欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運(yùn)營的一線實(shí)戰(zhàn)洞察。

Vision Transformer圖像去霧實(shí)戰(zhàn):從大氣散射模型到最小實(shí)現(xiàn)

Vision Transformer圖像去霧實(shí)戰(zhàn):從大氣散射模型到最小實(shí)現(xiàn) 簡介一套基于Vision Transformer的圖像去霧算法研究與實(shí)現(xiàn)資料包內(nèi)含源碼與文檔說明適合計算機(jī)視覺方向研究生、算法工程師以及圖像復(fù)原愛好者用于學(xué)習(xí)與二次開發(fā)。項目采用Uformer架構(gòu)覆蓋從NH-HAZE數(shù)據(jù)集預(yù)處理到模型訓(xùn)練的全流程包含將訓(xùn)練圖像切分為256×256小圖的generate_patches_SIDD.py預(yù)處理腳本以及支持--arch Uformer、--nepoch 270、--batch_size 32等參數(shù)配置的My_train.py訓(xùn)練代碼并配套YAML配置文件、CSV損失記錄與結(jié)果圖可幫助復(fù)現(xiàn)去霧實(shí)驗并分析模型收斂情況。壓縮包共338個文件包含204個Python腳本、16個YAML配置、12個CSV記錄、9個IPython筆記及8個Markdown文檔另有PNG/GIF結(jié)果圖與TXT日志整體約156MB目錄結(jié)構(gòu)清晰。目前已有291人學(xué)習(xí)下載。配套文檔說明詳細(xì)解讀Vision Transformer在圖像去霧中的實(shí)現(xiàn)思路、數(shù)據(jù)組織方式及訓(xùn)練調(diào)參要點(diǎn)適合作為畢業(yè)設(shè)計、課程項目或科研工作的參考基線。1. 圖像去霧為什么從卷積轉(zhuǎn)向 Transformer一次視覺任務(wù)的分水嶺霧天拍攝的監(jiān)控畫面和自動駕駛感知圖像往往整體發(fā)灰、對比度極低這類圖像的共同特征是清晰度損失并不只發(fā)生在局部而是整幅圖像都被大氣散射壓暗。傳統(tǒng)去霧算法如暗通道先驗在天空區(qū)域和白色物體上經(jīng)常翻車原因是它假設(shè)“每個局部patch里總有一個通道的強(qiáng)度趨近于零”這個假設(shè)在亮度均勻的區(qū)域根本不成立。而基于 Vision Transformer 的圖像去霧算法把整幅霧圖切成一串視覺詞元patch通過自注意力機(jī)制建立遠(yuǎn)距離像素之間的聯(lián)系正好補(bǔ)上了卷積局部感受野的短板。本文會從大氣散射模型講起逐步給出可運(yùn)行的最小實(shí)現(xiàn)、參數(shù)配置、評估方法和踩坑記錄適合正在做圖像去霧課題或用 Transformer 做底層視覺任務(wù)的同學(xué)照著復(fù)現(xiàn)。2. 從大氣散射模型到 Vision Transformer去霧任務(wù)為什么吃這套2.1 大氣散射模型與 ViT 的對應(yīng)關(guān)系圖像去霧的理論基礎(chǔ)是大氣散射模型Atmospheric Scattering ModelI(x) J(x) * t(x) A * (1 - t(x))其中 I(x) 是觀測到的霧圖J(x) 是我們要恢復(fù)的清晰圖像t(x) 是透射率A 是全局大氣光。這個式子展開來看去霧任務(wù)的核心就是估計兩個未知量逐像素的透射率 t(x) 和全局大氣光 A。一旦這兩項估計出來清晰圖像可以通過 J(x) (I(x) - A) / t(x) A 直接算出。關(guān)鍵細(xì)節(jié)在于透射率 t(x) 的空間分布。在同一個場景里近處的物體透射率高、遠(yuǎn)處的山體透射率低t(x) 的變化往往跨越整個圖像平面。卷積神經(jīng)網(wǎng)絡(luò)受限于卷積核的大小通常只能看到 3x3 或 7x7 的局部鄰域要讓它學(xué)到“遠(yuǎn)山和近景之間的透射率漸變關(guān)系”必須堆很多層才能把感受野擴(kuò)到足夠大。Vision Transformer 天然沒有這個問題——它把圖像分成 patch 之后每個 patch 的 token 會與全圖所有其他 patch 的 token 做注意力計算一步就建立了全局依賴。這意味著在估計透射率時模型可以直接比較圖像左上角和右下角的亮度差異從而判斷深度梯度。2.2 為什么選擇 Vision Transformer 而不是堆更大的卷積核做去霧之前我也試過把普通卷積網(wǎng)絡(luò)加寬加深比如把 UNet 的 encoder 部分替換成 ResNet-50效果在均勻霧天情況下還行但遇到濃霧和薄霧同時出現(xiàn)的場景就明顯不夠用。深層卷積網(wǎng)絡(luò)在訓(xùn)練時還有個常見問題梯度在跨層傳播過程中會逐漸消失深層特征容易丟失淺層的細(xì)節(jié)紋理。