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

深耕商務建站與企業(yè)官網(wǎng)運營的一線實戰(zhàn)洞察。

MMRotate實戰(zhàn):從零構(gòu)建自定義旋轉(zhuǎn)目標檢測數(shù)據(jù)集與模型訓練

MMRotate實戰(zhàn):從零構(gòu)建自定義旋轉(zhuǎn)目標檢測數(shù)據(jù)集與模型訓練 1. 項目緣起當通用檢測框遇上旋轉(zhuǎn)目標在計算機視覺的日常開發(fā)中我們經(jīng)常會遇到一些“特殊”的目標。比如遙感圖像中傾斜停放的車輛、文檔掃描件中帶有角度的文字、或者工業(yè)場景中任意方向排列的零件。如果你嘗試用經(jīng)典的YOLO、Faster R-CNN等水平框檢測器去處理這些目標結(jié)果往往會讓你哭笑不得——一個巨大的水平矩形框把目標連同大量無關(guān)的背景一起框了進去不僅定位不準后續(xù)的IoU計算、NMS非極大值抑制都會出現(xiàn)問題嚴重影響檢測精度。這就是旋轉(zhuǎn)目標檢測Rotated Object Detection要解決的問題。而MMRotate正是基于強大的PyTorch框架和MMDetection、MMCV生態(tài)為旋轉(zhuǎn)目標檢測量身打造的一個開源工具箱。它不是一個全新的算法而是一個集成了多種主流旋轉(zhuǎn)檢測算法如Rotated Faster R-CNN, Rotated RetinaNet, RoI Transformer等的“腳手架”和“實驗場”讓你能快速在自己的數(shù)據(jù)上驗證和部署旋轉(zhuǎn)檢測模型。我最近的一個項目恰好涉及對航拍圖像中的建筑物進行精細定位傳統(tǒng)的水平框完全無法滿足需求于是便深入折騰了一番MMRotate。整個過程從數(shù)據(jù)準備、格式轉(zhuǎn)換、模型訓練到調(diào)優(yōu)部署踩了不少坑也積累了一些實戰(zhàn)心得。這篇文章我就以一個“自定義數(shù)據(jù)集”的完整流程為線索帶你走通MMRotate并分享那些官方文檔里可能不會細說的細節(jié)。2. 理解核心旋轉(zhuǎn)框的表示法與數(shù)據(jù)集構(gòu)建在動手寫代碼之前我們必須先統(tǒng)一“語言”。旋轉(zhuǎn)框怎么描述你的數(shù)據(jù)標簽又該如何準備這是所有后續(xù)工作的基石理解偏差會導致訓練完全失敗。2.1 旋轉(zhuǎn)框的幾種表示法旋轉(zhuǎn)矩形框通常由一個中心點、寬高和旋轉(zhuǎn)角度來定義。但就是這個“角度”在不同的庫和論文中有著不同的約定MMRotate主要支持兩種OpenCV 表示法 (默認):(x_center, y_center, width, height, angle)。angle的單位是度數(shù)。角度范圍(-90, 0]。這是最容易混淆的一點。在這種表示下width被定義為旋轉(zhuǎn)框邊界框Bounding Box在旋轉(zhuǎn)后其自身坐標系下的長邊。而angle表示的是這個width邊相對于水平軸x軸順時針旋轉(zhuǎn)的角度且被限制在-90度到0度之間即-90 angle 0??梢岳斫鉃榭蚩偸恰罢玖ⅰ钡钠漭^長的邊width與水平線的夾角在-90度到0度這個區(qū)間內(nèi)。這種表示法能唯一確定一個矩形不考慮180度翻轉(zhuǎn)的歧義。長邊定義法: 另一種常見表示是(x_center, y_center, width, height, angle)但這里的width永遠是旋轉(zhuǎn)框自身的長邊height是短邊angle是長邊與x軸的夾角范圍通常是[-90, 90)或[0, 180)。MMRotate的部分算法也支持這種模式但需要在配置文件中明確指定angle_version。重要提示MMRotate默認采用OpenCV表示法。你在準備自定義數(shù)據(jù)集時必須確保你的標注格式與之一致或者在數(shù)據(jù)加載管道中進行正確的轉(zhuǎn)換。很多開源遙感數(shù)據(jù)集如DOTA本身就采用這種格式。2.2 構(gòu)建自定義數(shù)據(jù)集的正確姿勢假設(shè)你有一批自己的航拍圖或工業(yè)檢測圖并用LabelImg、CVAT等工具標注了旋轉(zhuǎn)框。你得到的標注文件可能是XML、JSON或TXT格式。你需要將它們轉(zhuǎn)換為MMRotate能夠讀取的格式。MMRotate主要支持兩種數(shù)據(jù)格式DOTA格式遙感領(lǐng)域權(quán)威數(shù)據(jù)集DOTA使用的格式。每張圖片對應一個TXT標注文件。文件內(nèi)容如下x1 y1 x2 y2 x3 y3 x4 y4 category difficult其中(x1, y1), ..., (x4, y4)是旋轉(zhuǎn)框四個頂點的坐標按順時針或逆時針順序排列。category是類別名difficult表示是否為難例0或1。MMRotate在讀取時會自動將這四個頂點轉(zhuǎn)換為默認的(cx, cy, w, h, angle)格式。COCO格式擴展了經(jīng)典COCO格式以支持旋轉(zhuǎn)框。在標準的annotations字段中每個物體的bbox不再是一個4維數(shù)組[x, y, w, h]而是一個5維數(shù)組[x, y, w, h, angle]。這就是我們上面討論的OpenCV表示法。segmentation字段可以存放多邊形頂點用于更精細的分割任務。對于自定義數(shù)據(jù)集我強烈推薦使用COCO格式。原因有三1) 工具生態(tài)豐富很多標注工具如label-studio可以直接導出或通過腳本轉(zhuǎn)為COCO格式2) 數(shù)據(jù)結(jié)構(gòu)清晰一個JSON文件管理所有標注易于維護和版本控制3) MMRotate對COCO格式的支持非常完善數(shù)據(jù)加載效率高。實操步驟將你的標注轉(zhuǎn)為COCO格式假設(shè)你的原始標注是每張圖一個XML類似Pascal VOC下面是一個大致的轉(zhuǎn)換邏輯你需要根據(jù)實際情況調(diào)整import json import xml.etree.ElementTree as ET import os import cv2 import numpy as np def voc_xml_to_coco_rotated(xml_dir, img_dir, output_json_path): 將VOC格式的旋轉(zhuǎn)框XML轉(zhuǎn)換為MMRotate可用的COCO格式。 假設(shè)XML中物體的bbox表示為: bndboxx.../xy...angle.../angle.../bndbox 或者通過四個頂點polygon表示。 這里以四個頂點為例進行轉(zhuǎn)換。 coco_dict { images: [], annotations: [], categories: [{id: 1, name: your_class_name}] # 根據(jù)你的類別修改 } image_id 1 ann_id 1 category_name_to_id {your_class_name: 1} for xml_file in os.listdir(xml_dir): if not xml_file.endswith(.xml): continue tree ET.parse(os.path.join(xml_dir, xml_file)) root tree.getroot() # 處理image信息 filename root.find(filename).text img_path os.path.join(img_dir, filename) img cv2.imread(img_path) if img is None: continue height, width img.shape[:2] image_info { id: image_id, file_name: filename, height: height, width: width, } coco_dict[images].append(image_info) # 處理每個object for obj in root.findall(object): class_name obj.find(name).text # 假設(shè)旋轉(zhuǎn)框由四個頂點表示 polygonx1..y1..x2..y2..x3..y3..x4..y4 polygon obj.find(polygon) if polygon is not None: # 提取四個點坐標注意順序 points [] for i in range(1, 5): x float(polygon.find(fx{i}).text) y float(polygon.find(fy{i}).text) points.append([x, y]) # 將四個頂點轉(zhuǎn)換為 (cx, cy, w, h, angle) # 使用OpenCV的minAreaRect函數(shù)它返回的正是 (cx, cy), (w, h), angle # 注意cv2.minAreaRect 返回的angle范圍可能是 [-90, 0)需確認與MMRotate默認一致 rect cv2.minAreaRect(np.array(points, dtypenp.float32)) (cx, cy), (w, h), angle rect # cv2.minAreaRect 返回的angle可能不符合MMRotate的(-90,0]約定有時需要轉(zhuǎn)換 # MMRotate中通常使用 cv2.minAreaRect 后角度已經(jīng)基本符合但為了保險可以標準化 # 一個常見的轉(zhuǎn)換函數(shù) def norm_angle(angle, angle_range): 將角度標準化到指定范圍。 