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。

圖像情緒分析實(shí)戰(zhàn):基于ResNet18與遷移學(xué)習(xí)的七分類完整流程

圖像情緒分析實(shí)戰(zhàn):基于ResNet18與遷移學(xué)習(xí)的七分類完整流程 簡介本資源是面向人工智能導(dǎo)論課程學(xué)習(xí)者的圖像情緒分析大作業(yè)完整實(shí)現(xiàn)方案適用于計(jì)算機(jī)、人工智能及相關(guān)專業(yè)本科生、教師及入門級從業(yè)者解決圖像中人臉情緒識別這一典型CVAI交叉任務(wù)。壓縮包共26個(gè)文件含11個(gè)Python核心腳本涵蓋CNN/VGG/ResNet多模型訓(xùn)練與測試、數(shù)據(jù)預(yù)處理、可視化及對比分析、5份Markdown文檔含README說明、使用指南、實(shí)驗(yàn)報(bào)告框架與參考文獻(xiàn)、4個(gè)輔助ZIP項(xiàng)目包含F(xiàn)er2013數(shù)據(jù)集適配代碼與人臉標(biāo)注工具、1個(gè)Haar級聯(lián)XML檢測器及1個(gè)演示視頻整體8.06MB結(jié)構(gòu)清晰、模塊解耦。已有50人學(xué)習(xí)下載資源經(jīng)實(shí)際運(yùn)行驗(yàn)證答辯平均分96分附帶完整實(shí)驗(yàn)流程、模型性能對比邏輯與GPU加速支持腳本可直接用于課設(shè)、畢設(shè)或二次開發(fā)特別適合從零理解情緒識別全流程的學(xué)習(xí)者快速上手與深度拓展。 圖像情緒分析這種題目在人工智能導(dǎo)論的大作業(yè)里出現(xiàn)頻率相當(dāng)高。它不算最前沿但勝在“麻雀雖小五臟俱全”——從數(shù)據(jù)采集、模型訓(xùn)練、結(jié)果評估到文檔撰寫整條流程覆蓋了計(jì)算機(jī)視覺和深度學(xué)習(xí)的基礎(chǔ)環(huán)節(jié)特別適合用來檢驗(yàn)一學(xué)期課程的掌握程度。我當(dāng)年選這個(gè)題目時(shí)身邊不少同學(xué)在做一個(gè)“能跑通的demo”但我更傾向于把它做成一個(gè)完整、可復(fù)現(xiàn)、能讓老師看出你“真懂”的項(xiàng)目。這篇文章就圍繞我完成這個(gè)項(xiàng)目時(shí)的完整思路展開包括源代碼組織、關(guān)鍵實(shí)現(xiàn)細(xì)節(jié)、實(shí)驗(yàn)設(shè)計(jì)以及那份最容易被忽視、但往往決定最終成績的實(shí)驗(yàn)報(bào)告該怎么寫。先說清楚這個(gè)項(xiàng)目的核心任務(wù)輸入一張圖片程序判斷畫面中人物的情緒屬于哪一類。常見分類包括開心、悲傷、憤怒、驚訝、恐懼、厭惡、中立這七類。聽起來不復(fù)雜但落地難度在細(xì)節(jié)里——比如人臉遮擋、光線變化、不同人種的表情差異、模型過擬合等問題都會直接影響最終準(zhǔn)確率。這份大作業(yè)不僅是讓你訓(xùn)練一個(gè)模型更是讓你體驗(yàn)一遍完整的工程化流程。如果你是正在選題目或者已經(jīng)選了類似題目的學(xué)生這篇內(nèi)容可以幫你少走很多彎路。我會把項(xiàng)目拆成“思路設(shè)計(jì)、代碼實(shí)現(xiàn)、實(shí)驗(yàn)調(diào)優(yōu)、文檔報(bào)告”四個(gè)部分來講結(jié)合我實(shí)際踩過的坑和驗(yàn)證過有效的方法爭取讓你交出一份有技術(shù)含量、邏輯清晰、能經(jīng)得起答辯追問的作業(yè)。1. 項(xiàng)目整體設(shè)計(jì)與思路拆解1.1 從課程要求反推項(xiàng)目定位大部分人工智能導(dǎo)論課的大作業(yè)核心評判標(biāo)準(zhǔn)并不是“模型準(zhǔn)確率有多高”而是“你有沒有完整理解并實(shí)現(xiàn)一個(gè)AI系統(tǒng)”。這句話怎么理解就是說哪怕你只用了最基礎(chǔ)的卷積神經(jīng)網(wǎng)絡(luò)CNN只要你把數(shù)據(jù)處理、訓(xùn)練流程、測試評估、結(jié)果分析講得明明白白分?jǐn)?shù)往往比那些“用了一個(gè)別人封裝好的接口、自己卻說不出原理”的高得多。我的做法是先列了一個(gè)“交付物清單”源代碼、文檔說明、實(shí)驗(yàn)報(bào)告。然后圍繞這三樣?xùn)|西反向設(shè)計(jì)項(xiàng)目邊界。源代碼要跑得起來文檔說明要讓別人10分鐘內(nèi)能看懂并復(fù)現(xiàn)實(shí)驗(yàn)報(bào)告要交代清楚“我做了什么、為什么這么做、結(jié)果如何、還能怎么改進(jìn)”。圍繞這個(gè)目標(biāo)我選擇了深度學(xué)習(xí)方案而不是傳統(tǒng)的HOGSVM這樣的機(jī)器學(xué)習(xí)方案。原因有三點(diǎn)第一深度學(xué)習(xí)方案更貼近當(dāng)前學(xué)術(shù)界和工業(yè)界的主流做法展示的學(xué)習(xí)成果更有說服力。第二預(yù)訓(xùn)練模型和成熟框架如PyTorch大大降低了實(shí)現(xiàn)門檻課程周期內(nèi)完全可完成。第三深度學(xué)習(xí)模型的可解釋工具和可視化手段更豐富有利于實(shí)驗(yàn)報(bào)告的寫作。當(dāng)然選擇深度學(xué)習(xí)也意味著要踩更多的坑比如環(huán)境配置、顯存不足、訓(xùn)練時(shí)間過長等等。但這些問題恰恰是“導(dǎo)論大作業(yè)”該讓你經(jīng)歷的——不然怎么叫“實(shí)踐出真知”1.2 七分類問題建模與數(shù)據(jù)方案選型情緒分析本質(zhì)上是一個(gè)圖像分類問題。我選定的任務(wù)定義是給定一張人臉圖像輸出該人臉對應(yīng)情緒的標(biāo)簽生氣、厭惡、恐懼、開心、悲傷、驚訝、中立。數(shù)據(jù)集方面我優(yōu)先考慮了三個(gè)公開數(shù)據(jù)集FER201335,887張48×48灰度人臉圖7類、CK相對較小但標(biāo)注質(zhì)量高、RAF-DB真實(shí)場景約3萬張。經(jīng)過權(quán)衡我最終選了FER2013作為主數(shù)據(jù)集。為什么因?yàn)樗?guī)模適中、被引用極多、網(wǎng)上教程和相關(guān)代碼也最豐富遇到問題很容易檢索到解決方案。但我必須承認(rèn)FER2013有一個(gè)令人頭疼的特點(diǎn)——噪聲很大很多標(biāo)注本身就有問題訓(xùn)練出來的模型準(zhǔn)確率上限也就在65%左右。而這個(gè)數(shù)字也會成為實(shí)驗(yàn)報(bào)告里“局限性與改進(jìn)方向”的一部分可以說道的地方很多不虧。1.3 技術(shù)路線對比為什么選ResNet作為主干在做方案選型的時(shí)候我比較了三條路線從零訓(xùn)練幾層CNN使用經(jīng)典預(yù)訓(xùn)練網(wǎng)絡(luò)ResNet18/50做遷移學(xué)習(xí)使用現(xiàn)成的API或開源網(wǎng)絡(luò)服務(wù)如果只是圖省事第三條路最輕松但會被老師問得很難受。第一條路雖然代碼最小但分類效果通常不好實(shí)驗(yàn)報(bào)告的曲線圖不好看。