Transformer 的殘差連接和 LayerNorm 機(jī)制在一定程度上緩解了這個問題更重要的是它的注意力頭可以并行地關(guān)注不同的空間關(guān)系——某些頭關(guān)注全局亮度分布某些頭關(guān)注邊緣細(xì)節(jié)這種多樣化的表征能力恰好對應(yīng)去霧問題中“估計透射率需要全局信息、恢復(fù)紋理需要局部信息”的雙重需求。另外值得注意的一點(diǎn)是Vision Transformer 在圖像分類任務(wù)上的成功并不能直接遷移到去霧任務(wù)上來因為去霧是稠密預(yù)測任務(wù)輸出要求與輸入同分辨率的逐像素結(jié)果。學(xué)術(shù)界通常的做法是在 ViT 后端接入一個解碼器decoder結(jié)構(gòu)或者直接把 Transformer 作為特征提取器再配合卷積上采樣層把特征圖恢復(fù)到原始尺寸。本文的實(shí)現(xiàn)就是走這條路ViT 負(fù)責(zé)全局建模后接輕量級卷積解碼器恢復(fù)細(xì)節(jié)。3. 基于 Vision Transformer 的圖像去霧最小可跑實(shí)現(xiàn)從數(shù)據(jù)到模型逐段拆解3.1 數(shù)據(jù)準(zhǔn)備先造霧再學(xué)去霧公開去霧數(shù)據(jù)集如 RESIDE的下載和預(yù)處理需要較大的網(wǎng)絡(luò)成本日常實(shí)驗調(diào)試階段最常用的做法是先用清晰圖像合成霧圖。合成公式嚴(yán)格按大氣散射模型來霧圖 清晰圖 x 透射率圖 大氣光 x (1 - 透射率圖)透射率圖通常用一個隨深度變化的平滑張量來表示深度信息可以用隨機(jī)生成的分層梯度圖近似。import torch import torch.nn.functional as F import numpy as np def generate_haze(clean_image, min_t0.3, max_t1.0, airlight0.8): 按大氣散射模型合成霧圖 clean_image: (B, C, H, W)取值范圍 0~1 的清晰圖像 min_t: 透射率下限越小代表霧越濃 airlight: 大氣光強(qiáng)度0~1 之間越高整體越偏灰白 batch_size, _, h, w clean_image.shape # 生成平滑的透射率圖先隨機(jī)生成粗略深度圖再做高斯模糊 depth torch.rand(batch_size, 1, h // 8, w // 8) depth F.interpolate(depth, size(h, w), modebilinear, align_cornersFalse) depth F.avg_pool2d(depth, kernel_size31, stride1, padding15) # 平滑 # 把深度歸一化到 [min_t, max_t] 區(qū)間 t min_t (max_t - min_t) * (1.0 - depth) # 大氣光按全局常數(shù)處理真實(shí)場景多為 (0.7~0.9) 的灰度值 a torch.full_like(clean_image, airlight) haze clean_image * t a * (1.0 - t) return haze, t這段代碼里最難調(diào)的參數(shù)是 min_t。取值越小霧越濃訓(xùn)練出的模型對濃霧的適應(yīng)能力越強(qiáng)但訓(xùn)練難度也越大因為透射率過低時清晰圖像的信號衰減嚴(yán)重模型容易把輸出直接推向“全圖抹平”。我一般調(diào)試階段用 min_t0.3跑通流程后用 0.2 加強(qiáng)魯棒性。avg_pool2d 的 kernel 大小決定透射率圖的平滑程度kernel 越大深度漸變越自然但如果設(shè)得太大近景和遠(yuǎn)景之間就沒有層次感了。3.2 Patch Embedding把霧圖切成視覺詞元Vision Transformer 的第一步是把輸入圖像切分成固定大小的 patch然后通過線性映射把每個 patch 壓成一個向量。這一步和 NLP 里把句子切成詞元再映射成 embedding 是一個道理只是在圖像里我們用的是二維 patch 而非一維詞元。import torch import torch.nn as nn class PatchEmbed(nn.Module): def __init__(self, in_channels3, patch_size4, embed_dim256): super().__init__() self.proj nn.Conv2d(in_channels, embed_dim, kernel_sizepatch_size, stridepatch_size) def forward(self, x): x: (B, 3, H, W) 輸出: (B, N, embed_dim)N H/4 * W/4 x self.proj(x) # (B, embed_dim, H/4, W/4) b, c, h, w x.shape x x.flatten(2) # (B, embed_dim, N) x x.transpose(1, 2) # (B, N, embed_dim) return xpatch_size 的選取直接影響計算量和感知粒度。