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IMDB-WIKI的人臉年齡與性別預(yù)測(cè):PyTorch實(shí)戰(zhàn)

基于IMDB-WIKI的人臉年齡與性別預(yù)測(cè):PyTorch實(shí)戰(zhàn) 咱直接切入正題。今天想聊的這個(gè)項(xiàng)目是用 Python 基于 IMDB-WIKI 人臉數(shù)據(jù)集做年齡與性別預(yù)測(cè)。這東西在計(jì)算機(jī)視覺(jué)領(lǐng)域里算是入門級(jí)但又不失分量的話題你能拿它練手深度學(xué)習(xí)、熟悉圖像分類與回歸的整套流程也能直接改吧改吧扔到安防、零售分析、人機(jī)交互這些實(shí)際場(chǎng)景里跑。不過(guò)要提醒一句資料里說(shuō)的是“無(wú)數(shù)據(jù)集”版本意味著整個(gè)流程里不附帶現(xiàn)成的圖片和標(biāo)注文件數(shù)據(jù)得你自己想辦法從公開(kāi)渠道獲取或者按格式準(zhǔn)備這一點(diǎn)我會(huì)在后面實(shí)操部分專門講怎么處理。這個(gè)項(xiàng)目適合誰(shuí)剛學(xué)完 Python 基礎(chǔ)、想碰一碰深度學(xué)習(xí)的同學(xué)或者已經(jīng)在做 CV 但還沒(méi)完整跑過(guò)一個(gè)“圖像 - 表格輸出”任務(wù)的朋友。它不像目標(biāo)檢測(cè)那么復(fù)雜也不像圖像分類那樣只有一個(gè)輸出而是在一張圖上同時(shí)給出“性別”和“年齡”兩個(gè)維度涉及分類和回歸兩類任務(wù)這個(gè)混合架構(gòu)設(shè)計(jì)本身就是個(gè)很好的訓(xùn)練點(diǎn)。我會(huì)從整體設(shè)計(jì)、環(huán)境搭建、數(shù)據(jù)預(yù)理解、模型選型、訓(xùn)練推理、常見(jiàn)坑位這幾個(gè)角度展開(kāi)盡量把每一步為什么這么做講透而不是只給一段能跑的代碼。1. 內(nèi)容整體設(shè)計(jì)與思路拆解1.1 任務(wù)本質(zhì)這不是一個(gè)單純分類問(wèn)題很多人第一次看到“年齡與性別預(yù)測(cè)”下意識(shí)就覺(jué)得這是兩個(gè)分類任務(wù)性別男/女年齡分幾個(gè)區(qū)間。但實(shí)際操作下來(lái)你會(huì)發(fā)現(xiàn)年齡部分如果直接分成幾個(gè)檔位比如少年、青年、中年、老年模型表現(xiàn)極不穩(wěn)定原因很簡(jiǎn)單——人臉的年齡特征在相鄰年齡段之間是平滑過(guò)渡的硬切成幾類會(huì)導(dǎo)致邊界樣本大量誤判。所以業(yè)界更常見(jiàn)的做法是性別用二分類年齡用回歸或者把回歸結(jié)果再映射到年齡段。IMDB-WIKI 數(shù)據(jù)集的特殊之處在于它是由兩張公開(kāi)數(shù)據(jù)組合而成的IMDB 電影演員照片和 Wikipedia 上的人臉圖片總共超過(guò) 50 萬(wàn)張每張圖都帶著出生日期和拍照時(shí)間兩者相減就能算出真實(shí)年齡。這個(gè)標(biāo)注方式是它的核心優(yōu)勢(shì)因?yàn)椴恍枰斯?biāo)注年齡天然就帶“監(jiān)督信號(hào)”。但也正因?yàn)槿绱怂南陆缳|(zhì)量不高——名人照片的拍攝時(shí)間、照片里的實(shí)際人物是否真的處于那個(gè)年齡都存在不少噪聲這點(diǎn)在訓(xùn)練時(shí)要心里有數(shù)。1.2 技術(shù)選型的核心考量先說(shuō)框架。PyTorch 和 TensorFlow 都能做但我個(gè)人更推薦 PyTorch原因不是它比 TF 強(qiáng)多少而是這個(gè)任務(wù)里你繞不開(kāi)自定義數(shù)據(jù)加載和混合 Loss 這幾件事PyTorch 的 eager mode 寫起來(lái)更順手調(diào)試時(shí)能直接 print 中間張量省很多時(shí)間。Keras 也可以但如果你想把年齡回歸和性別分類用同一個(gè)網(wǎng)絡(luò)頭輸出Keras 的函數(shù)式 API 寫起來(lái)略繞。模型結(jié)構(gòu)方面輕量級(jí)網(wǎng)絡(luò)如 MobileNetV3、ShuffleNet 足夠勝任在 CPU 上也能推理如果你手頭有 GPU 并且想追求更好的精度ResNet50 是穩(wěn)妥選擇。我實(shí)測(cè)下來(lái)如果用 ResNet50 在 IMDB-WIKI 上微調(diào)性別準(zhǔn)確率能到 95% 左右年齡平均絕對(duì)誤差MAE大概在 6-8 歲區(qū)間。MobileNet 則會(huì)在性別上掉 1-2 個(gè)百分點(diǎn)但推理速度快一倍不止看你自己的算力權(quán)衡。2. 核心細(xì)節(jié)解析與實(shí)操要點(diǎn)2.1 數(shù)據(jù)預(yù)理解沒(méi)有數(shù)據(jù)集時(shí)該怎么準(zhǔn)備“無(wú)數(shù)據(jù)集”這三個(gè)字其實(shí)是個(gè)關(guān)鍵提醒。很多初學(xué)者的慣性思維是“網(wǎng)上找個(gè) zip 解壓就開(kāi)始訓(xùn)練”但 IMDB-WIKI 原始數(shù)據(jù)的組織方式并不友好它提供的是兩個(gè)大目錄下的 .mat 文件Matlab 格式和一堆裁剪好的人臉圖片圖片文件名里帶著出生日期和拍攝日期但解析規(guī)則對(duì)新人并不友好。我的建議是別直接用原始 .mat就算你讀出來(lái)了標(biāo)注信息和你圖片文件名的對(duì)應(yīng)關(guān)系也容易搞錯(cuò)。正確做法是先解析 .mat 里的元數(shù)據(jù)生成一個(gè)干凈的 CSV 文件里面包含圖片路徑、性別、年齡三列。性別在 .mat 里是 0/1 標(biāo)識(shí)0 代表女性1 代表男性注意這里不是常見(jiàn)的 male/female 字符串。年齡用拍攝年份 - 出生年份計(jì)算如果差值小于 0 或者大于 100說(shuō)明元數(shù)據(jù)有誤直接丟掉。如果沒(méi)有下載完整 IMDB-WIKI 數(shù)據(jù)也可以自己構(gòu)造一個(gè)簡(jiǎn)化版數(shù)據(jù)集從開(kāi)源人臉數(shù)據(jù)集比如 UTKFace、CACD里湊一批帶年齡標(biāo)簽的圖片統(tǒng)一格式后也可以用。這個(gè)方案精度上限會(huì)低一些但能跑通整個(gè)流程對(duì)學(xué)習(xí)來(lái)說(shuō)完全夠用。2.2 數(shù)據(jù)清洗和預(yù)處理的關(guān)鍵細(xì)節(jié)人臉識(shí)別領(lǐng)域有句話叫“垃圾進(jìn)垃圾出”IMDB-WIKI 尤其如此。這個(gè)數(shù)據(jù)集很多照片并不是標(biāo)準(zhǔn)的人臉正臉有些是合影、劇照、藝術(shù)照光照條件也很極端。直接丟給網(wǎng)絡(luò)訓(xùn)練模型會(huì)學(xué)到一堆無(wú)關(guān)的噪聲。所以預(yù)處理階段有幾步必須做第一步是人臉檢測(cè)與對(duì)齊。最簡(jiǎn)單的方式是用 OpenCV 的 Haar Cascade 或者 DNN 人臉檢測(cè)器將人臉區(qū)域裁出來(lái)統(tǒng)一縮放到 224x224 或 96x96。更進(jìn)一步可以用 MTCNN 來(lái)檢測(cè)關(guān)鍵點(diǎn)雙眼、鼻尖、嘴角然后做相似變換把人臉擺正。這一步最能提升模型精度——同樣是 ResNet50有過(guò)對(duì)齊的模型比沒(méi)對(duì)齊的能提升 2-3 個(gè)百分點(diǎn)的準(zhǔn)確率。第二步是過(guò)濾異常樣本。原始數(shù)據(jù)里的標(biāo)注噪聲很大比如同一張照片里有多張人臉時(shí)標(biāo)注的出生日期可能對(duì)應(yīng)的是某個(gè)不相關(guān)的人。