if angle_range oc: # OpenCV表示法限制在 (-90, 0] return angle if -90 angle 0 else angle - 90 # 其他表示法... return angle angle norm_angle(angle, oc) # 確保 w h這是OpenCV表示法的隱含要求 if w h: w, h h, w angle - 90 # 角度再次標準化 angle norm_angle(angle, oc) bbox [cx, cy, w, h, angle] else: # 如果沒有多邊形可能是傳統(tǒng)的水平框需要你根據(jù)業(yè)務決定是否轉(zhuǎn)為旋轉(zhuǎn)框 # 通常自定義數(shù)據(jù)集應該直接標注旋轉(zhuǎn)框 continue ann { id: ann_id, image_id: image_id, category_id: category_name_to_id[class_name], bbox: bbox, # 這里是5個數(shù)的列表 area: w * h, iscrowd: 0, segmentation: [np.array(points).flatten().tolist()] # 可選保存多邊形 } coco_dict[annotations].append(ann) ann_id 1 image_id 1 with open(output_json_path, w) as f: json.dump(coco_dict, f) print(f轉(zhuǎn)換完成保存至 {output_json_path}) # 調(diào)用函數(shù) voc_xml_to_coco_rotated(path/to/your/xmls, path/to/your/images, train.json)這個腳本提供了一個轉(zhuǎn)換框架。最關(guān)鍵的是角度標準化。你必須清楚你的原始標注工具輸出角度的約定并正確轉(zhuǎn)換到MMRotate的OpenCV表示法。在實際操作中建議先用幾組數(shù)據(jù)可視化驗證一下轉(zhuǎn)換后的框是否與圖像上的目標完美貼合。3. 環(huán)境配置與MMRotate項目結(jié)構(gòu)解析工欲善其事必先利其器。配置好環(huán)境并理解項目結(jié)構(gòu)能讓你在后續(xù)的調(diào)試中事半功倍。3.1 一步步搭建MMRotate環(huán)境MMRotate依賴PyTorch、MMCV和MMDetection。下面是一個在Ubuntu 20.04/22.04上從零開始的穩(wěn)定安裝流程。使用Conda管理環(huán)境能避免很多依賴沖突。# 1. 創(chuàng)建并激活conda環(huán)境假設(shè)已安裝Miniconda/Anaconda conda create -n mmrotate python3.8 -y conda activate mmrotate # 2. 安裝PyTorch請根據(jù)你的CUDA版本到PyTorch官網(wǎng)獲取最新命令 # 例如對于CUDA 11.3 conda install pytorch1.12.1 torchvision0.13.1 torchaudio0.12.1 cudatoolkit11.3 -c pytorch # 3. 安裝MMCV這是MM系列的基礎(chǔ)庫必須版本匹配 # 使用mim安裝是官方推薦的方式它能自動處理依賴 pip install openmim mim install mmcv-full1.7.1 # 版本需要與后續(xù)的MMDetection、MMRotate匹配 # 4. 安裝MMDetection # 克隆MMDetection倉庫也可以直接pip install但克隆方便查看源碼和配置文件 git clone https://github.com/open-mmlab/mmdetection.git cd mmdetection # 切換到與MMRotate兼容的版本分支MMRotate v1.0.0rc1 通常對應 MMDetection v2.25.0 git checkout v2.25.0 pip install -v -e . # “-e”表示以可編輯模式安裝方便修改源碼 cd .. # 5. 安裝MMRotate git clone https://github.com/open-mmlab/mmrotate.git cd mmrotate # 查看最新的發(fā)布版本或穩(wěn)定分支 pip install -v -e . # 同樣以可編輯模式安裝 # 6. 驗證安裝 python -c import mmrotate; print(mmrotate.__version__) # 如果沒有報錯并輸出版本號說明安裝成功避坑提示版本兼容性是最大的坑MMRotate、MMDetection、MMCV、PyTorch之間有著嚴格的版本對應關(guān)系。務必查閱你下載的MMRotate版本如main分支或某個tag的requirements.txt或官方安裝文檔嚴格按照指定的版本號安裝。盲目使用最新版大概率會失敗。3.2 項目目錄與配置文件解讀安裝完成后MMRotate的目錄結(jié)構(gòu)如下mmrotate/ ├── configs/ # 所有模型的配置文件 │ ├── rotated_faster_rcnn/ │ ├── rotated_retinanet/ │ └── ... ├── mmrotate/ # 核心源代碼 ├── tools/ # 訓練、測試、推理腳本 ├── data/ # 建議在此處軟鏈接或放置你的數(shù)據(jù)集 └── demo/ # 演示腳本核心中的核心是configs/目錄。MMRotate采用模塊化的配置系統(tǒng)一個完整的訓練配置由多個基礎(chǔ)配置文件組合而成。例如configs/rotated_retinanet/rotated_retinanet_obb_r50_fpn_1x_dota_le90.py這個配置文件通常會通過_base_字段繼承多個基礎(chǔ)配置_base_ [ ../_base_/datasets/dota.py, # 數(shù)據(jù)集定義 ../_base_/schedules/schedule_1x.py, # 訓練策略學習率、迭代次數(shù) ../_base_/default_runtime.py, # 運行時配置日志、鉤子 ./rotated_retinanet_obb_r50_fpn.py # 模型結(jié)構(gòu)定義 ]當你使用自定義數(shù)據(jù)集時你需要重點關(guān)注并修改的就是數(shù)據(jù)集定義部分。你需要創(chuàng)建一個新的配置文件例如my_custom_config.py在其中通過_base_繼承模型結(jié)構(gòu)、訓練策略等然后重寫override數(shù)據(jù)相關(guān)的配置。為什么采用這種設(shè)計這種設(shè)計將數(shù)據(jù)、模型、訓練策略解耦使得你可以像搭積木一樣組合不同的實驗設(shè)置。例如你可以輕松地將為DOTA數(shù)據(jù)集設(shè)計的Rotated RetinaNet模型通過只修改數(shù)據(jù)配置部分應用到你的自定義數(shù)據(jù)集上而無需改動模型代碼。4. 為自定義數(shù)據(jù)集創(chuàng)建配置文件這是將你的數(shù)據(jù)“喂”給MMRotate的關(guān)鍵一步。我們假設(shè)你已經(jīng)按照COCO格式準備好了數(shù)據(jù)目錄結(jié)構(gòu)如下data/my_custom/ ├── train/ │ └── images/ # 存放所有訓練圖片 ├── val/ │ └── images/ # 存放所有驗證圖片 ├── train.json # 訓練集標注文件 └── val.json # 驗證集標注文件接下來在mmrotate/configs/下創(chuàng)建一個新目錄比如my_project/然后新建配置文件rotated_retinanet_my_custom.py。# mmrotate/configs/my_project/rotated_retinanet_my_custom.py # 1. 繼承基礎(chǔ)配置 _base_ [ ../rotated_retinanet/rotated_retinanet_obb_r50_fpn_1x_dota_le90.py, # 繼承模型和基礎(chǔ)設(shè)置 ] # 2. 