我選了第二條路以ResNet18為主干用ImageNet預(yù)訓(xùn)練權(quán)重做初始化然后替換最后的全連接層為7分類。這樣既保留了自己寫代碼的空間又利用了遷移學(xué)習(xí)的優(yōu)勢收斂快、需要的數(shù)據(jù)量小、效果有保障。而且ResNet18結(jié)構(gòu)不復(fù)雜參數(shù)量約1120萬在本人的筆記本GPU4G顯存上完全可以訓(xùn)練對實(shí)驗(yàn)設(shè)備要求低這點(diǎn)對大作業(yè)場景很關(guān)鍵。2. 核心細(xì)節(jié)解析與實(shí)操要點(diǎn)2.1 數(shù)據(jù)預(yù)處理別小看這“簡單一步”很多人拿到圖片就直接送進(jìn)模型這是新手最容易犯的錯(cuò)誤。預(yù)處理是決定模型能否收斂的關(guān)鍵環(huán)節(jié)特別要注意以下幾點(diǎn)尺寸統(tǒng)一FER2013原始尺寸是48×48但ResNet18的輸入要求是224×224因此需要先縮放或填充到224×224。數(shù)值歸一化圖像像素是0-255的整數(shù)需要除以255變成0-1浮點(diǎn)數(shù)再按ImageNet的均值和標(biāo)準(zhǔn)差mean[0.485, 0.456, 0.406]std[0.229, 0.224, 0.225]做標(biāo)準(zhǔn)化這樣才能和預(yù)訓(xùn)練權(quán)重對上。數(shù)據(jù)增強(qiáng)訓(xùn)練集可以做隨機(jī)水平翻轉(zhuǎn)概率0.5、隨機(jī)旋轉(zhuǎn)±15度、隨機(jī)裁剪等操作。注意測試集不能做增強(qiáng)只用居中裁剪和歸一化否則推理結(jié)果不準(zhǔn)確。我做了一個(gè)小實(shí)驗(yàn)驗(yàn)證預(yù)處理的有效性不做任何處理直接訓(xùn)練模型在驗(yàn)證集上的準(zhǔn)確率大約只有40%多做了歸一化和數(shù)據(jù)增強(qiáng)后能穩(wěn)定到60%以上。差異非常大這也成了實(shí)驗(yàn)報(bào)告里一個(gè)亮眼的數(shù)據(jù)對比。2.2 從零搭建數(shù)據(jù)管道我用了PyTorch的Dataset和DataLoader來組織數(shù)據(jù)。FER2013數(shù)據(jù)集是CSV格式每行是“l(fā)abel 像素值”需要先解析成圖像。我寫了一個(gè)自定義Dataset類偽代碼如下class FerDataset(Dataset): def __init__(self, csv_path, transformNone): self.data pd.read_csv(csv_path) self.transform transform def __len__(self): return len(self.data) def __getitem__(self, idx): row self.data.iloc[idx] label row[emotion] pixels row[pixels].split() img np.array(pixels, dtypenp.uint8).reshape(48, 48) img cv2.cvtColor(img, cv2.COLOR_GRAY2RGB) pil_img Image.fromarray(img) if self.transform: pil_img self.transform(pil_img) return pil_img, label我特別說明一下使用的transformtransform_train transforms.Compose([ transforms.Resize((224, 224)), transforms.RandomHorizontalFlip(), transforms.RandomRotation(15), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) transform_test transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ])用DataLoader加載時(shí)batch_size設(shè)成64顯存夠的話可以更大shuffleTrue打亂訓(xùn)練集順序。這里有個(gè)容易踩的坑每次訓(xùn)練前一定要重新shuffle否則模型會學(xué)到樣本的次序模式導(dǎo)致驗(yàn)證準(zhǔn)確率忽高忽低。2.3 模型代碼實(shí)現(xiàn)與訓(xùn)練配置模型部分用PyTorch的torchvision庫可以非常簡潔地實(shí)現(xiàn)import torch.nn as nn from torchvision import models class EmotionClassifier(nn.Module): def __init__(self, num_classes7): super(EmotionClassifier, self).__init__() self.backbone models.resnet18(pretrainedTrue) in_features self.backbone.fc.in_features self.backbone.fc nn.Linear(in_features, num_classes) def forward(self, x): return self.backbone(x)訓(xùn)練配置方面我推薦直接用Adam優(yōu)化器初始學(xué)習(xí)率1e-4權(quán)重衰減1e-4損失函數(shù)用交叉熵?fù)p失CrossEntropyLoss訓(xùn)練15-20輪就足夠。如果你顯存緊張可以把batch降到32但學(xué)習(xí)率也要相應(yīng)調(diào)低一些比如5e-5否則訓(xùn)練不穩(wěn)定。需要額外說明的是如果直接用預(yù)訓(xùn)練權(quán)重一開始的學(xué)習(xí)率不要太大因?yàn)轭A(yù)訓(xùn)練特征本身已經(jīng)很好了太大的學(xué)習(xí)率會“沖掉”原有特征。我的經(jīng)驗(yàn)是前5輪用1e-4后5輪降到1e-5最后一輪再降到1e-6這種手動(dòng)或余弦退火的調(diào)度方式能比固定學(xué)習(xí)率高出2-3個(gè)百分點(diǎn)的準(zhǔn)確率。3. 實(shí)操過程與核心環(huán)節(jié)實(shí)現(xiàn)3.1 項(xiàng)目文件結(jié)構(gòu)與運(yùn)行流程為了后續(xù)寫文檔說明方便我在項(xiàng)目里采用了清晰的文件結(jié)構(gòu)emotion_analysis/ ├── data/ │ ├── fer2013.csv │ └── split.py # 將csv按類別分割為train/val/test ├── src/ │ ├── dataset.py # Dataset類與數(shù)據(jù)增強(qiáng) │ ├── model.py # ResNet模型定義 │ ├── train.py # 訓(xùn)練主腳本 │ ├── test.py # 在測試集上評估 │ └── utils.py # 可視化混淆矩陣等工具 ├── checkpoints/ # 保存模型權(quán)重 ├── images/ # 輸入樣例與結(jié)果輸出 └── requirements.txt運(yùn)行流程很簡單先運(yùn)行split.py劃分?jǐn)?shù)據(jù)集再運(yùn)行train.py訓(xùn)練并保存權(quán)重最后運(yùn)行test.py輸出評估指標(biāo)。