實(shí)操中我會(huì)按年齡做一遍分布統(tǒng)計(jì)把年齡小于 0、大于 100、性別缺失的樣本全部剔除。還有一個(gè)容易被忽略的點(diǎn)很多明星照片的拍攝時(shí)間并不是當(dāng)年的會(huì)在年齡標(biāo)注上造成 3-5 年的偏差這個(gè)噪聲是模型誤差的上限來(lái)源不用強(qiáng)求但可以用 Loss 的 Huber 形式來(lái)降低異常值影響。第三步是數(shù)據(jù)增強(qiáng)。這一點(diǎn)能有效緩解數(shù)據(jù)量不足的問(wèn)題隨機(jī)水平翻轉(zhuǎn)、隨機(jī)亮度對(duì)比度調(diào)整、輕微旋轉(zhuǎn)角度±10 度、隨機(jī)裁剪再縮放回原尺寸。注意不要加上下翻轉(zhuǎn)人臉倒過(guò)來(lái)沒(méi)有物理意義。增強(qiáng)參數(shù)不要設(shè)太猛否則把眉毛鼻子都扭曲了模型會(huì)學(xué)瘋。2.3 混合任務(wù)網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計(jì)思路這里我直接給出一個(gè)經(jīng)過(guò)驗(yàn)證的結(jié)構(gòu)不是唯一答案但至少能跑出不錯(cuò)的效果。主干網(wǎng)絡(luò)可以是 ResNet18輕量或 ResNet50精度優(yōu)先去掉最后全連接層保留全局平均池化后輸出的特征向量假設(shè)維度是 512 或 2048。在這個(gè)特征向量基礎(chǔ)上分出兩個(gè)頭性別分類頭線性層特征維度 - 2接 CrossEntropyLoss年齡回歸頭線性層特征維度 - 1接 SmoothL1Loss也就是 Huber Loss為什么要共用主干兩張臉的特征提取過(guò)程本來(lái)就是統(tǒng)一的底層特征都是邊緣、紋理、形狀只有到高層才分化出“性別相關(guān)特征”和“年齡相關(guān)特征”所以共用 backbone 幾乎不會(huì)損失精度還能顯著減少參數(shù)量訓(xùn)練更快。關(guān)于年齡為何不用 CrossEntropy 直接分 101 類這也是一個(gè)常見(jiàn)爭(zhēng)論點(diǎn)。將年齡視為 101 個(gè)類別的分類可以避免回歸平均化問(wèn)題但代價(jià)是類別不均衡嚴(yán)重——IMDB-WIKI 里 20-40 歲樣本占了大多數(shù)老人和孩子樣本極少。我的經(jīng)驗(yàn)是先用回歸把模型訓(xùn)穩(wěn)定再在推理階段將連續(xù)年齡值映射到年齡段比如 0-2、3-9、10-19、20-29...這樣比直接分類更穩(wěn)。如果你偏要試分類也建議把原始年齡值以 5 歲為粒度聚成 20 類這樣樣本分布會(huì)更均勻。3. 實(shí)操過(guò)程與核心環(huán)節(jié)實(shí)現(xiàn)3.1 環(huán)境搭建與依賴安裝這部分是很多 Python 初學(xué)者的第一道坎我把自己的標(biāo)準(zhǔn)環(huán)境列出來(lái)。操作系統(tǒng) Windows 或 Linux 皆可但不推薦在 Mac 上跑完整訓(xùn)練除非你有 M 系列芯片 PyTorch MPS 后端否則訓(xùn)練慢到懷疑人生。Python 版本建議 3.8 到 3.10太新或太舊都可能遇到某些庫(kù)沒(méi)有預(yù)編譯 wheel 的問(wèn)題。核心依賴如下# 基礎(chǔ)數(shù)值與數(shù)據(jù)處理 pip install numpy pandas # 深度學(xué)習(xí)框架 pip install torch torchvision # 圖像處理與人臉檢測(cè) pip install opencv-python opencv-contrib-python pip install mtcnn # 實(shí)驗(yàn)記錄與可視化 pip install matplotlib tensorboard # 進(jìn)度展示方便觀察訓(xùn)練 pip install tqdm scikit-learn這里我要專門說(shuō)一個(gè)小坑mtcnn這個(gè)包是基于 TensorFlow 1.x 的如果你裝的是 TensorFlow 2.x 或者壓根沒(méi)裝 TF直接pip install mtcnn有時(shí)候會(huì)給你裝一堆不兼容的依賴。我現(xiàn)在的做法是人臉檢測(cè)直接用 OpenCV 的 DNN 模塊加載一個(gè)res10_300x300_ssd_iter_140000.caffemodel不需要額外框架速度比 MTCNN 快精度足夠。代碼后續(xù)用這個(gè)方案演示。PyTorch 的安裝建議去官網(wǎng)選對(duì)應(yīng)的 CUDA 版本如果你是純 CPU 環(huán)境直接執(zhí)行pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu別小看這一步很多人后面import torch報(bào)錯(cuò)就是因?yàn)檠b錯(cuò)了 CUDA variantGPU 檢測(cè)不到就突然 fallback 到 CPU。安裝完之后一定要手動(dòng)驗(yàn)證一下。python -c import torch; print(torch.__version__); print(torch.cuda.is_available())如果你有 N 卡且驅(qū)動(dòng)正確第二行應(yīng)該輸出True。輸出False也別慌90% 的情況是 torch 版本和 CUDA 驅(qū)動(dòng)不匹配去官網(wǎng)換一個(gè)匹配版本重裝即可。3.2 數(shù)據(jù)解析從 .mat 到 CSV 的完整代碼這一段是整個(gè)項(xiàng)目最容易被卡住的地方我把關(guān)鍵代碼貼出來(lái)并標(biāo)注每一步在干什么。import scipy.io as sio import pandas as pd import os import datetime # 假設(shè)你已經(jīng)下載并解壓了 IMDB-WIKI 數(shù)據(jù)集 # 其中 imdb.mat / wiki.mat 是元數(shù)據(jù)文件路徑按需修改 mat sio.loadmat(data/wiki.mat) meta mat[wiki][0][0] # 關(guān)鍵字段解讀這些都是 .mat 里常見(jiàn)的列名 dob meta[dob][0] # date of birth (datetime 格式的序列號(hào)) photo_taken meta[photo_taken][0] # 拍攝年份 full_path meta[full_path][0] # 圖片相對(duì)路徑 gender meta[gender][0] # 性別0女/1男有的樣本為 nan records [] for i in range(len(full_path)): # 計(jì)算年齡 try: birth_date datetime.datetime.fromordinal(int(dob[i][0])) if not isinstance(dob[i][0], datetime.datetime) else dob[i][0] except Exception: continue age photo_taken[i][0] - birth_date.year if age 0 or age 100: continue if gender[i].size 0: continue # 缺失性別就丟掉 # 拼接圖片完整路徑 img_path os.path.join(data, full_path[i][0]) records.append([img_path, int(gender[i][0]), float(age)]) df pd.DataFrame(records, columns[path, gender, age]) df.to_csv(meta.csv, indexFalse) print(df.shape) print(df.head())這個(gè)腳本跑完后你會(huì)在同目錄得到一個(gè)meta.csv。