修改數(shù)據(jù)集相關(guān)配置 dataset_type MyCustomDataset # 我們稍后會注冊這個數(shù)據(jù)集類型 data_root data/my_custom/ # 數(shù)據(jù)根目錄 # 修改訓練集配置 train_dataloader dict( batch_size2, # 根據(jù)你的GPU內(nèi)存調(diào)整旋轉(zhuǎn)檢測通常比水平檢測更耗顯存 num_workers4, # 數(shù)據(jù)加載線程數(shù)根據(jù)CPU核心數(shù)調(diào)整 persistent_workersTrue, # 保持worker進程活躍加速epoch間的數(shù)據(jù)加載 samplerdict(typeDefaultSampler, shuffleTrue), datasetdict( typedataset_type, data_rootdata_root, ann_filetrain.json, # 相對于data_root的路徑 data_prefixdict(img_pathtrain/images/), filter_cfgdict(filter_empty_gtTrue), # 過濾掉沒有標注的圖片 # 非常重要指定數(shù)據(jù)集的元信息特別是類別名 metainfodict(classes(building, vehicle, ship)), # 替換為你的類別名 pipeline_base_.train_pipeline # 繼承默認的訓練數(shù)據(jù)增強流程 ) ) # 修改驗證集配置 val_dataloader dict( batch_size1, num_workers2, persistent_workersTrue, samplerdict(typeDefaultSampler, shuffleFalse), datasetdict( typedataset_type, data_rootdata_root, ann_fileval.json, data_prefixdict(img_pathval/images/), metainfodict(classes(building, vehicle, ship)), test_modeTrue, # 驗證/測試模式通常關(guān)閉數(shù)據(jù)增強 pipeline_base_.test_pipeline ) ) # 修改測試集配置通常和驗證集一樣 test_dataloader val_dataloader # 修改評估器 val_evaluator dict( typeDOTAMetric, # 或者 CocoMetric取決于你的評估需求 metricmAP, # 主要評估指標為平均精度均值 iou_thrs[0.5, 0.55, 0.6, 0.65, 0.7, 0.75, 0.8, 0.85, 0.9, 0.95], # DOTA常用可調(diào)整 # 如果你使用COCO格式并且想用COCO的評估方式 # typeCocoMetric, # metric[bbox, segm], # 評估檢測和分割如果有 # ann_filedata_root val.json, # classwiseTrue, # 輸出每個類別的AP ) test_evaluator val_evaluator # 3. 修改模型頭中的類別數(shù) # 找到模型配置中分類頭和回歸頭的 num_classes 參數(shù)并修改 # 通常需要在 model 字典中覆蓋 bbox_head 的 num_classes model dict( bbox_headdict( num_classes3, # 修改為你的實際類別數(shù)例如3類 ) ) # 4. 調(diào)整訓練策略可選 # 例如根據(jù)你的數(shù)據(jù)集大小調(diào)整學習率和訓練周期 # 默認的 schedule_1x.py 是針對12個epoch在DOTA上設(shè)計的。 # 如果你的圖片數(shù)量遠少于DOTA可能需要減少總迭代次數(shù)或調(diào)整學習率衰減策略。 # _base_ 中的 schedule 配置可能被覆蓋這里直接修改優(yōu)化器和學習率調(diào)度器 # optimizer optim_wrapper dict( optimizerdict(typeSGD, lr0.005, momentum0.9, weight_decay0.0001)) # 初始學習率 # learning rate scheduler param_scheduler [ dict( typeLinearLR, start_factor0.001, by_epochFalse, begin0, end500), # 熱身 dict( typeMultiStepLR, begin0, end12, # 總epoch數(shù) by_epochTrue, milestones[8, 11], # 在第8和第11個epoch降低學習率 gamma0.1) ] # 5. 修改默認運行時配置可選 default_hooks dict( loggerdict(typeLoggerHook, interval50), # 每50個iteration打印一次日志 checkpointdict(typeCheckpointHook, interval1), # 每個epoch保存一次權(quán)重 ) # 訓練總epoch數(shù) train_cfg dict(max_epochs12, val_interval1) # 每1個epoch驗證一次關(guān)鍵點解析與避坑metainfo中的classes這里的類別順序必須與你的標注文件如COCO JSON中categories的id順序一致。通常在轉(zhuǎn)換標注時我們會讓id從1開始連續(xù)編號并與此處的classes元組一一對應。如果類別ID不連續(xù)或順序錯亂會導致模型學習到錯誤的類別映射。數(shù)據(jù)集類型MyCustomDataset我們直接使用了MyCustomDataset但MMRotate默認并沒有這個類。我們需要注冊這個數(shù)據(jù)集。最簡單的方式是繼承現(xiàn)有的支持COCO格式的數(shù)據(jù)集如CocoDataset。在MMRotate中通常使用RotatedDataset作為基類。我們需要在運行訓練前通過一段代碼注冊我們的數(shù)據(jù)集。創(chuàng)建一個文件mmrotate/datasets/my_custom.pyfrom mmrotate.datasets import RotatedCocoDataset from mmrotate.registry import DATASETS DATASETS.register_module() class MyCustomDataset(RotatedCocoDataset): My custom dataset for rotated object detection. METAINFO { classes: (building, vehicle, ship), # 這里定義類別名 palette: [(220, 20, 60), (119, 11, 32), (0, 0, 142)] # 每個類別對應的顏色可視化用 }然后在你的訓練腳本或配置文件中需要先導入這個類以確保它被注冊到MMRotate的注冊器中。一種更簡單的方法是在配置文件中直接使用RotatedCocoDataset并在metainfo中覆蓋classes就像我們上面做的那樣。但為了清晰和可維護性自定義一個數(shù)據(jù)集類是更好的實踐。評估器選擇DOTAMetric是遙感領(lǐng)域常用的評估方式它使用不同IoU閾值下的平均精度mAP。CocoMetric則是更通用的評估器。選擇哪個取決于你的任務需求和領(lǐng)域習慣。如果你的數(shù)據(jù)集類似DOTA目標方向多樣、密集使用DOTAMetric更合適。5. 啟動訓練與監(jiān)控配置文件和數(shù)據(jù)準備就緒后就可以開始訓練了。MMRotate提供了強大的命令行工具。5.1 單GPU訓練cd /path/to/mmrotate python tools/train.py configs/my_project/rotated_retinanet_my_custom.py \ --work-dir work_dirs/my_custom_exp \ # 指定工作目錄用于保存日志和模型 --cfg-options randomness.seed42 \ # 設(shè)置隨機種子保證可復現(xiàn)性 --auto-scale-lr # 根據(jù)實際batch_size自動縮放學習率如果你修改了batch_size5.2 多GPU分布式訓練./tools/dist_train.sh \ configs/my_project/rotated_retinanet_my_custom.py \ 8 \ # 使用8個GPU --work-dir work_dirs/my_custom_exp_dist \ --cfg-options randomness.seed425.3 訓練過程監(jiān)控訓練開始后你可以在work_dirs/my_custom_exp目錄下找到{timestamp}.log詳細的訓練日志。