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。

Pytorch+Unet多類別語(yǔ)義分割實(shí)戰(zhàn):從數(shù)據(jù)準(zhǔn)備到模型訓(xùn)練全流程

Pytorch+Unet多類別語(yǔ)義分割實(shí)戰(zhàn):從數(shù)據(jù)準(zhǔn)備到模型訓(xùn)練全流程 簡(jiǎn)介這是一份基于PyTorch實(shí)現(xiàn)Unet多類別語(yǔ)義分割的實(shí)戰(zhàn)資源面向具備一定深度學(xué)習(xí)基礎(chǔ)、希望掌握?qǐng)D像分割模型訓(xùn)練與調(diào)優(yōu)的開(kāi)發(fā)者。資源共46個(gè)文件以Python源碼為核心包含19個(gè)py腳本與24個(gè)pyc編譯文件另有2個(gè)txt配置說(shuō)明和1個(gè)json參數(shù)文件整體僅69KB結(jié)構(gòu)緊湊便于直接閱讀與修改。已有15245人學(xué)習(xí)這份資源屬于同類教程中熱度較高的實(shí)踐型內(nèi)容。作者圍繞Encoder-Decoder結(jié)構(gòu)、跳躍連接、多類別輸出通道設(shè)計(jì)等關(guān)鍵點(diǎn)組織代碼配套提供數(shù)據(jù)加載、自定義變換、訓(xùn)練評(píng)估、損失函數(shù)、學(xué)習(xí)率調(diào)度、指標(biāo)計(jì)算等模塊并附有數(shù)據(jù)集劃分與類別權(quán)重計(jì)算腳本基本覆蓋了從數(shù)據(jù)預(yù)處理到模型推理的完整流程。通過(guò)閱讀源碼與對(duì)應(yīng)博客讀者可掌握Unet在自定義多類別數(shù)據(jù)集上的遷移方法、訓(xùn)練流程設(shè)計(jì)及調(diào)優(yōu)技巧適合用于醫(yī)學(xué)影像、遙感圖像等場(chǎng)景的入門與項(xiàng)目參考。1. 項(xiàng)目概述為什么選擇Pytorch配合Unet做多類別分割先說(shuō)結(jié)論如果你手里有一批自己的圖片數(shù)據(jù)想按像素把圖中不同物體分出來(lái)比如道路、建筑、植被、水體這類地物目標(biāo)那“Pytorch Unet 多類別數(shù)據(jù)集”這套組合是目前開(kāi)源社區(qū)里最省心、最不容易把自己繞暈的路線。這個(gè)標(biāo)題之所以有這么多人在搜是因?yàn)樗鼛缀醺采w了從零入門語(yǔ)義分割的所有關(guān)鍵環(huán)節(jié)框架選型、模型結(jié)構(gòu)、數(shù)據(jù)組織、訓(xùn)練調(diào)參、結(jié)果評(píng)估。我自己最早接觸語(yǔ)義分割時(shí)也糾結(jié)過(guò)用TensorFlow還是Pytorch后來(lái)徹底轉(zhuǎn)向Pytorch原因很樸素調(diào)試方便報(bào)錯(cuò)信息看得懂?dāng)帱c(diǎn)能直接打在張量運(yùn)算那一行上。配合Unet這種編碼器-解碼器結(jié)構(gòu)哪怕數(shù)據(jù)集只有幾百?gòu)垐D也能訓(xùn)出一個(gè)效果不錯(cuò)的多類別分割模型。這篇文章不會(huì)跟你聊太虛的理論而是把我實(shí)際跑通整個(gè)流程的步驟、參數(shù)、踩坑記錄都擺出來(lái)你照著操作就能在自己的多類別數(shù)據(jù)集上復(fù)現(xiàn)。文章適合三類人看剛?cè)腴T語(yǔ)義分割的學(xué)生、需要用自己數(shù)據(jù)做分割實(shí)驗(yàn)的工程師、以及想快速驗(yàn)證Unet效果的產(chǎn)品人員。2. 整體設(shè)計(jì)思路與方案選型2.1 為什么Unet依然是多類別分割的首選基線Unet之所以經(jīng)典核心在于它同時(shí)保住了“細(xì)節(jié)”和“語(yǔ)義”。下采樣路徑不斷縮小特征圖尺寸讓模型能看到更大的感受野上采樣路徑則把高層的語(yǔ)義信息逐步還原到原圖分辨率。中間那一圈跳連接把下采樣時(shí)各層的位置細(xì)節(jié)直接拼到上采樣路徑上相當(dāng)于給模型開(kāi)了一條“記憶通道”小目標(biāo)邊緣不容易丟。對(duì)于多類別分割任務(wù)比如五類甚至十類地物Unet每一條跳連接都在幫助模型區(qū)分“這里是邊界還是內(nèi)部”。我自己做過(guò)對(duì)比實(shí)驗(yàn)在同樣的數(shù)據(jù)集上把Unet換成PSPNet發(fā)現(xiàn)小目標(biāo)類別的交并比下降明顯。原因不復(fù)雜PSPNet把重點(diǎn)放在全局池化上對(duì)小目標(biāo)的敏感度反而不如Unet這種逐層傳遞細(xì)節(jié)的結(jié)構(gòu)。所以如果你的數(shù)據(jù)里存在較多小目標(biāo)或細(xì)長(zhǎng)條目標(biāo)Unet是最穩(wěn)的起點(diǎn)。2.2 Pytorch生態(tài)里的三個(gè)關(guān)鍵選擇第一框架版本跟進(jìn)。建議用Pytorch 2.x系列如果你需要GPU訓(xùn)練記得提前確認(rèn)CUDA、cuDNN和顯卡驅(qū)動(dòng)的匹配關(guān)系。以2024年之后的環(huán)境為例Pytorch 2.0以上版本對(duì)自動(dòng)混合精度訓(xùn)練的支持更完善顯存占用更友好。第二模型實(shí)現(xiàn)方式??梢灾苯訌木W(wǎng)上找Unet的Pytorch實(shí)現(xiàn)也可以自己按論文結(jié)構(gòu)手寫。實(shí)話說(shuō)手寫一遍Unet比復(fù)制十遍別人的代碼都有用結(jié)構(gòu)細(xì)節(jié)會(huì)刻在你腦子里。第三預(yù)訓(xùn)練編碼器。如果你用torchvision里的ResNet作為Unet的骨干加載ImageNet預(yù)訓(xùn)練權(quán)重訓(xùn)練收斂速度會(huì)快不少尤其是當(dāng)你的數(shù)據(jù)集規(guī)模不大的時(shí)候。選型邏輯很直接小數(shù)據(jù)集靠預(yù)訓(xùn)練權(quán)重大數(shù)據(jù)集靠模型容量。如果你的數(shù)據(jù)只有兩三百?gòu)埥ㄗh選擇ResNet34做編碼器如果數(shù)據(jù)到了一千張以上可以嘗試ResNet50或者直接換EfficientNet。這個(gè)不是鐵律而是我在不同規(guī)模數(shù)據(jù)上反復(fù)試出來(lái)的經(jīng)驗(yàn)。3. 數(shù)據(jù)準(zhǔn)備多類別數(shù)據(jù)集的整理與預(yù)處理3.1 目錄結(jié)構(gòu)與標(biāo)注格式的統(tǒng)一很多人在模型跑不起來(lái)時(shí)才發(fā)現(xiàn)問(wèn)題出在數(shù)據(jù)上而不是代碼上。多類別語(yǔ)義分割的數(shù)據(jù)集標(biāo)準(zhǔn)的組織方式是這樣dataset/ ├── images/ │ ├── img_001.jpg │ ├── img_002.jpg │ └── ... └── masks/ ├── img_001.png ├── img_002.png └── ...