整個(gè)流程不超過三行命令這會讓答辯或驗(yàn)收的老師體驗(yàn)很好。3.2 訓(xùn)練腳本的關(guān)鍵細(xì)節(jié)train.py的核心邏輯我很早就寫好了但真正調(diào)通花了不少時(shí)間。我放一個(gè)簡化但可運(yùn)行的核心訓(xùn)練循環(huán)for epoch in range(num_epochs): model.train() train_loss, train_correct 0.0, 0 for images, labels in train_loader: images images.to(device) labels labels.to(device) outputs model(images) loss criterion(outputs, labels) optimizer.zero_grad() loss.backward() optimizer.step() train_loss loss.item() * images.size(0) _, preds torch.max(outputs, 1) train_correct torch.sum(preds labels.data) # 每個(gè)epoch后跑一次驗(yàn)證集 val_acc evaluate(model, val_loader, device) print(fEpoch {epoch1}/{num_epochs}, Loss: {train_loss/len(train_dataset):.4f}, fTrain Acc: {train_correct/train_size:.4f}, Val Acc: {val_acc:.4f})這里有幾個(gè)小細(xì)節(jié)很關(guān)鍵loss.item()和images.size(0)的乘積是累計(jì)該batch的總loss最后除以樣本總數(shù)得到平均loss比直接平均所有batch的loss更準(zhǔn)確。每個(gè)epoch后跑驗(yàn)證集可以及時(shí)觀察是否過擬合。如果訓(xùn)練準(zhǔn)確率持續(xù)上升、驗(yàn)證準(zhǔn)確率停滯或下降就及時(shí)停止訓(xùn)練早停而不是等訓(xùn)練完再回頭看。保存模型的時(shí)機(jī)也很重要。我只保存驗(yàn)證準(zhǔn)確率最高的那一輪而不是最后一輪的權(quán)重這個(gè)最優(yōu)模型權(quán)重會讓測試集結(jié)果往上提一點(diǎn)。3.3 評估指標(biāo)體系別只看準(zhǔn)確率很多大作業(yè)只報(bào)一個(gè)總體準(zhǔn)確率其實(shí)這不夠。尤其在情緒分類這類類別不均衡的問題上單看一堆平均值很容易掩蓋“某些類準(zhǔn)確率極低”的問題。我做了以下幾項(xiàng)評估Macro-F1每一類的F1單獨(dú)算再取平均對類別均衡懲罰更明顯?;煜仃嚳梢暬恳活惖姆诸惽闆r能一眼看出哪些類別容易被混淆。比如“恐懼”和“驚訝”經(jīng)常混淆“悲傷”和“中立”也容易分不清。分類報(bào)告包括每一類的精確率、召回率、F1-score和樣本數(shù)。在FER2013測試集上我最終模型的總準(zhǔn)確率大約62.8%。單看準(zhǔn)確率確實(shí)不算高但我在實(shí)驗(yàn)報(bào)告里解釋了原因數(shù)據(jù)噪聲大、標(biāo)注模糊等并且用混淆矩陣說明模型已經(jīng)學(xué)到了合理的特征。答辯老師不會因?yàn)闇?zhǔn)確率不夠頂級就扣分反而會因?yàn)槟阏故玖讼到y(tǒng)性的分析思路而加分。3.4 單張圖片推理與可視化結(jié)果為了讓“圖像情緒分析”這個(gè)題目貼近實(shí)際我還額外寫了一個(gè)predict.py支持輸入任意一張含有人臉的圖片先通過OpenCV的人臉檢測器裁剪出人臉區(qū)域再送入模型預(yù)測情緒最后在圖片上標(biāo)注結(jié)果。face_cascade cv2.CascadeClassifier(cv2.data.haarcascades haarcascade_frontalface_default.xml) gray cv2.cvtColor(img_bgr, cv2.COLOR_BGR2GRAY) faces face_cascade.detectMultiScale(gray, scaleFactor1.1, minNeighbors5, minSize(48, 48)) for (x, y, w, h) in faces: face_roi img_bgr[y:yh, x:xw] emotion predict_emotion(face_roi) cv2.rectangle(img_bgr, (x, y), (xw, yh), (0, 255, 0), 2) cv2.putText(img_bgr, emotion, (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2)這段代碼不復(fù)雜但它把“圖像分類模型”變成了“圖像情緒分析應(yīng)用”非常直觀。我記得答辯時(shí)老師看到我可以輸入任意一張生活照并直接輸出情緒標(biāo)簽明顯表現(xiàn)出了興趣然后追問了一句“人臉的檢測框如果偏了會怎樣”這就說明項(xiàng)目已經(jīng)觸到了真實(shí)應(yīng)用層面的問題。4. 常見問題與排查技巧實(shí)錄4.1 模型過擬合train_acc高但val_acc上不去這是我遇到最多的問題幾乎每個(gè)訓(xùn)練過深度學(xué)習(xí)模型的人都會碰上。尤其FER2013噪聲大模型很容易記住訓(xùn)練集里的噪聲樣本。我的排查順序是先檢查數(shù)據(jù)增強(qiáng)有沒有做對再看學(xué)習(xí)率是不是太高接著確認(rèn)模型是否過于復(fù)雜模型越大越容易過擬合最后檢查訓(xùn)練輪數(shù)是否太長。實(shí)際解決辦法有三個(gè)加隨機(jī)翻轉(zhuǎn)和裁剪、增加Dropout在fc層前加0.5的dropout、提前停止訓(xùn)練。做了這三件事后我的驗(yàn)證準(zhǔn)確率從不到50%提升到了穩(wěn)定60%以上。4.2 不同情緒類別的樣本量差異太大在FER2013中“開心”和“中立”的樣本很多“厭惡”和“恐懼”就少很多。直接訓(xùn)練會導(dǎo)致少數(shù)類幾乎沒被學(xué)到召回率極低。解決方法是換用帶權(quán)重的交叉熵?fù)p失函數(shù)也就是給數(shù)量少的類別更高的權(quán)重class_weights compute_class_weight(balanced, classesnp.unique(labels), ylabels) class_weights torch.tensor(class_weights, dtypetorch.float).to(device) criterion nn.CrossEntropyLoss(weightclass_weights)用加權(quán)損失之后“厭惡”這一類在測試集上的召回率大約從20%提升到了35%。