vis_data/可視化數(shù)據(jù)可用于TensorBoard。{epoch}.pth每個epoch保存的模型權(quán)重。使用TensorBoard監(jiān)控tensorboard --logdir work_dirs/my_custom_exp --port 6006然后在瀏覽器打開localhost:6006你可以看到損失曲線、學習率變化、驗證集mAP等關(guān)鍵指標這對于調(diào)試和調(diào)參至關(guān)重要。5.4 常見訓練問題與調(diào)優(yōu)Loss為NaN或突然爆炸原因?qū)W習率過高、數(shù)據(jù)中存在異常標注如坐標超出圖像范圍、寬高為負數(shù)或零、梯度爆炸。排查首先大幅降低學習率如lr0.0001試試。使用tools/analysis_tools/browse_dataset.py腳本可視化你的數(shù)據(jù)集檢查標注框是否正常。在配置文件中加入梯度裁剪optim_wrapper dict(clip_graddict(max_norm35, norm_type2))。mAP始終為0或極低原因類別定義不匹配、標注格式錯誤特別是角度、數(shù)據(jù)增強過于激進導致模型無法學習、模型復雜度與數(shù)據(jù)量不匹配數(shù)據(jù)太少模型太大。排查確認標注用可視化腳本檢查轉(zhuǎn)換后的(cx, cy, w, h, angle)是否正確。重點檢查角度一個快速驗證方法是在驗證集上運行測試腳本看看預測框是否大致在目標位置哪怕類別錯了。如果框都亂飛肯定是定位出了問題大概率是角度或中心點坐標的轉(zhuǎn)換有誤。簡化流程關(guān)閉所有數(shù)據(jù)增強在配置文件中將train_pipeline替換為test_pipeline在小批量數(shù)據(jù)上過擬合。如果模型能在幾十張圖上達到接近100%的訓練精度說明模型和數(shù)據(jù)管道基本是通的問題可能出在增強或超參上。調(diào)整模型對于小數(shù)據(jù)集使用更小的 backbone如r18代替r50或更簡單的檢測頭單階段如RetinaNet比兩階段Faster R-CNN更易訓練。訓練速度慢原因圖片分辨率過大、num_workers設(shè)置過小、使用了過大的模型。優(yōu)化在數(shù)據(jù)管道中調(diào)整Resize步驟將圖片縮放到一個合理的尺寸如scale(1024, 1024)。注意保持長寬比避免目標變形。適當增加num_workers通常設(shè)置為CPU核心數(shù)的2-4倍并啟用persistent_workersTrue。考慮使用混合精度訓練AMP。在配置文件中添加optim_wrapper dict(typeAmpOptimWrapper)。這能顯著減少顯存占用并加快訓練速度但對某些模型可能引入精度損失或不穩(wěn)定需要測試。6. 模型測試、推理與可視化訓練完成后你需要評估模型在獨立測試集上的性能并學會如何使用它進行預測。6.1 測試模型性能# 單GPU測試 python tools/test.py \ configs/my_project/rotated_retinanet_my_custom.py \ work_dirs/my_custom_exp/epoch_12.pth \ # 指定訓練好的權(quán)重 --work-dir work_dirs/my_custom_exp/test_results \ # 保存測試結(jié)果 --show-dir work_dirs/my_custom_exp/test_vis \ # 保存可視化圖片 --show # 同時顯示圖片如果有GUI # 多GPU測試 ./tools/dist_test.sh \ configs/my_project/rotated_retinanet_my_custom.py \ work_dirs/my_custom_exp/epoch_12.pth \ 8 \ --work-dir work_dirs/my_custom_exp/test_results_dist測試腳本會加載模型和權(quán)重在測試集上運行推理并調(diào)用之前配置的test_evaluator如DOTAMetric計算mAP等指標。結(jié)果會保存在work_dirs/my_custom_exp/test_results下的JSON文件中同時終端會打印出詳細的評估報告。6.2 對單張圖片或視頻進行推理MMRotate提供了方便的演示腳本。你可以編寫一個簡單的Python腳本from mmrotate.apis import inference_detector, init_detector import cv2 import numpy as np # 1. 初始化模型 config_file configs/my_project/rotated_retinanet_my_custom.py checkpoint_file work_dirs/my_custom_exp/epoch_12.pth model init_detector(config_file, checkpoint_file, devicecuda:0) # 或 cpu # 2. 讀取圖片 img test_image.jpg image cv2.imread(img) # 3. 進行推理 result inference_detector(model, image) # 4. 可視化結(jié)果 # 你可以使用MMRotate內(nèi)置的可視化函數(shù) from mmrotate.visualization import RotLocalVisualizer visualizer RotLocalVisualizer() visualizer.set_image(image) # 假設(shè)result是一個包含預測框和分數(shù)的列表 # 需要根據(jù)模型輸出結(jié)構(gòu)進行解析這里是一個示例 pred_instances result.pred_instances bboxes pred_instances.bboxes.cpu().numpy() # 旋轉(zhuǎn)框 [N, 5] labels pred_instances.labels.cpu().numpy() # 類別 [N] scores pred_instances.scores.cpu().numpy() # 分數(shù) [N] # 過濾低分預測 score_thr 0.3 keep scores score_thr bboxes bboxes[keep] labels labels[keep] scores scores[keep] # 繪制框 for i, bbox in enumerate(bboxes): # bbox: [cx, cy, w, h, angle] # 將旋轉(zhuǎn)矩形轉(zhuǎn)換為四個頂點用于繪制 from mmrotate.structures.bbox import rbox2qbox qbox rbox2qbox(bbox) # 轉(zhuǎn)換為四個頂點 [x1,y1,x2,y2,x3,y3,x4,y4] pts qbox.reshape(4, 2).astype(np.int32) cv2.polylines(image, [pts], isClosedTrue, color(0, 255, 0), thickness2) # 添加標簽和分數(shù) label_text f{model.dataset_meta[classes][labels[i]]}: {scores[i]:.2f} cv2.putText(image, label_text, (int(bbox[0]), int(bbox[1])-10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2) # 5. 保存或顯示結(jié)果 cv2.imwrite(result.jpg, image) # cv2.imshow(Result, image) # cv2.waitKey(0)6.3 結(jié)果分析與模型優(yōu)化得到測試結(jié)果后不要只看一個總的mAP。深入分析對于改進模型至關(guān)重要。逐類別AP分析查看每個類別的AP。如果某個類別如“ship”的AP遠低于其他類別可能的原因有該類別樣本數(shù)量太少類別不平衡、目標尺度特殊太大或太小、目標角度分布特殊。解決方案包括數(shù)據(jù)增強針對小目標、收集更多該類別數(shù)據(jù)、使用Focal Loss緩解類別不平衡、為該類別設(shè)置獨立的檢測頭參數(shù)??梢暬e誤案例將測試集上預測錯誤的圖片漏檢、誤檢、定位不準可視化出來。這是發(fā)現(xiàn)模型短板的直接方法。漏檢目標太小被遮擋與背景顏色/紋理相似考慮在數(shù)據(jù)增強中加入更多針對性的變換如隨機裁剪、Mosaic增強或者調(diào)整模型Anchor的尺度。