪网| 五月丁香成人网| 丁香五月瑟瑟| 五月色网| 五月丁香狠狠地噜噜噜噜| 99精品免费视频| 99色免费观看全部| 婷婷六久久| 97影院一级片| 五月天激情中文字幕| 美女五月天| 五月天综合网| 婷婷综合玖玖五月| 久久er视频6| 人人干Av| 五月婷亚洲精品AV天堂| 丁香五月天堂婷婷| 激情综合婷婷| 啄木鸟丝袜美女福利视频| 人人操人人干AV| 五月丁香| 久色88| 久婷婷五月丁香在线观看| 就爱射中文字幕资源网| 激情小说五月天| 最新高清无码专区| 97色女人在线| 亚洲国产精品成人va在线观看| 操逼巨乳91| 色色色综合| 91xxxx九色| 婷婷欧美色| 丁香五月开心婷婷| 99自拍视频在线观看| 中文字幕精品推荐免费在线观| www.久久久.com| 丁香五月天五码婷婷| 激情五月天啪啪| 欧美顶级少妇做爰HD| 婷婷久久图片| 99热青青草原| 色婷婷丁香五月| 成人AV片播放| 天天开心婷婷丁香五月| 新激情五月天天在线网| 影音先锋美国A| 免费婷婷| 天天狠狠干| 久久激情网| 俺去婷婷 丁香| 密黄站| 亚州色色色| 99精品免费| 91在线操| 色婷婷六月天在线| 丁香五月天堂| 丁香五月AV| 亚州日本欧州韩美高青高潮一| 99免费热视频在线| 久久久.www| 天天日夜夜高潮| 五月天另类激情在线| 老美AA片| 五月天色色色| 五月丁香六月激情| 中文字幕成人版| 欧美色狠婷久| 日韩人妻在线观看| 秋霞网在线免费基地五月婷婷丁香| 五月天六月丁香| 色色色热| www99精品日韩| 狠狠舔| 亚洲婷婷欧美婷婷| 激情五月天婷婷播播久久综合91| 久久婷婷五月国产激情综合片| 六月婷婷八月丁香| 9l久久久视频| 中文不卡一二三区| 99国产在线| 婷婷五月六月丁香| 99热视精品| 婷婷久久综合| 色婷婷久久久| 五月丁香激情综合| 91男人资源站| 色婷婷五月网| 久久免费精彩视频| 丁香综合婷婷开心激情网| 五月激情小说| 中文字幕欧美精品久久| 情欲综合网| 久久五月视频| 1024婷婷综合久久五月天| 亚洲性图一区二区| 午夜成人片400| 91操人视频| 亚洲第一综合| 丁香婷婷五月激情四射网| 国内婷婷丁香社区在线播放| av狠狠操| 六月99天天婷婷激情综合| 可以看的AV网站| 大香伊人久色| tingtingzonghewang| 色综合天天综合成人网| 91婷婷丁香| 亚洲五月丁香六月婷婷| www99xxxx五月丁| 亚洲激情区| 五月丁香在线| 夜夜骑日日操| 夜夜撸夜夜骑| 丁香五月天啪啪| 中文字幕,综合,91| 《丁香激情综合久久伊人久久》影视在线观看 -高清预告手机免费播放 -三妹影院 | 久久婷婷丁香视频网| 久久机热思思热| 裸体做A爰片毛片A片免费| AV大香蕉| 五月婷婷综合激情网| 91|九色|动漫| 亚洲激情另类| 色婷婷文字幕| 人人干人人操人人摸| 亚洲欧美综合7777色亭亭| 五月天婷婷在线啪啪视频| 丁香成人五月天| www九九| 91人操人人人操人| 小色小蛇伊人婷婷色香五月| 亚洲五月天婷婷| 亚洲成人网址在线观看| 这里只有精品69| 国产视频色色色色色色色| 秋霞三级影视资源| 99性爱视频| www.