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)運營的一線實戰(zhàn)洞察。

YOLOV5數(shù)據(jù)集格式詳解:自動駕駛目標檢測的數(shù)據(jù)校驗與訓(xùn)練實踐

YOLOV5數(shù)據(jù)集格式詳解:自動駕駛目標檢測的數(shù)據(jù)校驗與訓(xùn)練實踐 簡介面向自動駕駛目標檢測任務(wù)的現(xiàn)成數(shù)據(jù)集包按YOLOv5目錄格式整理可直接投入訓(xùn)練與驗證省去數(shù)據(jù)格式轉(zhuǎn)換與清洗步驟。數(shù)據(jù)內(nèi)容覆蓋卡車、行人、交通信號燈等11個常見道路類別圖像為512×512 RGB圖每張含多目標邊界框標注清晰圖像內(nèi)容完整適合自動駕駛感知、密集目標檢測等場景。資源共2000個文件以txt標簽為主1999個另有1個可視化腳本py標簽文件與圖片一一對應(yīng)訓(xùn)練集21031張、驗證集5266張并分別存放于 datasets-images-train 與 datasets-images-val 分目錄中同時附有11類別對應(yīng)的txt信息文件壓縮包約493MB開箱即用。包內(nèi)另附類別文本文件與可視化腳本運行后即可在隨機圖片上繪制邊界框并保存結(jié)果方便快速核查標注質(zhì)量。目前已有173人學(xué)習(xí)下載適合需要高性價比數(shù)據(jù)支撐的目標檢測練手或項目驗證。1. 拿到一份YOLOV5目錄格式的自動駕駛目標檢測數(shù)據(jù)集先別急著訓(xùn)練做大型自動駕駛道路信息檢測時我拿到一份YOLOV5目錄格式的目標檢測數(shù)據(jù)集11個類別訓(xùn)練集、驗證集都齊了——很多人覺得這就能直接yolo train跑模型了。真跑起來就會意識到數(shù)據(jù)集本身的坑比模型結(jié)構(gòu)多得多標簽索引是不是從 0 開始、坐標有沒有歸一化、訓(xùn)練集和驗證集有沒有按場景切干凈、小目標類別占比是不是低到讓模型直接放棄。這份數(shù)據(jù)集的目錄格式是對的但格式對不等于訓(xùn)練順利。這篇文章按我自己的實踐順序拆解先講清 YOLOV5 目錄格式的每條規(guī)則再講訓(xùn)練集和驗證集怎么劃分、怎么校驗、真正訓(xùn)練時會踩哪些坑最后落到怎么驗證這份數(shù)據(jù)集到底值不值得投入。2. 拆開 YOLOV5 目錄格式目錄結(jié)構(gòu)、標簽編碼與 11 類映射2.1 目錄結(jié)構(gòu)images/labels 的配對規(guī)則與 train/val 劃分YOLOV5 的目錄格式不是隨便把圖片和 txt 放在一起就行。標準做法是項目根目錄下分images和labels兩個主目錄各自內(nèi)部再按train、val分子目錄圖片和標簽的文件名必須完全一致只是擴展名不同例如img_0001.jpg對應(yīng)img_0001.txt。yolov5 官方倉庫里找數(shù)據(jù)時也是這個標準結(jié)構(gòu)做目標檢測數(shù)據(jù)集轉(zhuǎn)換的第一步就是對齊這個格式。autopilot-dataset/ ├── images/ │ ├── train/ # 訓(xùn)練集圖片 │ └── val/ # 驗證集圖片 ├── labels/ │ ├── train/ # 訓(xùn)練集標簽 │ └── val/ # 驗證集標簽 ├── data.yaml # 類別名與路徑配置 └── classes.txt # 類別清單輔助文件我一般會在根目錄再放一個classes.txt內(nèi)容就是 11 個類別的名字每一行一個。它不是 YOLOV5 訓(xùn)練必需的文件但后面寫data.yaml、做標簽校驗、重新聚類 anchor 時都要用提前準備能省不少事。需要注意images和labels的文件配對是按文件名 strict 匹配的任何一方多出一個文件都不會報錯只會導(dǎo)致那個樣本被靜默跳過這是后面要重點排查的問題。2.2 標簽編碼歸一化坐標、類別索引從 0 開始YOLO 系列的標簽格式每行代表一個目標框共五項class x_center y_center width height。這里的x_center、y_center、width、height全部是相對圖像寬度和高度的比值取值范圍在 0 到 1 之間。這與 COCO 的像素坐標格式有本質(zhì)區(qū)別把 COCO 或 VOC 格式轉(zhuǎn)換成 YOLO 格式是必經(jīng)步驟轉(zhuǎn)換公式如下。x_center (x_min x_max) / 2 / image_widthy_center (y_min y_max) / 2 / image_heightwidth (x_max - x_min) / image_widthheight (y_max - y_min) / image_height其中x_min、y_min、x_max、y_max是像素坐標。跑這段轉(zhuǎn)換邏輯時有一個關(guān)鍵點類別索引必須從 0 開始不能從 1 開始。項目里類別索引一旦錯位訓(xùn)練不會報錯但模型會把car學(xué)成pedestrian驗證時 mAP 看起來還行實際推理全亂屬于最隱蔽的坑。所以我拿到數(shù)據(jù)集第一件事就是用腳本掃描所有標簽文件確認類別索引的范圍是 0 到 10而不是 1 到 11。2.3 11 類自動駕駛目標怎么映射到類別索引落實這份數(shù)據(jù)集之前先建一張類別映射表。11 個類別在自動駕駛場景里的常見構(gòu)成大概是car、truck、bus、motorcycle、bicycle、pedestrian、rider、traffic_light、traffic_sign、stop_sign、lane_marker 這類組合。具體類別名以數(shù)據(jù)集實際標注為準我按常見做法列出映射關(guān)系索引類別名典型尺寸規(guī)模說明0car中轎車、SUV數(shù)量最多1truck大貨車、掛車2bus大公交車3motorcycle小摩托車4bicycle小自行車5pedestrian小行人6rider小騎手含摩托車/自行車騎手7traffic_light極小紅綠燈遠距離時很小8traffic_sign小交通標志牌9stop_sign小停車讓行標志10lane_marker極小車道線標記細長形這 11 類里traffic_light和lane_marker是小目標的重災(zāi)區(qū)。遠距離紅綠燈在 640×640 分辨率下可能只有 10×10 像素模型在小目標上先天劣勢。這也是為什么后面要談訓(xùn)練分辨率、anchor 重聚類和數(shù)據(jù)增強策略這三件事都和類別特性強相關(guān)。2.4 為什么自動駕駛數(shù)據(jù)集偏愛 YOLOV5 目錄格式而不是 COCO/VOC目標檢測數(shù)據(jù)集的常見格式有 COCO 的 JSON、VOC 的 XML、YOLO 的 txt 三類。自動駕駛場景下我傾向于用 YOLOV5 目錄格式原因在于標簽讀取效率。COCO 的 JSON 有幾十 MB 到上百 MB每次 dataloader 啟動都要解析整個文件訓(xùn)練時讀樣本也要查字典VOC 的 XML 是單個文件一個目標框列表標注繁瑣但讀取不算慢可它的標簽層級結(jié)構(gòu)對自動駕駛這種大量重疊目標不友好。YOLO 的 txt 格式是純文本一行一個目標讀取零解析成本配合images/labels的目錄結(jié)構(gòu)dataloader 能隨機訪問任意樣本不需要維護全局索引。對自動駕駛這種動輒幾萬張圖片、每張十幾個目標的數(shù)據(jù)集訓(xùn)練時 IO 效率直接影響迭代速度。YOLOV5 目錄格式另一個好處是切分方便train/val就是兩個目錄換比例或換場景子集時只需移動文件不需要重新生成 JSON。數(shù)據(jù)增強工具如 mosaic、mixup 的實現(xiàn)也天然適配這種格式。數(shù)據(jù)可視化、邊界框檢查、訓(xùn)練集成、推理演示這些環(huán)節(jié)我都用 YOLOV5 目錄格式作為事實標準。3. 訓(xùn)練集與驗證集劃分比例、劃分策略和數(shù)據(jù)分布檢查3.1 按場景劃分還是按幀隨機劃分自動駕駛數(shù)據(jù)的特殊性很多人劃分訓(xùn)練集和驗證集時直接對所有圖片做隨機抽樣比如 8:2 分割這在自動駕駛數(shù)據(jù)集上是錯誤做法。