patch4 時一張 256x256 的輸入會被切成 64x644096 個 patchTransformer 的注意力計算量是 O(N^2)N4096 時自注意力矩陣是 4096x4096顯存壓力會顯著上升。patch8 時 N1024計算量小了四倍但每個 patch 內(nèi)部的信息混合更粗邊緣細(xì)節(jié)的恢復(fù)能力變?nèi)?。?shí)驗對比下來256x256 輸入配 patch4 是效果和顯存的平衡點(diǎn)如果你的 GPU 顯存只有 8G 左右建議把輸入降到 192x192 或直接用 patch8。3.3 Transformer Encoder 加透射率預(yù)測頭Transformer Encoder 是整條網(wǎng)絡(luò)的核心由多頭自注意力層和前饋網(wǎng)絡(luò)交替堆疊而成。和 ViT 分類模型不同的是去霧任務(wù)的輸出需要保留空間結(jié)構(gòu)所以我要在 encoder 后面再接一個輕量卷積解碼器把特征圖上采樣回原分辨率。import torch import torch.nn as nn import math class TransformerBlock(nn.Module): def __init__(self, embed_dim, num_heads, mlp_ratio4.0, dropout0.1): super().__init__() self.norm1 nn.LayerNorm(embed_dim) self.attn nn.MultiheadAttention(embed_dim, num_heads, dropoutdropout, batch_firstTrue) self.norm2 nn.LayerNorm(embed_dim) self.mlp nn.Sequential( nn.Linear(embed_dim, int(embed_dim * mlp_ratio)), nn.GELU(), nn.Dropout(dropout), nn.Linear(int(embed_dim * mlp_ratio), embed_dim), nn.Dropout(dropout), ) def forward(self, x): x x self.attn(self.norm1(x), self.norm1(x), self.norm1(x))[0] x x self.mlp(self.norm2(x)) return x class ViTDehaze(nn.Module): def __init__(self, img_size256, patch_size4, embed_dim256, num_heads8, depth6): super().__init__() self.patch_embed PatchEmbed(in_channels3, patch_sizepatch_size, embed_dimembed_dim) self.cls_token nn.Parameter(torch.zeros(1, 1, embed_dim)) self.pos_embed nn.Parameter(torch.randn(1, (img_size // patch_size) ** 2 1, embed_dim)) self.blocks nn.Sequential(*[ TransformerBlock(embed_dim, num_heads) for _ in range(depth) ]) self.norm nn.LayerNorm(embed_dim) # 解碼器從序列恢復(fù)到圖像尺寸 self.decoder nn.Sequential( nn.Conv2d(embed_dim, embed_dim // 2, kernel_size3, padding1), nn.GELU(), nn.Upsample(scale_factor2, modebilinear, align_cornersFalse), nn.Conv2d(embed_dim // 2, embed_dim // 4, kernel_size3, padding1), nn.GELU(), nn.Upsample(scale_factor2, modebilinear, align_cornersFalse), nn.Conv2d(embed_dim // 4, 3, kernel_size3, padding1), ) def forward(self, x): B x.shape[0] tokens self.patch_embed(x) # (B, N, embed_dim) # 前置 cls_token 和位置編碼 cls_tokens self.cls_token.expand(B, -1, -1) tokens torch.cat([cls_tokens, tokens], dim1) tokens