誤檢背景區(qū)域被誤認為目標可能是負樣本不足或特征混淆??梢試L試在訓練時加入困難負樣本挖掘OHEM或者調(diào)整分類損失函數(shù)的權(quán)重。定位不準框的角度或中心點偏移。旋轉(zhuǎn)框回歸比水平框更復雜??梢詸z查回歸損失函數(shù)通常是Smooth L1 Loss是否收斂正常。對于角度回歸有些研究使用離散化將角度分為多個bin或使用IoU-Smooth L1損失來提升精度。超參數(shù)調(diào)優(yōu)基于分析結(jié)果可以系統(tǒng)地調(diào)整超參數(shù)。MMRotate支持方便的配置覆蓋。例如你想嘗試不同的Anchor尺寸python tools/train.py configs/my_project/rotated_retinanet_my_custom.py \ --work-dir work_dirs/exp_tune_anchor \ --cfg-options model.bbox_head.anchor_generator.scales[4, 8, 16, 32, 64] \ model.bbox_head.anchor_generator.ratios[0.5, 1.0, 2.0] \ model.bbox_head.anchor_generator.rotations[-90, -60, -30, 0]通過--cfg-options你可以覆蓋配置文件中任何深層次的參數(shù)無需修改原文件非常適合進行實驗對比。7. 進階技巧與部署考量當你的基礎(chǔ)模型跑通后可以考慮以下進階優(yōu)化并思考如何將模型投入實際應用。7.1 數(shù)據(jù)增強策略優(yōu)化MMRotate集成了MMDetection豐富的數(shù)據(jù)增強管道。對于旋轉(zhuǎn)目標檢測一些特定的增強非常有效RandomRotate這是旋轉(zhuǎn)檢測的“本命”增強。它能隨機旋轉(zhuǎn)圖片和對應的旋轉(zhuǎn)框極大地增加模型對目標方向的魯棒性。在配置文件的train_pipeline中加入dict(typeRandomRotate, prob1.0, level10, max_rot_angle180),注意max_rot_angle設(shè)置過大可能導致目標旋轉(zhuǎn)后與標注的角度表示范圍沖突需要謹慎。Mosaic和MixUp這些混合多張圖片的增強技術(shù)能有效提升模型對小目標和遮擋目標的檢測能力尤其適用于數(shù)據(jù)量不大的場景。PhotoMetricDistortion隨機調(diào)整亮度、對比度、飽和度、色調(diào)模擬不同的光照條件提升模型泛化性。一個強化后的train_pipeline可能看起來像這樣在配置文件中修改train_pipeline [ dict(typeLoadImageFromFile), dict(typeLoadAnnotations, with_bboxTrue, box_typeqbox), # 注意box_type dict(typeResize, scale(1024, 1024), keep_ratioTrue), dict(typeRandomFlip, prob0.5), dict(typeRandomRotate, prob1.0, level10, max_rot_angle60), # 加入隨機旋轉(zhuǎn) dict(typePhotoMetricDistortion), dict(typePackDetInputs) ]7.2 模型選擇與集成MMRotate提供了多種旋轉(zhuǎn)檢測算法Rotated RetinaNet單階段速度快適合實時性要求高的場景。Rotated Faster R-CNN兩階段精度通常更高但速度較慢。RoI Transformer專門為旋轉(zhuǎn)目標設(shè)計在RPN區(qū)域提議網(wǎng)絡(luò)階段就生成旋轉(zhuǎn)的提議框精度提升明顯尤其適合密集、小目標場景。Oriented R-CNN另一種高效的兩階段旋轉(zhuǎn)檢測器設(shè)計更簡潔。對于你的自定義數(shù)據(jù)集建議先用Rotated RetinaNet快速驗證流程和基線性能。如果精度不滿足要求再嘗試RoI Transformer或Oriented R-CNN。可以在相同的數(shù)據(jù)和訓練設(shè)置下比較它們的精度-速度曲線選擇最適合的模型。7.3 模型部署從PyTorch到生產(chǎn)環(huán)境訓練好的PyTorch模型.pth文件不能直接用于生產(chǎn)環(huán)境如C服務、移動端、邊緣設(shè)備。你需要將其轉(zhuǎn)換為推理引擎支持的格式。主流部署路徑ONNX - TensorRT (NVIDIA GPU)這是NVIDIA平臺上的黃金組合。步驟 a. 使用MMDeployOpenMMLab的部署工具箱或PyTorch原生torch.onnx.export將模型轉(zhuǎn)換為ONNX格式。注意轉(zhuǎn)換旋轉(zhuǎn)檢測模型時需要確保模型中的自定義算子如旋轉(zhuǎn)NMS也被正確導出和支持。 b. 使用TensorRT的trtexec工具或Python API將ONNX模型編譯為高度優(yōu)化的TensorRT引擎.engine文件。優(yōu)勢極致性能低延遲。挑戰(zhàn)算子支持特別是后處理中的旋轉(zhuǎn)NMS可能需要自定義插件Custom Plugin。TorchScriptPyTorch自帶的序列化格式可以在沒有Python環(huán)境的C中運行。步驟使用torch.jit.trace或torch.jit.script將模型轉(zhuǎn)換為TorchScript。優(yōu)勢流程相對簡單與PyTorch生態(tài)結(jié)合緊密。挑戰(zhàn)某些動態(tài)控制流或復雜數(shù)據(jù)結(jié)構(gòu)的模型可能無法完美轉(zhuǎn)換。性能優(yōu)化不如TensorRT。OpenVINO (Intel CPU/GPU)針對Intel硬件優(yōu)化的部署工具包。步驟將ONNX模型通過OpenVINO的Model Optimizer轉(zhuǎn)換為IR格式再用Runtime推理。優(yōu)勢在Intel CPU上性能優(yōu)秀易于使用。部署建議前期驗證先使用MMRotate自帶的inference_detectorAPI搭建一個簡單的Python服務如Flask/FastAPI快速驗證模型功能和性能。性能瓶頸分析使用 profiling 工具如PyTorch Profiler, NVIDIA Nsight分析推理過程中各階段耗時。通常后處理尤其是NMS在旋轉(zhuǎn)檢測中占比不低。自定義后處理生產(chǎn)環(huán)境中為了極致性能和控制力經(jīng)常需要將模型的后處理解碼bbox、NMS從模型中剝離用高度優(yōu)化的C代碼實現(xiàn)。你需要理解模型原始輸出的格式如每個Anchor的類別得分和bbox偏移量并重新實現(xiàn)解碼和NMS邏輯。7.4 持續(xù)集成與模型管理當項目迭代起來后模型版本、配置文件、訓練日志會越來越多。建議建立簡單的管理規(guī)范版本控制使用Git管理你的配置文件、數(shù)據(jù)集轉(zhuǎn)換腳本和自定義代碼。實驗跟蹤使用MLflow、Weights Biases或TensorBoard來記錄每次實驗的超參數(shù)、指標和模型文件。自動化編寫腳本自動化訓練-評估-測試的流程特別是當你要進行大規(guī)模超參數(shù)搜索時。從準備自定義數(shù)據(jù)到訓練、調(diào)優(yōu)、最終部署一個旋轉(zhuǎn)目標檢測模型整個過程充滿了挑戰(zhàn)但也正是這些挑戰(zhàn)讓結(jié)果更有價值。MMRotate作為一個強大的工具箱為你掃清了許多底層實現(xiàn)的障礙讓你能更專注于數(shù)據(jù)、模型結(jié)構(gòu)和業(yè)務邏輯本身。希望這篇基于實戰(zhàn)的詳細指南能幫助你順利跨過旋轉(zhuǎn)目標檢測的門檻在實際項目中取得成功。記住遇到問題時多可視化、多分析數(shù)據(jù)、從小規(guī)模實驗開始是最高效的調(diào)試路徑。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