圖片格式一般用jpg或png都行但掩膜mask必須是png而且是單通道的灰度圖或調(diào)色板模式。為什么必須png因?yàn)閖pg是有損壓縮會(huì)導(dǎo)致標(biāo)注類別邊緣出現(xiàn)偽色模型會(huì)學(xué)到錯(cuò)誤信息。特別注意掩膜每個(gè)像素點(diǎn)的數(shù)值背景為0第一個(gè)類別為1第二個(gè)類別為2以此類推。如果你用Labelme這類工具標(biāo)注導(dǎo)出的掩膜是調(diào)色板模式需要用代碼轉(zhuǎn)成類別索引不然訓(xùn)練時(shí)一算損失就是一片NaN。3.2 數(shù)據(jù)增強(qiáng)與樣本均衡技巧多類別分割里最頭疼的問(wèn)題就是類別不平衡。比如一棟建筑物可能只占畫(huà)面面積的5%背景卻占了70%。如果直接訓(xùn)練模型會(huì)傾向把所有像素都預(yù)測(cè)成背景。我的做法是對(duì)每個(gè)類別統(tǒng)計(jì)像素占比然后給損失函數(shù)里的每個(gè)類別分配權(quán)重權(quán)重和像素占比成反比。數(shù)據(jù)增強(qiáng)我用的是albumentations庫(kù)比torchvision的transform靈活得多。我常用的一套增強(qiáng)組合包括水平翻轉(zhuǎn)、垂直翻轉(zhuǎn)、隨機(jī)旋轉(zhuǎn)90度、隨機(jī)裁剪和亮度對(duì)比度調(diào)整。這里有個(gè)細(xì)節(jié)對(duì)圖像做翻轉(zhuǎn)和旋轉(zhuǎn)時(shí)掩膜必須做同樣的變換albumentations保證了這一點(diǎn)。增強(qiáng)不是越多越好如果你的類別是建筑物這類剛性目標(biāo)翻轉(zhuǎn)和旋轉(zhuǎn)沒(méi)問(wèn)題如果你處理的是文本行這類有方向性的目標(biāo)旋轉(zhuǎn)90度會(huì)把標(biāo)注搞亂。3.3 自定義Dataset類的關(guān)鍵代碼寫Dataset類時(shí)最容易犯的一個(gè)錯(cuò)誤是忘記把掩膜里的類別索引壓到從0開(kāi)始連續(xù)分布。以下是我常用的代碼import torch from torch.utils.data import Dataset from PIL import Image import os import numpy as np class SegmentationDataset(Dataset): def __init__(self, image_dir, mask_dir, transformNone, class_mappingNone): self.image_dir image_dir self.mask_dir mask_dir self.transform transform self.class_mapping class_mapping or {} self.images sorted([f for f in os.listdir(image_dir) if f.endswith((.jpg, .png))]) def __len__(self): return len(self.images) def __getitem__(self, idx): img_name self.images[idx] img_path os.path.join(self.image_dir, img_name) mask_path os.path.join(self.mask_dir, img_name.replace(.jpg, .png)) image np.array(Image.open(img_path).convert(RGB)) mask np.array(Image.open(mask_path)) # 不要convert(RGB)保持灰度 # 如果mask是調(diào)色板模式0-255任意值需要做類別映射 if self.class_mapping: mapped_mask np.zeros_like(mask) for old_id, new_id in self.class_mapping.items(): mapped_mask[mask old_id] new_id mask mapped_mask if self.transform: transformed self.transform(imageimage, maskmask) image transformed[image] mask transformed[mask] image_tensor torch.from_numpy(image).permute(2, 0, 1).float() / 255.0 mask_tensor torch.from_numpy(mask).long() return image_tensor, mask_tensor這段代碼里有個(gè)非常重要的點(diǎn)掩膜轉(zhuǎn)成tensor用.long()不要用.float()。因?yàn)楹竺鎿p失函數(shù)CrossEntropyLoss期望輸入是整數(shù)類別索引如果用float會(huì)報(bào)錯(cuò)或者產(chǎn)生錯(cuò)誤結(jié)果。我在一開(kāi)始就踩過(guò)這個(gè)坑整整調(diào)了一個(gè)晚上才發(fā)現(xiàn)是類型不匹配。4. 模型實(shí)現(xiàn)Unet結(jié)構(gòu)與多類別輸出適配4.1 Unet核心結(jié)構(gòu)拆解我在這里不放完整的三百行Unet代碼了因?yàn)榫W(wǎng)上開(kāi)源實(shí)現(xiàn)非常多我建議你找一個(gè)star數(shù)高的倉(cāng)庫(kù)讀一遍結(jié)構(gòu)但有幾個(gè)核心參數(shù)必須搞清楚。Unet整體分為編碼器、瓶頸、解碼器三段。編碼器是若干個(gè)卷積塊加下采樣特征圖尺寸減半通道數(shù)翻倍瓶頸在最底層解碼器逐步上采樣通道數(shù)減半并與對(duì)應(yīng)的編碼器特征圖拼接。關(guān)鍵在于最后一層卷積的輸出通道數(shù)必須等于你的類別數(shù)。舉例如果是五類分割最后一層卷積輸出通道數(shù)就設(shè)為5。每個(gè)通道對(duì)應(yīng)一個(gè)類別的置信度分?jǐn)?shù)。訓(xùn)練時(shí)用CrossEntropyLoss它對(duì)每個(gè)像素在通道維度上做softmax后計(jì)算損失。這部分不需要你自己寫softmaxPytorch的CrossEntropyLoss內(nèi)部已經(jīng)包含了。4.2 多類別輸出的通道設(shè)置與損失函數(shù)選擇我遇到不少人在修改Unet時(shí)只改了模型最后一層的輸出通道數(shù)但忽略了編碼器預(yù)訓(xùn)練權(quán)重的加載方式。如果是自己寫的Unet從頭訓(xùn)練沒(méi)問(wèn)題如果你的編碼器要加載預(yù)訓(xùn)練權(quán)重前幾層的通道數(shù)必須和ImageNet預(yù)訓(xùn)練模型一致通常就是RGB三通道輸入輸出通道按骨干網(wǎng)絡(luò)設(shè)定。損失函數(shù)方面多類別分割最常用的是CrossEntropyLoss加DiceLoss的組合。我實(shí)際測(cè)試下來(lái)純用CrossEntropyLoss小目標(biāo)類別的分割效果一般純用DiceLoss訓(xùn)練初期損失波動(dòng)劇烈。