天天色综合| 九久9精品| 色爽九九| 激情爱爱网站超大免费| 99九九视频| 丁香婷婷色五月激情综合| 99啪视频在线观看| 美女丁香五婷婷| .肏屄视频一区二区| 婷婷五月天在婷| 超碰成人公开| 天天成人综合视频| 97一区二区| 婷婷激情五月天色| 亚洲深喉aV| 开心五激情网| 亚洲视频综合网| 国熟女视频| 最近中文字幕2019视频1| 婷婷另类开心| 99国产精品白浆在线观看免费| 五月丁香va| 无码人妻少妇色欲AV一区二区| 99r这里只有精品哦| 色综合久久888| 久婷婷五月丁香在线观看| 亚洲第一综合| 天天色爽| 日本黄色一级| www.亭亭五月天| 日韩啪啪视品| 五月天婷婷在线播放| 亚洲色综合色网| 国产密乳av一区二区三区四区| 婷婷五月综合色中文字幕| 激情五月综合| 国产操B视频| 超碰资源在线| 五月天堂色| 久操操| 视频综合网| 99热精品在线观看| 色婷婷香蕉丁丁网| 伊人大香蕉毛片| 色五月激情基地| 97日本在线播放| 99热这里只有精品最新网址| 五月丁香六月婷婷的女人| 五月婷婷中文字幕| 超碰97久久| 任我肏| 丁香五月香蕉| 午夜大香蕉| 丁香六月婷婷综合网| 99操九九网| 99热在线精品观看| 五月婷婷深深爱| 99ri精品| 立川无码av| 香蕉久久国产AV一区二区| 婷婷五月天激情五月天网站| ady狠狠入| 五月婷婷AV| 婷婷午夜精品久久久| 丁香五月天啪啪| 婷婷五月天视| 国产精品电| 激情五月,色播五月| 亚洲免费av观看| 97婷婷狠狠| www.激情五月天。com| 99精品久久| 六月丁香五月激情网| JlZZJlZZ8JlZZ亚洲熟女| 五月色色激情网| 大香蕉大香蕉在线影院| 亚洲精品婷婷| 新五月天婷婷激情电影| 亚洲色综合色网| 91无码视频| 欧美大奶熟女噜噜噜噜| 日韩野外 无套| 天天色视频| 久久99婷婷| 亚洲综合色网| 另类五月激情| www.91色| 99久久户外勾搭| 无码操B| 日韩综合网络男女香蕉a片| 狠狠爱综合| 丁香五月先锋| 午夜天堂啪啪| 国产一二三四五六七八视频| 超碰97干| 精品人妻伦九区久久AAA片| 色色色国产| 久久婷婷人人| 婷婷五月天小说| 天天日天天干天天插天天射| 一级精品999WWW| 99热在线播放| 中文AV网站| 性色人人爽| 丁香五月天久久| 99热这里只有精| 激情五月天久久丁香| 97一区二区| 丁香五月六月婷婷综合| 99re在线观看视频| 久热精品在看| 91精品综合久久久久久五月丁香| 热99在线| 天天综合久久| 六月婷在线| 天天操人人干| 丁香婷婷色五月| 97干97色| 激情五月四色| 91精品久久久久久| 亭亭五月天黑人2014| 97色在线观看视频| caop视频| 欧美大香蕉视频| 激情黄色五月天| 五月婷婷成人| 亚洲精品又粗又大又爽A片 | 99九九在线观看免费| 婷婷永久在线| 97香蕉久久超级碰碰高清版 | 日本91在线| 26uuu国产精品| 1区2区视频| 成人精品一区日本无码网| 亚洲男女激情| 开心四月婷婷在线色播播| 色色色色色综合| 欧美色五月| 五月丁香六月在线| 五月激情婷婷开心五月| 激情久久丁香| 国产XXXX搡XXXXX搡麻豆| pacopacomama 