久久婷婷色色| 99亚洲精品| 人妻AV中文系列| 91婷婷丁香五月天免费视频网站| 中文字幕 码精品视频网站| 九月婷婷久久久| 国产精品久久久久久白浆色欲| 秋霞A V毛片| 五月婷婷久久久| 国产熟女大叫受不了| 六月丁香综合| 久久婷婷六月| 五月婷婷很很色| 天天爱天天做天天爽| 久久婷婷六月综合国际| 色5月丁香婷婷| 久久精品99久久久久久| 六月丁香激情网| 天天干,夜夜爽| 五月婷婷|欧美| 精品久热69| AAA久久久AAA久久久AAA| 六月天婷婷| 色色婷婷色色| 99久久久免费| 99在线视频精品| 亚洲六月色| 五月色天情| 91综合在线观看首页| 五月婷婷五月天| 超碰成人av| 色婷婷视频| 六月色日韩| 亚洲深喉aV| 丁香五月天网友自拍啪啪啪视频| 五月婷精品| 天天爱天天操| 狠狠色综合精品视频在线| 色五月偷偷| 婷婷情色五月天| 久久er视频6| 激情小说五月天| 五月噜噜| 96精品久久久久久久久| 丁香婷婷啪啪| 色播五月婷婷五月| 性韩日色婷婷五月天激情啪啪XXX| 精品无码久久久久久久久 | 五月天激情婷婷丁香| 久99久视频精选| 久热成人| 丁香六月色婷婷| www.色综合.com| 国产精品涩涩涩视频网站| 五月网网站| 伊人五月婷婷| 操逼视频网址| 色色色色综合网| 久色国产| 蜜臀av无码久久久久久久久| 日本久久视频| 91av视频| 丁香五月婷婷六月| 色五月天婷婷| 狠狠草综合网| 亚洲中文丁香| 婷婷五月综合久久中文字幕| 国产午夜成人免费看片无遮挡| 婷婷激情六月| 婷婷爱婷婷| 99WWW免费视频| 亚洲操操操| 婷婷深爱五月丁香| 开心激情站婷婷五月天| 久久成人性爱| 久99久视频免费观看| 天天操夜夜操| 超碰成人av| 激情 婷婷 丁香五月天| 亭亭丁香久久五月| 91色婷婷综合久久中文字幕二区| 综合久久伊人| 婷婷久综合| 91久久久久久久久18| 一级A片天天操夜夜操| 超碰av在线| www.久操| 国外亚洲成AV人片在线观看| 人妻22p| 色婷婷六月| 国产熟女日日骚五月丁香爱| 一本久久亚洲五月婷婷| 五月丁香激情综合啪| 久久38视频| 亚州美女| www.xtbsty.cn.com蜜乳AV| 丁香五月激情综合久久| 极品少妇XXXX精品少妇偷拍| www.五月天| 婷婷五月色惰| 婷婷性福五月天| 狠狠色狠狠鲁| 视频免费精品免费精品免费精品免费精品免费精品免费精品免费99 | 婷婷的五月天另类视频| 欧美狠狠草| 99re热在线视频观看| 五月成人丁香av91| 69热91天堂| 色婷婷99| 国产暴力强伦轩1区二区小说| 99热这里只有精品1025| 91偷拍视频| 夜夜干天天操| 五月婷婷第四色| 97深爱伊人综合| 日本色噜| www.人人操人人看人人想人人摸 人人人人操,COM| 色情丁香五月婷婷精品| 久久婷婷东京热大香樵| 丁香五月婷婷影视先锋| 91久久久久久久久18| 五月丁香啪啪综合| 五月婷六月| 五月天婷婷丁香社区| 无码激情精品色婷婷久久久久| 婷婷五月综合婷婷| 欧美激情xxxXX| wWwCom夜操wwW| 九月影院義母在线播放| 综合色99| 九九综合伊人| 精品在线| 六月丁香五月激情网| 天天操天天操| www激情五月天| www,av好吊操| 久久丁香五月| 天天操综合网| 99久久99九九99九九九| 婷婷91| 丁香五月激情婷婷| 办公室少妇激情呻吟A片在线观看 白人荫道BBWBBB大荫道 | 91精品综合久久婷婷九色| 亚洲色爱综合| 欧洲综合视频| 色色99| 国产亚洲成AV人片在线观黄桃| 丰满老熟妇BBBBB搡BBB| 色婷大香蕉| 丁香六月婷婷缴情欧美| 亚洲综合在线网站| 97人妻碰碰碰久| 中文字幕婷婷五月天| 激情无码五月天| 激情婷婷五月天伊人在线观看 | 九九色婷| 十区AV| 国产ava| 操碰97| 日韩好吊操| 激情五月综合免费| 能直接看的av网站| 婷婷六月色| 激情五月综合| 天天色凹凸| 婷婷色五月天色| 久久免费操| 久久五月婷| 六月婷婷之青青草| 成人免费va| 丁香五月激情宗合网| 色色热99| 亚洲久热无码| 婷婷综合五月| 久久九九热re6这里有精品| 久久99精品久| 五月丁香在线观看99| 亚欧州精品视频| 99热综合在线| 精品乱码久久久久| 丁香五月色情| 美女被肏网站在线看| 欧美超级视频97| 色五月婷婷五月丁香五月激情五月视频 | 日本丰满久久| 思思热闹这里只有精品| 99re这里只有精品视频了| 丁香五月天婷婷中文字幕| 在线中文字幕视频| 五月丁香啪啪| 久久色天堂| 超碰人妻在线| 1024成人在线观看| 五月婷婷开心激情六月蜜桃| 成人av在线网站| 五月激情综合网| 超碰成人在线免费观看| 亭亭丁香aV| 色色免费网战视频| www色色色com| 国产三级片91| 色视五月天婷婷| 99热免费| 欧美日本不卡黄色片| 67194成I人在线观看线路1| 亚洲综合色丁香五月天| 97干在线| 五月天大香蕉AV| 涩涩涩,com| 五月婷婷六月丁香综合在线| 色婷婷伊人激情在线观看| 亚洲顶级VA在线观看-高清完整版在线影院观看-S022AV | 日夜夜天天| 啪啪99| 五月开心播播网| 亚欧州精品视频| 夜夜夜叫天天天做| 9l视频自拍9l九色成人| 国产免费一区二区三区三州老师F1F1.CC | 久久综合丁香激情五月| 久热亚洲| 日韩按摩二区| 亚洲欧美成人在线| 成人视屏在线观看| 色爱综合网| 国外亚洲成AV人片在线观看| 天天射综合网站| 四色五月婷婷在线观看| 成人av在线网| 丁香五月色| 天天操天天操天天操天天操天天操天天操天天操天天操天天操 | 婷婷五月丁香综合| 婷婷亚洲久久| 人人人人人人人草| 97在线观视频免费观看| 天天日综合网射| 久久久久人妻| 婷婷综合在线视频| 天堂草在线看www| 国产美女无遮挡裸体毛片A片| 婷婷99中文字幕| 五月丁香免费看| 丁香五月婷婷av影院| 色综久久AV| 色欲婷婷五月天| 狠狠久综合| 黄色笑话深爱激情网丁香五月婷婷啪啪啪啪啪| 国产精产国品一二三在观看| 五月婷婷 六月丁香| 婷婷精品免费久久| 色情综合| 婷婷六月色丁香视频在线观看| 亚洲精品永久久久久久| 国产精品视频网| 久久久月丁香| 激情五月婷婷| 日日干夜夜撸夜夜骑| 五月丁香色婷婷| 六月丁香久久| 久久99热这里只有精品| 天天 青草 制服丝袜 在线| 97资源欧美日韩大香蕉超碰一区| 99热亚洲| 色色色色色网| 综合五月草 | 美妞av| 五月开心久久| 26UUU成人网| 天天插天天射| 免费的日逼视频| 五月天色色网站| 337p大胆噜噜噜噜噜91Av| 婷婷五月综合网| 日韩AV成人电影| 亚洲色无码| 91av视频| 五月婷婷激情久久| 婷婷六月视频| 天天狠狠夜夜狠狠2023| oumeisesewang| 久久这里有精品| AV伊人青草丁香六月| av人人干| 亚洲综合丁香五月| 色五月欧美| 7777精品伊人久久久大香线蕉最新版| AV操逼网| www.激情五月天.com| 国产亚洲精品久久久久久牛牛| 五月激情丁香久久综合网| 六月丁香激情网| 久久精品爱爱| 男人大jjc女人免费视频| 日日做夜夜爱| 国产AV成人精品| 天天摸色吧天天摸色吧| 91ncm视频| 超碰在线国产| 婷婷丁香五另类网站| 综合色、色综合| 久久久久久丁香五月| 色婷婷五月综合色婷婷| 婷婷久久五月| 婷婷激情五月综合丁| 色婷婷影视99| WWW久久久| 亚洲色五月| 激情五月婷| 丁香开心深爱| 色原狠狠综合| 中文字幕 码精品视频网站| 日韩无码人妻一区二区三区综合| 国产黄色大片| 99热这里只有精品青草| 天天爽夜夜爽天天爽夜夜爽| 9热在线视频| 97色片| 亚洲愉拍99热成人精品| 尔尔AV一区| 色噜噜综合网| 99爱在线| 亚洲视频99| 天天日,夜夜爽| 色色综合五月| 成人AV在线电影| 久狠日av| 色婷婷97| 丁香婷婷综合影院| 99这里| 婷婷五月丁香色情| 99色热视频| 日本人妻伦在线中文字幕| 五月花激情| 丁香五月自拍| 97人人操人人操人人操人人| 色色五月天激情| 五月成人天| 九九日本视频| 激情综合婷婷久久| 97干在线| 婷婷狠狠97| 天天色综合色| 亚洲成人网在线观看| 欧类av怡春院| 色丁香五月婷婷| 欧美噜一噜| 色噜噜五月天| 婷婷五月成人社区| 99国产精品白浆在线观看免费| 亚洲另类视频| 在线综合婷婷| 97人人干| 亚洲热久久| 国产色五月婷婷| 欧美久久网| 久久黄色片| 色婷五月天| 亚洲色情网站| 99热日本| PORNY九色9l自拍视频成人| www.99色| 五月天综合网| 九九色图| 色五月婷婷色五月婷婷色五月婷婷| 少妇丁香婷婷 | 婷婷综合网| 老司机日日夜夜青草| 高清激情av在线观看| 综合视频久久| 狠狠干在线| 五月成人丁香av91| 日本欧美成人片AAAA| 激情五月综合网最新| 五月天黄色激情小说| 人人澡天天色天天做| 操草草草| 国产首页在线| 九月激情婷婷丁香| 日日色综合| 91免费看片| 婷婷激情社区| 亚洲婷婷激情五月天| 99久久国产宗和精品1上映| 丁香五月欧美激情| 国产精品视频免费看| 91亚洲视频| 精品人妻伦一二三区久久| 91操片| 99热精地址| 99成人网站| 欧美A级网站| 天天综合网~91综合网| 成人免费在线电影| AV色婷婷| 色综合久久综合中文综合网| 久久大香蕉同僚| 欧美日韩五月婷婷| 激情婷婷丁香色五月| 国产婷婷婷| 北京熟妇搡BBBB搡BBBB| 国产做爰视频免费播放| 免费无码毛片一区二区A片| 久久这里只有精品99| 91九色精品| 婷婷丁香六月天| 色在线视频网2025| 久狠狠狠| 五月婷婷深深爱| 97热在线精品| 久热人妻| 五月激情天| 五月婷在线| 这里只有精品视频在线| 丁香五月激情五月| 性爱激情综合网| 久久性爱99国产| 丁香五月综合| 激情内射人妻1区2区3区| 丁香五月激情综合| 亚洲宗合激情| 日韩黄色AV无码| 99人人操| 五月丁香影院| 日本精品在线噜噜噜| 激情欧美婷婷| 婷婷五月丁香影院| 九九草热在线观看| 六月丁香婷婷五月| 色五月中文网| 五月婷婷啪| 伊人激情影院| 影音先锋美国A| 百度一下国产精品A| 五月天丁香看婷婷| 日韩五月婷婷| 天天搡日日搡aaaaⅩ| 国产成人在线精品| 乱女乱妇熟女熟妇综合网站| 久久这有这里精品| 婷婷五月天资源| 久久黄色片| 五月天久久网站| 九九碰九九爱97超碰| 婷婷精品在线| 大地资源色婷婷视频在线| JAPANRCEP老熟妇乱子伦视频 | 五月婷婷无码专区| 99人妻碰碰碰久久久久视| 成人短视频在线| 91精品丝袜久久久久久| 婷婷丁香五月天之开心少妇| 六月丁香综合| 亚洲avjiujiur91| 狠狠草天天草| 六月丁香色婷婷| 在线观看亚洲视频影院| 色色色热热热| 青青久久91| 日本黄色在线观看| 亚洲色激婷| 亚洲最大五月天成人网| 无码动漫av| 99re久久| wwww.