兩者的加權(quán)和比較穩(wěn)具體公式是loss 0.7 * ce_loss 0.3 * dice_loss這個(gè)比例可以根據(jù)你的數(shù)據(jù)調(diào)整。如果類別特別不均衡把dice_loss的權(quán)重調(diào)高到0.5甚至0.7。DiceLoss對(duì)不平衡不敏感它能直接優(yōu)化類別區(qū)域的重合度。5. 訓(xùn)練配置與完整實(shí)操流程5.1 環(huán)境準(zhǔn)備與關(guān)鍵參數(shù)設(shè)置環(huán)境方面推薦用Anaconda創(chuàng)建獨(dú)立的環(huán)境。以Ubuntu系統(tǒng)為例常見(jiàn)組合是Python 3.10.11加Pytorch 2.8.0加CUDA 12.1這一套搭配在GTX 30系和40系顯卡上表現(xiàn)穩(wěn)定。Windows下的流程類似只是CUDA環(huán)境變量配置要格外小心。如果顯卡顯存只有6G建議輸入圖片尺寸用256x256批次大小設(shè)為4到8顯存12G以上的話輸入尺寸可以提高到512x512批次大小設(shè)8到16。我整理了訓(xùn)練階段幾個(gè)關(guān)鍵的超參數(shù)參考值參數(shù)推薦值備注輸入尺寸256x256 / 512x512小顯存用256大顯存用512批次大小4 / 8 / 16視顯存而定初始學(xué)習(xí)率1e-4 / 1e-3使用AdamW優(yōu)化器學(xué)習(xí)率調(diào)整CosineAnnealingLR避免后期震蕩訓(xùn)練輪數(shù)50 / 100看驗(yàn)證集指標(biāo)早停優(yōu)化器AdamW比Adam穩(wěn)定性好5.2 訓(xùn)練循環(huán)中的關(guān)鍵代碼訓(xùn)練循環(huán)本身并不復(fù)雜但有一些細(xì)節(jié)會(huì)讓訓(xùn)練過(guò)程順暢很多。比如啟用自動(dòng)混合精度用autocast和GradScaler顯存能省下近一半訓(xùn)練速度還能提升。另外每個(gè)epoch保存一次checkpoint別只保存在最后一個(gè)epoch——訓(xùn)練中斷是家常便飯有checkpoint才能續(xù)上繼續(xù)訓(xùn)。一個(gè)簡(jiǎn)化但完整可跑的訓(xùn)練循環(huán)結(jié)構(gòu)import torch from torch.cuda.amp import autocast, GradScaler scaler GradScaler() optimizer torch.optim.AdamW(model.parameters(), lr1e-4) scheduler torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_maxepochs) for epoch in range(epochs): model.train() total_loss 0 for images, masks in train_loader: images, masks images.to(device), masks.to(device) optimizer.zero_grad() with autocast(): outputs model(images) loss ce_criterion(outputs, masks) 0.3 * dice_loss(outputs, masks) scaler.scale(loss).backward() scaler.step(optimizer) scaler.update() total_loss loss.item() scheduler.step() avg_loss total_loss / len(train_loader) print(fEpoch {epoch}/{epochs}, Loss: {avg_loss:.4f}) if epoch % 5 0: torch.save(model.state_dict(), fcheckpoints/unet_epoch_{epoch}.pth)注意dice_loss需要自己實(shí)現(xiàn)def dice_loss(pred, target, smooth1.0): pred torch.softmax(pred, dim1) target_onehot torch.nn.functional.one_hot(target, num_classesnum_classes).permute(0, 3, 1, 2).float() intersection (pred * target_onehot).sum(dim(2, 3)) union pred.sum(dim(2, 3)) target_onehot.sum(dim(2, 3)) dice (2 * intersection smooth) / (union smooth) return 1 - dice.mean()5.3 評(píng)估指標(biāo)與結(jié)果可視化訓(xùn)練完成后不要只看loss要算每個(gè)類別的IoU和mIoU。mIoU是所有類別IoU的平均值這是語(yǔ)義分割最通用的評(píng)價(jià)指標(biāo)。我需要提醒你計(jì)算IoU時(shí)要對(duì)每個(gè)類別單獨(dú)統(tǒng)計(jì)不能直接拿混淆矩陣整體算。具體實(shí)現(xiàn)可以用sklearn的confusion_matrix輔助。from sklearn.metrics import confusion_matrix def compute_iou(pred_mask, true_mask, num_classes): pred_flat pred_mask.flatten() true_flat true_mask.flatten() cm confusion_matrix(true_flat, pred_flat, labelslist(range(num_classes))) intersection np.diag(cm) union cm.sum(axis0) cm.sum(axis1) - np.diag(cm) iou intersection / (union 1e-6) return iou可視化方面推薦把預(yù)測(cè)結(jié)果疊加到原圖上用半透明色塊顯示不同類別。我覺(jué)得看分割效果比死磕指標(biāo)更直觀很多邊界問(wèn)題光看IoU是發(fā)現(xiàn)不了的。別只看訓(xùn)練集的預(yù)測(cè)效果一定要去驗(yàn)證集上抽幾張圖看邊界質(zhì)量——是不是出現(xiàn)鋸齒狀、是不是有空洞。6. 常見(jiàn)問(wèn)題與排查技巧實(shí)錄6.1 損失降至Nan的排查過(guò)程這是最多人碰到的坑。我遇到過(guò)一次損失降到NaN排查步驟是先檢查掩膜里是否有超出類別數(shù)的值。比如類別數(shù)是5掩膜數(shù)值范圍卻是0到255這會(huì)讓CrossEntropyLoss計(jì)算出NaN。然后檢查數(shù)據(jù)歸一化圖片輸入是否除以了255掩膜是否保持整數(shù)類型。最后檢查學(xué)習(xí)率如果初始學(xué)習(xí)率設(shè)到0.1梯度爆炸也會(huì)導(dǎo)致NaN。