雖然依然是準(zhǔn)確率最低的類但確實(shí)是能觀察到顯著變化。4.3 CUDA out of memory課程大作業(yè)用個(gè)人電腦跑的居多顯存不足非常常見。我一開始batch_size設(shè)成128結(jié)果一訓(xùn)練就報(bào)CUDA out of memory。后來分幾步解決先把batch_size降到32或16再把圖像尺寸從224降到160在ResNet上還能接受實(shí)在不行就開CPU訓(xùn)練會慢不少但保證能跑通。我實(shí)際測試過batch_size64和32相比驗(yàn)證準(zhǔn)確率沒有明顯差別所以如果你的顯存只有4G優(yōu)先選32。4.4 預(yù)測單張圖片時(shí)結(jié)果明顯不對如果模型在測試集上準(zhǔn)確率還行但單張圖片效果差多半是預(yù)處理流程不一致。訓(xùn)練時(shí)我們用過數(shù)據(jù)增強(qiáng)和標(biāo)準(zhǔn)化預(yù)測單張時(shí)必須要用和“測試集”相同的處理流程而不是訓(xùn)練集那套尤其不能做隨機(jī)增強(qiáng)否則結(jié)果不可復(fù)現(xiàn)。我在predict.py里寫了一句注釋標(biāo)注了“不能用RandomHorizontalFlip”來提醒自己別踩這個(gè)坑。此外人臉檢測框的裁剪也很關(guān)鍵。檢測框如果偏了能把很多背景或下巴脖子區(qū)域截進(jìn)來模型自然認(rèn)不準(zhǔn)。我自己調(diào)試時(shí)發(fā)現(xiàn)Haar檢測器在某些角度會框偏后來簡單加了框的padding并做了一點(diǎn)位置校正效果好轉(zhuǎn)不少。4.5 環(huán)境依賴與項(xiàng)目復(fù)現(xiàn)問題大作業(yè)答辯時(shí)最尷尬的場景就是“在老師電腦上跑不起來”。為了預(yù)防這種狀況我做了一個(gè)requirements.txt把關(guān)鍵依賴寫清楚Python 3.8、PyTorch 1.12以上、torchvision、opencv-python、pandas、numpy、matplotlib、scikit-learn并測試了CPU環(huán)境下也能正常運(yùn)行推理腳本。雖然訓(xùn)練速度會慢但至少能復(fù)現(xiàn)。5. 實(shí)驗(yàn)報(bào)告與文檔說明撰寫指南5.1 文檔說明要寫什么很多同學(xué)把文檔說明當(dāng)成代碼注釋的大字版這是誤區(qū)。文檔說明的目的是讓一個(gè)小白也能按你的步驟復(fù)現(xiàn)項(xiàng)目。我把文檔說明分成五個(gè)部分項(xiàng)目簡介100字以內(nèi)說清楚項(xiàng)目做了什么。環(huán)境要求列出Python版本、GPU/CPU要求、依賴庫及安裝命令。數(shù)據(jù)集準(zhǔn)備說明數(shù)據(jù)來源、下載方式、目錄結(jié)構(gòu)??焖匍_始分步驟給出運(yùn)行命令包括數(shù)據(jù)劃分、訓(xùn)練、測試、單張推理。代碼結(jié)構(gòu)說明每個(gè)文件負(fù)責(zé)什么函數(shù)與類的輸入輸出是什么。寫這份文檔時(shí)我特意找了一位不搞AI的室友照著文檔跑了一遍。他卡在“pip install -r requirements.txt”這一步——因?yàn)閞equirements里少了opencv-python-headless和pandas這兩個(gè)包。這就是文檔測試的價(jià)值能發(fā)現(xiàn)你自以為“顯而易見”的坑。5.2 實(shí)驗(yàn)報(bào)告的核心章節(jié)與得分點(diǎn)實(shí)驗(yàn)報(bào)告不是流水賬要體現(xiàn)“發(fā)現(xiàn)問題-分析問題-解決問題”的科研邏輯。我的報(bào)告結(jié)構(gòu)如下研究背景與意義為什么圖像情緒分析有價(jià)值可結(jié)合人機(jī)交互、智能駕駛、教育場景等說明。相關(guān)工作與技術(shù)原理介紹表情識別的傳統(tǒng)方法和深度學(xué)習(xí)方法重點(diǎn)解釋CNN、ResNet、遷移學(xué)習(xí)的基本思想。方法設(shè)計(jì)描述數(shù)據(jù)預(yù)處理、模型結(jié)構(gòu)、損失函數(shù)、訓(xùn)練超參數(shù)的選擇依據(jù)。實(shí)驗(yàn)與結(jié)果分析給出準(zhǔn)確率、Macro-F1、混淆矩陣、loss曲線并逐類分析混淆成因。討論與改進(jìn)方向說明目前存在的問題以及未來可以用注意力機(jī)制、多模態(tài)融合等方案優(yōu)化。對于第五章很多人寫得敷衍但恰恰是這里最體現(xiàn)思考深度。我寫了幾點(diǎn)FER2013的標(biāo)注噪聲問題、模型對遮擋和極端光線的魯棒性不足、未來可嘗試使用Vision TransformerViT或基于面部動(dòng)作單元AU的方法等。答辯老師看到這些會認(rèn)為你確實(shí)在“做研究”而非“交作業(yè)”。5.3 答辯常見問題與回答準(zhǔn)備作為一個(gè)過來人我整理了幾個(gè)老師最常問的問題“為什么用ResNet18而不是其他網(wǎng)絡(luò)”回答思路ResNet解決了深層網(wǎng)絡(luò)的梯度消失問題結(jié)構(gòu)適中預(yù)訓(xùn)練權(quán)重好滿足實(shí)驗(yàn)需求VGG更重效果提升有限MobileNet更適合輕量化部署。“你的模型在什么情況下會失效”回答思路人臉遮擋、大角度姿態(tài)、低分辨率圖像都會導(dǎo)致無法準(zhǔn)確識別FER2013數(shù)據(jù)噪聲也限制了模型上限。“準(zhǔn)確率是不是太低了”回答思路承認(rèn)FER2013的難度給出與公開論文的橫向?qū)Ρ却蟛糠终撐脑贔ER2013上也只達(dá)到65%-70%再強(qiáng)調(diào)重點(diǎn)在于整套流程的完整性與分析的系統(tǒng)性?!發(fā)oss為什么越來越低但準(zhǔn)確率沒怎么變”回答思路這是交叉熵?fù)p失中“模型置信度提高但分類結(jié)果沒變”的現(xiàn)象可結(jié)合logits分布來解釋。我建議你在答辯前自己對著這些問題口頭演練一遍。不要背稿而是真正理解背后的邏輯。這樣被追問時(shí)不會慌回答也會更自然。6. 擴(kuò)展思路如何讓大作業(yè)超出預(yù)期一個(gè)思路清晰、能跑通、有報(bào)告的項(xiàng)目已經(jīng)能拿到不錯(cuò)的分?jǐn)?shù)。但如果你想更進(jìn)一步下面幾個(gè)方向很加分而且難度不算太高實(shí)時(shí)攝像頭情緒識別用OpenCV捕捉攝像頭畫面對每一幀做人臉檢測和情緒分類做成一個(gè)簡單的實(shí)時(shí)demo。這個(gè)改動(dòng)不大但演示效果極強(qiáng)。模型可解釋性可視化用Grad-CAM畫出模型對某張圖片分類時(shí)重點(diǎn)關(guān)注的區(qū)域。一張熱力圖往報(bào)告里一放整個(gè)項(xiàng)目的技術(shù)含量立刻上升一個(gè)檔次。