色婷婷| 亚洲综合婷婷五月| 天天射天天射一道本日本社区| 婷婷狠狠色| AV九九| 99这里只有精品| 激情丁香五月综合| av在线超清中文| 天天操夜夜橾| 久久久久久人妻| 日本三级日本黄色| 99精品在线观看| 激情婷婷五月天在线观看| 九月婷婷激情| 国产精品天天狠天天看| 亚洲欧美综合7777色婷婷| 欧美成人网婷婷综合在线| 天天爽天天| 午夜69成人做爰视频| 亚洲视频在线网| 狠狠搞五月天| 狠狠色噜噜狠狠| 亚洲热热视频| 亚洲人人操| 99五月丁香丁| 亚洲色色色| 国产精品久久久久久久久久免费 | 激情爱爱网站超大免费| 九九热这里只有精品一| 狠狠插狠狠操| 九九色播五月丁香| 天天操夜夜爱| 丁香五月色| 91久久久久久久久久| 五月丁香久久久日婷婷久久婷婷日| 色五月婷婷老师| aV直接看| 99高级会所久久| 九九大香视频| 久久婷婷丁香花综合网| 玖热精品综合视频| 婷婷五月丁香手机在线视频| 亚洲精品白浆高清久久久久久| 五月丁香无码| 五月丁香六月| 日美三级| www.六月丁香看AV| 色婷婷综合网| 久久久com| 五月天最新网| 超91热| 色综合播放| 91狠狠综合久久| 中文字幕+中文在线| 天插天啪天啪天啪| 成人无码髙潮喷水A片| 五月花激情网| 婷婷操婷婷干婷婷射| 成人精品视频99在线观看免费| 成人免费视频一区| 无码色色| 久久综合婷婷激情| 色婷丨日丨天丨综合久久| 久久久五月天| 亚洲色啪| 九九色色| 久99视频在线观看| 人人干99| 玖玖婷婷精品| 99免费在线视频| xxxx五月天色色| 久久久精品色色色| 亚洲视频另类| 婷婷五月丁香综合激情小说| 色情五月婷婷| 久久女婷| 99久久久久| 日本九九视频| 欧美色97| 婷婷色网站| 91久久五月天| 91婷婷伊人牛牛| 五月婷视频| 午夜日日| 婷婷午夜综合| 丁香激情四射| 99热婷婷| 激情 五月 婷婷 丁香| 五月丁香777| 丁香五月香蕉在线| 欧美影院婷婷| 丁香五月性| 五月天啪啪| 丁香婷婷六月天| 激情丁香婷婷| a九九热www| YJLZZJLZZ亚洲乱熟无码| 五月丁香花视频| 任你日视频| 色婷视频| 丁香五月视频在线观看| 99久久国产宗和精品1上映| 森林影视大全,最好看的2019年视频 | 99燥99日| 久久久精品色| 91青娱乐青青草| 激情久久久久| 综合欧美五月婷婷| 久热一区| 久久精品视频在这里有| 亚洲小电影在线观看黄999| 精品人妻一区二区三区四区不卡在| 99热欧美精品| 亚洲啪视频| 欧洲永久精品| www.色多多婷| 99热这里只有精品9| 久婷婷婷| 热这里| 美女被操一区二区| 九九亚洲| 丁香五月久久| 日日干四虎| 婷婷五月六月| 婷婷久久五月| 第九色区av天堂| 五月丁香好婷婷A片网| 人人色人人弄人人操| 2025色婷婷| 人人妻人人澡人人爽| 色色色国产| 婷婷五月天在线看| 偷拍九九热| 人人操av| 婷婷五月天视| 国产99久9在线+|+传媒| 久99久在线| 日本的α片xxxwww| 日本色超碰| 色色激情网| 激情的五月| 久久99免费视屏| av在线资源| 婷婷激情鹿城五月天| 91超级碰人人操| 亚洲综合成人网| 久婷婷五月丁香在线观看| 97碰碰九九视频| 粉嫩av蜜桃av蜜臀av| 色视频2025| 99艹精品在线观看| 天天干电影| 欧洲第一久色| 天天情天天狠天天透| 1024欧美看片| 国产精品色| 亚洲欧美一区二区三区爱爱动图 | 思思99re这里只有| 九色91视频| 香蕉AV777XXX色综合一区| 亚洲激情网| 激情五月天在线| 大香蕉大香蕉在线影院| 97夫妻超碰| 丁香五月婷婷基地| 婷婷五月天免费视频| 五月丁香六月色婷婷综合五月天| 壅壅儕家a| 亚洲日日日| 色狠狠色噜噜AV天堂五区消防| 天天艹天天综合网| 久久香蕉婷婷| 欧美综合激情| 久久怡红院| 五月丁香六月婷婷激情视频在线观看免费| 琪琪理论片| 亚洲精品另类| 国产成人精品一区二三区熟女在线 | 激情五月天偷拍综合网| 天天拍夜夜撸| 色婷婷操逼网| 综合狠久久| 丁香激情网| 久久香蕉丁香| 婷婷五月天另类视频| 久久久久久综合五月婷婷| 99热国内精品| 操操操91| 激情人妻蜜夜系列区| 99热18| 六月天丁婷婷| 中文久久久人妻| 激情婷婷丁香五月天| 七七婷婷综合| 99热这里| 在线综合网| 97性视频| 欧美综合激情五月天| 激情婷婷五六月天| 狠狠色婷婷777| 秋霞日本免费毛片A片| 久久综合九色综合97婷婷| 9精品在线| 六月丁香影院| 开心激情站婷婷五月天| 99色婷婷视频| 色婷天天| 久久婷丁香五月| 狠狠色丁香婷婷| 另类在线免费视频| 五月天婷婷久久| 婷婷激情在线| 99啪啪网| 综合五月天| 色五月婷婷影院| 欧美激情综合色综合| 亚洲综合色丁香婷婷六月| 国产日产成人亚洲欧美国产VA| 人伦30P| 激情性爱五月| 性生活视频98791| 六月激情婷婷综合| 激情四射网| 五月天激情视频| 亚洲另类视频| 思思热99热| www.99成人视频| 色婷婷婷婷成人网| 精品九九在线观看| 激情综合5| 26uuu青青| 久久视这里只有精品| 天天狠狠婷婷在线| 天天日日人| 99精品这里只有免费视频| 婷婷第六色| 婷婷五月激情六月丁香| 五月丁香啪啪拍| 色五月天天| 五月丁香成人版| 天天狠狠色综合| 久久久久思思热| 九九色综合九九色| 99狠狠操一| 欧美在线干| 天天综合精品| 国产3p露脸普通话对白| 丁香六月丁香婷婷激情| 国产九月婷婷| 视频1区2区| 99大香蕉| 熟女重口味αV| 激情激情激情网| 丁香五月婷婷色偷偷| 色五婷婷| 婷婷色情六月| 99欧州偷拍视频| 天天操婷婷| 成人做爰A片免费看视频| 色综合色香蕉网| 9 1大香蕉| 99超级碰碰| 欧美在线干| 五月婷婷播| 伊人青草成人| 婷婷中文字幕| 国内婷婷丁香社区在线播放| 婷婷丁香人妻| 五月 婷婷 成人| 六月婷婷久久| 五月激情综合网| 国产毛片精品一区二区色欲黄A片| 思思热99er| 性爱七区| 亚洲另类婷婷五月丁香在线播放| 99精品视频免费观看,| 开心深爱激情网| 噜啊噜在线| www激情| 五月天激情开心网| 人人干人人操人人摸| 色婷视频| 婷婷久久色五月婷婷久久久| www.日本91| 79亚洲精品少妇| 99爱视频免费看| 婷婷五月天综合在线| 99熟女| 婷婷五月天桃花网| 五月天激情四射网站| 婷婷久久免费看| 五月丁香五月综合欧美| 色狠狠综合| 加勒比久热| 婷婷激情五月天综合| 色婷綜合网| 欧美日比视频| 午夜无码熟熟妇丰满人妻 | 婷婷基地五月色| 九九热自拍| 婷婷五月色播天| 大香蕉婷婷丁香视频在线| 69午夜成人影片| 亚洲在线资源| 丁香九月婷| 俺来也综合网精品一区| se影音资源在线观看| 激情综合网激情五月天| AV成人在线播放| 91小黄书网址在线观看| 欧美99热| 久久与婷婷| 五月丁香龟婷婷| 风流少妇A片一区二区蜜桃 | 99热碰碰热| 丁香婷婷激情网站| 狠狠色婷婷7777久| 99久久精品色老| 六月婷婷久久大全| 丁香五月天堂| 色一情一乱一乱一区91Av| 五月在线| 天天干人人奸97| 五月婷婷色综图片| 色狠狠色| www.99热精品| 天天日,天天干,天天操| 婷婷不干网| 大功率国产在线| 91九色国产在线| 色色五月天婷婷丁香| 亚洲成人AV电影在线| 五月婷婷激情四季| 久久九九爽| 97自拍99| 玖玖资源在线视频| 操97在线观看| 丁香六月视频| 777精品久无码人妻蜜桃| 殴美日比视频| 五月丁香色婷婷色| 成人在线网站| 六月丁香五月天| 超碰天堂网| 色五月成人在线| 最近中文字幕2019视频1| 五月婷成人| 婷婷99狠狠| 天天搡日日搡aaaaⅩ| 少妇人妻人伦A片| 97人妻碰碰碰久久| 色五月丁香五月天| 色五月天婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷 | 激情亚洲网| 91丁香婷婷综合久久欧美| 99久久婷婷五月天| 精品人妻一区二区三区在| 激情亚洲色图片丁香综合| 久热这里| 天天摸,天天爽| 亚洲婷婷五月天| 亚洲五月丁香综合网| 99热九九热| 丁香五月情色| 99ri精品| 久久五月天激情婷婷| 亚洲天堂热| 久久婷婷丁香五月一二三| 激情五月天综合网| 天天综合.com| 超碰狠狠干99| www,五月丁,com| 天天操天天干天天射| av在线色五月丁香婷区久| 大香蕉久久综合网| 色色网五月激情| 丁香五月 无码| 亚洲A色| 97婷婷在线视频| 丁香五月婷婷偷拍| 中文字幕av在线播放| 色五月婷婷操逼| 五月婷网| 天天做天天爽| 开心五月丁香婷婷| 国产在线网址1| 操操天堂| 99久在线精品99re8| 丁香五月婷婷无码AV| 亚洲精品久久久无码| 亚洲成人乱码av网站| 亚洲成人在线电影网站| 日韩啊啊啊| 另类精品视频在线观看| 狠狠干综合| 丁香五月天婷婷久久综合| 丁香久久在线| 久久久精品人妻录| 六月色婷婷综合影视| 99久在线精品| 天天天操天天天爰| 国产成人精品一区二三区熟女在线| 九九机热| …亚洲黄色在线播放日韩、av中文a…| 日夜操B| 婷婷舔| 在线色婷婷| 九热精品| 天天爽—爽| 日韩人妻在线播放| 大香蕉九操| 爱爱色五月天| 狠狠狠狠狠狠草| 五月婷婷激情性爱| 天天色综合色色色色色。