我習(xí)慣把初始學(xué)習(xí)率控制在1e-4到1e-3配合AdamW很少再碰到NaN。6.2 顯存不足的應(yīng)對(duì)策略顯存不足是個(gè)很現(xiàn)實(shí)的問(wèn)題。我一開(kāi)始用512x512輸入、批次16直接爆顯存。后來(lái)做了三件事?lián)Q成分批訓(xùn)練、縮小輸入尺寸、啟用混合精度。假設(shè)你的顯卡是8G顯存推薦直接用256x256輸入加批次8加混合精度這樣訓(xùn)練速度反而可能比大尺寸低批次更穩(wěn)定。另外在forward里加一句torch.cuda.empty_cache()也能清理一部分碎片顯存但不要在每個(gè)step都調(diào)用會(huì)拖慢速度。6.3 模型訓(xùn)練不收斂或過(guò)擬合的調(diào)整訓(xùn)練不收斂先看損失曲線是震蕩還是不下降。震蕩說(shuō)明學(xué)習(xí)率太高調(diào)低一個(gè)數(shù)量級(jí)不下降說(shuō)明可能模型結(jié)構(gòu)或數(shù)據(jù)出了問(wèn)題。我遇到過(guò)一次模型輸出恒為背景的情況檢查發(fā)現(xiàn)掩膜數(shù)值沒(méi)有對(duì)齊所有類別都被映射成了0。過(guò)擬合則表現(xiàn)為訓(xùn)練集損失低但驗(yàn)證集IoU不增這時(shí)加大數(shù)據(jù)增強(qiáng)強(qiáng)度、加Dropout、縮小模型容量都有效。我把這些高頻問(wèn)題整理成了一個(gè)速查表癥狀可能原因解決方案損失NaN掩膜值超出類別范圍檢查mask像素值確保0到num_classes-1顯存不足輸入尺寸過(guò)大/批次過(guò)大降輸入尺寸、分批、開(kāi)混合精度驗(yàn)證IoU不漲過(guò)擬合或?qū)W習(xí)率過(guò)大加增強(qiáng)、降學(xué)習(xí)率、早停預(yù)測(cè)全是背景類別索引不對(duì)齊檢查數(shù)據(jù)集類映射邏輯邊界粗糙跳連接被忽略檢查模型是否真的用到了skip connection6.4 模型保存、加載與推理的完整流程訓(xùn)練完模型后保存方式我推薦只存state_dict不存整個(gè)模型因?yàn)楹笳咴赑ytorch版本升級(jí)后容易反序列化失敗。加載模型后做推理要注意輸入圖片必須做和訓(xùn)練時(shí)一樣的預(yù)處理resize到相同尺寸、歸一化到0到1、轉(zhuǎn)成張量、加batch維度。預(yù)測(cè)輸出是一個(gè)形狀為(1, num_classes, H, W)的張量用argmax(dim1)取每個(gè)像素的類別索引。最后轉(zhuǎn)換成彩色圖時(shí)準(zhǔn)備一個(gè)調(diào)色板數(shù)組把類別索引映射成RGB顏色。import torch import numpy as np from PIL import Image import torchvision.transforms as transforms def inference_single_image(model, image_path, device, num_classes): transform transforms.Compose([ transforms.Resize((256, 256)), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) image Image.open(image_path).convert(RGB) input_tensor transform(image).unsqueeze(0).to(device) model.eval() with torch.no_grad(): output model(input_tensor) pred torch.argmax(output, dim1).squeeze(0).cpu().numpy() return pred推理后如果想保存成彩色分割圖可以用這樣一個(gè)簡(jiǎn)單的映射color_map np.array([ [0, 0, 0], # 背景 [255, 0, 0], # 類別1紅色 [0, 255, 0], # 類別2綠色 [0, 0, 255], # 類別3藍(lán)色 [255, 255, 0], # 類別4黃色 ], dtypenp.uint8) segmentation_rgb color_map[pred] Image.fromarray(segmentation_rgb).save(prediction.png)7. 多類別數(shù)據(jù)標(biāo)注與類別映射的實(shí)戰(zhàn)心得7.1 標(biāo)注工具選擇與格式轉(zhuǎn)換常見(jiàn)坑多類別分割最關(guān)鍵的第一步其實(shí)是標(biāo)注質(zhì)量。我試過(guò)Labelme、EISeg、CVAT最終常用Labelme配合腳本轉(zhuǎn)成Unet需要的png掩膜。Labelme導(dǎo)出的是json文件每個(gè)多邊形對(duì)應(yīng)一個(gè)label需要逐張解析json并把多邊形填充成掩膜。這里有個(gè)非常隱蔽的坑json里標(biāo)注的label名稱和你最終想要的類別索引可能不是一回事一定要建立一個(gè)字典做映射。import json import numpy as np import cv2 import os def json_to_mask(json_path, height, width, label_map): with open(json_path, r, encodingutf-8) as f: data json.load(f) mask np.zeros((height, width), dtypenp.uint8) for shape in data[shapes]: label shape[label] points np.array(shape[points], dtypenp.int32) if label in label_map: cv2.fillPoly(mask, [points], label_map[label]) return mask這段函數(shù)把json里的每個(gè)多邊形填充到掩膜上label_map里存的是比如{建筑: 1, 道路: 2, 植被: 3}這樣的鍵值對(duì)。實(shí)際操作中我發(fā)現(xiàn)最花時(shí)間的不是寫轉(zhuǎn)換腳本而是清洗標(biāo)注數(shù)據(jù)。比如相鄰圖片邊緣處多邊形沒(méi)有貼合圖像邊界導(dǎo)致交界處出現(xiàn)一條無(wú)類別帶狀區(qū)域這一條區(qū)域會(huì)成為模型預(yù)測(cè)錯(cuò)誤的高發(fā)區(qū)。處理方法是對(duì)掩膜做一個(gè)形態(tài)學(xué)閉運(yùn)算把細(xì)小的空洞縫補(bǔ)上。7.2 數(shù)據(jù)集劃分比例與驗(yàn)證集選擇多類別分割的數(shù)據(jù)劃分和普通分類不太一樣。除了按文件數(shù)量比例劃分還要考慮類別分布。我遇到過(guò)一種情況訓(xùn)練集里“水體”樣本很多驗(yàn)證集里“水體”只出現(xiàn)在一張圖的一角結(jié)果導(dǎo)致驗(yàn)證集水體IoU特別低模型并沒(méi)有過(guò)擬合純粹是驗(yàn)證集抽樣偏差。