070722_670 素人奥様初撮りドキュメント 103 大久保純子 | 五月丁香色情| 五月婷婷色激情| 玖玖在线视频| 婷婷五月在线| AV九九| 另类小说色婷婷| 欧美激情xxxXX| pom538精品视频| 国产真实乱了老女人视频 | 色婷婷久综合久久一本国产AV| 婷婷综合久久| 日韩无码性爱| 青草视频在线播放| 色婷丁香| WWW五月| 成人va在线观看视频| 色婷婷啪啪| 国产精品久久欧美久久一区| 9久久久久| 综合图区激情| 思思久久网| 中文字幕在线人妻| 激情又色又爽又黄的A片| 9久热在线视频精品| 久久99久久99精品免观看软件 | 综合激情在线观看| 99久久户外勾搭| 97久久人人| 婷婷色5月激情网| 婷婷五月丁香六月伊人网| 97干婷婷| 99A片| 99热99在线| 九九大香蕉黄色影院| 成年人99热| 丁香丁婷五月激情| 色婷婷五月天成人网| 69天堂99| 欧洲色区| 99精在线| 大香蕉婷婷五月| 五月丁香花激情综合网| 六月丁香射婷婷欧美色图片| 天天色播| 97资源碰碰在线| 五月 婷 久| 国产美女无遮挡裸体毛片A片| www.99久久久| 激情五月天无人视频在线| 天天做天天爱天天爽在| 婷婷亚洲日本| 综合久久五月天| 波多野结衣成人作品在线| 亚洲精品白浆高清久久久久久 | 狠狠香婷婷五月| 亚洲成人av在线| 日韩有码一区| 婷婷综合丁香| 伊人综合网站| 99久热| 无码区婷婷五月花开| 欧美成人色婷婷| 五月天激情婷婷丁香| 丁香色六月婷婷| 7777激情基地| 91九色熟女| www.99久久久久99| 欧在线一区| 伊人丁香五月天丁香在线婷| 精品亚洲国产成人A片在线鸭王| 五月婷婷色| 91免费看片| 天天爽夜爽| 婷婷六月色播| 开心五月丁香啪| 99热这里只有精品98| 丁香五月亚洲AV| 久久婷婷综合基地| 久久香蕉丁香| 婷婷五月丁香色综合| 婷婷五月丁香四射| 182.t午在线观看| 久久精品一区二区三区四区| 99精品视频在线观看| 久久538| 99久在线精品99re8热| 中文字幕AV网址| 另类五月激情| 97色色在线视频| 天天插天天| 91视屏在线观看com.wwwvv| 色欲婷婷夜夜| 激情五婷精品网在线观看网址| 久久xxxx| 大香蕉啪啪网| 99久久久99久久91熟女| 婷婷久久网| 色五月色五天色情网| 色婷婷五月天偷拍| 久久婷婷综合国产| 久热99热| 色碰碰| 成人版视频在线观看| 99久久久久久www| 色一情一乱一乱一区9| 丁香九月综合在线| 淫荡A片| 久久182| 五月天婷婷涩涩| 微拍92| 婷婷五月综合中文字幕| 九月丁香婷婷网| 综合久久五| 新激情婷婷| 亚洲超碰青涩| 99在线看视频| 99热伊人综合| 99re26视频| 色婷五月| 五月婷婷另类| 激情综合青草| 这里只有精品日韩精品| 天天插天天日天天爽| 深爱激情小说五月婷婷| 在线综合婷婷| 午夜不卡成人一区二区| 久久人妻系列| 丁香五月婷婷俺也要去| 噜噜噜噜噜色| 久久色五月天激情小说| 激情婷婷五月社区| 天天操夜夜爽| 毛片色五月| 五月婷婷丁香在线| 国产成人亚洲综合A∨婷婷| 九九热最新地址| 五月婷婷综合在线视频小说| 热久久这里只有精品| 