注意full_path字段在 .mat 里其實(shí)是相對(duì)路徑的字符串?dāng)?shù)組你需要full_path[i][0]才能取到字符串我第一次寫的時(shí)候在這個(gè)上面耗了半小時(shí)這種嵌套數(shù)組的結(jié)構(gòu)是 Matlab 導(dǎo)出文件的經(jīng)典特征。如果運(yùn)行時(shí)報(bào)keyError: dob說(shuō)明你的 .mat 字段名可能不同先在 Python 里print(mat[wiki][0][0].dtype)看一下字段列表按實(shí)際字段名改腳本。另外datetime.fromordinal的精度問(wèn)題會(huì)導(dǎo)致個(gè)別樣本年齡偏差極大所以后面那個(gè)age 0 or age 100的過(guò)濾一定要有。3.3 自定義 Dataset 和 DataLoader 的寫法有了 CSV 文件接下來(lái)要寫一個(gè) PyTorch Dataset 類。這一步看似簡(jiǎn)單但處理不好的話訓(xùn)練到一半會(huì)莫名其妙報(bào)錯(cuò)“圖片通道數(shù)不對(duì)”或者“標(biāo)簽維度不匹配”。我的寫法如下import torch from torch.utils.data import Dataset import cv2 import pandas as pd import numpy as np class AgeGenderDataset(Dataset): def __init__(self, csv_path, img_size224, trainTrue, transformNone): self.df pd.read_csv(csv_path) self.img_size img_size self.train train self.transform transform def __len__(self): return len(self.df) def __getitem__(self, idx): row self.df.iloc[idx] img cv2.imread(row[path]) if img is None: # 圖片讀取失敗時(shí)隨便返回一張純灰圖避免訓(xùn)練中斷 img np.zeros((self.img_size, self.img_size, 3), dtypenp.uint8) img cv2.cvtColor(img, cv2.COLOR_BGR2RGB) img cv2.resize(img, (self.img_size, self.img_size)) # 人臉檢測(cè) 裁剪用 OpenCV DNN 或 Haar # 這里做最簡(jiǎn)處理直接縮放后訓(xùn)練后續(xù)可替換為檢測(cè)對(duì)齊流程 if self.transform: img self.transform(img) # 格式轉(zhuǎn)換HWC - CHW歸一化 img torch.from_numpy(img.transpose(2, 0, 1)).float() / 255.0 # 或者你在 transform 里用 torchvision.transforms.Compose 統(tǒng)一做 gender_label torch.tensor(int(row[gender]), dtypetorch.long) age_label torch.tensor(float(row[age]), dtypetorch.float32) return img, gender_label, age_label需要注意cv2.imread讀進(jìn)來(lái)是 BGR 順序如果不轉(zhuǎn) RGB模型可能學(xué)到一個(gè)顏色顛倒的“偏置特征”在測(cè)試集上翻車。另外torchvision.transforms支持的圖像類型是PIL.Image或torch.Tensor對(duì) numpy 數(shù)組支持有限所以代碼里干脆手動(dòng)完成歸一化和通道變換避免混用。3.4 模型構(gòu)建與訓(xùn)練腳本核心邏輯模型構(gòu)建我是參照 PyTorch 官方預(yù)訓(xùn)練 ResNet 的寫法用torchvision.models加載 backbone然后替換最后全連接層。import torch.nn as nn import torchvision.models as models class AgeGenderModel(nn.Module): def __init__(self, backboneresnet18, num_genders2): super().__init__() if backbone resnet18: self.backbone models.resnet18(pretrainedTrue) elif backbone resnet50: self.backbone models.resnet50(pretrainedTrue) in_features self.backbone.fc.in_features self.backbone.fc nn.Identity() # 去掉最后的分類層 self.gender_head nn.Linear(in_features, num_genders) self.age_head nn.Linear(in_features, 1) def forward(self, x): features self.backbone(x) gender_out self.gender_head(features) age_out self.age_head(features).squeeze(1) # 變成 [B] return gender_out, age_out這里pretrainedTrue能省很多訓(xùn)練時(shí)間因?yàn)?ImageNet 預(yù)訓(xùn)練模型已經(jīng)學(xué)到了通用的圖像特征你只需要微調(diào)高層即可。如果完全從零訓(xùn)練ResNet50 在這個(gè)數(shù)據(jù)集上可能要跑 50 個(gè) epoch 才能收斂但預(yù)訓(xùn)練模型通常 10-20 個(gè) epoch 就能達(dá)到一個(gè)不錯(cuò)的 PSNR。訓(xùn)練邏輯里有個(gè)容易忽略的點(diǎn)兩個(gè) Loss 的量綱不同。性別 Loss 是分類 CrossEntropy通常在 0.5-0.7 量級(jí)年齡 Loss 是回歸誤差可能動(dòng)輒幾十甚至上百。直接相加的話年齡 Loss 會(huì)主導(dǎo)梯度性別分類頭基本學(xué)不到東西。這里有兩個(gè)選擇一是對(duì)兩個(gè) Loss 做加權(quán)total_loss gender_loss 0.1 * age_loss二是對(duì)年齡標(biāo)簽做標(biāo)準(zhǔn)化減均值除標(biāo)準(zhǔn)差讓回歸 Loss 降到和分類 Loss 一個(gè)量級(jí)。我推薦第二種因?yàn)闄?quán)重參數(shù)需要反復(fù)調(diào)標(biāo)準(zhǔn)化更省心。