比較穩(wěn)妥的做法是按圖像整體劃分保證每一類在訓(xùn)練集和驗(yàn)證集都出現(xiàn)如果某個(gè)類別的圖像特別少可以考慮將數(shù)據(jù)增強(qiáng)用到驗(yàn)證集上但這并不常規(guī)更合理的是用k-fold交叉驗(yàn)證。對(duì)數(shù)據(jù)量只有幾百?gòu)埖那闆rk-fold交叉驗(yàn)證是評(píng)估模型真實(shí)水平的有效方式。最后分享一個(gè)細(xì)節(jié)在訓(xùn)練過(guò)程中如果發(fā)現(xiàn)某幾個(gè)類別的IoU一直偏低先別急著改模型結(jié)構(gòu)回到標(biāo)注數(shù)據(jù)里看看這些類別的標(biāo)注質(zhì)量是否有重疊標(biāo)注、漏標(biāo)、邊界粗糙的情況。我之前處理遙感影像分割時(shí)“陰影”類別的IoU怎么都上不去后來(lái)仔細(xì)拉大圖片比對(duì)發(fā)現(xiàn)標(biāo)注員把很多本來(lái)就模糊的陰影邊界標(biāo)歪了模型學(xué)到的邊界自然混亂。重新清洗了一批標(biāo)注后這個(gè)類別的IoU直接提升了十幾個(gè)點(diǎn)。數(shù)據(jù)質(zhì)量決定了模型效果的上限這話在語(yǔ)義分割里體現(xiàn)得特別明顯。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
亚洲五月天婷婷| 丁香五月综合无码趴趴| 人人操日| 97碰久久| 丁香九月激情| 情欲综合网| 久久婷五月婷| 99re在线视频精品,这里只有精品18,| 91色综合网| 久久一伦| 久久9视频| 色5在线| 五月婷婷片| 丁香综合婷婷开心激情网| 91久久| 99热亚洲| 久热大香蕉| 涩涩五月天综合| 91九色精品熟女内射| 丝袜熟女一区二区三区| 激情开心五月天| 丁香五月成人丝袜| 99热精品无码| 激情涩涩网| 日本欧美成人片AAAA| 综合激情五月丁香| 激情啪啪五月| 青青热视频| 99热在线观看免费精品| 激情都市五月天| 五月六月婷| 99热在线网站| 日本va欧美va国产激情| 婷婷5月九九| 九色视频91疯狂| 精品久热| 五月丁香综合| 99热这里只有精品国产首页| 99热免费精品| 精品人人操| 人妻体体内射精一区二区| 超碰无码318604| 国产成人av在线播放| 香蕉综合在线| 精品人妻一区二区三区在| 激情婷婷啪啪| 天天曰夜夜爽| 五月天婷婷激情综合| 99在线精品观看99| 99爱操| 婷香五月激情视频| 天堂爱爱| 玖玖国产视频一区| 欧美三级视频下载| 亚洲乱码日产精品BD| 丁香五月天激情网址| 国精产品一区一区三区免费视频| 综合网啪| 色色com| 色 五月婷婷基地| 性欧美日本| 丁香九月激情久久| 超碰在线99| 欧爱综合视频| 777久久综合视频| 婷婷丁香成人五月天| 五月丁香婷婷综合网| 26uuu| 色婷婷色综合激情91| 免费三级黄色| 九九亚洲综合| 丁香五月婷婷偷拍| 91丨九色丨熟女| 午夜不卡成人一区二区| 日日干日日s| 久久婷婷五月综合97色一本| 伊人超碰| 色播综合| 日本三级大片| 丁香六月av| 激情av| 97操碰在线视频| 在线观看视频1区| 色五月丁香com| 丁香五月欧美午夜视频| 97操碰在线视频| 丁香五月婷婷激情尤物| 久久永久视频| 色狠久| 精品怡红九九九| 六月色日韩| 96丁香六月婷婷蜜桃综合久久| 91男人资源站| 色综合视频| 久久停停超碰| 91在线日| 亚洲婷婷丁香五月在线| 影音先锋777xfplay色资源网站| 91丨九色丨熟女丰满| 99热久| 五月涩涩网| 色大综合| 激情综合婷婷| 99色热视频在线| 殴美日比视频| 激情綜合W W W,激情五月天| 久久婷婷老| 7777精品伊人久久久大香线蕉最新版| 天天肏视频| 激情五月天婷婷免费观看| 久色网| 婷婷日日天天| 另类激情五月在线视频欧美| 91狠狠综合久久| 无码成人播放器| 九月婷婷| a毛片二逼wwwwwwwwww| 国产 亚洲 在线| 人人97碰| 天天爱夜夜爽| 五月天婷婷久久| 奇米影视777在线_在线观看午夜_h小视频在线观看_岛国大片 | 立川无码av| 色五月婷婷婷婷| 综合久久高清| 影音先锋高清无码资源网| 成人美女网| 日本成人综合| 久久精品永久免费| 五月花婷婷| 五月婷婷久久爱| 5月激情天| 超碰猛烈的性猛交| 久久婷婷五月综合色欧美| 武则天精品久久| 五月激情六月宗合| 97人人射| 天天射美女| 99精品在线观看视频| 国产精品色| 一级精品999WWW| 婷婷网五月天| 噼里啪啦完整版中文在线观看| 婷婷五月丁香色播| 欧美国产一区二区三区| 伊人啪啪网| 91九色成人原创视频| 婷婷综合网伊人| 六月丁香激情网| 亚洲精品第一国产综合亚AV| 色婷婷综合中心| 久久538| 综合激情专区| 色五月婷婷综合在线| 婷婷综合一二三| 亚洲精品久久久久久久久久吃药| 少妇搡BBBB搡BBB搡毛茸茸| 国产精品电影网| 久久婷婷六月综合| 婷婷五月丁香基| 最新亚洲色色网| 丁香五月之久操视频| 97色色-99久久| 26uuu日韩| 丁香五月婷婷黑人妻黄色电影院| 丁香六月激情综合| 南京搡BBBB搡BBBB| 丁香五月婷婷综合啪啪| 五月天激情小说网| 大香网伊人久久综合| 六月婷婷色综合| 能看的AV网站| 久久婷婷夜| 日韩AV中文字幕在线| 这里只有精品在线播放| 五月丁香色综合| www.minyis.com【JT】国内CDN落地页保证转化QQ2101460746 | 久久免费少妇高潮99精品| 色色色色色色网站| 六月色日韩| 精品香蕉99久久久久网站| 婷婷五月天激情诱惑| 丁香六月综合激情| 色情综合网| 99爱精品视频| 婷婷色女| 五月婷久久久| 色九四色| 婷婷色五月开心五月| 九九热只有这里是精品| 综合五月丁香六月婷婷| 人人摸人人操人人爱| 丁香五月综合| 国产日日操夜夜操的肉棒视频| 五月停视频天堂| 五月天另类小说| 激情六月天婷婷| 日本色频| 丁香五月婷婷五月| www.1024久久| 色五月色综合| 丁香狠狠色婷婷| www.韩日视频| 五月天开心色色网| 99re8这里只有精品99re8热视频| 色婷婷伊人| 欧美三级欧美一级| 婷婷丁香黄色| 丁香五月亚综合图片| 在线观看国产高清视频免费网站| 超碰人人操人人干| 亚洲天码视频www蛋播视频| 九九色热| 91精品婷婷国产综合久久| 亚洲激情网| 久久伦乱| 色噜噜狠狠色综无码久久合欧美| 久久婷鲁| 五月天综合区| 欧美性猛交AAAA片黑人 | 久久99激情| 天天天天干| 无码中文一区二区三区| 丁香情色五月| 99久久大片| 久久婷婷热| 九色PORNY9l原创自拍| 538在线精品| www久| 九色PORNY9l原创自拍| 色七色九九| 婷婷99狠| 久操福利| 婷婷色激情网| av超碰在线| 成人 在线 日韩| 伊人色综合影院视频| 日韩色五月| 任我干视频在线观看| 99热免费精品| 色婷婷婷av| ..