99色色网| 91热网址| 色婷婷久久久| 99热97| 99热超碰| 中文字幕网伦射乱中文| 天堂婷婷综合| 色综合久久无码| 免费啪啪啪网站| 午夜av网| www91在线| 日韩色五月| 婷婷色在线观看| 综合玖玖性爱免费视频| 婷婷五月天av网| 五月天成人在线精品| 天天噪夜夜爽| 亚洲另类婷婷五月综合| 思思精品热在线| 26uuu欧美日本| 色婷久| 四虎成人精品永久免费AV九九| 超碰av在线| 五月丁香六月婷综合成人综合| 激情五月综合网| 久久精品99| 国产性爱在线| 日本英国美国欧美亚洲国产精亚洲日韩精品在线观看 | 五月天大香蕉AV| 日韩欧美老妇性视频91久久久| 色色丁香五月天| 2015好吊操| 九九热在视频| 五月婷婷九月婷婷九月婷婷| 夜夜干夜夜操| 在线色色| 开心五月激情网| 欧美午夜乱妇午夜福利| 俺去婷婷 丁香| 婷婷大乡焦噜噜| 丁香六月婷婷激情综合| 色五月激情五月丁香五月婷婷啪啪综合| 激情亚洲婷婷六月| 五月丁香在线观看| 成人在线网址| 成人做爰A片免费看网站找不到了| 五月综合激情久久| 天堂网色婷婷| 色色五月天激情| 丁香五月成人论坛| 开心婷婷五月中文字幕组| 99.N在线视频| 99热只有| 婷婷六久久| 丁香五月激情网| 日韩九九视频| 婷婷基地五月色| av狠狠操| 五月丁香啪啪网| 日韩一本操| 99色免费在线观看| 婷婷在线播放av| 欧美噜一噜| 色五月 五月婷婷| 超碰在线看| 成人免费120分钟啪啪| 久久九九经典| 激情文学久久| 亚洲综合在线丁香五月| 久99热在线观看| 在线99热| 免费99色| 99超级碰免费视频| 五月天深爱激情网| 99在线视频精品| 777精品久无码人妻蜜桃| 日韩天堂久久| 色六月丁香婷婷啪啪啪| 这里只有精品视频一区| 九热精品| 欧洲MV日韩MV国产| 在线资源av-超碰中文在线-成人AV| 99热99ai| 色婷婷丁香香香蕉视频| 伊人久久婷| 免费看欧美成人A片无码| 99热日本精品| 激情五月婷黄版| 国产精品五月天婷婷| 精品人人操| 成人片黄网站色大片免费毛片| 九九99男女视频在线观看| 色热久资源| www.深爱激情| 一级黄色影片| www.lchjjc.com| 激情久久综合| 精品久久久久久久久久久久人妻| 五月婷婷丁香综合| se色婷婷视频| 99精品热视频| 丁香婷婷十月| 97操碰| 超碰成人在线免费观看| 九九成人精品免费视频| 久久婷婷五月免费视频| 色色色综合| 激情国产五月| 久久66er久久| 久久美女五月天| 六月激情网| 99久久五月丁香野外| 日韩砖区| 五月丁香啪综合| 日韩精品视频中文字幕| 激情五月天视频| 17.c黄色| 日本99久久| 99热 在线播放| 成人五月天在线观看| 99精品大片| 黄网在线播放| 99狠狠操一| www天天干| 99精品视频偷拍| 五月丁香色欲| 婷婷五月丁香综合| 五月天综合在线观看| 国产一级片| 99久久玖玖| 婷婷六月激情丁香| www.99视频| 九九久久污| 日韩99色| 婷婷伊人网| 丁香五月 性爱| 日日操夜夜操狠狠操| 九九在线视频| 色五月 婷婷, 大香蕉| 婷婷色婷婷亚洲成人| 婷婷五月天激情文学| 图片区 小说区 区 亚洲五月| 丁香五月婷婷偷拍| 色区域网站视频| 九九热在线精品视频| 日韩精品电影| 六月婷婷色宗合| 97热这里只有精品| 五月婷婷黄| 五月丁香六月停停| 天天影院色| 色情五月天。