不同主干網(wǎng)絡(luò)的對比實(shí)驗(yàn)ResNet18和MobileNetV3各訓(xùn)練一次對比準(zhǔn)確率、參數(shù)量、推理速度形成一張對比表格。這工作量不大但能為實(shí)驗(yàn)報(bào)告提供更多展示內(nèi)容。我在最終版里加入了Grad-CAM可視化效果非常明顯。有一張“開心”樣本的熱力圖里模型重點(diǎn)關(guān)注的是嘴巴和嘴角區(qū)域這完全符合直覺寫進(jìn)報(bào)告也很有說服力。結(jié)語做人工智能導(dǎo)論大作業(yè)的過程某種程度上就是一次“小型科研訓(xùn)練”。我自己的體會是這門課的大作業(yè)不在于你把準(zhǔn)確率刷到多高而在于你能不能把每一個(gè)環(huán)節(jié)講清楚把每一步操作背后“為什么這么做”說明白。源代碼是一份重要的交付物但源代碼背后的思路才是你真正要掌握的東西。圖像情緒分析這個(gè)題目到今天依然有學(xué)術(shù)價(jià)值和應(yīng)用價(jià)值從FER2013上的深度學(xué)習(xí)模型到工業(yè)界視覺情感分析系統(tǒng)這條路其實(shí)一直在延伸。希望這份經(jīng)驗(yàn)分享能幫你少踩幾個(gè)坑真正做出一個(gè)讓自己滿意、也讓老師眼前一亮的大作業(yè)。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
日韩丁香涩| 久久九九网| 午夜免费试看| 爆乳熟女-区二区三区| 99久久6| 永久地址 色| 大香蕉啪啪| 丁香五月婷婷激情四射深爱激情| 久久这里只有精品99| 国产婷婷五月天| 五月天无码| 久久人五月| 少妇真实被内射视频三四区| 开心五月婷婷激情| 可以免费观看的AV| 五月天啪啪啪| 99爱视频在线观看这里只有精品| 日本精品99网站| 国产精品激情五月天色婷婷| 五月天婷婷丁香蜜桃91| www.国产亚洲69ty.久久久久久久久久久久 | 婷婷五月天奸女| 久久人妻情侣| 丁香涩涩五月天| 99色色热热| 精品国产a| 亚洲亚洲人成综合网络| 最近韩国日本免费高清观看| 天天操天天插| 国产精品第一国产精品| 97精品人人A片免费看| 九九综合| 久久六月天| 殴美综合激情五月天免费视频| 天天操夜夜爽| 人人草人| 久久激情五月| 成人五月天丁香婷| 狠狠操综合| 六月婷婷激情| 激情婷婷丁香五月天| 色综合激情| 久久久久人妻中文| 这里只有精品免费视频| 亚洲色频| 国产欧美第五十五页| 四色99久久| 99热这里只有精品在线播放| www夜夜操com| www.色九月| 九九热在线精品| 色色色色色色色色网站| 五月天久久综合| 99热亚洲精品| 在线99热| 狠狠色色色| 婷婷香草网| 四川BBB搡BBB爽爽视频| 一区=区操屄高清大全av| 色婷婷香蕉在线| 91麻豆国产三级精品福利在线观看| 成 人片 黄 色 大 片| 成人午夜视频精品一区| 久久男人网婷婷| www.久久99精品| 色99久草在线| 日本久热| 丁香六月高清视频| av色色国产| 99视频这里有精品| 人人爱人人草| 日本道久久91| 91色久| 五月激情视频| 成年人99热| 狠狠干综合网| 99热这里全是精品| 色五月婷婷777| 综合网精品99| 99性感视频| 五月丁香好婷婷A片网| RenRenSe在线视频网站| 91热网址| 亚洲国产无线乱码在线观看| 超碰在线观看成人视| 色欲婷婷五月天丁香| 欧美视频五区| 五月综合婷婷久久在线| 日本超碰在线| 婷婷色色欧美综合网| 激情久久网 | 大学生高潮无套内谢视频| 欧美日韩精品人妻狠狠躁免费视频| 久久久久久久11111111111| 丁香五月综合激情久久潮喷| 丁香五月天激情网址| 婷婷精品在线| www.久久| 久久香蕉婷婷| 激情网狠狠干| 99久在线精品| 激情久久婷婷| 玖玖九九99| 九九热在线观看视频| 婷婷色在线观看| 人妻熟女一区二区AV| 丁香五月婷婷网| 成人一级片| 欧洲色区| 久er免费视频| 精品网站:999WWW| 成人综合网站| 色欲av伊人久久大香线蕉影院| 五月开心婷婷| www.夜夜操| 99操不停| 婷婷综合网伊人| 激情第四色| 婷婷久久五月| 日本一道久久| 五月丁香综合| 五月婷综合| 久久这里这里有精品免费视频| 天天操天天日天天操| 91久久婷婷| 久久激情四射| 五月丁香六月婷婷色| 香蕉视频91| 日韩无码AV电影网站| 五月天婷婷綜合院| 久久这里有精品| 96精品成人无码A片观看金桔| 亚洲午夜一区二区| www.com五月天| 99热这里只有精品9| 99超级碰碰| 人人看人人摸人人| 色噜噜狠狠色综| 5月婷婷五月天| 婷婷久草| 五月丁香婷婷综合在线| 国内外色色色色色成人视频| 97综合在线| 久久人妻人人| 婷婷五月六月| 五月丁香婷婷综合| 五月婷免费视频| 五月丁香色婷婷综合| 婷婷丁香成人| 79亚洲精品少妇| 色综合久久99色| 婷色综合| 五月天激情AV| 激情五月婷婷她| 99视频在线观看欧| 玖玖九九超碰| 婷婷丁香色五月| 四川BBB搡BBB爽爽视频| 天天干天天玩天天夜天天射天天操天天日蜜臀少妇| 欧洲色| 91一起操| 99无码精品| 在线婷婷| 99精品热| 婷婷色Av| 五月天婷婷乱论小说| 丰满少妇乱A片无码| 性爱网久久| 99热这里只有精品1025| 婷婷精品| 国产精产国品一二三在观看| 能看的av片| 大地资源色婷婷视频在线 | 91色吧网| 任你干线上免费视频有3吗| 天久久久久| 久久婷婷视频| 91热久久| 91九色网| 九色色| 色五月婷婷在线观看第一页舔| 日日干夜夜撸夜夜骑| 亚洲乱码日产精品BD| 无码天天操| 免费看欧美成人A片无码| 夜夜天天天天天干天天爽| 中字幕视频在线永久在线观看免费| 日本在线免费中文com.| wwww.9免费视频| 99热这| 久久九九亚洲| 日本人妻A片成人免费看片| 日本精品99网站| 亚洲六月色| 五月天婷基地| 岛囯综合激情网| 婷婷综合精品视频97| 9超碰在线| 成人网在线视频| 97干欧美| 日韩限制级大尺度黑料泄密大尺度视频一区二区在线观看 | 99爱精品| 色五月丁香五月天| 永久无码色| 大香网伊人久久综合| 天天色,天天操,天天射| 成人资源在线| 欧美S码亚洲码精品M码| 日本婷色| 婷婷五月综合色中文字幕| 四川BBB搡BBB爽爽视频| 婷婷涩涩五月天| 思思热天天看| 991自拍视频| www.久久久久久久| 五月香六月婷| 九九伦子片| 久久婷婷五月天| 色婷婷丁香六月| 五月开心啪啪| 五月丁香婷婷婷激情爱爱| 婷婷色婷婷| 人人爽人人爽人人爽人人爽| 五月丁香欧美综合| 日本久久色| 丁香激情五月天| 五月丁香综合网色欲| 色99久草在线| 99精品在线观看| 深爱激情五月婷婷| 五月天激情小说电影| 91高潮喷水久久久久久久久 | site:esunnet.com| 久久婷婷综合国产| 综合色在线| 女婷久久| 婷婷五月色天| 婷婷五月六月激情| 国产精品在线视频| 特黄三级片| 精品热青草| 91久久久久久| 色婷五月天| 婷婷五月丁香激情色情| 天天五月丁香五月| 亚洲xx网| 亚洲中文字幕翔田千里| 五月丁香综合| 丁香五月天色婷婷| 亚洲成人无码网站| 天天色综网| 久久成人天| 日韩啪| 色婷婷女优有码五月亭| 成人色图情色成人网 www.5b5b5bcom 五月天 | WWW,五月| 婷婷伊人五月天| 在线视频你懂得| 激情五月天婷婷| 色婷婷五月天久久| 丁香97综合| 色99日韩| 五月天婷婷基地综合网| 欧美精品18| 玖玖九九99| 亚洲精品色色| 99热大全在线观看| 99热最新| xxx日本东京热| 色色国产| 九九精品自拍| 五月丁香激情四射| 丁香婷婷五月六月久久| www.99热在线观看| 午夜爱爱网站| 91婷婷色 | 久久五月婷婷电影| 色婷婷XXXXX| 99视频精品全部免费观看| 亚洲激情亚洲激情 | 欧美婷| 99思思热只有在这里看| 97五月久久丁香婷婷| 丁香九月久久| 五月天社区婷婷| 婷婷中文综合网| 啪啪五月综合| 久久99这里只有精品| 丁香婷婷少妇| 99热综合网| 色吧婷婷| 五月丁香色五月| 国产五月丁香在线| 成人视屏在线观看| 天天爽天天爽天天爽天天爽天天爽| 五月婷婷久久综合| WWW·天天操·视频?