真实国产乱子伦对白在线_欧| 六月色色婷婷| 超碰97色| 第四色五月婷婷| 91超级碰| 五月天天久久香| 影音先锋一区| av操逼网| 久操激情| 26uuu国自产精品| 欧美性爱丁香五月| 五月婷婷深爱六月| 另类视频一区| 538在线精品| 夜夜干 夜夜操| 开心激情婷婷| 日本五月视频| 开心六月婷| 91日婷婷在线| 亚洲精品无AMM毛片| ww久久| 二人电影免费版在线观看| www99在线观看视频| 丁香六月婷婷综合激情欧美| 在线观看中文字幕| 婷婷五月天AV在线| 色色婷婷色色| 婷婷94s| 日本色五月| 天天艹夜夜艹| 日韩五月婷婷| 亚洲色99| 99热大香蕉| 深爱五月激情综合| 婷婷,五月天,丁香,第一| 青青草轻轻操| 99热97美女| 五月丁香六月激情欧美综合| www,色婷婷| 丁香婷婷激情网站| 亚洲国产成人在线| 98永久精品| XX色综合| 97久久人人人干| 久久婷婷91| 激情亚洲婷婷六月| 五月婷AV| 99热这里只有在线| 第五色色色婷婷| 操笔无码| 免费成片在线观看| 久久伦乱| 无码人妻激情| 五月天另类小说久久小说网| 偷拍九九热| 婷婷六月丁香五月图区| 国产视频色色色色色色色| 国产FREESEXVIDEOS性中国 | 一起草性爱不卡视频| 九九爱看亚洲| 一本综合丁香日日狠狠色| 99热日韩这里只有精品| 26uuu精品一区二区| 大香蕉伊在| 665566 无码| 伊人久久婷婷| 在线只有精品| 婷婷激情四射五月天| 丁香青青五月天| 图片区 小说区 区 亚洲五月 | 91碰碰碰| 先锋影音av色五月天资源站| 香蕉色色网| 热996精品在线观看| 婷五月天丁香婷五月| 97在线天堂| 东京热人妻一区二区三区在线| 久久五月天网| 婷婷欧美偷拍综合| 婷婷综合网在线| 深爱开心激情| 99免费在线| 丁香九月婷婷色| 久久视频九九视频| 五月丁香偷拍| 婷婷五月天av| 五月丁香狠狠爱| 久久9视频| 亚洲亚洲人成综合网络| 久久人五月| 久久99jiu9| 丁香五月日韩| 激情网站综合五月天| 这里只有精品99www| 超碰9| 日本三级日本三级三级人妇四虎| 天天cha成人综合网| 天天日夜夜拍| 丁香五月另类色婷婷麻豆| www.色婷婷| 97人人妻人人艹| 色五月综合网| 99九九久久| 天天弄天天爽| 亚洲欧美婷婷五月色综合| 99热在这里只有精品| 综合精品99| 丁香婷婷性爱| 欧美色色色色色色色色色色影视| 99愛国产| AV操操操| 五月婷婷丁香婷婷| 免费在线观看av网站| 国产激情综合| 婷婷激情六月视频| 白人荫道BBWBBB大荫道| 99色视频在线观看最新| 五月丁香花激情综合网| 韩国激情五月天综合网| 91亚洲视频| 五月天天天综合| 色色a| 九九热视频在线观看| 九九干视频| 999热成人在线综合网| 九九成人视频| 五月丁香网视频| 天堂久久婷婷| 丁香社92视频| 婷婷五月天综合在线| 9久9久9久女女女九九九一九| 五月丁香久久网| 狠狠操狠狠| 久久综合五月天激情小说网站 | 激情五月天色色色| 激情综合激情五月| 97精品自拍视频| 91黄色五月天视频| 丁香五月激情无码视频| 99视频免费播放 | 婷婷视频在线| 五月天激情婷婷丁香| 欧美激情综合色综合啪啪五月| 极品另类| 丁香五月成人婷婷| 久久日韩婷婷五月| 婷婷五月天视频| 97碰91| 26uuu激情五月天| 色色亚洲视频| 久人操| 激情九月综合| 91精品久久久久久| 激情深爱五月天| 五月天啪啪网| 五月丁香啪啪综合| 91久久综合| 伊人深爱综合| 色婷婷六月| 五月色导航| 久久久亚洲精品一区二区三区浴池 | 在线中文字幕av| 丁香婷婷基地| 六月婷婷影院| 丁香 亚洲 久久| 日本高清久| 亚洲婷婷久久综合| 色色吧综合| 久热视频A.| 96精品成人无码A片观看金桔| 久久人妻伦理| 欧美日韩91| 狠狠干在线| 六月99天天婷婷激情综合| 婷婷激情四射| 91dy.av| 五月丁香婷婷久久| 91人人操人人| AV网在线| 五月婷婷丁香啪啪| 99a级片| 色综合五月天| 婷婷五月激情天| 超碰九热| 九九99九九99九九99视频网| 久久久久久久人妻| 久久久久久人妻| 99丁香五月婷| 无码 av电影| 99热网址| 99热老网站| 中文字幕永久免费| www.丁香五月| 久久激情综合| 一起草无码视频| 色亭亭九月| 天堂中文国产| 国产色99| 婷久看人爽| 久久免费操| 狠狠色噜噜狠狠| 中国AV性爱观看| 九久久精品视频99| 91人妻人人操| 五月天激情小说| 99久久久99久久91熟女| 色婷婷色99国产综合精品| 99热日韩| 97丁香五月| 69精品人人人人| 97资源碰碰| 五月婷婷六月综合| 五月丁香手机在线| 激情九月婷婷| 国产99久9在线| 亚洲精品又粗又大又爽A片| 婷婷伊人綜合中文字幕| 色色色五月婷| 亚洲中文乱字字幕在线永久| 六月婷婷私欲| 激情com| 久久久99久久| 婷婷五月综激情| 五月久久婷婷天堂视频| 91久久九色| 五月丁香久久| 热99这就是精品视频| 丁香久久| 激情丁香社区| 99久久99九九九99九他书对| 婷婷射丁香| www.婷婷.com| 日本久久综合| 天天色宗合| 99在线精品视频| 国产成人99久久亚洲综合精品| 任我肏| 五月天成人在线播放| 丁香五月天天高清在线| 色五月播五月| 视频一二区| 免费黄色视频网址| 五月色网| 香蕉久久国产AV一区二区| 亚洲AV免费在线| 免费视频无码| 强辱丰满人妻HD中文字幕| 夜夜骑夜夜撸| 色五月激情五月| 国产69久久久欧美黑人A片| 九九在线热九九在线热99热| www.久99| 99re视频精品| www.色色五月天.com| 久久精彩免费视频| 五月丁香好婷婷A片网| 人妻精品在线| 无码AV免费精品一区二区三区| 久久九九国产精品怡红院| 色噜噜狠狠色综无码久久合欧美| 99色视频| 玖玖婷婷婷丁香五月| 六月婷婷色综合| 亚洲avjiujiur91| 午夜婷婷六月天| 97五月天| 万月丁香狠狠爱| 思思99久久| 亚洲热手机在线观看| 久久人妻高清中文| 另类专区在线| 久久九九99| 97日本在线| 色五月综合网| 97精品综合| 激情综合丁香五月| 五月色网| 99热精品在线播放| sewuyuetingtingiii| 丁香六月天婷婷在线| 五月激情久久| 嫩BBB搡BBBB榛BBBB| 成人丁香五月婷| 色七色九九| 激情AV在线| 97操操| 操b视频在线观看一区二区| 九九色婷婷| 五月丁香无码| 欧美性生交XXXXX无码小说| 婷婷五月欧美| 这里只有精品视频在线观看免费| 婷婷 月 丁香| 影音先锋天天日| 色婷婷综合网| 九九九九精品精| 日本超碰在线| 亚洲色图五月丁香| 综合久久8| 99热大全在线观看| 久久五月激情| 久激情| 5月丁香六月情| 色狠狠综合| 99视频| 色情综合| 色五月大| 99久久精品国产色欲| 激情五月天色婷婷| 97在线观视频免费观看| 丝袜人妻| 99∨VTV| 九九精品综合| 荷兰av一级| 激情五月天丁香| 婷婷激情五月综合| 日日杆天天| 99热国产| 婷婷五月丁香啪啪| 欧美一级毛卡片无码| 五月天影院婷婷在线观看| 天天色天天| 色激情综合狠狠婷婷| 婷婷五月丁香久久| 久久色9| 亚洲激情.com| 亚洲国产网站| 天天操B| 爽极品色| 精品激情| 色色婷婷丁香五月天| 亚洲午夜一区二区| 啪啪啪大香蕉| 激情五月婷婷| 天天射夜夜骑| 天天日天天久久青青| 五月婷AV| 97sese婷婷| 五月丁香亭亭| 五月丁香六月成人| 丁香五月天社区| 九九热a| 国产欧美精品AAAAAA片| 五月婷婷m| 天天操比比| 九热久| 天天色粽合合合合合合合| 狠狠操天天日| 伊人五月婷| 色色色色av色色色色| 国产精品色婷婷久久久精品| 国产成人网站在线观看| 五月丁香做爱视频| 欧美精品99| 开心激情站| 天天做天天爱天天玩夜夜爽| 91人人妻人人操| 色五月婷婷影院| 国内婷婷丁香社区在线播放| 任你躁XXXXX麻豆精品| 人人射人人高潮| 丁香花五月天激情| 色色色五月天婷婷| 五月天婷婷乱论小说| 日本老女人黄页在线播放| 日本色99网站| 97干在线视频| 99热99精品| 思思热在线播放| 开心五月综合激情网| 亚洲综合在线视频| 熟女激情五月天| 久久伊人大香蕉| 丁香五月成人社区| 天天草天天日| 亭亭丁香aV| 五月天婷婷色综合| 超碰免费大香蕉| 天天拍夜夜爽日日| 婷婷综合五月| 欧美日比视频| 免费AV播放| 99热国产这里只有精品| www.