自動駕駛數(shù)據(jù)通常來自連續(xù)視頻幀相鄰幀之間高度相似如果同一段視頻的前后幀被隨機分到訓(xùn)練集和驗證集驗證集相當(dāng)于在做開卷考試——模型見過幾乎一樣的畫面指標虛高部署到真實場景立刻打回原形。正確做法是按場景或按視頻序列 ID 劃分。數(shù)據(jù)集如果帶序列 ID 字段就按序列劃分如果沒有就按文件名前綴劃分。假設(shè)文件名是seq_001_frame_0001.jpg這種格式提取seq_001作為分組鍵同一組內(nèi)的所有幀必須全部進入同一個集合。我通常會把 80% 的場景進訓(xùn)練集、20% 的場景進驗證集而不是按圖片數(shù)量直接切分這樣驗證集的指標才有參考意義。3.2 寫一個劃分腳本按文件收集、場景分組、輸出圖片與標簽下面是我常用的按場景 ID 劃分腳本核心是先用os.walk收集圖片路徑再提取場景 ID最后用train_test_split以場景為單位切分。注意腳本要保證images/train、images/val、labels/train、labels/val四個目錄的內(nèi)容同步移動圖片復(fù)制過去標簽也必須對應(yīng)復(fù)制否則會出現(xiàn)圖片有標簽、標簽無圖片的錯位。import os import shutil from collections import defaultdict from sklearn.model_selection import train_test_split src_images raw_data/images src_labels raw_data/labels dst_dir autopilot_dataset train_ratio 0.8 # 收集所有圖片文件 image_paths [] for root, _, files in os.walk(src_images): for file in files: if file.lower().endswith((.jpg, .jpeg, .png)): image_paths.append(os.path.join(root, file)) # 按文件名前綴提取場景ID例如 seq_001_frame_0001.jpg - seq_001 def get_scene_id(path): fname os.path.basename(path) # 按數(shù)據(jù)集的命名規(guī)律調(diào)整分割規(guī)則 return fname.split(_frame_)[0] scene_to_images defaultdict(list) for img_path in image_paths: scene_id get_scene_id(img_path) scene_to_images[scene_id].append(img_path) scene_ids list(scene_to_images.keys()) train_scenes, val_scenes train_test_split( scene_ids, train_sizetrain_ratio, random_state42 ) # 按場景切分并復(fù)制到目標目錄 for split_name, scene_list in [(train, train_scenes), (val, val_scenes)]: for scene_id in scene_list: for img_path in scene_to_images[scene_id]: label_path img_path.replace(src_images, src_labels).rsplit(., 1)[0] .txt dst_img os.path.join(dst_dir, images, split_name, os.path.basename(img_path)) dst_lbl os.path.join(dst_dir, labels, split_name, os.path.basename(label_path)) os.makedirs(os.path.dirname(dst_img), exist_okTrue) os.makedirs(os.path.dirname(dst_lbl), exist_okTrue) shutil.copy2(img_path, dst_img) shutil.copy2(label_path, dst_lbl)邏輯說明先收集所有圖片路徑按場景 ID 分組再對場景 ID 做隨機劃分。這樣劃分的最小單位是場景而不是單張圖片驗證集中的任何幀都不會在訓(xùn)練集中出現(xiàn)同場景畫面。random_state42固定隨機種子保證重復(fù)執(zhí)行劃分結(jié)果一致這在我反復(fù)調(diào)試時很重要否則每次跑訓(xùn)練驗證集都變結(jié)果無法對比。參數(shù)說明train_ratio控制訓(xùn)練集比例一般取 0.8數(shù)據(jù)量少可以提到 0.85 或 0.9。get_scene_id函數(shù)里的分割規(guī)則需要按數(shù)據(jù)集的命名格式調(diào)整如果文件名是20240101_123456_01.jpg這種時間戳格式就直接取整段前綴。還要注意標簽路徑的替換邏輯img_path.replace(src_images, src_labels)要求圖片與標簽?zāi)夸浗Y(jié)構(gòu)對稱如果不對稱需要單獨映射。3.3 類別分布統(tǒng)計腳本統(tǒng)計每類框數(shù)發(fā)現(xiàn)類別不平衡劃分完成后第一件事不是訓(xùn)練而是統(tǒng)計類別分布。自動駕駛數(shù)據(jù)集的類別分布極不均衡car可能占一半以上stop_sign可能只有幾百個框。YOLOV5 的損失函數(shù)默認對每個類別一視同仁類別不平衡會導(dǎo)致少樣本類別幾乎學(xué)不出來。統(tǒng)計腳本可以直接解析每個 txt 文件的第一列。import os from collections import Counter label_dirs [autopilot_dataset/labels/train, autopilot_dataset/labels/val] class_counter Counter() for label_dir in label_dirs: for label_file in os.listdir(label_dir): if not label_file.endswith(.txt): continue with open(os.path.join(label_dir, label_file), r) as f: for line in f: line line.strip() if not line: continue class_id int(line.split()[0]) class_counter[class_id] 1 for class_id in sorted(class_counter.keys()): print(fclass {class_id}: {class_counter[class_id]} boxes)邏輯說明遍歷所有標簽文件讀取每一行的第一個字段作為類別索引累加計數(shù)。Counter會按類別自動聚合。打印結(jié)果后對照映射表如果發(fā)現(xiàn)某個類別的框數(shù)比其他少一個數(shù)量級訓(xùn)練前就要處理。參數(shù)說明這個腳本是純讀取不修改數(shù)據(jù)。如果類別不平衡嚴重常見做法是給 YOLOV5 的data.yaml中的類別配置權(quán)重或者在訓(xùn)練時開啟針對少樣本的過采樣。但更穩(wěn)妥的做法是直接增加該類別的數(shù)據(jù)量因為權(quán)重提升容易讓模型對多數(shù)的誤檢率上升。少樣本類別如stop_sign框數(shù)低于 1000 時我會優(yōu)先考慮補數(shù)據(jù)而不是調(diào)權(quán)重。3.4 data.yaml 的寫法路徑、類別名與索引保持一致data.yaml是 YOLOV5 訓(xùn)練的入口配置路徑寫錯或類別索引不匹配都會直接導(dǎo)致訓(xùn)練失敗或?qū)W錯。YOLOV5 目錄格式下的data.yaml基本結(jié)構(gòu)如下。