| 婷婷在线免费| 日韩中文字幕| 久热伊人| 国产综合婷婷| 九月婷婷人人操人人舔人人爱| 激情播丁香| 五月天综合久久| 九热电影av| 五月天激情中文字幕| 欧美婷婷综合| 久久精品91视频| 丁香六月婷婷综合在线| 亚洲亚洲人成综合网络| 91性高潮久久久久久久久| 26uuu国产| 91免费啪视频| 色情综合网| 超碰97免费在线| 五月婷婷黄网站大全| 色五月亚洲五月天| 成人日韩欧美| 久热中文字幕| 亚洲色色香蕉| 高清资源站日A美A欧亚…| 91精品婷婷国产综合久久| 九九热99精品| 日本一级黄色电影| 五月丁香猫咪久久婷婷综合视频激情四射网入口 | 狠狠五月激情在线| 色五月婷婷中文字幕| 免费成人网在线观看| 天天五月情| 嫩草AV久久伊人妇女超级A| 黄色AV日韩| 26.uuu丁香五月婷婷| 1024你懂的欧美曰韩| www久热com| 少妇搡BBBB搡BBB搡毛茸茸| 色婷婷五月天激情| 激情丁香社区| 色婷婷丁香综合中文字幕| 热99这就是精品视频| 9精品国产在热久久| 丁香激情六月天婷婷| 五月婷婷色色| 色激情综合狠狠婷婷| 一区二区三区视频| 久综合| 天天插综合网| 久久久婷婷色五月资源网| 日本九九热| 色噜噜狠狠色综无码久久合欧美| av 一区三区四区| 超碰人人在线| 99精品热视频| 九九热10| 日本色99| 日韩操逼大片| 91色色色18| 开心婷婷五月| 97婷婷狠狠久久综合9色| 狠狠干无码| 月丁香久久久| 玖玖资源站中文| 操精品9| 五月天中文网| 久久R激情| www.五月天。com| 这里只有精品96| 丁香五月天殴美激情| 69精品人人人人| 99区视频| 日本猛少妇色XXXXX猛叫| 六月丁香啪| 九九热视频在线观看| 九九这里只有精品在线视频| 天天干 夜夜爽| 国产成人+综合亚洲+天堂| www.色99| 99视频在线| 狠狠插狠狠操| 99在线er热| 色色色综合| 99热精在线九九久久保| 北京熟妇搡BBBB搡BBBB| 婷婷六月丁香色| 粉嫩AV久久一区二区三区| 一本道综合网| 性欧美大战久久久久久久83| 色五月综合网| 99福利视频导航| 五月丁香欧美在线| 激情五月最新网址| 五月丁香六月激情欧美综合| 五月婷婷六月丁香首页| 这里只有精品视频| WWW99热| 久久婷婷精品| 一区二区中文字幕| 丁香五月天激情综合| 丁香五月98| www.色多多婷| 色五月丁香网| 视频在线免费观看欧洲乱码| 中文字幕AV网址| 日本久久婷| 激情深爱五月天| 99成人精品六| 免费黄网不卡AV| 婷婷综合六月| 婷婷 丁香 久久| 丁香九月综合激情| 久久精彩免费视频精彩免费视频| 亚洲中文字幕av| 色播五月丁香综合| 99久久婷婷国产综合精品电影| 深爱五月网| 4399欧美另类视频| 欧美影院婷婷| 色五月婷婷激情综合网| 成熟妇人A片免费看网站| 天天操天天谢| 婷婷五月天丁香久久| 日日夜夜天天| 99久久亚洲精品视频| 91色婷婷综合久久中文字幕二区| 3p日韩网站视频| 