具體訓(xùn)練循環(huán)大致如下import torch.optim as optim model AgeGenderModel(backboneresnet50) device torch.device(cuda if torch.cuda.is_available() else cpu) model.to(device) criterion_gender nn.CrossEntropyLoss() criterion_age nn.SmoothL1Loss() # Huber Loss對(duì)異常值更魯棒 optimizer optim.Adam(model.parameters(), lr1e-4) scheduler optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max10) for epoch in range(epochs): model.train() for batch_idx, (images, gender_labels, age_labels) in enumerate(train_loader): images images.to(device) gender_labels gender_labels.to(device) age_labels age_labels.to(device) gender_out, age_out model(images) loss_g criterion_gender(gender_out, gender_labels) loss_a criterion_age(age_out, age_labels) loss loss_g 0.1 * loss_a # 或者用標(biāo)準(zhǔn)化后的 age label權(quán)重可設(shè)為 1.0 optimizer.zero_grad() loss.backward() optimizer.step() if batch_idx % 50 0: print(fEpoch {epoch} Batch {batch_idx} LossG {loss_g.item():.4f} LossA {loss_a.item():.4f})這里Adam的初始學(xué)習(xí)率我設(shè)為1e-4比 ImageNet 全量訓(xùn)練的1e-3要低因?yàn)轭A(yù)訓(xùn)練模型已經(jīng)具備較好的特征表達(dá)學(xué)習(xí)率太大會(huì)把已有參數(shù)沖亂。如果你用的是從頭訓(xùn)練的模型可以調(diào)回1e-3但收斂會(huì)明顯變慢。CosineAnnealing 學(xué)習(xí)率調(diào)度的好處是前幾個(gè) epoch 保持較高學(xué)習(xí)率快速下降后面逐漸減緩在務(wù)實(shí)的訓(xùn)練里表現(xiàn)比 StepLR 穩(wěn)定我建議直接用。3.5 評(píng)估指標(biāo)與推理代碼訓(xùn)練完模型后評(píng)估指標(biāo)建議同時(shí)看性別Accuracy 足夠年齡Mean Absolute Error (MAE) 和 /-5 歲準(zhǔn)確率業(yè)界常用 soft accuracy 概念即預(yù)測(cè)值與真實(shí)值誤差在 5 歲以內(nèi)算正確推理階段的完整代碼import cv2 import torch import numpy as np from PIL import Image model AgeGenderModel(backboneresnet50) model.load_state_dict(torch.load(best_model.pth, map_locationcpu)) model.eval() # 假設(shè)輸入一張圖片路徑 img_path test_face.jpg img cv2.imread(img_path) img cv2.cvtColor(img, cv2.COLOR_BGR2RGB) img cv2.resize(img, (224, 224)) # 如果做嚴(yán)格人臉檢測(cè)可以先檢測(cè)人臉框再裁剪這里簡(jiǎn)化為整圖 img_tensor torch.from_numpy(img.transpose(2, 0, 1)).unsqueeze(0).float() / 255.0 # 通常在訓(xùn)練時(shí)也做了 ImageNet 均值和方差標(biāo)準(zhǔn)化 # 如果沒(méi)有做這里直接 raw [0,1] 推理也是可以的但保持一致更佳 with torch.no_grad(): gender_out, age_out model(img_tensor) gender_pred torch.argmax(gender_out, dim1).item() age_pred age_out.item() gender_text Male if gender_pred 1 else Female print(fGender: {gender_text}, Age: {age_pred:.1f})注意這里如果訓(xùn)練時(shí)用了 torchvision 的 Normalizemean0.485, std0.229 等推理時(shí)也要用同樣的參數(shù)對(duì)輸入做標(biāo)準(zhǔn)化否則測(cè)試精度暴跌。很多人訓(xùn)練時(shí)頭頭是道一到推理就忘了這茬然后感嘆“模型怎么這么差”。3.6 快速驗(yàn)證從一個(gè)小的子集開(kāi)始訓(xùn)練我強(qiáng)烈建議你第一次跑通時(shí)不要直接上 50 萬(wàn)張圖那是災(zāi)難。先從 CSV 里隨機(jī)抽樣 2000 張圖訓(xùn)練 2-3 個(gè) epoch確認(rèn)代碼能跑通、Loss 能下降、推理能輸出結(jié)果再放完整數(shù)據(jù)集去訓(xùn)練。這一步能省你至少一天的時(shí)間。實(shí)操中我會(huì)寫一個(gè)快速腳本sample_df df.sample(n2000, random_state42) sample_df.to_csv(sample_meta.csv, indexFalse)然后把 Dataset 路徑改為sample_meta.csv把 epochs 設(shè)為 2看有沒(méi)有報(bào)錯(cuò)、Loss 是否下降。能下降說(shuō)明整個(gè) pipeline 是通的接下來(lái)再換大數(shù)據(jù)集調(diào)參。4. 常見(jiàn)問(wèn)題與排查技巧實(shí)錄4.1 訓(xùn)練時(shí) Loss 不降反而上升這個(gè)現(xiàn)象最常見(jiàn)的原因就是學(xué)習(xí)率太大。預(yù)訓(xùn)練模型微調(diào)時(shí) lr1e-3 可能就已經(jīng)太大了尤其用 Adam 時(shí)初始學(xué)習(xí)率超過(guò) 3e-4 就容易出現(xiàn)震蕩。建議直接降到 1e-4甚至 5e-5。另一個(gè)原因是數(shù)據(jù)預(yù)處理不一致比如圖像沒(méi)有歸一化到 [0,1] 而是 [0,255]輸入分布劇烈變化會(huì)讓網(wǎng)絡(luò)難以收斂。檢查一下你的數(shù)據(jù) pipeline確保 train 和 eval 的預(yù)處理完全一致。4.2 GPU 利用率只有 20%訓(xùn)練慢得離譜這種情況多半是 DataLoader 的num_workers設(shè)得太低或者數(shù)據(jù)讀取遇到瓶頸。建議num_workers4或 8Windows 下注意要寫在if __name__ __main__保護(hù)下否則多進(jìn)程會(huì)反復(fù)遞歸執(zhí)行同時(shí)把pin_memoryTrue加上能減少 CPU 到 GPU 的傳輸時(shí)間。如果你已經(jīng)開(kāi)了多 worker 還是跑不滿可以試試用 DALI 或提前把所有圖片一次性讀入內(nèi)存緩存小數(shù)據(jù)集時(shí)非常有效。4.3 年齡預(yù)測(cè)平均偏差在 20 歲以上極大概率是你的數(shù)據(jù)清洗沒(méi)做干凈。IMDB-WIKI 里有大量出生日期對(duì)應(yīng)不上的樣本比如把電影里演員扮演的角色年齡算進(jìn)去了。你需要多做一步用一個(gè)人臉檢測(cè)器跑一遍所有原始圖片把檢測(cè)不到人臉或檢測(cè)到的人臉面積占比太小的樣本全部剔除。這一步能顯著提升數(shù)據(jù)質(zhì)量。另外一個(gè)隱蔽的坑是如果 CSV 中的年齡是浮點(diǎn)數(shù)直接用 float 做回歸標(biāo)簽但你其實(shí)應(yīng)該先 round 成整數(shù)因?yàn)檎鎸?shí)年齡本來(lái)就是整數(shù)浮點(diǎn)誤差會(huì)讓模型徒增學(xué)習(xí)難度。