path: ../autopilot_dataset train: images/train val: images/val nc: 11 names: 0: car 1: truck 2: bus 3: motorcycle 4: bicycle 5: pedestrian 6: rider 7: traffic_light 8: traffic_sign 9: stop_sign 10: lane_markerpath是相對data.yaml文件的上一級目錄路徑train和val是相對于path的目錄。nc是類別總數(shù)必須與實際類別數(shù)一致。names字典的 key 和標簽文件里的 class 索引必須一一對應(yīng)順序不能錯。有一個容易被忽略的點path配置寫絕對路徑時換電腦訓(xùn)練就會失效我習(xí)慣用相對路徑配合在工作目錄下啟動訓(xùn)練命令這樣整個項目可以遷移到另一臺機器直接跑。4. 訓(xùn)練前必須做的三件校驗圖像、標簽、配對關(guān)系4.1 壞圖與截斷圖檢測PIL 驗證 SHA 校驗訓(xùn)練集圖片來自采集車或公開道路數(shù)據(jù)集下載、壓縮、傳輸過程都可能產(chǎn)生損壞圖片。YOLOV5 的 dataloader 讀圖失敗時通常不會中斷訓(xùn)練而是跳過該樣本但如果壞圖占比超過 1%實際訓(xùn)練樣本數(shù)就和配置對不上影響收斂效果。我用 PIL 做基礎(chǔ)驗證再配合文件大小過濾。from PIL import Image import os img_dir autopilot_dataset/images/train bad_images [] for img_file in os.listdir(img_dir): if not img_file.lower().endswith((.jpg, .jpeg, .png)): continue img_path os.path.join(img_dir, img_file) try: with Image.open(img_path) as img: img.verify() # 檢查文件完整性 # 額外驗證分辨率 width, height img.size if width 32 or height 32: bad_images.append((img_path, too_small)) except Exception as e: bad_images.append((img_path, str(e))) for path, reason in bad_images: print(fBAD: {path} - {reason})邏輯說明img.verify()會讀取文件的解碼結(jié)構(gòu)遇到截斷或損壞會拋異常比單純檢查文件大小可靠。文件實際上能打開但分辨率過低的圖片也要過濾因為 YOLOV5 在訓(xùn)練時會將圖片 resize 到 640×640一張 20×20 的圖片會被拉伸到嚴重失真模型學(xué)到的是噪聲。參數(shù)說明分辨率閾值 32×32 是我常用的下限具體取決于你的img_size訓(xùn)練參數(shù)。YOLOV5 的 mosaic 增強會拼接四張圖如果一張圖過小mosaic 增強時拉大變形的程度會很夸張?;叶葓D不需要過濾YOLOV5 的 dataloader 會自動轉(zhuǎn)成三通道但如果你發(fā)現(xiàn)灰度圖占比過高建議檢查數(shù)據(jù)來源是否采集出了問題。4.2 標簽內(nèi)容合法性校驗坐標范圍、越界、重復(fù)框YOLO 標簽里五個字段都是浮點數(shù)類別索引應(yīng)為整數(shù)中心點坐標和寬高都應(yīng)滿足約束條件。我見過不少標簽文件里的坐標小于 0 或大于 1原因多是標注工具導(dǎo)出時未歸一化、或者在轉(zhuǎn)換腳本里把長邊除以了寬邊。這類數(shù)據(jù)直接訓(xùn)練會導(dǎo)致 loss 不收斂或精度極差。下面這個腳本能找出所有非法標簽。import os label_dirs [autopilot_dataset/labels/train, autopilot_dataset/labels/val] errors [] for label_dir in label_dirs: for label_file in os.listdir(label_dir): if not label_file.endswith(.txt): continue label_path os.path.join(label_dir, label_file) with open(label_path, r) as f: lines f.readlines() if len(lines) 0: errors.append((label_path, empty_file)) continue seen_boxes set() for line_num, line in enumerate(lines): parts line.strip().split() if len(parts) ! 5: errors.append((label_path, fline {line_num}: field_count ! 5)) continue try: cls int(float(parts[0])) x_c, y_c, w, h map(float, parts[1:]) except ValueError: errors.append((label_path, fline {line_num}: non-numeric value)) continue if cls 0 or cls 10: errors.append((label_path, fline {line_num}: class index {cls} out of range)) if not (0 x_c 1 and 0 y_c 1 and 0 w 1 and 0 h 1): errors.append((label_path, fline {line_num}: coord out of range)) # 檢查重復(fù)框類別坐標完全一致 box_key (cls, round(x_c, 6), round(y_c, 6), round(w, 6), round(h, 6)) if box_key in seen_boxes: errors.append((label_path, fline {line_num}: duplicate box)) seen_boxes.add(box_key) for path, msg in errors: print(fINVALID: {path} - {msg}) print(ftotal errors: {len(errors)})邏輯說明逐行解析每個標簽文件驗證字段數(shù)量、數(shù)值類型、類別范圍、坐標范圍。坐標等于 0 的寬度或高度是無效的因為模型無法學(xué)習(xí)到零大小的目標。重復(fù)框做精確匹配對比標注工具在合并多次標注結(jié)果時容易產(chǎn)生完全一樣的重復(fù)行重復(fù)框會讓模型對同一個目標重復(fù)計算損失導(dǎo)致對該目標的預(yù)測置信度異常偏高。參數(shù)說明類別索引范圍cls 10要按你數(shù)據(jù)集的類別數(shù)調(diào)整。坐標范圍校驗中x_c 0合法但width 0非法需要區(qū)分。如果文件里只有一行0.5 0.5 0.1 0.1這種坐標但寬高為 0就是標注工具導(dǎo)出問題這種文件訓(xùn)練時不會報錯只會默默影響那個樣本的 loss。4.3 圖像與標簽配對檢查找出未配對文件配對檢查是訓(xùn)練前最容易被跳過的步驟。YOLOV5 的 dataloader 在加載時會先查找同名標簽文件找不到就跳過該圖或該標簽。如果 labels 目錄里的文件名與 images 不對應(yīng)錯誤不會報出來訓(xùn)練日志里的樣本數(shù)會變少。