狠狠操.com| 综合激情伊人影视在线| 亚洲电影中文字幕| 五月丁香六月在线| 亚洲中文av| 99操逼视频| 日韩人人操| 天天干夜夜想| 午夜免费试看| 五月天久久网站| 五月婷婷六月丁香色| 丁香六月婷婷| 国产超碰人人| 91久久久久久久91| 丁香五月桃花在线激情综合| 狠狠精品干练久久久无码中文字幕| 天天干天天色综合| 噜噜噜久久亚洲精品国产品91| 97成人丁香婷婷| 婷婷午夜精品久久久| 久久天堂婷婷五月| 丁香五月 无码| 欧美性生交XXXXX无码小说| 超碰av在线| 狠狠狠狠狠狠狠狠| 亚洲欧洲另类图片| 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 | 丁香六月婷婷综合激情欧美| 视频这里只有精品| 婷婷五月av| 成人色图情色成人网 www.5b5b5bcom 五月天 | 久久99激情五月天| 五月丁香婷婷激情爱爱| 青青999| 91狼友视频在线观看| 国产精品天天狠天天看| 大学生高潮无套内谢视频| 天天骑天天操| 五月激情站| 国产激情综合| 亚洲人妻AV| 狠狠色婷婷六月激情网| 婷婷色五月综合| 日韩色色视频| 97热视频| 婷婷五月天激情小说| 国产69久久久欧美黑人A片| 搡BBBB搡BBB搡18| 做爰丰满少妇1313| 99ri精品在线观看| 欧美、日韩、中文、制服、人妻| 五月天大香蕉AV| √天堂资源在线人妻熟女| AV激情五月| 色综合综合网| 欧美Va婷色| 国产超碰在线| 欧美性猛交 XXXX 乱大交| 天堂美国久久| 人伦30P| 欧洲亚洲最新精品| 九九热最新| 婷婷伊人綜合中文字幕| 激情五月最新网址| 欧美美女国产日韩一区二区久| 色九亚洲| 综合AV网| 天天做天天双| 九九在线视频| 色婷婷色五月综合| 五月婷在线影院| 操笔无码| 色婷婷香蕉| 少妇水多A片太爽了| 五月色亭丁香| 激情五月天综合网站网站网站| 丁香成人色情五月天| 国产成人av在线播放| 99热这里只有精品9| 天天做天天爽| 无码A片一区二区免费| 欧美狠狠草| 99爱视频免费看| 色99在线视频| 欧美情色一区| 激情五月婷婷啪啪| 男人综合网| 91热久久| 超碰激情五月| 亚洲av成人在线| 69er小视频| 五月天成人在线视频网站| 色五月丁香婷婷| www.9色色色| 色婷婷XXXXX| 91操人视频| 极品人妻VIDEOSSS人妻| 婷婷99视频精品| 六月丁香网| Www.se.久久| 日韩av网站在线观看| 欧美天天干五月丁香| 婷婷久久大香蕉| 五月天婷婷Av| 丁香婷婷啪啪啪| 开心五月激情网| 久青操| 男人天堂99| 91丁香| 六月丁香婷婷五月| YW无码| 激情五月丁香六月婷婷| 国产肥白大熟妇BBBB视频| www.粉嫩av.com| 色婷婷久久综合| 97人人看一| 久久激情五月婷婷| 91热久| 丁XX 成人| 九九九九中文字幕| 精品三区影院| 99热在线观看| 九九视频这里是精品五月| 99视频在线精品| 黄色aa观看aaguochan| 操操操AV| 五月婷啪啪| 天天天天天天操| 五月丁香A片| 丁香五月婷婷六月丁香| 免费超碰在线| 色婷婷综合网| 思思视频精品| 中文字幕精品无码一区二区| 思思热思在线精品视频| 色综合色色| 99免费视频久久| 国产乱妇无乱码大黄AA片| 大香蕉久| 超碰久热| 这里只有精品亚洲| 中文字幕成人| WWW,五月| 五月丁香影院| 天天操比比| 人人干99| 久久九九热视频| 婷婷四月 成人 狠狠干| 婷婷五月丁香综合瑟瑟| 美欧日韩国产成人在战| 四色综合网| 国产毛多水多女人A片| 天天操天天爱天天玩| 亚洲欧洲一二| 91碰碰| 色色啊| 午夜av网| 性做久久久久久久免费看| 天天激情站| 五月开心婷婷网| 丁香花五月天社区| 丁香狠狠色婷婷久久无码视频| 久久丁香| 99久热在线精品99re6热| 亚洲无码播放| 亚洲五月婷婷| 亚洲五月天第一综合干| 99综合色色色| 99re热在线视频| 丁香五月六月婷婷殴美综合| 色噜噜狠狠色综合网| 久久婷婷午夜| 夜夜操夜夜操| 久久九九免费视频| 9191avse| 97欧美在线| 欧美A级成人婬片免费看理论| 色婷婷亚洲| 婷婷一本和五月丁香| 色婷婷欧美| 波多野结衣不卡AV| 丁香五月天啪啪| 欧美色色色| 丁香五月婷婷啪| 色情五月天丁香社区| 97成人超碰免| 中文在线视频久9| 精品人妻午夜一区二区三区四区| www.夜夜操.com| 大天天伊人| 色狠狠综合| 综合激情伊人影视在线| 免费啪啪亚州视频| 婷婷色吧| AV免费在线网站| www.丁香六月婷婷久久天堂影院.con| 白人荫道BBWBBB大荫道| 欧美日韩AAAA| 在线1青婷| 婷婷久久夜| site:hcxsz888.com| 91操在线观看| WWW·色色色·COM| 五月婷婷丁香日韩在线| 99久热视频在线| 九九9久九9国产视频| 精国产品一区二区三区A片| 久久久婷婷| 色五月在线播放| 色五月色图| 99在线视频精品| 婷婷色九月| 夜夜撸夜夜骑| 色色射| 99自拍视频在线| 激情人妻综合| 丁香五月先锋| 亚洲欧美999| 精品99在线观看| 91婷婷丁香五月| 久久九九色| 九九热在线99| 狠狠爱五月婷婷| 久久小片| 91热视频色网站| 亚洲 视频 导航 一区| 欧美日比视频| 久久a热| 狠狠干综合| 天天揷综合网| 99ri视频在线观看| 国产精典视频在线观看| 激情宗合哪里能看| 色综合久久88色综合天天人守婷| 国精产品一区二区三区| 深爱激情丁香五月| 六月色婷婷| 色色色色色色色色网站| 国产99久久久国产精品免费看| cao视频,现在观看| 99热第一页| www.久久爱.com| 五月婷庭丁香在线| 六月婷婷激情小说网| 五月丁香婷婷潮喷中文字幕| 99热免费| 成人.在线日韩| 9超碰在线| 狠狠色噜噜狠狠狠狠综合| 亚洲乱码成人| 天天干天天色综合| 99热成人| 婷婷综合天堂| 好吊操这里只有精品| 激情五月天伊人影院| 五月天久久婷婷| 岛国午夜视频| 成人va在线观看视频| 五月激情婷婷丁香天堂| 99在线观看精品视频| 伊人九热| 五月婷伊人| 五月天婷婷伊人| 天天狠狠夜夜狠狠2023| 丁香五月天激情四射网| 色高清无码视频| 91精品在线看| 天天网曰日曰夜夜综合永久免费| 激情五月婷婷网在线观看| 婷婷五月色| 黄色国久久| 无码啪啪| 69午夜成人影片| 99这里| 天天操夜夜操| 九九精品热播| 色色综合视频| www.