4.4 推理結(jié)果性別總是偏向某一類數(shù)據(jù)不平衡是原因之一。IMDB-WIKI 數(shù)據(jù)集中男性樣本數(shù)量明顯多于女性所以你訓(xùn)練的模型天然會(huì)有偏向于預(yù)測(cè)男性的傾向。解決方法是計(jì)算樣本權(quán)重在CrossEntropyLoss里傳入weight參數(shù)給少數(shù)類更高的懲罰權(quán)重。具體計(jì)算可以用sklearn.utils.class_weight.compute_class_weight得到。另一個(gè)可能是你的模型結(jié)構(gòu)里gender_head后面沒(méi)有加softmax但這不會(huì)影響 argmax 結(jié)果所以重點(diǎn)是權(quán)重問(wèn)題。5. 實(shí)際經(jīng)驗(yàn)分享這個(gè)項(xiàng)目還能往哪里延伸如果你把上面這套完整跑下來(lái)實(shí)際上你已經(jīng)具備了一個(gè)非常通用的“人臉屬性分析”框架。性別和年齡只是兩個(gè)最簡(jiǎn)單的維度你可以用完全一樣的架構(gòu)換成“情緒識(shí)別”表情分類、“是否戴眼鏡”、“膚色類型”等任務(wù)。我后來(lái)就在這個(gè)代碼基礎(chǔ)上把gender_head換成了 7 分類的emotion_head很快就訓(xùn)出了一個(gè)能用的表情識(shí)別模型整個(gè)遷移成本不到半天。另外一個(gè)值得嘗試的改進(jìn)方向是“年齡分布感知的標(biāo)簽平滑”。因?yàn)槟挲g標(biāo)注本身有噪聲直接回歸到唯一值會(huì)讓模型過(guò)度擬合錯(cuò)誤樣本。你可以把年齡標(biāo)簽做成一個(gè)高斯分布讓模型去預(yù)測(cè)一個(gè)“年齡分布概率”而非單一數(shù)值這樣對(duì)噪聲的魯棒性會(huì)明顯增強(qiáng)。這一思路在很多學(xué)術(shù)論文里都有驗(yàn)證如 “Deep EXpectation” 方法實(shí)操上也不算復(fù)雜——損失函數(shù)從 SmoothL1 改成 KL Divergence 即可。當(dāng)然這種方式訓(xùn)練和推理都略復(fù)雜適合你已經(jīng)把基線跑通之后再去挑戰(zhàn)。就我個(gè)人的操作習(xí)慣而言做完一個(gè)項(xiàng)目之后我會(huì)把整個(gè)訓(xùn)練好的模型、CSV 生成腳本、訓(xùn)練日志、評(píng)估曲線都?xì)w檔到一個(gè)文件夾里標(biāo)注好數(shù)據(jù)集版本、預(yù)處理方式、最終指標(biāo)。原因很現(xiàn)實(shí)——這個(gè)項(xiàng)目三個(gè)月后你自己回來(lái)看代碼很可能想不起來(lái)當(dāng)時(shí)用了哪種對(duì)齊方式、哪個(gè)學(xué)習(xí)率。把這些關(guān)鍵參數(shù)寫進(jìn) README不是為了給別人看是為了給未來(lái)的自己省時(shí)間。如果你的學(xué)習(xí)路線是“Python 基礎(chǔ) - OpenCV 圖像處理 - PyTorch 深度學(xué)習(xí)”那這個(gè) IMDB-WIKI 項(xiàng)目基本屬于第一道綜合應(yīng)用題能幫你把前面學(xué)的所有知識(shí)串起來(lái)更像是搭積木過(guò)程中真正擰上第一顆螺絲。邁過(guò)這一步后面再碰檢測(cè)、分割這類更復(fù)雜的任務(wù)你的心理閾值會(huì)低很多因?yàn)樘茁坊旧隙际且粯犹幚砗脭?shù)據(jù)、搭好模型、設(shè)計(jì)好 Loss、跑起來(lái)調(diào)試。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
欧美S码亚洲码精品M码| 免费成人中文字幕| 亚洲AV成人精品网站在线播放| 97精品人人A片免费看| 国产精产国品一二三在观看| 丁香伍月婷电影全集| 青青草伊人婷婷| 91.www综合| www.wuyuetian啪啪| 亚洲日韩操B| 九色成人AV在线| 91久久国产自产拍夜夜91久久精品文字>91麻豆精品国产 | 婷色五月| 99色嘟嘟精品网站| 欧美性爱日韩性爱| 六月丁香婷婷视频综合在线观看| 五月婷婷丁香伦理网| 青草热视频这里只有精品| 亚洲噜色| 久久人人九| 欧美久久婷婷| 亚洲亚洲人成综合网络| 色婷婷综合在线| 久久激情五月网| 日本久热| 婷婷婷五月天最新综合你懂的| 玖玖资源天天无码| 丁香六月狠狠干| 五月色亚洲| 无码少妇高潮喷水A片免费| 国产3p露脸普通话对白| 九月丁香欧美综合| 天天色综和网| www夜夜操com| 婷婷五月天丁香花| 日本www免费九九| 2021日韩无码| 丁香五月婷婷深爱综合激情| 激情小说 五月天| 99综合网| 激情综合亚洲| 99热精品超碰| 色综久久AV| 小视频一区 | 国产无套精品一区二区| 色综合99| 97碰碰叉| av在线观看免费| 五月婷婷色综图片| 婷婷五月色激情欧美激情| 国产精品久久..4399| 4399成人黄A片| 激情网 久久| 怡红院成人AV| 人妻系列久久久久久久久久久| 亚洲国产色色| 99色热| 亚洲亚洲人成综合网络| 色欲久久久久久综合网综合网| 丁香五月激情宗合| 色婷婷五月在线| 五月大香蕉| 俺来也狠狠| 99re免费在线视频| 思思99re这里只有| 婷婷的99视频网站| 欧美日韩婷婷五月天| 桃色激情五月天| 热久久思思热思思| 丁香五月婷婷五月天| 色偷偷五月天| 欧美婷婷丁香五月| 亚洲五月婷天天操| 色五月色五天色情网| 青青草视频免费观看| 性色综合网| 五月丁香啪啪| 亚洲第一综合| 欧美成人一区二区三区在线视频| 任你日视频| 狠狠999| 人妻aV在线| 免费看欧美成人A片无码| 亚洲视频久久| 九九九成人在线视频| 久久久性爱视频| 七七婷婷综合| 99视频超级精品| 色色 亚洲| 亚洲激情在线| 色婷婷色| 婷婷五月色丁香在线看| 亚洲va成人va成人va在线观看| 996re热精品视频| www99热| 婷婷开心久久| 国产欧美日韩综合精品一区二区| 99热精品在线| 麻豆雪千夏| 亚洲熟妇AV乱码在线观看| 激情综合网五月| 嫩草AV久久伊人妇女超级a| 操人91| 精品五月花| 婷婷伊人无码| 五月婷婷综合激情网| www网站在线观看| 国产夫妻操逼内射视频| 99热精品在线观看| 色色色婷| 五月亭亭狠狠| 日韩aⅴ视频| 久久这里只有精品07| 美欧成人视频| 久久久免费图片视频| 免费99情趣网视频| 久久伊人大香蕉| 操比激情五月| 天天天摸夜夜夜玩| 变态 另类 在线| 五月天婷婷av| 狼人婷婷久久| www.9797国产| 五月激情婷婷国产精品久久久久久| 精品国产乱码久久久久久免费| 综合色五月天| 久久婷狠狠色| 我去色色网五雨天| 天天五月天综合网址| 久久综合九色综合97婷婷| 91综合在线| 久草视频一,二三四| 日本天堂网站99| 久久狠狠色| 99爱视频免费| 久久久婷| 色日本五月天| 成人看片网站| 五月色婷婷综合| 99热天堂| 激情综合国产| 激情图片婷婷| 99九九99九九九视频精彩| 六月婷在线| 69色色视频| 国产美女无遮挡裸体毛片A片| 久久99热网| 99激情网| 亚洲黄色影视| 九九热九九| 久机视频这只有精品| www.