import os images_train set(os.listdir(autopilot_dataset/images/train)) labels_train set(os.listdir(autopilot_dataset/labels/train)) img_stems {os.path.splitext(f)[0] for f in images_train} lbl_stems {os.path.splitext(f)[0] for f in labels_train} missing_labels img_stems - lbl_stems missing_images lbl_stems - img_stems if missing_labels: print(fimages without labels: {len(missing_labels)}) for s in list(missing_labels)[:10]: print(f {s}) if missing_images: print(flabels without images: {len(missing_images)}) for s in list(missing_images)[:10]: print(f {s}) if not missing_labels and not missing_images: print(all paired OK)邏輯說明把images/train和labels/train下的文件名去掉擴展名后取集合兩個集合做差集就能找出未配對的文件。圖片有標簽缺失的要么補標簽要么刪圖標簽有但圖片缺失的要么補圖要么刪標簽。需要特別注意的是這個腳本只檢查 train 目錄val 目錄要再跑一遍。參數(shù)說明腳本本身沒有參數(shù)但如果數(shù)據(jù)集按子目錄組織比如images/train/daytime和images/train/night需要把os.listdir改成os.walk遞歸收集文件。很多自動駕駛數(shù)據(jù)集會按天氣或時段分子目錄但 YOLOV5 標準格式要求所有訓(xùn)練圖片在同一個目錄下下載后需要合并目錄。4.4 抽幀可視化把標注框畫回圖像上肉眼檢查偏移腳本校驗只能查數(shù)值合法性標注框是否真的框住了目標要靠可視化確認。每類隨機抽 20 張圖把標簽畫回圖上檢查框的位置是否偏移、類別是否正確、有沒有漏標注嚴重的圖。下面這段用 OpenCV 畫框的腳本可以直接跑。import cv2 import os import random label_dir autopilot_dataset/labels/val image_dir autopilot_dataset/images/val output_dir visual_check os.makedirs(output_dir, exist_okTrue) class_names [ car, truck, bus, motorcycle, bicycle, pedestrian, rider, traffic_light, traffic_sign, stop_sign, lane_marker ] colors [ (0, 255, 0), (0, 165, 255), (0, 0, 255), (255, 0, 0), (255, 255, 0), (255, 0, 255), (0, 255, 255), (128, 128, 0), (128, 0, 128), (0, 128, 128), (255, 128, 0) ] label_files random.sample(os.listdir(label_dir), min(20, len(os.listdir(label_dir)))) for label_file in label_files: stem os.path.splitext(label_file)[0] label_path os.path.join(label_dir, label_file) img_path os.path.join(image_dir, stem .jpg) if not os.path.exists(img_path): continue img cv2.imread(img_path) h, w img.shape[:2] with open(label_path, r) as f: for line in f: parts line.strip().split() if len(parts) ! 5: continue cls int(float(parts[0])) x_c, y_c, bw, bh map(float, parts[1:]) x1 int((x_c - bw / 2) * w) y1 int((y_c - bh / 2) * h) x2 int((x_c bw / 2) * w) y2 int((y_c bh / 2) * h) cv2.rectangle(img, (x1, y1), (x2, y2), colors[cls], 2) cv2.putText( img, class_names[cls], (x1, max(0, y1 - 5)), cv2.FONT_HERSHEY_SIMPLEX, 0.5, colors[cls], 1 ) out_path os.path.join(output_dir, stem _check.jpg) cv2.imwrite(out_path, img) print(fsaved: {out_path})邏輯說明隨機抽取驗證集中的 20 個標簽文件讀對應(yīng)圖片把每個歸一化坐標乘以圖像寬高還原成像素坐標用不同顏色畫框并標注類別名。重點看三件事框是否貼住目標邊緣、類別和實際目標是否匹配、有沒有一張圖里被重復(fù)標注或完全漏標的情況。參數(shù)說明random.sample的 20 是抽樣數(shù)量類別少時可以每類固定抽固定數(shù)量保證每個類都覆蓋到。顏色列表長度要大于等于類別數(shù)否則索引越界。輸出目錄visual_check是新建的不會覆蓋原圖。這一步不能省標注偏移在自動駕駛場景中尤其危險——紅綠燈偏移一兩個像素在 640 分辨率下還能忍但行人框偏了半個身位訓(xùn)練出來的模型在真車上就得誤判。5. 訓(xùn)練集和驗證集的常見翻車現(xiàn)場與排查清單5.1 現(xiàn)象訓(xùn)練日志顯示的樣本數(shù)比 images 目錄文件數(shù)少第一次用這個數(shù)據(jù)集訓(xùn)練時啟動日志里顯示的train images數(shù)量比ls images/train | wc -l的數(shù)字少了幾百張當(dāng)時沒在意后來才發(fā)現(xiàn)是數(shù)據(jù)里有壞圖和未配對標簽。YOLOV5 的 dataloader 初始化時會掃描所有圖片并嘗試匹配對應(yīng)標簽匹配失敗的靜默跳過不報錯。原因一是 images 目錄里有一些損壞或格式不被支持的圖片文件二是 labels 目錄里有圖片找不到對應(yīng)標簽三是文件擴展名大小寫不一致比如圖片是.JPG而標簽生成時用的是.jpg。解決用 4.1 的壞圖檢測腳本掃一遍 images用 4.3 的配對腳本比對 train 和 val 兩個集合。把無法配對的圖片直接移出目錄不要留在原目錄里否則每次訓(xùn)練啟動日志都嚇人一跳。擴展名大小寫問題在 Linux 上訓(xùn)練時最常出現(xiàn)建議統(tǒng)一轉(zhuǎn)成小寫。5.2 現(xiàn)象loss 不下降mAP 約等于 0訓(xùn)練跑了 50 個 epochbox_loss 和 cls_loss 都在高位震蕩驗證集 mAP 接近 0這時模型實際上什么都沒學(xué)到。我排查了一圈發(fā)現(xiàn)標簽類別索引和data.yaml里的類別映射錯位了。原因標簽文件中的類別索引從 1 開始而 YOLOV5 的類別索引從 0 開始。比如原本應(yīng)該是class 0 car但標簽文件里寫的是class 1 car模型把 car 當(dāng)成第二類所有類別整體偏移一位。還有一種可能是data.yaml里的nc和實際類別數(shù)不一致比如nc: 11但標簽文件里出現(xiàn)索引 11 的行超出范圍的那部分樣本在損失計算時行為異常。解決用 4.2 的類別范圍校驗?zāi)_本掃描所有標簽文件看最小索引是多少、最大索引是多少。如果最小索引是 1寫一個批量轉(zhuǎn)換腳本把所有標簽文件的第一個字段減 1。然后同步檢查data.yaml的names列表順序和標簽索引一一對應(yīng)。這個邏輯必須嚴格執(zhí)行改標簽或改 yaml 選一個即可但兩個都改等于沒改。5.3 現(xiàn)象小目標類別 AP 極低尤其是 traffic_light 和 lane_marker訓(xùn)練結(jié)束后看每個類別的 APcar、truck能到 0.8 以上但traffic_light只有 0.2lane_marker甚至幾乎為 0。這不是模型的問題是數(shù)據(jù)集本身的性質(zhì)決定的。