| 99在线观看| 好好干Av| WWW、日本色丁香、co m| 就爱操www com| 99热综合在线观看| 激情综合色播| 伊人久久婷| 成人在线网| 亚洲成人网站在线观看| 五月天精品| 人妻VideOssS人妻| 女人天堂AV| 这里只有精品视频在线| 黄色片精品| 91精品在线看| 色婷婷视频| 精品九九在线观看视频| 色婷婷五月天成人网| 另类小说五月天综合网| 色八月婷婷| 日日干日日s| 丁香婷婷激情| 国产三级在线播放| 欧美综合丁香网| 久久天堂| 91VIP在线观看| 成人va在线观看视频| 五月婷婷丁香网| 六月婷婷色综合| 色蜜婷婷| 日日干夜夜干| 五月亭久久无码视频| 婷婷久久视频| 99无码| 国产午夜精品一区二区| 五月丁香婷婷AV| 最近中文字幕大全免费版在线| 久久婷婷六月综合资源| 偷拍五月丁香| 九九無碼| 青青日韩| 五月天亚洲图片婷婷| 夜夜天天久久婷婷| 亚洲婷婷五月| 国产又爽又猛又粗的视频A片| 激情综合九| 久久久久久久久99精品| 激情激情激情网| 婷婷五月激情六月| 中文字幕日产A片在线看| 丁香五月激情综合久久| 九九热视频精品2| 六月色狠狠色| 六月撸婷婷| 丁香五月 性爱| 五月丁香成人| 亚洲无线视频| 亚洲视频色色| 激情床戏| 99精品久久久久久久久| 97超碰免费超级在线观看| 久久色天堂| 久久久久久97| 任你草| 色色色国产| 98色花堂98t.R| 日本色综合| 99情色五月天| 99色色| 亚洲成人九九九| 亚洲AV永久无码影院黑人| 成人网站免费sxj| 少妇做爰免费视看片| av在线超清中文| 青草激情在线| 中国丰满熟女A片免费观| 日本欧特黄色刺激一区影视久精品无码| 久久婷婷五月天激情新地址| 91视频五月丁香| 五月丁香好婷婷姑娘综合网| 99热亚洲| 五月亭亭性| 免费观看高清无码| 97人人操com| 五月亭亭六月色| 99国产精品久久久久久久久久久| 五月天色色色网| 五月激情精品视频| 午夜不卡久久精品无码免费 | 美女天天爽| 99人妻碰碰久久久禁片| www婷婷亚洲| 夜夜撸天天操| 五月丁香色| 五月天综合视频| 五月天久久色| 伊人五月人妻精品| 99在线观看| 91一起艹| 开心色播色五月婷婷| 人人操大| www.婷婷五月天| 欧美月久久| 婷婷五月天在线观看免费| 荫道BBWBBB高潮潮喷| 天天日天天添| 五月丁香在线| 人人爽人人爽人人爽人人爽| 操97在线观看| 91狠狠色| 丁香六月婷婷一区二区三区| 青草网在线观看| 色六月 婷婷| 97性视频| 婷婷五月天偷拍| 欧美天堂久久| 99精品视频播放| 97在线视频人妻九色| 婷五月天在线草| 国产中文字幕在线视频免费观看| 中文字幕在线日亚洲9| 久久小片| 26uuu欧美亚洲日韩| 极品另类| 五月丁香另类网| 久99视频| 色婷婷在线视频| 亚洲五月婷婷在线| 91九色首页| 精品成人在线| 婷婷五月天激情网| 中文字幕在线资源| 天天干天天干天天干| 97久久香草精品视频| 九洲一级A片| 激情综合丁香六| 色吧综合网| 婷婷五月天视频亚洲| 激情文学天天| 九月婷婷久久| 99精品自拍| 激情五月瑟瑟| 韩国97天堂| 99网| 婷婷色播色五月五色五月天色妇| 超碰在线99热| 久久久A级视频| 五月婷婷色在线| 99网| 五月天色区| 97性视频| 国产无人区大片| 午夜五月天| www.狠狠干com| 日本www五月婷婷| 五月丁香啪啪网| 九九精品热播| 9精品视频在线| 97人人操com| 婷婷丁香色五月天| 五月婷婷丁香日韩在线| 久777| 天天射网站| 狠狠操综合| 天天玩夜夜操| 日韩中文欧美| 久久国产一区二区三区| 国产精产国品一二三在观看| 202丰满熟女妇大| 99精品久久| 婷香五月激情视频| 久热无码| 思思re最新视频| 五月日韩中文字幕| 亚洲黄色操逼| 丁香综合久久| 8区视频在线| 色综合网址| 久久久WWW| 伊人99热| 99热只有国产在线精品| 婷色五月| 亚洲这里只有精品| 91dy.av| 亚洲情a| 另类图片激情五月| 精品热九九| 国产无套精品一区二区| 亚洲va欧美va天堂v国产综合| 五月色婷婷在线观看| 色99超碰| 激情都市另类| 婷婷激情图片| 99视频网址| Jh7Uf088VHafNm| 色啪影院| 俺也去在线视频| 伊人激情| 综久久久| 大香蕉人在线65| 超碰碰碰碰| 玖玖色资源站| 另类视频五月天| 色综合区| 久久国产AV| 久草热久草在线视频| www.色综合.com| 久8色色| 五月香婷婷| 婷婷五月在线综合| 天天射射夜| 婷婷色五月色| 天天草天天爽| 人人叉久| www婷婷亚洲| 婷婷五月天激情电影小说| 亚洲永久四色| 激情碰碰碰| 性色欲情 网站| 永久地址 色| 丁香综合网| 伊人丁香五月天丁香在线婷| 99网址在线看| 日日狠狠久久偷偷四色综合免费| 天天综合在线网| 色操综合| 亚洲综合网激情小说| 天天操婷婷| 久色网| 99久久久久久www| 色噜噜,噜噜色| 热久国产| 婷婷丁香五月天操逼| 激情综合综合综合| 五月色色网| 激情五月成年| 婷婷五月激情六月丁香 | 在线观看国产高清视频免费网站| 非洲一级AV| 丁香五月激情图片| 白人荫道BBWBBB大荫道| 婷综合| 日本精品在线噜噜噜| 人人爽欧美婷婷久久久五月丁香| 色综合香蕉视频| 艹天天射| 人人97碰| 婷婷免费精品视频| 久久奄也去色色网站| 米奇激情婷婷| 久久久久久9热不雅视频| 五月婷六月| 亚洲成人在线五月天| 国产AV一区二区三区最新精品| 国产精品久久..4399| 五月婷婷丁香婷婷| 91干99| 天天撸夜夜爽| 免费无码毛片一区二区A片| 思思热这里只有精品视频666| 亚洲美女网Va| 六月丁香成人| 六月综合婷婷开心伊人| 婷婷伊人综合| 丁香五月五婷| 黄色av网站在线免费播放| 色色色99韩| 99久久6| 91久久久久久久久久久| 超碰人人摸人人操| 丁香五月天欧美| 色色色网站| 欧美va精品va老师va| 久草婷婷| 五月网激情| 中文字幕 中文字幕明步| 97碰啪啪| 99操| 丁香六月婷婷色XXXX| 国产精品激情AV久久久青桔| 色婷婷五月综合在线| 欧类av怡春院| 国产精品久久7777777精品无码| 97大香蕉五月天| 大伊久久| 久99精品视频| 色噜噜狠狠色综合成人99| 亚洲在线操| 日韩无码色色| 日日干日日s| 色五月婷婷777| 久久综合激情婷婷激情| 亚洲无码yw| 婷婷操逼| 九九免费在线视频| 91综合在线观看| 狠狠色97| 天天插综合在线| 国产精产国品一二三在观看 | 夜夜爽天天爽| 九九热婷婷| 丁香五月偷拍| 超碰99在线观看| 久久您您综合网| 精品成人在线观看| 狠狠色 综合色区| 九九自拍网| 五月婷婷视频| 看婷婷五月天网| 色狠久| 99热精品少| 五月天婷婷成人| 亚洲综合色网| 99操中文视频| 99久久极情精品一区| 婷婷五月av| 操日视频| 久久这里只有欧美| 国产精品18久久久| 亚洲AV人人操| 久久久噜噜噜久久人妻| 超碰免费人| 丁香九月激情| 干一干xxxx| 国内熟女黄色系列| 91九九九九九九| 日本五月婷婷| 丁香五月婷婷色综合基地| 99ree6| A在线观看| av五月天婷婷丁香| 少妇丁香婷婷 | 六月丁香网| 九九無妻| 99在线看片| 开心五月婷婷激情| 亚洲第二AV| 天天综合网站| 久久综合激情| 五月色色激情网| 99热这里有精品6| 激情久久网 | 婷婷六月激情综合| 婷婷区日本| 9l视频自拍9l九色9l成人| 国产黄大片在线观看画质优化| 激情婷婷久久| 亚洲色爱综合| 三十路磁力链接| 99在线视频色版| 97人人干。