婷婷,com| 久久狼人天堂| 中文字幕视频在线播放| AV在线观看网站| 碰碰操91| 大香蕉中文| 色婷婷女优有码五月亭| 激情图片五月天| 琪琪色网址| 色五月六月婷婷| 国自产拍偷拍精品啪啪一区二区| 婷婷色香六月综合激情| 亚洲妇女熟BBW| 久久精品在线| 日日躁夜夜躁狠狠久久AV| 婷婷五月天成人娱乐| 涩五月婷婷| 色色丁香婷婷综合| 九九精品热| 色婷| 99热8| 快乐激情五月色婷婷| Av大香蕉| 天天做天天爱天天摸| 91精品综合久久久久久五月丁香| 午夜丁香丁香婷婷| 九九黄色网| 【乱子伦】黄色| 久久久精品人妻| 色热久资源| 天天插综合| 成人午夜无码视频| 六月天婷婷| 狠色狠色狠狠色综合网| 国产精品激情AV久久久青桔| 巴基斯坦粉嫩无码视频| 888久久久| 综合图片色色| 亚洲无码另类| 国产亚洲精品久久久久久牛牛| 丁香五月日啪| 在线观看免费观看在线9久| 九九这里精品| 9 1 A v久久久| 99热精品在这里| 五月丁香久久丝袜啪啪| 婷婷永久在线| 激情五月天色婷婷综合| 久久性操| 婷婷激情五月天网站| 激情五月天网站| 岛国av网| 亚洲综合欧美色丁香婷婷888月图片| 丁香五月激情啪啪| 狠狠色丁香婷婷久久综合| 殴美激情综合网| 丁香婷婷基地| 国产全是老熟女太爽了| 99热在线精品观看| 51成人| 99爱视频在线观看这里只有精品| 管管補管管紱| 97人人操人人操人人操人人| 婷婷亚洲综合| 亚洲狠狠狠色婷婷综合激情久久久| 丁香六月婷婷色XXXX| 66精品成人免费网站在线观看| 婷综合六月| 六月婷婷八月丁香| 六月色日韩| 精品亚洲国产成AV人片传媒| 国产视频婷婷| 亚洲色五月| 无码人妻AV久久久一区二区三区| 天天狠狠夜夜狠狠2023| 色玖玖| 99国产精品久久久久久久久久久| 婷婷色五月色| 99久久婷婷国产综合| www.yw尤物| 欧美英丁香开心快乐六月天网| 色综合久久无码| 97人人操在线| 99色热视频| 97人妻人人| 五月丁香啪啪啪综合网| 六月天无码网址| 亚洲视频另类| 岛国AV网| 五月天婷婷丁香社区| 欧美超级视频97| 免费视频99| 五月婷婷黄色视频| 五月天婷婷爱| 国产午夜伦鲁鲁| 亚洲激情五月天| 五月天丁香网| 五月婷婷综合成人| 色色操| 丁香五月天婷婷久久综合| 色黄啪啪| 9久久精品| 欧美日本va| 亚洲色啪| 亚洲激情六月丁香| 久热九九| 久婷五月| 天天做综合网色综合| 欧美日韩五月婷婷| 亚洲A片成人无码久久精品青桔| 色播五月网| 99热这里只有99| 色操综合| 激情丁香婷婷| 五月综合激情网| 成人va在线观看视频| 五六月婷婷久久| 99久久婷婷国产综合| 青草激情在线| 久er免费视频| 成人丁香五月婷| 狠狠爱综合| av狠狠操| sewuyuejiqingwang| 日韩另类在线观看| 99热传媒| 97人人超| 激情久久久久久久久久| 久久久久久综合五月婷婷| 六月丁香综合| 极品嫩草| 国产FREESEXVIDEOS性中国| 99这里| 国产成人VA| 97干视频在线| 激情综合丁香| 国产精品久久久久久久久久久久| 久操综合| 天天干夜夜谢| 婷婷六月色情| 丁香五月天天哦| 五月婷婷精品| 日本WwW色偷偷丁香花久久久京东热| 五月丁香色| 五月天激情无码高清| 这里只有精品免费在线视频| 欧美VA视频| 射婷婷中文字幕| AV九九| 26uuu亚洲| 五月丁香婷婷激情| 97亚洲色 torrent magnet| 成人短视频在线免费观看| 风流少妇A片一区二区蜜桃| 99热在线精品观看| 丁香五月天啪啪| 情情五月天色| 高清无码.com| 大香蕉伊人99| 久久婷婷激情四射五月天| 男人操女人高潮91视频| 九色视频91| 99精品热视频| 天天干天天拍| 色欲一区二区三区精品A片| 色婷婷色五月色丁香| 六月激情婷婷| 91九色小视频| 色香久久| 六月激情网| 亚洲成人在线观看av| 激情五月综合亚洲另类| 色九九综合| 婷婷八月丁香激情综合| 婷婷五月天免费视频| 狠狠干激情五月| 六月婷婷五月丁香首页| AV大香蕉| 久久免费精品小视频| 成人中文字幕在线| 91大屁股精品| 丁香五月婷婷亚洲另类| 亚洲国产另类av| www.色色色com| 五月丁香综合| 五月激情综合网| 五月婷婷激情久久| 日本九九九九| 99久久网站| 亚洲婷婷欧美婷婷| 深爱五月激情五月| 五月丁香婷婷五月| 激情五月天伊人影院| 婷婷五月天婷婷| 五月婷婷六月爱| 5月婷婷视频网站综合| 99熟女| 99热碰碰热| 9月色婷婷| 大伊香蕉玖玖爱| 热婷婷在线视频| 天天久久九九| 99热色综合| 人五月天婷婷喷水| 久久久久久婷| 久热天堂| 丁香五月激情综合婷综| 大香蕉九九热| 人伦30P| 婷婷婷久久久| 男人天堂99| 大香蕉久久草| 超碰精品在线| 综合激情啪啪| 五月丁香激情综合欧美| 99精品在线下载| 美女激情婷婷| 婷婷激情啪啪| 激情深爱五月| 99re热在线视频观看| 天天做天天爱天天玩| 色色色热| 久久看婷婷| 区美毛片子| 999婷婷综合| 无码啪啪| 亚洲精品视频在线播放| 一本大道嫩草AV无码专区| 日本欧美成人片AAAA| 精品一二三区久久AAA片| 日日影院 | 99久久精品免费精品国产_国产精品久久久久久_国产在线|日韩_久久国产精品电影 | 另类丁香综合| 另类激情四射| 色色色色色热| 五月婷婷成人网首页| 五月色婷婷AV| 99热这里只有精品最新网址| 久久久天天啊| 91色综合| 99这里有精品视频| 婷婷大香焦| 色情激情五月婷婷| 五月丁香婷婷成人版| www.色五月.com| 日韩成人电影AV| 日本熟女视频一区二区| 婷婷永久在线| 婷婷五月天中文字幕| www.五月天婷婷| 99九九综合久久九九| 99热最新| 日本不卡高字幕在线2019| 亚洲岛国电影| 久久小说| 九一九九黄色| 日韩操逼大片| 成人羞羞啪啪 全 视频| 亚洲综合婷婷六月丁香五月| 99这里只有精品| 色区久久| 国产无遮挡又黄又爽免费网站| 久久九九99视频| 日本情色一区二区| 色999;丁香五月| 5月色亭亭视频| www.狠狠干com| 六月激情久久| 另类视频五月天| 四川BBB搡BBB搡多人乱亂| 91国产精品视频播放| 亚洲无码黄色| 色欲Av五月天| 国产色99| 国产一级片| 国产精品久久久久久久久久| 色婷婷色五月综合| 丁香五月天天哦| 久久久人人人妻丝丝丝| 超碰男人色| 日本狠狠干| 色综合久久久综合久久网| 91丁香婷婷综合资源| PORNY九色9l自拍视频成人| 色九九九综合| 亚洲综合1024| 综合狠狠干| 五月天四色房丁香亭亭| 涩涩五月天| www,99视频| 丁香五月综合激情性爱| 色综合爱综合| 99热在线看片| 99re热视频这里只精品| 亚洲狠狠婷婷| 亚洲 激情 中文| 色色日本| 日本乱子人伦在线视频| 色蜜婷婷| 色婷丨日丨天丨综合久久| 五月婷婷开心五月| 99自拍视频| AV中文字幕夜夜操b天天摸bb| 丁香六月婷婷综合激情欧美| 五月丁香五月天现场视频| 色五月天丁香婷婷| 9热超碰| PORNY九色9l自拍视频成人| 天天操夜夜夜拍拍拍| 伊人五月综合网| 双性美人被调教到喷水A片| 国产4P视频精品五区| 六月亚洲婷婷6月中文字幕| 五月婷婷六月丁香综合| 超碰99在线观看| 97在线日本| 色婷婷成人丁香| 久久美女五月天| 97色婷婷| 99网址在线看| 婷婷五月六月激情| 色啪网| 婷婷五月中文字幕| 婷婷天天综合| 五月激情六月综合| 中文字幕五月久久婷婷| 五月婷无码| 色噜噜狠狠色综合网| 国产午夜精品AV一区二区麻豆| 丁香激情四射| 人人摸人人干人人做| 婷香五月激情视频| www91在线| 久久成人天| 五月天婷婷在线播放| 久久精品日| 色在线五月天免费| 97色婷婷| 9精品视频在线| 五月丁香婷在线| 激情五月天婷婷丁香| 色原狠狠综合| www,婷婷五月天777me,com| 色综合色综合网| 国产黄色av| 26uu| 色婷婷五月天在线观看| 91ncm视频| 婷婷六月花| 99热最新| 亚洲激情在线| 射区导航| 久久全色| www.