原因自動駕駛場景中遠距離的小目標在 640×640 分辨率下只有幾個像素。YOLOV5 默認的 anchor 尺寸是針對 COCO 的通用目標設(shè)計的對微小的交通燈和車道線并不友好另外這些小目標類別樣本數(shù)少在類別不平衡下模型傾向于忽略它們。解決有兩步第一步在訓(xùn)練時把--img提高到 1280小目標在更高分辨率下像素數(shù)變多檢測率明顯上升代價是顯存占用和訓(xùn)練時間增加第二步針對標簽數(shù)據(jù)重新聚類 anchorYOLOV5 提供腳本自動做這件事命令是python utils/autoanchor.py --cfg yolov5s.yaml它會分析你的標簽分布生成適配小目標的 anchor 集合。數(shù)據(jù)增強上我一般會調(diào)高--hsv_h和--hsv_s讓模型在顏色維度更魯棒但這對小目標的實際幫助有限主要還是分辨率和 anchor。如果數(shù)據(jù)集的類別分布統(tǒng)計顯示小目標框數(shù)遠低于其他類別也可以考慮用圖像切塊的方式把小目標放大后單獨訓(xùn)練。5.4 現(xiàn)象驗證集指標虛高部署后性能打回原形訓(xùn)練時驗證集 mAP 0.85模型導(dǎo)出后到實際道路視頻上一測大量漏檢和誤檢。最開始我以為是過擬合后來排查發(fā)現(xiàn)驗證集劃分方式不對。原因訓(xùn)練集和驗證集是從同一批視頻幀里隨機切分的同一段路的連續(xù)幀同時出現(xiàn)在兩邊。模型在訓(xùn)練時見過幾乎一樣的畫面驗證時當(dāng)然表現(xiàn)好但面對沒見過的場景就露餡。解決按 3.1 的方法重新劃分以場景 ID 為最小單位。具體做法是打開原始數(shù)據(jù)看文件名如果文件名包含時間戳或場景編號直接用字符串切分提取前綴把相同前綴的幀歸到同一個場景。重新劃分后驗證集 AP 掉到 0.7 都是正常的這個 0.7 才代表真實泛化能力。如果原始數(shù)據(jù)沒有場景信息可以用圖像相似度做聚類把相似度高的幀分到同一邊但這實現(xiàn)起來復(fù)雜優(yōu)先檢查文件名或目錄結(jié)構(gòu)。5.5 現(xiàn)象中文路徑或特殊字符導(dǎo)致訓(xùn)練中斷在 Windows 上用中文用戶名的電腦訓(xùn)練啟動時報錯找不到文件或者讀取到一半報編碼錯誤這在跨平臺協(xié)作時尤其常見。原因YOLOV5 依賴 OpenCV 和 numpy 處理圖片OpenCV 在 Windows 上對中文路徑支持差標簽文件里包含中文字符也會導(dǎo)致編碼錯誤。Linux 服務(wù)器上如果路徑里有空格或特殊符號有些 shell 命令和工具會解析出錯。解決最穩(wěn)妥的做法是一開始就統(tǒng)一規(guī)范數(shù)據(jù)集路徑和文件命名只用英文字母、數(shù)字、下劃線目錄結(jié)構(gòu)里不出現(xiàn)空格。如果已經(jīng)有一批中文目錄的文件寫個腳本把文件復(fù)制到新的純英文路徑下不要直接在原目錄上做重命名因為還要同步改標簽文件里的路徑引用。另外注意 txt 文件要用 UTF-8 編碼保存不要用 Windows 默認的 GBK。這個問題會反復(fù)出現(xiàn)在團隊協(xié)作中最好的習(xí)慣是把數(shù)據(jù)集放在服務(wù)器固定目錄~/data/autopilot_dataset這種位置所有人按同一套路徑規(guī)范操作。6. 訓(xùn)練后的驗證技巧混淆矩陣與類別 AP 決定數(shù)據(jù)集的去留訓(xùn)練結(jié)束后驗證集上的 mAP 只是門檻真正決定這份數(shù)據(jù)集值不值得投入的是驗證集上每個類別的詳細表現(xiàn)。我訓(xùn)練完第一件事是運行驗證腳本看混淆矩陣和每類 APYOLOV5 的命令很直接。python val.py --weights runs/train/exp/weights/best.pt --data autopilot_dataset/data.yaml --img 640 --conf 0.25 --iou 0.45運行完成后runs/val/exp目錄下會生成confusion_matrix.png、F1_curve.png和PR_curve.png。我重點看混淆矩陣里background那一行如果很多目標被預(yù)測成背景說明模型漏檢嚴重如果traffic_light經(jīng)常被預(yù)測成traffic_sign說明這兩類特征接近且訓(xùn)練數(shù)據(jù)里出現(xiàn)頻次差異太大。這些小細節(jié)直接決定下一步是加數(shù)據(jù)、調(diào)權(quán)重還是換模型結(jié)構(gòu)。對數(shù)據(jù)集質(zhì)量本身的評估我有一個習(xí)慣挑驗證集里所有 mAP 低于 0.5 的類別單獨跑一次預(yù)測把預(yù)測結(jié)果可視化出來逐張看圖判斷是標注問題還是數(shù)據(jù)量問題。如果發(fā)現(xiàn)某張圖里明明有 5 個行人但標簽文件里只有 2 個那份標簽就是漏標需要回爐。每次拿到新的自動駕駛數(shù)據(jù)集我都會做一遍這個檢查現(xiàn)在已經(jīng)成為固定動作。最后再說一句11 類道路目標的數(shù)據(jù)集做出來后先拿 500 張圖做一輪冒煙測試確認 loss 能降、mAP 不是 0再上全量訓(xùn)練這能幫你省下大量調(diào)試周期。希望這篇筆記對你有幫助。本文還有配套的精品資源點擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
久久精品视频在这里有| 综合福利网| 五月婷婷色男女| 五月天婷婷基地| 九九色热视频| 丁香色播五月天| 日韩美女羞羞网站在线观看| 激情五月四色| 成人视频网| 欧美激情-区二区三区| 久久伊人9| 九九碰九九爱97超碰| 俺也去在线视频 | 婷婷丁香亚洲五月天| 欧美日韩一区二区三区四区| 五月花成人网| 激情网站五月| 亚洲av免费在线| 偷拍99在线视频观看| 五月天婷婷成人网| 操操国产| 亚洲综合另类| 日韩视频99| 激情美女五月天| 丁香五月激情啪啪综合| 啪啪六月婷婷| 开心五月婷婷在线| 丁香花五月天| 五月丁香六月激情综合啪啪| 六月丁香成人| 久久这里精彩免费在线观看| 日本三日本三级少妇三级66| 91人人人人人人人| 在线视频九色97| 操91| 婷婷社区五月天| 免费播放片大片| 亚洲九九在线| 欧美日韩大黄| 五月色导航| 99久热| 亚洲 视频 导航 一区| 婷婷色资源| 五月天激情小说| 超碰成人在线观看| 婷婷色中文字幕| 色婷另类| 99在线视频精品| 久热A| 五月天婷婷永久免费视频| 97在线精品| 性热视频99精品| 国av网| 欧美韩国日本| 亚洲九N| 色婷婷在线视频| 色五月天丁香| 国产精品成人在线| 日本一级黄色片。| 中文字幕丰满乱孑伦无码专区| 欧美私人家庭影院| 欧美性爱特黄一级aaaassss| 婷婷色色五月| 国产六月婷婷| 色停停五月天| 欧美99热| 99久久性爱| 五月婷婷丁香| 亚洲乱码日产精品BD在线观看| 激情综合五月丁香| 五月天激情色色| 97caop| 99视频| 亚洲乱码日产精品BD| 五月天婷婷在线播放| 亚洲成人在线免费| 美女天天艹人人爽| 日日操日日射| 婷婷五月天亚洲综合| AV成人在线播放| 国产成人高清| 黑人糟蹋人妻HD中文字幕| 丁香五月天资源网| 色色狼人综合| 九九热av| 精品少妇人妻AV无码专区偷人| 成人无码精品1区2区3区免费看| 91人久| 久久婷婷青青| 99re热在线视频| 五月天色综合| AV网在线观看| 亚洲思思热久| 狠狠干思思热| 婷婷人人操| 丁香五月电影| www网站在线观看| 9热久久| 婷婷色色丁香五月天| 人人97碰| 狠狠干2007| 丁香五月冃欧美| 26uuu在线观看| 思思99久久| 九九性视频| 666555。