| 婷婷五月天久草在线| 久久久精品人妻| 99在线精品观看99| 天天色中文字幕女优AV| 999久久久国产精品| 丁香五月1页| 中文字幕人妻一区二区| 五月天丁香久久| 色六月天天激情综合网| 久9草在线观看视频| 色域五月婷婷丁香| hd五月婷婷在线| 亚洲在线成人| 色色色综合色| 五月天婷婷爱| 激情综合啪啪啪| 99视频热99| 中文字幕成人| 2w在线视频| 久久久A级视频| 国产成人精品亚洲线观看| 久久六月综合| 国产色色网址网站| 欧美日本高清视频99| 激情五月综合| 99视频只有精品| www.av视频xx999.com| 久久女伦| 人妻久久久久久| 夜夜躁爽日| 婷婷AV丁香| 久久亚洲无码| 国产SUV精品一区二区6| 在线网黄| 久久人妻高清中文| 亚洲亚洲人成综合网络| 99这里有精品| 婷婷激情综合色五月久久,色婷婷丁香花,丁香婷婷五月情天,久久婷婷五月综合色 | 97久久人人| 久久综合五月天激情小说网站 | 五月丁香六月欧美综合网站| 五月六月婷婷| 丁香婷婷少妇| 人妻九九九九| 婷婷综合国产| 五月丁香激情啪啪| 99久在线观看| www,av好吊操| 美女五月天婷婷| 啪啪综合| 丁香五月婷婷少妇| 久久中文网| 俺去也五月天婷婷| 99久久6| 色婷婷色情| 99热只有精品综合| 日韩在线观看亚洲| 九月丁香婷婷网| 色欲天天综合网| 99精品国产热久久91色欲| 五月婷婷丁香瑟瑟视频| 丁香婷婷激情五月色| 日本系列_4页_777FP| 婷婷综合天堂| 婷婷丁香18| 久热9| 182TV大香蕉| 色色网站在线| 成年人99热| 婷婷九月激情网| 天天色月| 婷婷久久五月| 九久久精品视频99| 91啦丨九色丨刺激中文| 一二线视频 另类| 玖玖婷婷五月天| 色色色色色色网| 站长推荐无码播放| 婷五月天| 噜噜视频| 激情深爱综合网| 欧美婷婷色五月| 色五月婷婷大| 777久久综合视频| 天天爽夜夜爽夜夜爽精品| 婷婷月综合| 久久在线92| 日本少妇AA一级特黄大片| 欧美在线ee日韩| 婷婷五月天综合亚洲| 69精品人人人人| 拍真实国产伦偷精品| 日本色五月| 色五月激情婷婷| 99精品在线观看| 色久播播| 亚洲人成网亚洲欧洲无码久久| 色丁香婷婷| 99热在线精品播放| 肏屄色播伊人97婷婷| 亚洲色色五月天| 91九色熟女| 插逼综合网| 成人午夜无码视频| 色啪综合| 五月丁香婷婷色色色| 伊人久久大香网| 99热亚洲| 色婷婷黄色网络| 99er这里只有精品| 九九99视频精品| 丁香婷婷免费| 思思久久99热| 欧美性丁香色色五月天综合爱爱| 91精品熟女| 五月丁香久久激情网| 99久久er| 五月婷婷开心五月| 九九热精品| 夜夜骑天天操| 4399亚洲视频| 欧美激情综合| 五月天激情网图片| 中文字幕无码人妻少妇免费视频| 日韩专区五月天婷婷丁香| 天天日日| 九九Y精品热播| 99久久玖玖| 91久久| 777.色色| 五月婷婷视频ab| 激情五月天激情小说| 日本色色网站| 五月天综合| 双性美人被调教到喷水A片| 日本精品人妻无码77777| 波多婷婷久久| 77777亚洲午夜久久| 9l视频自拍九色9l视频自拍九色9l社区| 久久婷五月婷| 日日操,日日爽| 伊人色综在线| 亚洲最大激情无码| 色色色综合网| 天天日天天插| 五月色婷婷夜色| 99色五月| 99re久热只有精品6在线直播| 五月丁香 啪啪啪| 五月婷婷六月丁香综合在线| 久久免费操| 日本狠狠色| 久久加勤综合| 人人操人人爽成人AV| site:xmssd.com| 麻豆123区| 亚洲人人操| 五月丁香六月色| 就爱日五月天| 91人人澡人人爽人人看| 新久久五月天激情| 久久丁香久久| 欧美色色色色色| 一级片操逼视频| g00d人体西西| 日韩抽插操逼| 综合色五月| 六月丁丁香| 亚洲欧美成人在线观看| 91性高潮久久久久久久久| 五月色丁香婷婷中文字幕| 狠狠高潮精品亚洲1| 超碰在线成人| 国产精品24r| 97成人丁香婷婷| 情涩婷婷五月天| www狠狠| 婷婷五月丁香青青草在线| 9999三级片| 狠狠色无码| 97操视频| 综合色在线| 婷婷五月天AV在线| 99视频在线观看欧| 丁香五月天.com| 五月婷婷啪啪啪啪| 五月丁香成人| 思思久久99热只有频精品66| 色综合婷婷| 九九热内射| 6月丁香婷婷| 丁香五月天啪啪| 亚洲丁香花色| 丁香婷婷91在线观看视频| 婷婷五月丁香综合激情小说| 激情亚洲婷婷| 中日韩美欧成人一区二区精品在线| www.99精品视频| 五月婷婷成人网首页| 色在线99| 精品久9| 那里有AV网址| 99色在线观看视频| 五月天激情色色| 思思热天天看| 日日撸夜夜操| 久cao香蕉影院| 久久久人妻不卡| 影音先锋天天日| 五月开心播播网| 女人露出p毛视频www网站| 婷婷五月情| 97碰精品| 六月丁香基地| 97精品综合久久| 色色色色色色色色色色色色色五月天 | 色婷亚洲五月丁香| 色插综合网| 丁香五月AV| 97热精品| 婷婷丁香18| 久久性综合| 五月婷免费视频久久久| Av大香蕉| 丁香婷色| 综合网视频| 9视频在线成人网站| Av性爱网| 99久热这里只有精品| 日本毛片内射| 天天插AV丝袜中| 99久久国产宗和精品1上映| 激情五月深爱五月观看| 亚洲激情综| 99久久久久久久| 99国产小视频| 蜜乳久AV| 激情99。| 丁香五月偷拍| 五月天婷婷色在线视频免费观看| 久青操| 激情熟女网| 79精品视频| 精品一区久热| 管管補管管紱| 色区久久| 成人色站,在线视频,看片-SS1AV| 噜噜噜狠狠色综合| 97资源碰碰| 超碰二区| 激情六月婷婷| 综合久久高清| 婷婷综合视频| 99ri视频在线播放| 人人操人人爰人人一天天碰夜夜拍夜夜爽-中国A级毛片天天看天天谢… | 夜夜撸夜夜骑| 99久在线| 婷婷午夜| 亚洲va欧美| 五月婷婷天| 大功率国产在线| 夜夜夜夜夜操| 欧美丁香婷婷天天操| 91操碰| 久久这里只精品66| 欧美人妻一区二区| 五月天狠狠网站| 五月丁香六月欧美综合网站| 九九视频免费| 激情小说婷婷| 亚洲第一色色色色| 九九热免费视频| 婷婷成人五月天一区| 牛色色碰| 天天摸天天日天天舔| 九九色插| 激情色色色| 1024在线视频| 久久久无码精品成人A片小说| 91丨九色丨熟女丰满| 99热免费精品| 亚洲色啪| 色综合五月| 中文不卡一二三区| 丁香综合| 天天狠狠夜夜狠狠2023| 秋霞丝袜啪啪啪| 午夜天堂啪啪| 99re熱| 六月成人网| 可以直接看的AV网站| 99久久高清视频| 亭亭五月色男人| 久久久精品AV| 激情五月综合亚洲另类| www激情| 99草视频在线观看| 色欲丁香| 五月婷婷黄色| 岛国在线观看91| 五月婷久久在线| 婷婷99丁香| 午夜激情综合| 七七九九色色| 五月丁香婷婷色啪| 狠狠色噜噜狠狠狠狠综合| 色蜜婷婷| 丁香六月婷婷久久综合| 天天色色婷婷| 五月天婷婷激情四射综合| 9色在线视频| 欧美狠狠一在草| 久久9热好| 丁香月六月| 丁香婷婷91在线观看视频| 九九视屏| 激情六| 亚洲欧洲美女在线观| 亚洲激情综合| 亚洲视99| 日韩久久成人| 久热免费视频| 久久99热这里| 色天使久久综合| 色停停香蕉视频| 日日干综合| Caop在线| 婷婷操逼| 思思热视频| 五月天快乐开心激情网| 丁香狠狠色婷婷久久无码视频| 婷婷色九月| 天天日夜夜草进麻麻的子宫| 青青日韩| 婷婷色综合| 婷婷五月天成人小说| 综合激情五月四射婷婷| 久久五月天影院| 深夜男女福利刺激影院一区完整| 丁香五月瑟瑟| 久久新| 色五月激情五月| 操九色| 五月丁香色播| 色噜噜97视频在线观看| 国产成人AV不卡| 丁香婷婷色九月| 五月天婷爱综合| 91婷婷五月丁香碰| 国产欧美精品AAAAAA片| 五月丁香六月婷婷久久肏| 丁香久色| 热久国产| 激情综合网激情五月俺也去| 国产67194| 六月丁香色婷婷| 久久这里只有精彩| 婷婷99丁香| 丁香五月婷婷五月| 色吧五月婷婷| 99免费热视频| 六月丁香婷婷拍拍| 婷婷婷久久久| 91色呦哟| 婷婷亚洲综合| 99热99美国在线观看| 丁香五月骚喷水视频| 人人操日| 中文字幕av网站| 熟女人妻一区二区三区免费看| 亚洲性爱电影| 日日操日日爽| 玖玖在线资源视频| 久久婷婷五月综合激情国产| 99婷婷综合| 免费视频WWW在线观看网站| 超碰色色综合| 六月婷婷在线视频| 激情5月婷婷狠狠干| 99re免费精品视频| 九九久久高清| 婷婷丁香色五月天| 色婷婷丁香五月天| 久久婷婷五月天激情四射| 99re思思久久| 狠狠干 狠狠操| 久久国产精品乱子伦_靑青草…| 男女99免费视频|