亚洲激情| 色婷婷成人做爰A片免费看网站| 黄网网站在线播放| 66成人网| 9精品国产在热久久| 久久五月婷综合网| 激情六月天| 色色色综合色| 91久久色| 久久99三级在线视频| 亚洲、热| 激情玖玖sh| 5月婷婷综合| 中文字幕AV在线| 91丨九色熟女丨首页| 丁香五月婷婷欧美成人色图| 欧美激情综合五月色丁香| 操碰97| 久久婷.com| 操人精品| 五月天色社区| 国产精品男人AV不卡| 五月激情偷拍婷婷| 色婷婷基地 | 成人精品一区二区三区四区五区| 五月天婷婷色综合| www狠狠| 开心五月色婷| 中文字幕成人| 五月丁香六月婷婷成人| 99精品免费| 五月激情婷婷四射| 色色网五月激情| 亚洲丁香花五月丁香花| 99热这里只有精品50| 国产肥白大熟妇BBBB视频| 天天舔夜夜操www com| 亚洲色频| 久久中文人妻系列| 婷婷五月天激情网| 五月天天天操天天爽夜夜操| 丁香五月伊人| 丁香五月六月久久综合| 97久久超碰| 人妻爽爽爽久久久久久久久| 深爱五月婷婷| 成人精品一区二区三区四区五区| 91色婷婷综合久久中文字幕二区| 人妻射精AV| 成人在线99| 色444综合网| 色激情五月| 色色色色色色色色色色色色色色,网站| 能直接看的AV网站| 超碰在线免费观看3 9| 婷婷五月天论坛| 日韩青青| 亚洲婷婷激情五月天| 久久人人添人人爽添人人片αV| www,婷婷五月天,com| 色色色色色色综合网| 操逼在线视频| 久久视9精| 中文字幕婷婷五月天在线观看| 久久综合66| 六月丁香好婷婷| 五月天小说激情| 五月色天情| 日韩有码一区| 久色激情| 亚洲成人AV在线播放| 99日韩| 这里只有精品免费在线视频| 亚洲精品视频在线播放| 日日干综合| 久久综合九色综合97婷婷| 亚洲激情色色| 97久久超视频| 五月婷婷激情久久| 五月天无码| 九九热精品| 操逼福利视频| 九九久久腿| 天天在线XXX| www.久久爱.com| www.久久| 五月婷婷co.m| 丁香五月ⅤA久久久| 五月丁香影院| 99re这里只有精品99| 国产激情视频在线观看| 五月婷婷精品视频| 欧美六月婷婷| 超碰人人艹| 激情婷婷五月亚洲| 伊人久久丁香五月91| 婷婷五月天天天| 欧洲亚洲免费视频9| 99成人| 这里只有精品视频看看| 九月丁香欧美综合| 欧美色色色| 色人五月婷婷| 嫩草视频| 97碰碰人人| 国产Va视频| 综合另类激情| 综合AV在线| 婷婷激情五月天网站| 亚洲三A| 噜噜视频| 久久久人妻久久久| 日韩欧美成人一区二区三区| 伊人五月综合网| 深爱激情中文五月天av| 久久婷婷五月天丁香| 婷婷综合成人| 色色色99韩| www.99操.com| 操人无码| www.狠狠干com| 影音先锋男人资源站一区二区| 天天天摸夜夜夜玩| 91久久精品无码一区二区三区| 99热综合| 吉澤明步Av一區二區| 97碰在线| 精品一区久热| av在线观看免费| 五月天色导航| 91精品91久久久中77777久久玖玖九九| 亚洲超碰在线| 五月婷婷在线免费| 色婷婷狠狠干| 亚洲AV永久无码影院黑人| 亚洲激情四射| 五月天婷婷丁香社区| 人妻22p| 九九XX视频| 超碰免费人妻| 五月丁香婷婷伊人| 五月丁香六月婷| 婷色影院| 人妻人人操| 天天插天天干天天舔| 九色 在线| 免费看成人AA片无码视频吃奶| 丁香六月婷婷综合缴| 激情com| 狠狠久久婷婷| 粉嫩AV久久一区二区三区| 九九在线视频| 天天操夜夜玩!| www.婷婷六月天| 99综合色色色| 久久这里只有精品8| 丁香六月在线| 日韩一66精品| 人人九色| 26uuu色五月| 五月丁香色综合| 九九热这里只有精品6| 色色影院aaaav| 欧美在线视频免费播放| 五月婷婷影视| 人妻久久久| 色无码| 亚洲综合色丁香五月天| 色丁香五月婷婷| a毛片二逼wwwwwwwwww| 99色色网| 久草五月婷婷| 狠狠色婷婷777| 精品人妻伦| 色色五月天丁香婷婷| av婷婷六月丁香社区在线观看| 超碰国产在线| 激情五月天婷婷五月天| 婷婷丁香亚洲五月天| 色五月色五天色情网| 婷综合六月| 第九色区av天堂| 六月婷婷激情图片| 午夜丁香婷婷| 欧美激情2025| 色爱99| 秋霞成人毛片一级A片| 久久99激情五月天| 国产69久久久欧美黑人A片| 激情婷婷色色| 久久婷婷视频| 丁香五月五婷| 色婷婷伦理| 婷婷五月深情丁香深爱日韩| 激情综合网激情五月天| 五月激情婷婷四射| 日韩青青| 中文字幕丰满孑伦无码专区| 91操人| 九月综合| 久久这里有精品| 国产另类综合| 五月天影院婷婷在线观看| 看婷婷五月天网| 五月天丁香婷| 91xxxx九色| 日本波多野结衣视频| 极品少妇XXXX精品少妇偷拍| 色情成人五月天| 91seav| 五月激情婷婷国产精品久久久久久| 综合色综合| 天天做天天要天天爽| 天天婷婷综合| 久久五月婷婷电影| 99操逼| 狼人婷婷综合| 91九色欧美| 人人操人人看97干| 婷婷久久女人| 香港九九六区八区99| 久久9热好| 99精品视频在线观看| 午夜一区| 五月天停停成人网| 99精品在| 六月伊人婷婷| 桃色激情婷婷伊人网| VA五月激情在线| 日韩色色网| 色色色999| 婷婷中文在线| 五月色网| 色色婷婷五月天| 婷婷综合五月天| 99久久久久久| 另类亚洲2| 五月天堂婷婷| 99久久综合网| 99久久九九| 中文字幕黄色片| 99热都是精品| 亚洲小视频免费播放| 欧美色图天堂网| 狠狠色色| 五月天天天综合| 狠狠色五月激情| 精品人妻伦| 国产阿姨日皮艹逼内射视频| 丁香五月婷婷六月婷| 天天婷婷操| 26uuu国产精品| 亚洲婷婷丁香五月视频| 婷婷射图五月天| 玖玖资源站蜜臀| 综合激情五月天六月婷免费视频| 97色色综合| 五月丁香六月婷婷激情视频在线观看免费| 五月丁香偷拍| 91狠狠综合网| 日韩视频99| 五月天激情四射| 202丰满熟女妇大| 9久热精品在线视频| 五月婷婷 婷婷五月 一区二区 久久久| 成人 在线观看国产| 123日本不卡在线| 丁香花五月天婷婷成人社区| 日韩三级视频一区二区| 婷婷久久伊人| 99热在线精品观看| 婷婷成人综合| 嫩草综合网| 婷婷香五月| 5月婷婷6月六月丁香| 97五月久久丁香婷婷| 色人久久| 色色色综合| 伊人久久婷婷五月综合97色| 五月婷天堂视频| 久久色五月天| 亚洲成人在线播放| 婷婷 激情 五月| 久久婷婷色五月| 狠狠插狠狠操| www99精品| 激情五月婷婷| www五月婷婷| 精品九九网| 五月激情啪啪啪| 这里只有精品热| 涩五月丁香| 亚洲天天| 国产99久久久| 欧洲第一无人区观看| 操逼电影免费看| 看全色黄大色大片| 欧美情月伍月天| 天堂婷婷丁香六月网| 无人精品在线视频| 婷婷丁香六月| 99热久久这里只有精品| 任我肏视频精品| 91网站黄| sisi热国产| 中文字幕色色| 影音先锋四区| 欧美槡BBBB槡BBB少妇| 99久在线精品| 亚洲亚洲人成综合网络| 亲子乱av一区二区三区的| 大香蕉久久久| 五月丁香六月婷婷综合免| 色五月在线视频观看| 天堂中文国产| 伊人无码高清| 日韩精品电影| 五六月婷婷| 思思热久久爱| 人人人操| 国产古装妇女野外A片| 婷婷五月丁香A∨| 久久视网36| 激情色情五月天| www.精品99| 少妇大叫太大太粗太爽了A片| 色色丁香五月天社区| 国产免费一区二区在线A片视频| 国产高清RV综合aVa| WWW,五月| 777精品久无码人妻蜜桃| 激情久久综合网| 高清无码.com| 五月婷婷激情综合网 | 不卡在线超碰| 天天色丁香| 婷婷五月天激情视频| 98永久精品| 亚洲无AV在线中文字幕| 百度4399有码精品V在线观看| 五月丁香六月婷婷,婷| 怡红院一二三| 久久激情五月| 久久女人九九| 人人玩人人橾| 久久国产色| 婷婷五月天av| 国产肏屄大片| 五月色情网| 色噜噜狠狠色综合成人网| 国产一二区爆乳_1国产日韩一区二区三-成人AV| 国产精品人妻在线网址| 五月婷免费视频久久久| 婷婷五月丁香超碰| 变态 另类 在线 | 五月婷婷六月丁香| 丁香色五月婷婷| 婷婷色导航| 亚洲婷婷五月| 婷婷丁香五月欧美人| 亚洲第一黄网| 碰碰碰碰碰99| 激情99热| 五月婷六月| 果冻传媒A片一二三区| 天天色综和网| 日本丁香五月| 97在线观视频免费观看| 99人妻碰碰碰久久久久禁片| 婷婷五月美女直播| 高清无码网址| 青青草tp| 色婷婷社区| 天天日天天爽| 激情AV在线| 五月天久久综合婷婷丁香| 这里只有精品视频| 色欲影香| 久久久久久久久久人妻| 99精彩视频| 欧美综合五月丁香六月婷| 色色哒五月婷婷六月丁香| 丁香六月婷| 午夜成人天堂久久无码日韩久久| 久久er99| 狠狠CAO日日穞夜夜穞AV| 色色五月天激情| 久青草影院| 99久久婷婷精品视频| 丁香五月天天哦| 97碰碰在线看视频免费| 狠狠色婷婷丁香五月| 狠狠干在线视频| 激情图片五月天| 在线观看av网站| 久久婷婷五月综合伊人| 校花娇喘呻吟校长陈若雪视频| 九九性视频| 久久五月婷婷丁香| 综久久久| 婷婷五月天免费| 五月天激情小说网| 五月婷婷综合激情| 91婷婷丁香五月| 青青操日本摸摸看看| 日日干干天天干| 99热日本| 久久黄A片| 日本三级中国三级99| 成人一区在线观看| 久久精品66| 无码人妻丰满熟妇奶水区码| 久久99热只有精品| 丁香五月性| 99综合自拍| 婷婷五月色天| 久久久色情| 婷婷五月天激情五月天| 久久精品国产AV一区二区三区 | www.