COm毛片| 色婷婷精| 欧美天天爽| 综合综合网| 日本在线va| 久久婷婷综合五月天| 日产精品久久久久久久蜜臀| 综合99久久天天综合| 五月天网址在线刘玥| 日本三级99人妇网站| 久久五月婷婷视频| 伊人爱爱日本| 狠干综合| 日操夜撸| 色情综合| 婷婷五月激情欧美大胆视频| 九热视频| 这里只有精彩视频| 日本精品人妻无码77777| 久热伊人在91| 亚洲九九99精品视频在线播放| 国产激情综合五月久久| 丁香五月婷婷欧美性爱| 欧美情月伍月天| 99热这里只有精品国产首页| 中国丰满熟女A片免费观| 狠狠色婷| 久久这里只有精品无码| 这里只有精品1| 久久九九经典| 夫妻超碰在线| 久久成人天| www.91操| 日韩 中文 欧美| 久久成人综合五月天| 婷婷五月天激情小说| 超碰婷婷五月| 激情纯色婷婷五月天在线不卡视频| 婷婷激情综合| 天花AV无码| 亚洲五月天天| 色99在线| 婷婷五月天AV网| 婷婷色五月天在线| 超碰日韩人妻在线| ss99热| 亚洲五月婷| 六月婷婷日| 国产在线6| 午夜色婷婷| 久久久噜噜噜久久人妻| 狠狠看狠狠| 日本久草福利| 丁香五月23111| 亚州操人在线视频| 伊人久久婷婷| 99网| 婷婷五月综合色中文字幕| 久久久无码精品成人A片小说| 日韩国产在线精品| 丁香婷婷六月天| 五月丁香| sS丁香五月婷婷| 五月天综合激情网| 天天爽人人综合免费7799| 另类 在线| 色色丁香色五月| 亚洲精品久久久久AV无码| 六月色五月天天婷婷| 五月婷婷三级| 99热都是精品| 中文字幕在线资源| 99久视频| 99爱爱| 日本久久天堂| 国产激情综合| 99∨VTV| 色五月天堂| 国产激情在线| 婷婷色五月开心五月| www.99热这里精品| 天天综合网91| 久久久婷婷| 很很操96| 五月精品99综合| 亚洲婷婷成人五月天| 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 | 天天色中文字幕女优AV| 天天天天天日| 欧美人久久| 婷婷五月天激情电影| 日本九九视频| wwwC0maV五月花| 免费视频WWW在线观看网站| 久久AV电影| 1024操逼| 婷婷中文在线| 就爱啪啪婷婷| 九九视频在线观看视频6| 噜噜色天天开心| 99日本精品视频热| AV五月丁香| 久热婷婷综合| 97色色色| 99热老网站| 99热综合色图| 国产在线6| 婷婷五月色| 国产激情久久| 99色人| 538在线精品| 99啪99| 五月停亭六月,六月停亭的英语| 久草五月| 熟妇天天综合| 五月婷久久| 日本操B视频| 成人精品99| 亚洲无码www| 99热最新网址| 色婷婷丁香五月综合| 国产综合81p| 91九色|疯狂|高潮|对白|| 五月大香蕉| 国产人妻777人伦精品HD| 台湾佬天天日丁香婷婷五月天 | 91精品久久久久久综合五月天| 91干99| 五月精品| 天天噪夜夜爽| 久久 婷婷 五月天| 最新无码专区| 天天做夜夜爽| 开心激情五月天网| 色九月激情综合网| 久热伊人| 高清国产AV| 大香蕉五月天婷婷| 亚洲狠狠操| 大香蕉丁香| 丁香六月在线| 婷婷天天婷婷天天澡| 9999久久久久| 婷婷娌伦网| 九九热精品视频| 青青艹b| 五月天婷婷爱| 国产色五月婷婷| 久久九九中文字幕| 另类亚洲电影| 久久色大香蕉| 大香蕉精品视频| 99综合99| 婷婷国产综合| 婷婷丁香九月| 一本色道久久综合狠狠躁一二三| 开心五月激情网| 五月丁香成年黄色| 欧美xx激情视频在线观看| 亚洲艹网| 久久久97| 99riAv1国产在线观看| 在线观看国产高清视频免费网站| 成人短视频在线观看| 丁香五月天激情免费在线观看AV777| 99色视| 国外亚洲成AV人片在线观看| 午夜一区| 开心五月网 | 婷婷五月成人| 开心婷婷五月| 久色网| www.henhengan| 美女100%露全身无挡网站| 天天久综合网永久入口17v| 精品热九九| 99精彩视频| 中文字幕精品在线观看| 丁香婷婷六月男男| 午夜丁香婷婷| 激情五月婷婷丁香| 丁香五月另类小说| 五月激情综合美女久久| 伊人大香五月天| 激情婷婷丁香五月天| 国产一区二区av免费| AV中文在线| 成人看片网站| 99热都是精品| 五月丁香久久| 九热...av| AV操一操| www.婷婷,com| 久久92| 丁香五月婷婷日本| 久久性爱视频| 超碰com| 69色婷婷| AAA久久| www久久艹| 第五色色色婷婷| 涩涩五| 色欲操| 激情深爱婷婷网| 久久er视频6| www.狠狠| 俺也去在线久久精品23欧美综合视频网站,丰满人妻一区二区三区在线视频53,丰满 | 99久久99九九99九九九| 国产片天天爽夜夜爽| 婷婷五月天AV在线| 婷婷视频网| 这里只有精品免费在线视频| 99自拍视频| 亚洲视频二区| 五月色婷婷在线观看| 轮奸综合网| 亚洲无AV在线中文字幕| 《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 | 激情五月综合网最新| 婷婷五月久久| 五月天丁香婷婷社区| 日韩 中文 欧美| 狠狠色噜噜狠狠狠狠综合| 婷婷伊人久久| 亚洲妇女熟BBW| 亚洲黄网AV| 亚洲一二三网| 精品久久9| 色亚洲无码| 狠爱婷色| 91碰碰碰| 丁香社区婷婷五月| 97在线/亚洲| 99热这里只有精品66| 丁香激情网| 久久激情网| 久久国产一区二区三区| 亚洲精品成人片在线播| 99国产精品久久久久久久久久久 | 亚洲操逼网| 五月丁香花开综合网| 色婷婷成人| 日韩一66精品| 色综合色综合色综合| 精品久久艹| 性热视频99精品| 99网| 丁香五月婷婷综合激情啪啪啪啪啪啪啪 | 激情开心五月天| 中文AV网站| 五月 激情视频| VA日本视频| 亚洲一区先锋影音| 超碰99久久| 日本久久99| 婷婷丁香熟女| www.久久爱| 伍月婷丁香花全集| site:pnnrt.com| 国产69精品久久久久999小说| 国产1区2区| 婷婷亚洲日本| 色色色色色色色色色色色色色色,网站| 十区av| 亚洲夜五月| 精品成人a v无码内射| 欧美成人A片AAA片在线播放 | 激情涩播| 五月天另类图片区99| 97人妻碰碰中文无码久热丝袜| www.五月激情红色| 99re久久| 99啪| 色99在线观看| 国产XXXX搡XXXXX搡麻豆| 香蕉曰比| 思思久久思思| 婷婷五月天视频| 精品国产a| 色色亚洲无码| 久久激情网| 原琪琪色影院| 欧美视频五区| 久久久色婷婷五月天| 热久久这里只有精品| 99久久婷婷国产综合精品| 狠狠爱五月婷婷| 五月丁香狠狠爱婷婷综合| 久久综合九九| 色五月成人| 久热99久热| 狠狠色综合777| 开心五月婷婷激情| 亚洲第一成人无码A片| 天天爽天天摸| 日韩青青| 色综合性视频| 九九热在线视频| 天天色天天射天天日| 五月婷婷激情久久| 丁香婷婷成年| 婷婷五月激情片| 狠狠狠狠狠| 日本精品99网站| 激情五月久久| 高清国产AV| 热成人网| 91在线97视频| 天天综合网网欲色| 激情综合另类| 五月天天天色| 狠狠综合色网| 激情五月婷婷在线观看| 大香久久伊人网| 久久9热| 日韩欧美一级大黄网站| 婷婷情色五月| 狠狠草狠狠草| 啪啪色区| 99热这里只有精品1025| 色一情一乱一乱一区91| 99热18| 8区视频在线| 99精品在线| 9久热在线精品| 好激情在线综合网| 色99综合色88| 天天操夜夜爽歪歪| 亚洲天堂青草| 国产成人精品一区二三区熟女在线| 五月天.com| 日日夜夜狠狠婷婷色| 久久婷婷国产| 久久九九玖玖| 国产午夜一区二区三区| 久久99热这里只有精品23| 97精品综合久久| 天干天天干天天天天天| 99热热热天天人人人超超碰| 亚洲五月花| 久久色吧| 只有精品视频在线观看| 国产成人精品亚洲线观看| 九九热a| 天天色天天操天天射| 亚洲精品成人| 少妇出轨做爰高潮A片| WWW.