在线观看视频1区| 婷婷在线激情| 亚洲综合久| 激情五月婷婷| 玖操97| 六月丁香啪| 亚洲AV网址| 九九九精品视频免费观看| 性做爰A片免费视频A片直播| 久久五月激情| 五月天婷综合| 99热精品中文字幕| 狠狠干在线视频| 影音先锋91视频| 99九九热在线观看| 五月丁香激情片| 九月婷婷在线视频| 久久激情五月婷婷| 狠狠操综合| 国自产拍偷拍精品啪啪一区二区| 97婷婷五月天| 五月婷婷丁香大陆免费| 99视频| 这里只有精品99www| 亚洲天堂有码| 欧美色久| 五月丁香六月色情网欧美| 色亭亭丁香五月天| 五月丁香六月成人| 激情五月综合视频| 七七久久婷婷| 思思99久久| 成人羞羞啪啪 全 视频| 超级碰碰碰久久网站视频| 99热亚洲精品| 久久国产性爱A V| 中文字幕丰满乱孑伦无码专区 | 亭亭五月丁香五月天激情| 日日操人人操| 97日在线视频| 色色无码| 亚洲热久久| 伊人干综合| 国产午夜精品一区二区三区四区| 九九精品免费| AV电影在线播放| 日本色色色色色色色色一色二色| 99精品视频在线观看| 久久久人妻久久久| 99亚洲精品综合在线| 色情五月婷| 少妇激情五月婷婷| 丁香色五月AV在线| 深爱激情五月网| 五月丁香六月欧美| 久久激情五月天| 内射人妻视频国内| 天天日天天舔| WWW、日本色丁香co m| 丁香九色不卡aaa | 五月天狠狠色| 人人人人人人人人人草| 久人人操| 丁香六月婷婷综合缴| 99婷婷| 婷婷综合久久综合| 色婷婷导航| 韩国久久少妇视屏| 五月婷婷与六月丁香图片激情| 欧美三级巜人妻互换| 无码色| 色吧五月婷婷六月丁香| 97热超碰| 成人电影一区| 天天日天天爽夜夜爽| 综合亚洲五月天| www,色综合| 亚洲va综合va国产va中文| AVDV久久| 久久久久亚洲A∨成人乱码电影| 九九精品少妇| 婷婷视频网| 久久婷婷五月天蜜桃| 天天色天天爽| 九九人人看| 亚洲精品又粗又大又爽A片| 亚洲人妻电影| 天天碰天天插天天操| 五月婷婷激情性爱| 亚州男人天堂婷婷五月| 9l视频自拍9l九色成人| 国产另类综合| 99热国内精品| 天天射天天插天天干| 亚洲第一成人无码A片| 综合深爱五月| AV电影在线播放| 丁香激情五月天| www.狠狠| 色五月成人| 六月丁香婷婷尤物| 成人在线不卡| 微拍92| 久久婷婷视频| 激情综合五月婷婷六月丁香| 五月婷婷在线丁香| 久久人操-久草婷婷-成人AV| 五月丁香婷婷综合| 九九大香蕉黄色影院| 六月婷婷国产| 日逼影音先锋男人资源站| 青草五月天| 99这里| 九九精品片一| 91chinese 在线| 婷色影院| 狠狠搞狠狠操| 思思热在线| 天天综合亚洲综合| 狠狠香蕉| 国产黄色在线观看| 五月天激情四射| 99精品性爱| 丁香五月婷婷丫| 中文字幕综合网| 99草在线免费观看视频| 天天爽天天| 丁香五月婷婷AV| 五月婷婷二月丁香| 丁香激情合作五月| 激情久久久久| 99人人操| 九九色婷| 婷婷五月天激情四射| 五月丁香六月成人| 色五月六月| 天天拍夜夜爽日日| 亚洲精品视频在线| 超碰在线超碰| 久久久亚洲成人无码A片| 国产成人精品一区二三区熟女在线| 啪啪综合| 激情综合网五月激情| 