色99| 婷婷六月久久| 99热综合在线观看| 久久激情网| 久久天堂婷婷五月| 成年人看Va免费视频| 在线观看国产高清视频免费网站| 啪啪综合网| 九月久久婷婷| 色色色色色色色色网站| 大地9中文在线观看免费高清| 成人va在线观看视频| 色五月婷婷91| 色天五月天在线观看视频| 五月丁香啪啪啪| 96丁香六月婷婷蜜桃综合久久| 色色网站| 色婷综合| 激情五月天婷婷视频| 色五月婷婷五月天| 国产精品久久99| 激情婷婷色色| 综合网啪啪| 色爱综合网| 葵花AV在线| 欧美日韩AAAAA| 做爰丰满少妇1313| 五月天色婷婷小说| 日韩一级一片内射视频4K| 五月丁香色婷婷基地| 免费无码毛片一区二区A片| 五月天五月色婷婷综合| 婷婷五月天av| 丁香五月中文字幕久色| 国产精品第一国产精品| 丁香色啪综合| AV片一区在线观看| 天天舔天天摸| 五月天激情综合网| 日韩成人av在线| 99热这里只有精品26| 日本强伦片中文字幕免费看| 夜夜撸日日骑| 99热一本久道| 超碰91人人操| 97色色色视屏| 亚州男人天堂婷婷五月| 丁香五月婷婷AV在线| 伊人9在线| 久久性视频| 99成人免费热视频| 97日本在线| 亚洲熟女色| 99热情这里只有精品在线播放| 思思热精品在线| 激情综合六月| 热99热久| 久久婷婷亚洲| 五月婷视屏在线观看| 久久狼人天堂| 色情综合| 开心五月综合| 欧美激情久| 五月综合激情婷婷六月色窝| 思思精品视频| 51XX嘿嘿午夜无码| 国产激情综合五月久久| 久久久人妻系列| 五月丁香花视频| 九七色色六月丁香| 日本一级黄色电影| 99热这里只有精品66| 五月色情婷婷| 婷婷五月天激情小说| 天天综合亚洲| 美女亚洲五月丁香| 五月婷婷亚洲| 91在线精品一区二区| 99这里| 色播播五月天| 99在线国| 丁香五月色网| A片试看120分钟做受图片| 99热这里只有免费| 九九热九九热精品| 欧美大香蕉视频| 欧美A级成人婬片免费看理论| 天天综合在线网| 亚洲五月丁香六月婷婷| 婷婷婷婷色| 综合亚洲五月天| 91丨九色丨熟女|新版| 久久国产一区二区三区| 能看的av网站| 99爱精品| 亚洲免费99| 中文字幕AV在线播放| 国产婷婷久久| 99视频啪啪| 九九九九九九热| 欧美婷婷| 综合色播| 婷婷五月天网址| 婷婷九月在线| 狠狠xx| ...婷婷国产成人亚洲日韩| 久热九九| 九九人人精品| 中文字幕不卡网站| 艹色18p| 亚洲精品V天堂中文字幕| 色9999日韩国产| 超碰在线免费9| 五月深爱激情网| 骚。com| 久久精品亚洲一级牲爱综合| 久久婷婷五月天激情唯美| 亚洲视频在线观看99| 丁香婷婷婷五月综合色情| 日韩AV在线电影| 国内久久亭亭| 欧美一线视频| 亚洲AV中文在线| 欧美激情-区二区三区| 婷婷婷久久| 六月激情网| 五月丁香少妇| 夜夜躁婷婷AV| 欧美久热| 五月婷婷伊人网| 综合激情五月综合激情五月激情1| 色综合五月婷婷狠狠干| 婷婷激情五月天小说| 欧美色六月婷婷| 五月婷婷在线丁香| 婷婷丁香五月天色区| 丁香婷五月天开心六月| 99免费热视频在线| 久久色情| 99爱在线| 色五月激情视频在线综合| 日本色噜| 久久在这里有精品| 毛片色五月| 天天干,夜夜爽| 91人操人人人操人| 我爱大香蕉| 国产午夜成人免费看片无遮挡| AV片一区在线观看| 色爱综合五月| 99热最新精品| 婷婷综合爱| 天天射射夜| 色婷婷婷婷五月天| 欧美搡BBBBB摔BBBBB| 丁香婷婷六月天| 激情网婷婷婷| 久久怕怕视频| 久色大| 婷婷五月天AV| 婷婷五月欧美| 国产欧美日韩性爱| 思思99久久| 嫩BBB槡BBBB搡BBBB| 99热费观看| 婷婷五月色情天| www.夜夜| 97久久五月丁香婷婷| 欧美久久五月婷婷| 婷婷久久色| www超碰| 亚洲色人妻| 婷婷瑟瑟五月天| www.五月婷婷| 激情国产综合| 久久人人人人妻| 色噜噜五月天| 丁香五月婷婷综合91| 全网最新网黄大秀直播高清,主播国产录屏在线 | 蜜臀A∨在线水帘洞| 亚洲天堂AAA| 天天做天天爱天天高潮| av人人操| 五区毛片七区毛片| 99热这里只有精品中文字幕| 97人妻碰碰碰碰碰久久久久久| 天天激情5月天亚洲| 五月丁香啪啪啪| 伊人超碰在线| 五月丁香六月花| 婷婷亚洲色| av在线播放网址| 天天干天天干天天操| 国产真人做爰视频免费| 丁香激情四射| 激情综合五月| 狠狠狠狠青草| 丁香六月伊人| 国产性爱在线| 婷婷播播五月天| 精品人妻午夜一区二区三区四区| 9久视频| 999热这里只有精品| 亚洲综人色综网| 久久a热| 亚洲a片免费观看| 99热这里只有精品86| 夫妇交换刺激做爰| 五月情婷婷五月| 久久色区| 丁香五月情色| 99久久婷婷| 五月婷婷深深爱爱| 色婷网| 五月丁香啪啪综合| 类似婷婷激情综合网站| 久久丁香婷婷色情综合| 日日夜夜天天爽| 婷婷五月天BBw| 伊综合蕉| 色五月婷婷综合在线| 六月婷婷日| 久操无码| 99re99热| 国产无套精品一区二区| 久久黄A片| 亚洲黄色网址| 精品无码99| 婷婷 丁香 久久| 少妇综合网| 婷婷久久综| 九九色精品| 米奇影视五月天| 人人妖人人97| 九九精品热| 91操熟女| 亚洲无AV在线中文字幕| 拳交大逼| 另类色视频| 色婷婷四虎| 五月丁香婷婷久久| 激情综合网,婷婷五月天| 亚洲色五月婷婷| 色色色网站| 深爱丁香网| 丁香深五月婷婷| 日韩高清成人| 五月丁香色播| 日韩久久视频| 色综合婷婷99| 久久久99久久| 欧洲永久精品| 日日噜噜久久婷婷五月天| 99精品网| 日韩精品一品二区三区的使用体验| 97资源碰碰| 五月婷婷综合在线亚洲视频| 婷婷丁香花五月天| 六月婷婷av| 99只有精品9| 超碰激情网| 热思思| 亚州激情在线视频| 日韩综合网络男女香蕉a片| 久婷婷视平| 日韩免费视频| 成人日韩欧美| 影音先锋91资源站| 久久婷婷五月综合伊人| 五月香婷婷| 久久婷综合| 久久精彩视频99| 日本狠狠干| 大香蕉520| 免费观看欧美成人AA片爱我多深| 这里只精品| 午夜理论片最新午夜理论剧| www亚洲无码| 丁香五月伊人| 色香蕉精品五夜婷| 激情六月天| 五月婷视频| 激情五月天视频| www.minyis.com【JT】国内CDN落地页保证转化QQ2101460746 | 九九热这里| 99色热视频| 日韩色色色色色| 色综合av超碰| 九九99九九精品视频| 99精色| 亚洲色综久久五月| 天天干天天色天天干| 先锋五月婷婷丁香草草| 夜色综合网| 五月丁香婷婷婷激情爱爱| AⅤ网站在线看| 丁香五月天堂婷婷| 欧美大道不卡| 丁香激激情网| 精品无码人妻一区| 五月天激情综合10p| 五月丁香六月婷婷,婷| AV九九| 婷婷激情伍月网| 人人色AV| 久久思思热视频| 五月丁香久久丝袜啪啪| 久久五月婷| 第2色五月婷| 九九成人精品| 久久机热这里只有精品| wwwxxx五月婷婷小说| 插插干干干色| 欧美性爱5月天天天看| 久久黄色片| www.激情五月| 五月丁香六月婷婷欧美综合| 日韩一区二区在线播放| 久久精品在线| 婷婷五月天成人基地| 亚洲美女网Va| 丁香五月最新地址| 激情小说五月天| 精品一二三区久久AAA片| 久久婷婷五月综合色区| 97碰在线免费观看| 99久久视频| 综合久久久婷| 婷婷五月天天aV| 亚洲色频| 色色色婷婷五月天| 色私五月婷婷| 日本系列_4页_777FP| 五月婷婷啪啪啪| 五月丁香综合激情| 黄桃AV无码免费一区二区三区| 97天堂| 久久人人添人人爽添人人片αV| 国产毛片操B| 吊色AV男人的天堂| 激情综合五月激情| 久久人妻在线| 久久人妻久久| 五月婷网| 河北真实伦对白精彩脏话| 欧美啪啪五月天| 五月婷婷啪啪网| 色婷婷97| 欧美天天爽| 国产成人+亚洲+欧洲| 影音先锋四区| 国产AV一区二区三区日韩| 日本一级大片| 日日干日日s| 99爱无码| 操碰99| 国产毛片操B| 日韩久久视频| 狠狠综合网| 亚洲激情婷婷| 噜噜五月天综合| 色九月丁香婷婷蜜桃在线观看| 色五月婷婷婷婷婷婷婷婷婷婷| 99免费成人网| 丁香花五月天激情|