| 成人午夜天| 婷婷大香蕉| 九九这里只有精品| 91精品综合久久久久久五月丁香 | 亚洲av综合网| 91狠狠色丁香| 色五月激情五月天| 婷婷丁香五月亚洲综合网在线视频观看| 伊人99热| 9久久精品| 深爱开心五月天| 九九精品视频免费在线| 内射综合网| 伊人综合婷婷| 一区无码| 超碰免费观看| 日韩av免费版| 8050一级网| 激情玖玖sh| 青青草免费公开视频| 97人人操人人干| 日本婷婷| 国产 码在线成人网站| 九九色综合九九色| 思思热这里只有精品| 色啪影院| 免费视频99| 色色网站在线| 97色在线| 国产成人综合亚洲| 色综啪啪| 亚洲第二AV| aaaa.黄| 在线99精品| 婷婷六月综合基地| 成人综合视频在线| 色情五月综合婷婷| 色五月丁香五月激情五月激情| 天天色月| 26uu| 97色色色色色| 这里有精品| 99ri国产| 99∨VTV| 国产内射婷婷| 激情五月天婷婷色色色色色色色色色色色| 色婷婷久久视屏| 丁香婷婷五月色成人网站| 99热青青草| 天天噜天天插| 丁香五月天视频在线播放| 天天干天天干天天干天天干天| 五月婷婷色五月| 久久久.COM| 激情五月婷婷综合| avh片在线观看| 日韩免费99| 五月天色婷婷激情综合| 日本三级日本黄色| 五月婷婷久久综合| 婷婷娱乐丁香综合网| 天天综合 99久久婷婷| 久久伊人大香蕉| 人妻自慰高清合集| 亚洲激情综合| www.久久色.com| 丁香午夜天| 欧美日韩日韩成人| 99热99色| 日本va欧美va国产激情| 天天弄天天爽| www.99久久久久99| 亚洲乱码日产精品BD| 久久久精品人妻| 色五月婷婷丁香国产在线| 日本一区二区三区精品视频| 色色色com| 日本色视| 超碰AAAAAAV| 久久伊人婷婷| 国产美女精品| XX色综合| 熟妇内谢69XXXXXA片| 综合色色综合| 99精品无码网站| 人妻人人操| 日本三日本三级少妇三级66| 91操操| 丁香六月欧美| 开心五月婷婷在线| 色综合爽| 亚洲、欧美、国产另类笫二区| 亚洲AV久久久久久久久久久久久久久久| 久久五月综合| 六月丁香激情| chaopengdaxiangjiao| 久久午夜丁香| 。久久久久久久久久久久久久人妻| 五月婷婷综合网| Www.狠狠| 五月天 另类图片| 五月婷在线| 伊人久久99| 99精品在线观看视频| 婷婷丁香五月天综合激情| 欧美日本VA| 玖玖99免费视频| 狠狠 久久| 狠狠狠狠操| 97色碰| 玖玖国产视频一区| 丁香婷婷五月六月久久| 欧美久人人| 99r这里只有精品在线观看| 亚洲日韩乱码一区二区三区四区| 日本欧美在线| 五月花亭亭| 五月天无码视屏播放| 狠狠色婷婷7777久| 婷婷97碰碰| 久久婷婷五月综合啪| 色婷婷第四色| 婷婷久久草| 久久丁香婷| 天天夜天天色天天| 秋霞AV吧| 婷婷开心综合人妻小说网址| 欧美槡BBBB槡BBB少妇| 五月天天天综合| 夜夜干 夜夜操| 九九色影视| 婷婷五月天激情小说| 九九综合五月欧美| 九九久久网| 日本道久久91| 精品人妻一区| 九九久久精品國產| www.婷婷五月| 久久99精品久久久| 色偷偷综合| 色天堂操| 婷婷操超碰| 久9精品| 综合一区二区三区| 99色在线观看视频| 人妻人人操| 中文字幕av久久爽一区| 九九99久久| 丁香六月激情毛片| 欧美色宗和激情| 91超级碰碰碰| 夜夜爽天天爽| RenRenSe在线视频网站| 免费黄网不卡AV| 五月好婷婷| 丁香六月天婷婷| 天天色天天操天天射| 99人人干人人| 五月丁香| 精品综合久久久久久五月天| 丁香五月婷婷av影院| 欧美3AaAa大片| 9婷婷内射| 国産精品| 天天综合亚洲综合网天天αⅴ| 丁香六月婷婷久久综合| 六月丁香婷婷综合狠狠爱夜夜爱| 超碰五月婷婷五月天| 99精品国产在热久久婷婷| 99热69| 成人AV免费观看| 久久免费操| 亚洲综合字幕色色| 九九热这里只有精品一| 伊人啪啪网| 欧日韩成人| 91色婷婷综合久久中文字幕二区| 琪琪色综合网站| 婷婷狠狠香蕉综合| 五月天丁香网站| 激情六月丁香综合| 色婷婷精品| 乱码操操| 激情久久伊人| 久草嫩草在线观看| 婷婷丁香社区网| 天天天天天天噜| 日韩高清成人| www.色五月| 丁香五月婷婷综合91| 99re66热这里只有精品| www.99热视频| 欧美成人精品A片免费一区99| 人人人操97| 天天爽在线视频| 丁香五月婷婷影视先锋| 9久热| 五月婷婷伊人在线| 午夜福利8055| 91色五月| 丁香色情五月综合网站| 99在线视频播放| 天天日日夜夜| 日本久久爽| 狠狠色无码| 色婷婷久久| 少妇人妻丰满做爰XXX| 大香蕉人人人| 丁香五月天欧美| 狠狠插狠狠操| 99九九综合久久九九| 五月丁香亚洲综合网| 99re最新地址视频| 天天综合91入口| 日日噜噜夜夜狠狠久久丁香六月| 精品A√| 婷婷五月激情热播| 9 9热这里有精品| 五月天婷婷成人网| 亚洲乱码在线观看| 色七七色九九| 日韩精品色| 久久丁香五月婷婷激情综合网| 97超碰在线观看免费| 超碰日韩人妻在线| 综合色99| 六月激情综合| 天天噜噜| 99精品热视频| 五月婷婷六月丁香| 五月天婷婷在线播放免费| 日本ww亚洲| 五月丁香六月久久| 久久久久妻| 久久精品99久久久久久| 超碰高清在线| 亚洲午夜Av| www.九九婷婷| 激情网色五月| 国产在线激情视频| 国产SUV精品一区二区883| 538在线精品| 成人午夜无码视频| 超碰99在线观看| 五月婷婷人人人操| 婷婷综合色| 五月婷婷六月激情| 久久99精品久久久久久三级| 欧州色色| 99热这里只有精品中文字幕| 丁香桃色网| 激情深爱综合网| 天天艹夜夜艹| 五月天成人在线视频网站| 99精品热| 六月婷婷色综合| 色九月婷婷综合| 五月婷婷色情| 色五月天电影| 思思9久久| 婷婷丁香熟女| 97热超碰| 精品99在线| 五月丁香啪啪综合| 97操碰| 激情五月激情综合俺也去婷婷小说| 激情综合网络插| 色色综合成人网| 天天综合亚洲综合网天天αⅴ| 色五月激情视频在线综合| 五月婷视频久久| 97婷婷丁香五月天激情图片| 五月天婷婷爱丁香中文字幕| 性生活视频98791| 婷婷五月天av| 99热9| 精品夜夜澡人妻无码AV| 666555。