深爱激情久久| 噜综合| 色五月天丁香| 五月天丁香综合在线| 亚洲AV久久久久久久久久久久久久久久| 国内外色色色色色成人视频| 91操片| 狠狠狠狠狠干| 精品久久久久久久人妻| 婷婷丁香第一页| 久久99网站| xx久久| 国产色视频网站2| 婷婷五月天99综合网站| 亚洲精品久久久久久久久久吃药 | 国外亚洲成AV人片在线观看| 人妻精品一区二区三区| 亚洲成人网站在线播放| 国产午夜一区二区三区| 97干婷婷五月天| 激情六月下句是什么| 四色永久成人网站| 任你操精品免费| 五月婷婷色色网址| 丁香五月综合狠狠| AA片在线观看视频在线播放| www.狠狠| 婷婷九月激情| 超碰在线综合| 十月色综合| 天天色天天色天天色天天色天天色| 亚洲AV激情五月综合网| 婷婷五月色播网| 99热大香蕉| 海外网站专业操老外| 婷婷丁香五月天色色| 一级片操逼视频| 青青草免费公开视频| 性一交一乱一交A片久久四色| 999婷婷综合| www.五月天婷婷| 无人精品在线视频| 国产色色色色| 99精品久久久久久久婷婷久久 | 思思久久99| 久久久久久久久人妻| 狠色色狠网| 色情久久久| 五月婷深深爱激情网| 狠狠色丁婷婷日日,伊人激情综合网| 深爱婷婷基地| 丁香五月1页| 五月婷婷六月天| 9热视频在线观看| 97精品自拍视频| 色五月婷婷伊人| 九九99在线| 五月天堂色色| 91干网| 亚洲色区17| 99久热在线精品99re6热| 丁香五月激情综合久久| 婷婷五月色播天| 九九丁香社区欧美激情| 少妇性按摩无码中文A片| 中国女人内射6XXXXX| 乱精品一区字幕二区| 99免费在线视频| www.色婷婷| 五月天激情小说| 极品少妇高潮啪啪AV无码| 欧美槡BBBB槡BBB少妇| 色色婷婷五月天| 国产毛片精品一区二区色欲黄A片| 色综合激情| 色五月激情五月| 久久九九色| 色99在线| 99在线精品视频| 亚洲无AV在线中文字幕| 专区无日本视频高清8| 免费观看全黄做爰的视频| 99精品偷自拍| 综合AV网| 久久久91精品| 婷婷99狠| 91大神在线免费看视频全集男男一起操| 久久久九九视频精品18| 99人人干人人操| 综合www色| 超碰人人99| 婷婷99热| 99热最新| 91九色精品熟女内射| 婷婷亚洲五| 天天看片日日夜夜| 婷婷舔| 99热精品综合| 丁香五月欧美色综合| 婷婷五月天激情基地| 亚洲美女网Va| 青青草原伊人网| 久久久999精品| 欧美色婷婷| 丁香五月电影| 超pen个人视频97| 色啪久 | 久久婷婷六月综合| 丁香六月婷婷综合| 99色 | 亭亭五月丁香综合欧美| 婷婷五六月丁香| 婷婷久久五月天亚洲欧美国产日韩在线观看 | 中文字幕综合| 在线婷婷| 色欲Av五月天| 久久草婷婷丁香网站| 婷婷五月色亚洲| 夜夜夜夜夜骑撸| 欧美影院| 91九色精品熟女内射| 婷婷五月天伊人| 国产日韩欧美| 欧美日本国产| 久久影视婷婷五月| 思思99久久| 狠狠色丁香五月婷巨| 五月丁香婷色| 丁香五月激情性色郤| 五月天婷婷在线播放| 久久激情五月婷婷| 开心激情综合| 欧美成人AAA片一区国产精品| AV片一区在线观看| 五月天丁香看婷婷| 大香蕉久热| 丁香六月啪啪| 