桔色成人.COM| 亚洲免费视频网站| 五月天啪啪啪| 色婷婷成人影片| 成人五月天综合网| 国产九九一区二区三区| 91碰视频| 免费视频WWW在线观看网站| 五月综合亚洲| 99久久五月天| 国产毛片精品一区二区色欲黄A片| 亚洲视频色色| 91碰免费视频| 99色干| 79精品在线视频| 色欲色欲久久宗合网| 五月天激情无码| a九九热www| 天天日天天插| 自拍盗摄 另类| 99热网址| 江苏少妇性BBB搡BBB爽爽爽 | 婷色五月天| 97精品综合久久| 538在线精品| 韩国天天婷婷| 99热国产这里只有| 九九综合网| 综合久久首页| 日本在线观看aaa 99| 久久国产成人9999久久久久| 免费在线观看av网站| 色欲av伊人久久大香线蕉影院| 婷婷丁香九月| 色综合综合色| 婷婷五月色播网| 在线综合亚洲欧美65| 色婷久久| 久久五月天激情| 色情五月丁香| 一本九九色| 婷婷五月在线视频| 97碰人人操| 啪啪五月天啪啪| se色综合网| se99视频| 色爱综合网| 婷婷涩涩网| pom538精品视频| 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 | 五月婷婷偷拍| 99日热在线视频| 五月综合久久| 99热这里只有精品免费| 欧美性爱5月天天天看| 99色婷婷视频| 色色狼人综合| 超级碰91| 91男人资源站| 97很鲁在线视频| 可以直接看的AV| 激情五月天激情五月天| 丁香六月中文| 五月婷六月| 五月九九综合| 激情小说五月天| 色丁香影院| 伊人六月无码视频| 色五月激情问网站| 亚洲色久| 五月婷婷AV| 五月天婷婷色色首页| 国产成人一区二区三区在线观看| 五月丁香六月激情欧美综合| 婷婷射丁香| 99er久久| 女人天堂AV| 久久思思精品| 岛国AV网站| 91成人视频| 亚洲AV无码成人精品区电影网| 丰满女老板BD高清A片| 人妻操逼视频| 欧美日韩一区二区三区四区| 日韩综合天堂| 婷婷六月激情| 99热精品观看| 噜噜色婷婷| 丁香五月婷婷色播艳门照| 五月综合激情图片| 天天操天天爽天天爱| 大香蕉网站,大香蕉综合| 欲色人妻| 啪啪五月婷婷| 色操综合| 欧美激情久| 免费AV在线网址| 综合 激情 婷婷| 青草视频在线播放| 97人人草| 久久激情网| 久操大香蕉| 99热成人| 欧美精品中文字幕亚洲专区| 精品欧美性爱超级爽| 99综合99| www色婷婷com| xx久久| 99在线观看亚洲| 国产成人+综合亚洲+天堂| 中文字幕综合网| 色婷婷五月开心六月综合| 色狠狠狠干| 乱女乱妇熟女熟妇综合网站| 伊人六月丁香婷婷| 四月婷婷丁香| 狠狠干综合网| 婷婷综合五月| www.com久久久久久久久久久久久久久久久| 青青草婷婷五月天| 久久码久久无清| h亚洲| 久9久9热久热| 色宗合,宗合网| 五月婷婷影视| 久青草影院| 日本va欧美va国产激情| 五月丁香婷婷色色| 爱久综合| 五月丁香欧美在线| av五月天婷婷丁香| 人人爱人人添| 在线观看欧美3区| 五月丁香另类网| 超色欲天天| 色噜噜婷婷| WWW五月天| 五月婷婷之综合激情| 超碰色综合| 色情婷婷五月天| 97在线观看| 综合激情九月婷婷,激情综合婷婷中文字| 玖玖色资源| 色综合激情| 狠狠色丁香婷婷基地| 色婷婷五月视频| 91色在线/日韩| 一本大道嫩草AV无码专区| 成人国产网| 色停停香蕉视频| 九九在线免费观看| 伊久久婷婷| 五月婷婷丁香| 99热超| 久久视屏这里只有久久| 婷婷涩涩五月天| 丁香五月激情五月| 99在线精品免费视频| 久久久99日本大片| 热无码A∨| 99精品视频免费观看| 久久99热这里只有精品| 五月天色欧美| 五月婷无码| 欧美色色色色色色| 狠狠久久婷五月综合色| 人妻操逼视频。| 国产精品久久7777777精品无码| 日本一级一片免费视频| 黄色av网站在线免费播放| 99久久九九| 婷婷色五月丁香六月欧美啪| 婷婷五月综合啪| 亚洲美女婷婷五月天| 成人超碰Av| 日产精品一线二线三线芒果| 夜夜爱伊人| 激情婷婷丁香色五月| 五月婷婷激情综合网| 校园春色亚洲色| 丁香婷婷丁香五月欧美人| 狠狠色成人影片| 亚洲av| 思思热闹这里只有精品| 精品99视频| 久久资源综合| 欧美综合五月丁香五月天| 九九热免费| 97色色综合| www,五月丁,com| 久9视频| 五月色丁香| 久久九九免费视频| 亚洲电影中文字幕| 影音先锋激情网| 五月丁香天堂网| 铁牛TV人妻| 五月婷婷第四色| 极品精品一区二区三区在线| 五月网激情| 69精品人人人人| 色播五月综合网| 免费观看欧美成人AA片爱我多深| 婷婷影院A成人| 五月天激情日色在线| 思思热在线观看| 五月天婷婷xxx| 亚洲综合99| 国产成人高清| 91精品无码| 成人在线综合| 99热精品观看| 九九色大香蕉| 六月久久婷婷| 亚洲成人免费在线| 五月天伊人网| 日日天天天| 日本丁香五月| 清色五月天| 蜜桃成语时李时珍 免费| www色婷婷久久综合久色 | 丁香五月色五月| 99热插| 色欲久久久久久综合网综合网| 玖玖激情五月天| 激情亚洲婷婷| 999热在线视频| 99视频内射三四| 9l视频自拍九色9l视频自拍九色9l社区| 人人操AV| 亚州精品色情无码A片| 狠狠色狠狠操| 狠狠婷婷爱| 伊人久久婷婷五月综合97色| 99热这里只有精品国产首页| 婷婷综合在线视频| 色五月激情| 五月婷婷在线丁香| 91丁香综合| 色丁香六月| 五月天丁香综合在线| 情色婷婷五月天| 台湾无码A片一区二区| 爱操人妻| 亚洲99激情| 婷婷丁香综合网| www.狠狠艹| 黄色五月婷婷| 免费看欧美成人A片无码| 五月婷丁香亚洲| 99日视频在线| 色欲丁香| 久久久精久人妻| 99 福利 导航| 极品人妻VideOssS人妻| 亚洲乱码成人| 肏屄色播伊人97婷婷| 婷婷五月激情网| 激情五月天免费视频| 色色色色色色五月婷婷| 激情婷婷五月天| 色色cOm| 99碰网站| 老师的粉嫩小又紧水又多A片视频| 五月六月激情| 欧美色五月| 天天爱天天天射AV| 色色色国产| 狠狠色丁香99| 五月婷六月| 538在线精品| 亚洲人人操| 色综合久久五月| 久草视频大香蕉99| 色五月婷婷色| 波多野结衣AV无码Porn| 色五月亚洲五月天| 日韩日比视频| 日韩黄在免| 婷婷久热| AAAA网站| 久久这里面只有精品视频| 狠狠色狠狠爱| 综合色图婷婷| 丁香五月香蕉| 综合网视频| 欧美美女国产日韩一区二区久| 五月丁香成年黄色| 九九亚洲天堂| 六月激情婷婷| 天天摸天天舔天天天天爽| 色999五月色| 欧美丁香五月97色| 97久久精品视频| 亚洲五月婷| 97资源欧美日韩大香蕉超碰一区| 色5月婷婷| 色情丁香五月天| 久久资源网五月婷| 一区三区视频有限公司| 婷婷综合激情五月综合| 色色婷| yazhochengrenavwang| 狠狠人妻久久久久久综合丁香| 开心婷婷中文字幕| 激情五月天。| 这里只有视频精品| 亚洲精品国产成人AV在线| 色婷婷五月综合色婷婷| 情婷婷五月天在线| 99色婷婷视频| 色九月婷婷综合| 开心深爱激情网| 日韩成人不卡| 99精品视频在线免费观看| 亚洲AV免费在线| 九九婷婷综合| 综合色影院| 婷五月天| 国产婷婷五月| 九97免费视频| 操操综合网婷婷| 色色亚洲| 日产精品久久久久久久蜜臀| 五月天啪啪啪| 狠狠爱综合| 五月婷婷丁香大陆免费| 七七色色综合| 天天做天天爱天天高潮| 婷婷综合激情| 婷婷五月天激情诱惑| 婷婷草| 另类激情网| 婷婷五月天综合中文| 五月丁香婷婷国产精品综合| 亚洲激情电影五月天色婷婷丁香一起草 | 精品一二三区久久AAA片| 色综合色色| 色色色热| 99热最新网址| 国产看真人毛片爱做A片| 成人无码精品1区2区3区免费看| www.夜夜操| 9精品在线| 五月香婷婷| 97精品综合| 99色精品| 夜夜爽77777妓女免费下载| 五月激情天| 青草视频在线观看视频 | 激情综合网五月在线播放| 三级黄网站| 欧美情月伍月天| 高清无码 一区 二区 三区| 99在线观看视频精品| 五月婷婷六月激情在线| 婷婷五月天手机版视频| 99久久6| 成年人最刺激的综合网| 成人 在线 日韩| 丁香六月婷婷色XXXXX| 99超级碰免费视频| 婷婷丁香九色| 婷婷丁香五月基地| 久久香蕉福利| 五月天色导航婷婷资源婷婷| 99热精国产这里只有精品| 国产资源91在线| 婷婷淫淫狠狠六月| 成人 在线 日韩| 专区无日本视频高清8| 五月婷婷六月开心| 婷婷成人视频| 色婷婷五月天在线观看| 国产69久久久欧美黑人A片| 婷婷五月激情黄色| 第五婷婷伊人丁香| 狠狠艹狠狠艹| 激情五月丁香六月婷婷| 99精品视频在线观看| 伊人五月天| 久cao香蕉影院| 久久九九99桃花视频| 亚洲操人| 性天天中文网| 91色涩| 婷婷丁香六月天| 婷婷.com| 狠狠爱婷婷爱| 久草五月天电影网| 日本婷婷| 亚洲精品白浆高清久久久久久| 亚洲国产黄色电影| 99色婷婷| 色噜噜婷婷| 99热这里只有精品国产免费| 性99网站| 深夜男女福利刺激影院一区完整| yazhoujiqingav| 婷婷五月天综合AV| 婷婷天天插天天爱| www久热com| 伊人99热| 99久久超级| 婷婷九月激情| 久久五月人人摸| 开心激情综合| 五月天婷婷综合网| 日本久草福利| 婷婷五月综合在线视频| 97干网站| 雪千夏麻豆| 成人精品一区二区三区四区五区| 亚洲热热视频| 色婷婷丁香A片区毛片区女人区| 亚洲视频另类| 五月婷婷激情色情网| 伊人玖玖网| 丁香,开心成人,久久| 丁香婷婷人妻| 五月丁香啪啪网| 国产精品久久久久久久久久| 婷婷97C| 久久综合热17c| 丁香五月激情网| www.91五月| 人橾人| 狠狠撸激情综合丁香五月天俺来啦| 