COm毛片| Aα在线免费观看| 九九热精品99| 久久亚洲网| 岛国AV网站| 婷婷狠狠18禁久久| 超碰国产在线| 久久大大香| 91狠狠色色丁香婷婷综合久久| 色情五月丁香| 啄木鸟黑丝一区二区| 99热这里只有精品免费观看| 99久超碰| 亚洲欧美在线观看| 99人妻碰碰碰久久久久视| 婷婷五月电影院| 久久与婷婷| 五月丁香婷婷六月| 就爱啪啪婷婷| 人妻无码视频网| 亚洲人妻五月丁香婷婷| 色一情一乱一乱91Av| 色婷婷a| 欧美va精品va老师va| 26uuu精品一区二区| 玖玖在线资源视频| 免费无码毛片一区二区A片| 激情 婷婷 丁香五月天| 99九九热视频免费| 综合另类视频| 开心亚洲久久开心| 超碰永久在线| 亚洲成人AV在线播放| 久热这里只有精品在线观看| 精品国产AV色一区二区深夜久久| 亚洲最大五月天成人网| 综合99久久天天综合| 色色色色色色色色网站| 五月综合影院| 欧美在线视频免费播放| 99久久久| 色五月色五天免费视频| 婷婷亚洲综合| 丁香婷婷成年| 久草五月天| 日夜操B| 超碰婷婷色| 精品久久这里热66| 激情五月婷婷欧美极品 | 五月丁香六月婷婷亚洲天堂网站| 夜夜爽天天爽| 亚洲六月色| 2016日日夜夜操| 丁香婷停五月激情综合深爱| 五月丁香婷婷免费视频| 熟女激情网| 免费观看全黄做爰的视频| 九九大香蕉黄色影院| 欧美va亚洲va| 色色网91| 五月婷婷色综图片| 天天日,天天插| 91九色超碰| 激情综合五月| 成人婷婷| 99热欧美精品| 伊人婷婷五月天av| 777精品久无码人妻蜜桃| 久久欧洲久久| 九九精品综合| 国产视频福利| 五月激情婷婷六月| 99天堂在线观看免费视频| 激情五月天之六月婷婷| 婷婷五月天亚洲| 综合久久综合久久| 日本美女上人| 丁香六月婷婷开心婷婷网| 亚洲另类噜噜| 婷婷色色网站| 久色五月婷婷综合| 国产精品久久久爽爽爽麻豆色哟哟 | 婷婷久久五月| 爱操人妻| 久久九九综合| 婷婷在线综合| 成人五月天丁香| 日熟女| 91碰超| 玖玖爱资源站| 五月综合丁香婷婷| 99久久久免费| 这里只有精品免费在线视频| 大香蕉婷婷久久| 久久HD| 亚洲欧美另类在线23p| 91色呦哟| 久久久五月四色| 丁香五月婷婷av影院| 无月播播激情在线观看视频| 九九九九中文字幕| 99热这里只有精品3| 玖玖爱导航| www.久久久.com| 五月丁香精品| 激情五月婷婷丁香| 夜夜骑日日操| 成人国产欧美大片一区| 天天天天天天天操| 大香蕉视频婷婷| 亚洲色另类| 色综合网上班开心婷婷久久| 久久五月天婷婷| 激情综合色五月六月婷婷| 在线观看日韩12345区| 婷婷.com| 丁香五月激情啪| AA丁香综合激情| 色综合五月在线| 啪啪视频99| 91九色国产在线| 五月丁香六月婷婷精品| 欧美交换配乱吟粗大25P| 涩涩五| 丁香五月天亚洲综合| 午夜丁香综合婷婷| 亚洲精久久| 久久综合久色欧美综合狠狠 | 深爱网深爱综合网| 亚洲国产精品二二三三区| 婷婷婷色五月| 婷婷丁香五月综合网| 色丁香久综合在线久综合在线观看| 亚洲狠狠色丁香婷婷综合久久| 久久婷婷综合五月趴| 亚洲精品亚洲人成人网| 九久久婷婷| 五月婷婷AV| 深爱激情四射| 久久99精品久久久久久青青AR| 97婷婷狠狠| 午夜九九电影| 99久扒热| 国产欧美性成人精品午夜| 婷婷五月激情小说| 丁香激情合作五月| 国产亚洲成AV人片在线| 99爱爱| 婷婷五月天综合网| 丁香五月六月久久综合| 99视频在线啪| 丁香婷婷五月综合色情| 欧美性爱五月天| www.五月天| 婷婷丁香色五月天| 五月停停99| 97碰碰视频| 九九亚洲视频| 干亚洲天堂| 色狠狠色狠狠| 99热精品免费| 99在线观看视频| 久久婷婷色| 五月婷婷很很色| 色五月色情| 99热综合网| 成人久久天天x资源站| 亚洲mm色| 国产欧美va| 99色网站| 色婷婷综合网| www.丁香黄色五月天人与| 婷婷的色色五月天| 国产片天天爽夜夜爽| 五月丁香综合精品| 五月丁香婷婷综合| 五月丁香啪啪啪| 超碰亚洲欧美| 婷婷丁香五月天影院 | 色青五月天| 五月婷婷五月天| 这里只有精品视频看看| 丁香五月伊人| 玖玖热视频| 日韩三十六页| 碰碰91| 激情婷婷五月天网址| 26uuu| 色色色99| 日本成人内射| 99精品视频在线观看| 丁香婷婷五月色成人网站| 97婷婷五月天| m色激情网| 欧美97p| 桃色五月婷婷| 婷婷五月天激情综合| 五月婷婷亚洲色视频| 99超级碰免费视频| 东北熟女高潮99综合99| 五月丁香六月色婷婷综合五月天| 91人人爽狠狠狠| av婷婷丁香| 色五月激情问网站| 啪啪五月婷婷| 久久久宗合视频88| 欧美大肥婆大肥BBBBB| 五月婷婷AV| 国产色色视频| 日韩成人电影AV| 五月婷婷,六月丁香| 色综合久| 99热免费| 少妇AB又爽又紧无码网站| 26uuu成人网| 婷婷中文字幕| 亚洲乱码日产精品BD| 人妻丰满精品一区二区A片| 精品国产AV色一区二区深夜久久| 青青草视频免费观看| 无码激情AAAAA片-区区| 激情内射人妻1区2区3区| 99热草草| 啪啪五月综合| 婷婷丁香社区| 五月天久久婷婷| 激情丁香婷婷六月天| 性色欲情 网站| 深爱婷婷色| 伊人五月成人| 激情综合六月| 日日爽日日爽| 色婷婷五月综合在线| 色婷婷影视| 国产成人+综合亚洲+天堂| 国产精品久久久爽爽爽麻豆色哟哟| 99久久综合狠狠综合久久| www.韩日视频| 欧美久久网| 婷丁五月| 久久人妻在线| 五月天六月色| 亚州色色色| 亚洲三级无码| 亚洲亚洲人成综合网络| 青青草99re| 综合久久综合久久| 亚洲综合网激情小说| 99热这里只有精品23| 五月天亭亭俺也| 亚洲久久激情| 久操香蕉| 任你日热视频| 丁香婷婷五月激情| 色婷婷www| 久9热视频在线| 丁香六月毛片| 成人做爰高潮A片免费视频| 日本本土色网第一区| 久99久视频| 丁香婷婷基地| 9久精品视频| 97人人干人人操| 久久色五月| 天天操婷婷| 一起草Av| 97色在线观看视频| 婷婷五月丁香欧洲| 99免费青青蜜臀| 五月丁香综合网| 99久久五月婷婷| 日韩在线婷婷五月天综合| 久久男人网婷婷| 少妇人妻综合色6699| 综合五月天亚洲婷婷| 丁香六月婷婷综合啪啪| 天天揷综合网| 日韩在线视频9色| 六月婷婷六月天天在线免费| 五月天偷拍| 婷婷天天插天天爱| 久99| 久久狠色噜噜狠狠狠狠97| 99精品偷自拍| 精品九九视频| 色色欧美。| 激情婷婷五月天丁香| 色色色欧美| 26uuu亚洲| 丁香婷婷久久 | 色婷婷九月| 久久99精品视频| 久久综合首页| 国产精品国产VA片国产| 婷婷色在线| 中文字幕五月久久婷| 亚洲精品欧洲精品| 天天天天操| 亚洲瑟瑟精品在线| 第四色色六月色综合| 99热99这里免费的精品| 五月丁香六月婷婷激情四射| 九九精品热播| 色播五月丁香| 99成人在线观看| 色五月视频无码播放| 五月色婷婷夜色| 婷婷综合亚洲| 婷婷精品| 婷婷久久综合| 五月丁香六月婷婷开心网| 日本WWW九九九| 久操激情| 婷婷色五月综合丁香| 婷婷99狠狠躁天天躁中| 激情综合色婷婷啪啪五月天| 亚洲、欧美、国产另类笫二区| 天天做天天爱天天爽综合网| 国内精品免费一区二区2009| yazhouzonghesese| 性爱久久| 五月丁香婷婷色| a在线观看| www.91操| 激情婷婷丁香五月天| 亚州精品成人片| 天天久| 婷婷丁香综合在线| 婷婷五月另类网站| 九九精品9| 中国激情网| 在线不卡的视频| 六月合五月婷| 色婷婷色综合久久精品V| 色色色色色色色色色999| 激情五月婷婷老师| 亚州AV超碰人人操| av大片在线| 六月狠狠综合| 婷婷伊人綜合中文| 丁香五月天视频|