森林影视大全,最好看的2019年视频 | 亚洲欧洲99| 国产精品色色色色| 俺也去在线视频| 97干在线观看视频| 人妻AV在线| 欧美成人猛片AAAAAAA| 4399精品一区二区| 3p久久| 99色精品视频| 天天射天天射一道本日本社区| 岛国AV网| 久久婷婷综合网| 亚洲色综合| 婷婷综合婷婷| 婷婷五月色惰| 91九色网| 亚洲狠狠婷婷综合久久久| 五月天天天色| 五月婷婷六月天| 五月天色色网站| 69天堂99| 九九热re99re6在线精品| 五月婷婷黄色| 激情综合亚洲色婷婷五月| 性色天| 另类小说五月天| 97色婷婷| www.com任你艹| 99色色网| 草婷婷在线| 久久免费精彩视频| 久久激情视频| 丁香五月花| 九伊人网| 久久九九99| 天天插天天| 26uuu丁香婷婷五月| 99成人| 天啪天啪天啪天啪| 色五月婷婷av| 激情伍月 欧美| 精品无吗va视频免费观看| 亚洲99热| 日韩人妻AV在线| 九九大香视频| 激情六月五月婷婷综合网| 99热在线这里| 婷婷五月丁香基地| 亚洲精品又粗又大又爽A片 | 日本久久极品| 2015好吊操| 激情小说视频图片网| 激情综合无码| 国产成人AV不卡| 亚洲av日韩无码| 五月丁香网站在线播放| 538在线精品| 色婷五月| 9热久久在线| 婷婷五月色| 亚洲国产精品二二三三区| 五月丁香888| 无码地址| 日韩99色99| 久久婷婷综合五月天| 久久99大| 人人操AV| 久久aaaa片一区二区| 中文字幕黄色片| se色婷婷视频| 欧洲亚洲免费视频9 | 天天综合亚洲| 丁香五月天色婷婷| 色99久草在线| 色五月网址| 99热这里只有精品最新地址获取| 可以看的av网站| 五月激情综合网| 综合激情在线观看| va中文资源在线观看| 色综合色| 欧美S码亚洲码精品M码| 日韩另类在线观看| 婷婷久久免费看| 91超级碰在线| 最新无毒无码AV| 日本一级特黄大片AAAAA级| 国产一区男女| 五月丁香久久综合| 尤物一区二区| www.91操| 深爱激情网五月天| 亭亭五月丁香五月天激情| 五月黄色婷婷| 97丁香花五月天激情小说| 久久久久久久人妻| 激情五月激情综合网| 国产精品丝| 人人舔天天| 日日天天干| 91久久人人操| 色久在| 天天肏高清在线| 日99网站| 久久国产一区二区三区| 99热爱爱干干日| 婷婷激情五月天小说校园| 99亚洲精品视频| 国精产品一区二区三区| 色婷婷色久综| 女婷久久| H亚洲| WWW五月婷婷| 天天色视频| 国产肥白大熟妇BBBB视频| AV网站免费在线| 五月丁香婷爱在线| 亚洲综合色婷婷| 懂色av粉嫩AV蜜臀AV| 婷婷欧美色| 丁香激情四射| 婷婷色综合网日韩国产| 五月综合视频在线| 色色色地址| 婷婷五月综合基地| 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 | 99久视频| 99伊人性爱在线影院| 丁香六月无码| 99热只有| 日本99色| 五月丁香色婷婷综合| 激情五月婷婷视频一区二区三区| 成人 AV播放| 色亚洲色宗合| 婷婷五月丁香五月| 日本全黄一级999| 色高清无码视频| 超碰精品在线| 婷婷精品在线| 婷婷六月激情|