久久婷婷亚洲| 天天综合网~91| 丁香五月婷婷性爱| 五月天丁香成人| 亚洲激情四射色| 欧美群妇大交乱婬网| 美国十月色婷婷在线观看| av操逼网| 99热香港| 99这里只有精品|v| 97热在线精品| 丁香六月婷| 99re资源在线视频导航| 六月亚洲| 日本丁香五月| 婷婷免费无马| 日本美女五月天| 91免费啪视频| 国产色五月婷婷| 亚州美女| 六月丁香基地| 91精品综合久久久久久五月丁香| 五月婷婷狠狠干| 欧美五月婷婷| 久久久久久久久久久44| 深情五月天| 亚洲丁香五冃97色| 婷婷色婷婷亚洲成人| 99热1| 亚洲综合视频八| 激情 婷婷 丁香五月天| 日本无码专区| 五月丁香婷婷激情在线| 伊人99热| 亚洲午夜精品久久久久久人妖| 五月婷中文字幕| 久久五月婷婷丁香| 色色99| 探花搜索结果 - 黄上黄| 五月激情婷婷丁香| 2013AV天堂| 日本色狠狠| 欧美亚洲成人在线| 久久性刺激| 婷婷网影院| 激情99| 91碰操| 久久婷婷五月综合色和| 91女人18毛片水多国产| 翔田千里无码| 丁香色情五月综合激情| 免费五月婷婷网| 超碰永久在线| 丁香五月色网| 日韩啪啪视频| 婷婷开心激情| 丁香五月综合久久八| 五月激情在线| 五月噜噜| 欧美,日韩成人在线| 涩五月色婷婷| 五月天停婷基地| 综合久久婷婷| 伊人青草成人| 激情内射人妻1区2区3区| 久久久区区一久久久久久| 激情五月天婷婷播播久久综合91| 丁香九月婷婷色| 婷婷的色色五月天| 综合色色婷婷| 五月香蕉综合| 中文婷婷狠狠| 色色热| 久久婷婷五月天懂色| 欧美久热| 久久人妻在线| 日本免费91| 婷婷免费视频| 色综合久久88色综合中文字幕| 激情玖玖综合网| 婷婷丁香97| 欧美激情 日韩无码 婷婷 五月天 久久婷婷丁香五月一二三 | sS丁香五月婷婷| 九九亚洲天堂| 婷婷五月婷婷| 五月丁香日本在线视频观看| 丁香五月激动深爱欧美| 欧美成人性爱网| 91色综合网| 精品色色| 婷婷伊人网| 婷婷丁香成人| 日韩欧美不卡| 九九热精品视频| 久热大香蕉| 亚洲偷| 操逼六区| 99久久99热这里只有精品| 丁香九月激情久久| 五月天激情影院| 天堂草在线观| 91尤物九色在线| 99热人人艹| 五月色婷婷影院| 六月香五月婷| 热久国产| 色爆五月| 色域五月婷婷丁香| 亚洲综合狠狠艹| av在线观看网站| 日韩在线观看网址| 91爱啪啪| m色激情网| 色99自拍| 超PEN精品在线| 爽极品色| 五月亚洲| 月婷婷亚洲| 无码一级片| 精品欧美一区二区三区久久久| 色色网五月激情| 色五月丁香六月资源站| 97操碰在线视频| 久久精品99国产精品日本| 日本久久人| www 五月天 com| 色婷天天| 成人短视频免费观看| 疯狂做受XXXX高潮A片| 色五月激情五月开心五月| 九九视频精品在线免费| 91视频人人做97| 日本少妇裸体做爰高潮片| 在线99热| 五月天综合视频| 激情小说婷婷小说| 91人妻人人操人人爽| 激情影院69| 嫩草AV久久伊人妇女超级A| 91大神操美女| 精品A√| 五六月丁香激情视频| 91久久久久久久| 超碰网站在线观看| 夜色.cnm| 免费看欧美成人A片无码| 婷婷五月色| 夜夜躁爽日日| 久久66精品| 伊人五月人妻精品| 久久九九怡红院| 婷婷五月综合久久中文字幕| 香蕉97碰碰碰超视精品| 狠狠婷婷色| 天天干,天天日| 久久婷婷五月| 婷婷中文无码| 五月丁香婷婷综合网| 这里只有精品在线免费视频| 新99思思视频| 欧美操人| 超碰人人操人人干| 91丨九色丨丰满人妖| 综合超碰熟| 五月丁香亚州综合网| 欧亚成人A片一区二区| 亚洲这里只有精品| 无码人妻电影| 日韩人妻无码精品| 日韩淑女人妻luan伦激情精品一区二| 在线综合网| 国产午夜一区二区三区| 这里只有精品视频在线看| 久久九九蜜| 99热精品9| 玖玖在线资源视频| 深爱激情五月天色婷婷| www。狠狠干。com| 国产Va视频| 九九热只有这里是精品| 久操婷婷| 天天玩天天摸| 色热久资源| 丁香色六月| 亚洲色9| 操操操www.com| 99热99ai| 色五月丁香五月五月婷婷| 亚洲色情免费网| 久久精品国产色| 丁香婷婷偷拍| 思思99热这里只有精品6| 久久成人综合五月天| 天天日天天日天天搞| 狠狠草综合网| 精品久久66| 婷婷五月激情的图片| 996热re视频精品视频| 中美日韩成人在线| 五月激情六月宗合| 99视频自拍| 在线观看国产高清视频免费网站| 日本99视频| 天天干天天av天天射| 在线sebiav精品视频| 18久久| 色婷婷欧美| 色之综合网| 色爱终和网| 五月天色婷婷综合| 婷婷内射视频在线| 日日.c| 97精品人人A片免费看| 97五月婷| 日韩精品电影| 亚洲操逼网| 五月激情五月丁香| 能看的AV网站| 激情小说婷婷| 天天干天天干天天干| 国产99久久久| 日韩精品AV一区二区三区| 久久精品99国产精品日本| 99惹 精品在线| 国产精品丝| 九热在线这里有精品6| 国产乱妇乱子伦| 999婷婷综合| 国产精品18久久久| 激情AV网| 激情图片婷婷丁香五月| 国产精品久久..4399| 99热这里只有99| 日本在线噜噜| 久机视频这只有精品| 久久九九爽| 天天狠狠综合精区| 中文字幕成人影视| 婷婷九月综合| 精品99只有。| 超碰97免费在线| A久久| 97人妻人人| 久操b网| 五月丁香婷爱在线| 午夜一区| 婷婷5月久久综合网站| 日韩成人综合| 任你草| 这里只有精品免费观看网占| 超碰chaompinm| 婷婷丁香中文字幕| AV操逼网| 青青草六月丁香| www.久久久久| 国模九区| 激情深爱婷婷网| 五月在线| 精品亚洲国产成人A片在线鸭王| 丁香六月av| 欧洲日韩一区二区三区| 亚洲性视频| 荡乳尤物3HP1V5| 99热综合在线| 五月丁香激情在线| 丁香五月性爱| 久久久五月天婷婷成人网| 秋霞学生妹一二级| 天天草天天摸| 91在线操逼视频| 激情五月综合网| 五月精品| 新激情婷婷| 99热精品在线播放观看| 婷婷九月在线| 五月婷婷激情网| 91人人操.COM| 天天综合社区| 国产精品久久久爽爽爽麻豆色哟哟| 五月丁香亭亭操逼| 婷婷五月丁香在线视频| 男女啪啪做爰高潮无遮挡| 超碰无码318604| 欧洲免费视频色| 办公室少妇激情呻吟A片在线观看| 中文精品在| se99视频| 激情人妻蜜夜系列区| 丁香六月 婷婷六月| 久久草中文日韩欧美| 国产美女无遮挡裸体毛片A片| 色九网| 婷婷五月天狠狠| 极骚大香蕉伊人| 99热热九九| 丁香五月婷婷五月| Www99热| 婷婷久久亚洲| 久色精品| 欧美成人无码一区二区三区| 色色色婷婷五月| 九九色大香蕉| 色情五月婷婷| 日本久久色| 婷婷热婷婷色| 国产精品久久久久久久久久久久| 久久亚洲婷婷| 久操激情| 婷婷久久影院| 亚洲五月婷婷| 日韩有码一区| 66精品成人免费网站在线观看| 农村熟妇高潮精品A片| 婷婷综合网在线| 婷婷精品视频| 婷婷六月综合在线| 婷婷五月色播| 五月婷婷五月天激情视频| 99爱在线免费视频| 色噜噜狠狠色综合无码久久欧美| 色婷婷亚洲婷婷| 激情五月婷婷在线| 五月天com| 色一情一乱一乱一区91Av| 99九色视频在线观看| 婷婷五月天亚洲综合| 天天激情站| 奇米网大香蕉| 久久这里只| 岛国操B不卡在线| 五月天五月天激情网| 婷婷丁香五月天大香蕉| 五月婷婷之美女图片| www五月婷婷88导航| 欧美99热| 国产综合丁香五月天| 99热99网| 五月丁香偷拍| 亚洲亚洲人成综合网络| 国产激情AV| 六月 丁香 视频| 激情五月天网| 在线中文亚洲| 五月成人天| 天天色视频| 久碰综合| 天天摸,天天爽| 婷婷久久大香蕉| 伦99热| 99aese| 亚洲日韩一页精品发布| 九九精品热播| 日撸夜撸日操| 九九久久玖玖爱| 婷婷综合视频| 婷婷五月播| 综合色图婷婷| 夜夜操夜夜姧| 加勒比久热| 五月丁香久人妻中文| 丁香六月婷婷综合激情欧美| 国产人妻777人伦精品HD| 麻豆五月丁香婷婷| 99热99| 播播网色播播| 天堂爱爱| 91热视频| 伊人网大香| WWW·天天操·视频?| 婷婷五月丁香四射| 欧美日韩成人在线网站| av婷婷丁香 六月| 狠狠干.com| 色婷婷888| 这里只有精品偷拍| 激情综合五月丁香六月婷婷| 精品亚洲VA网站| 欧美色五月| 草榴视频黄色网| 狠狠爱婷婷丁香| 五月丁香在线精品| 色色婷婷婷丁香五月天| 国产67194| 成 人 色 色| 日本精品在线噜噜噜| 五月天婷婷狂暴白浆|