婷婷网| 色色色图| 五月丁香啪啪啪综合网| 色婷婷a v| 9久久AV| 99热精品无码| 免费观看日韩成人av| 婷婷五月天成人综合网| 欧美成人猛片AAAAAAA| 天天色爽| AAA久久| 天天操夜夜爽天天操| 久久久五月天| 97人人干人人操| 亚洲av成人在线| 991国产精选视频在线播放下载| 五月天激情久久| 五月开心啪啪| 婷婷六月丁香欧美视频在线| 变态另类色图| 婷婷五月天激情在线| 狠狠色婷婷综合开心影视| 久久九九大香蕉电院| 久久婷婷丁香花综合网| 99 这里只有精品| 国产成人精品一区二区三区视频| www.日日日.com| 欧美性生交XXXXX无码小说| 天天日天天摸天天| 国产精品久久久久久妇女6080 | 丁香婷婷激情五月色| 日韩无码专区| 丁香五月婷婷久久久| www色色com| 电影爱拉战争免费观看| 五月天综合| 色婷婷丁香五月高清在线| 丰满女老板BD高清A片| 激情欧美婷五月| 少妇搡BBBB搡BBB搡毛茸茸| 色欲丁香久久| 99视频| 丁香六月婷婷色XXXX| 久99婷婷色综合| 99热这里只有免费| 伊人超碰在线| 亚洲中文乱字字幕在线永久| 婷婷中文字幕网| 99操无码视频观看| 天天操无码| 久久婷婷五月| 一区二区三区四区五区| 五月天色小说| 婷婷五月天亚洲综合| 九久热| 五月婷婷中文字幕AV| 久热亚洲| a在线观看| 人人草成人视频| 五月天婷婷色| 丁香五月亚洲婷婷| 五月色激情综合网| 亚洲婷婷五月| 久热9| 涩五月婷婷| 九热视频这里只有精品| 婷色综合| 色五月成人| 五月天激情图片| 亚洲综合九九| 三十路磁力链接| 红桃91人妻爽人妻爽| 五月天综合色| 丁香六月婷婷综合激情欧美| 色婷婷导航| 婷婷丁香亚洲五月天| 丁香五月天亚洲综合| 99热免费| 九九av| 国产精品久久久久久久久久免费| 亚洲性爱区无码区| 大香蕉九九操| 综合激情站| 婷婷丁香五月天在线视频| 五月婷婷碰碰| 天天干,夜夜爽| 色色五月婷婷| 亚洲第一成人无码A片| 激情五月丁香六月综合AVXXXX| 久9热视频| 99热97| 99re这里有精品手机在线| 免费超碰在线| 99热超碰在线| 狠狠狠激情网| 欧美婷婷九月| 97色色色色色| 99热这里只有精品热| 1024亚洲| 久久九九色| 五月色婷婷激情| 无码yw| 任你艹| 深夜激情网| av在线观看免费| 国产精品久久久爽爽爽麻豆色哟哟| 婷婷五月天激情网站| 婷婷综合五月天| 青青草视频免费观看| 久久a热| 任你艹| 亚洲欧洲美女在线观| 操操国产| 久久奄也去色色网站| se.久久视频在线观看| www.天天日| 成人超碰Av| 国产熟女一区二区三区五月婷| 青草青草视频2免费观看| 激情五月天婷婷在线网址发给我| 综合狠狠伊人| 五月停亭久久电影| 在线播放成人网站| 99色看| 久操大| 1024国产在线| 色婷婷中文在线| 五月天激情婷婷五月天久久| 天天综合久久| 中文字幕欧美日韩VA免费视频| 人人干av| 小视频aaa久久久| 国产色香蕉精品五夜婷| 欧美日韩aaa| 婷婷五月综合激情免费| 五月婷婷综合激情| 啪啪视频99| 亚洲这里只有精品| 99热这里只有精品国产首页| 九九精品热| 久久久久久久,99精品视频| 婷婷99狠狠躁天天躁| 欧美成人精品一区二区 | av大香蕉| 日本nghangse中文字幕| 五月丁香婷婷综合| 九九热最新地址| 亚洲激情网站无码| 亚洲一区二区无遮挡A片| 一点色成人网| 大香蕉99热| 综合深爱五月| 婷婷九月色| 激情五月九九九| 丁香五月激情综合| 九月婷婷激情| 99re这里有精品手机在线| 色婷婷久久综合| 色九九九综合| 涩五月婷婷| 99熟女啪啪视频| www.minyis.com【JT】币址百万U预算可预付QQ2101460746 | 久久婷婷的综合色丁香五月| 五月激情小说| 久草视频一,二三四| 天天檫天天爽| 这里只有精品偷拍| 99婷婷五月天激情| 免费看欧美成人A片无码| www99精品| 深情五月天| 五月婷婷六月丁香激情综合网| 一起草无码| 男女av免费看| 亚洲精品色| 超碰在线视屏| 亚洲色爱综合| 2025天天爽天天摸| 丁香五月婷婷啪啪| 亚洲九九婷婷| www99精品日韩| 99综合免费视频| 亚洲操精品| 丁香五月天AV| 五月婷婷熟女| 色噜噜狠狠色综合无码久久欧美| 婷婷玖玖丁香| 丁香五月综合狠狠| 色情五月婷婷| 丁香六月色婷婷| 婷婷精品性视频| 操嫩逼电影| 夜夜爽天天| 色色丁香婷婷综合| 综合九九久久| 狠狠狠激情网| 婷婷综合偷拍| 欧美综合激情| 99久在线精品99re8热| 99九九在线观看免费| 91精品久久久久久综合五月天| 色五月天中文字幕| 五月婷婷综合激情网| 婷婷伊人75| 操碰99在线视频观看| 乱精品一区字幕二区| 夜夜爽天天爽| 超碰97人人操| 婷婷五月天综合AV| 亚洲99精品欧美一区| 俺也去综合| 99视频久久免费视频| 婷婷色五月激情| 99热这里有精品首页10| 成片免费观看大全| 五月伊人91| 成人无码精品1区2区3区免费看| 99热这里只有精品9| 激情丁香社区| 26.uuu丁香五月婷婷| 草综合14| 婷婷五月激情在线视频| 亚洲婷婷激情888精品久| caobi四区| 天天 青草 制服丝袜 在线 | 国产99美少妇| 婷婷亚洲色| 亚洲视频五区| 欧美啪啪9| 九月久久婷婷| 婷婷中文网站| 久99久视频精选| 91N 一起草| 亚洲永远av在线播放| 夂夂夂夂夂夂夂夂夂夂夂夂夂夂夂夂夂夂夂亚洲亚洲亚洲亚洲亚洲亚洲亚洲亚洲色 | 五月丁香婷婷激情图片| 婷婷久综合| 色色网站毛片| 精品香蕉99久久久久网站| 九九这里只有精品| 亚洲色婷婷| 五月婷丁香| 99天堂网| 亚洲欧美婷婷五月色综合| 第四色五月天| 五月丁香六月婷婷网| 欧美日韩一区二区三区四区| 婷婷精品在线| 五月色婷婷影院| 婷婷涩五月| 色色色婷婷五月天| 天天摸天天肏| 日韩另类| 狠狠操综合| 九九精品热| 狠狠干无码| 夜夜爽天天爽| 97久久超碰| 色五月综合| 日韩免费视频| 中文字幕乱码亚洲精品一区| 成人无码精品1区2区3区免费看 | 婷婷五亚洲| 超碰熟女拍拍| 色五月色五天免费视频| 婷婷五月丁香六月| 日本九婷婷| 久久总和99| 九九热av| 久久婷婷综合五月天| 大香蕉五月天| 中文字幕日产A片在线看| A片试看50分钟做受视频| 《亚洲操B久久免费在线观看,亚洲操B久久在线播放》在线播放 - 高清资源 - 97 | 五月天婷婷久色| 欧美熟女乱又伦| 久热只有这里精品| 亚洲亚洲永久无码777777| 六月婷婷五月天| 99热资源在线| 人人97碰| 欧美婷婷五月丁香| 久色| 三年高清大片免费观看国语| 久久婷婷五月天大香蕉| 日韩有码一区| 操碰久| 国产在线中文字幕| 99热最新地址在线| 色六月丁香婷婷狠狠干| 狠狠干青青草| 五月丁香六月婷婷综合网站| 天天做天天爽| 99热自拍| 五月香婷婷| www.色五月| ww超碰在线| 日韩在线观看亚洲| 五月婷婷性爱| 天天噜天天爱| 思思久久青草热| 天天影院色| 人人操99| 激情五月天色播| 亚洲欧美综合7777色亭亭| 丁香婷婷午夜| 成人在线不卡| 久这里只有精品| 色久综合天天做视频| 人人摸人人| 婷婷综合色色| 午夜天堂一区人妻| 任你爽在线视频| 亚洲免费观看高清完整版AV线| 五月天激情小说| 79成人网| 色婷婷的五月天| 97天堂| 大香蕉久久青青| 色五月,婷婷大香蕉| 日本3级片偷拍网站| 婷婷色无码| 久久一热| 综合色情网| 国产熟妇的荡欲午夜视频| 91n啪啪| 97资源欧美日韩大香蕉超碰一区| 77799热| 夜夜操激情| 操九色| 免费看欧美成人A片无码| 五月婷九月| 99精品热视频| 天天做天天爰天天爽天天无遮挡| 亚洲天堂aaa| 亚洲操逼网| AV大片在线播放| 另类视屏| 成人视频九九| www.henhengan| 激情五月天在线视频| 人五月天婷婷喷水| 99热亚洲|