tokens self.pos_embed tokens self.blocks(tokens) tokens self.norm(tokens) # 去掉 cls_token恢復(fù)成特征圖并送入解碼器 tokens tokens[:, 1:, :] feat_h feat_w int(math.sqrt(tokens.shape[1])) feat tokens.transpose(1, 2).reshape(B, -1, feat_h, feat_w) out self.decoder(feat) return out代碼里兩個容易忽略的細(xì)節(jié)一是 cls_token 初值用了零初始化位置編碼用了 randn 而不是固定正弦編碼因為圖像 patch 的空間關(guān)系比較復(fù)雜隨機(jī)位置編碼配合訓(xùn)練中學(xué)習(xí)比手工設(shè)計的三角函數(shù)編碼更靈活。二是 decoder 的上采樣直接用 bilinear沒用轉(zhuǎn)置卷積。轉(zhuǎn)置卷積在 stride2 時容易產(chǎn)生棋盤偽影bilinear 插值雖然理論上更“樸素”但在去霧這種需要平滑輸出的任務(wù)里反而能減少高頻噪聲的引入。3.4 訓(xùn)練腳本與損失函數(shù)組合去霧任務(wù)的損失函數(shù)不能只用 L1 或 MSE。L1 損失對整體亮度恢復(fù)比較穩(wěn)健但容易讓輸出圖像紋理過于平滑MSE 損失對異常值敏感。業(yè)界最常用的做法是 L1 損失 SSIM 損失的組合有條件的話再加上感知損失Perceptual Loss。import torch import torch.nn as nn import torch.nn.functional as F from torch.utils.data import DataLoader def ssim_loss(pred, target): 簡化版 SSIM 損失window 大小 11 c1 (0.01 * 1.0) ** 2 c2 (0.03 * 1.0) ** 2 kernel torch.ones(1, 1, 11, 11) / 121.0 kernel kernel.to(pred.device) mu_x F.conv2d(pred, kernel, padding5) mu_y F.conv2d(target, kernel, padding5) mu_xx F.conv2d(pred * pred, kernel, padding5) mu_yy F.conv2d(target * target, kernel, padding5) mu_xy F.conv2d(pred * target, kernel, padding5) sigma_x mu_xx - mu_x * mu_x sigma_y mu_yy - mu_y * mu_y sigma_xy mu_xy - mu_x * mu_y ssim_map ((2 * mu_x * mu_y c1) * (2 * sigma_xy c2)) / \ ((mu_x * mu_x mu_y * mu_y c1) * (sigma_x sigma_y c2)) return 1.0 - ssim_map.mean() def dehaze_loss(pred, target, alpha0.8): l1 F.l1_loss(pred, target) ssim ssim_loss(pred, target) return alpha * l1 (1 - alpha) * ssim # 訓(xùn)練循環(huán)關(guān)鍵片段 model ViTDehaze(img_size256, patch_size4, embed_dim256, num_heads8, depth6) optimizer torch.optim.AdamW(model.parameters(), lr1e-4, weight_decay1e-4) scheduler torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max50) for epoch in range(50): for batch in dataloader: haze_img batch[haze].cuda() clean_img batch[clean].cuda() pred model(haze_img) loss dehaze_loss(pred, clean_img) optimizer.zero_grad() loss.backward() torch.nn.utils.clip_grad_norm_(model.parameters(), max_norm1.0) optimizer.step() scheduler.step()alpha 參數(shù)控制 L1 和 SSIM 的權(quán)重。alpha 越大訓(xùn)練過程越穩(wěn)定早期收斂越快但圖像邊緣容易發(fā)糊alpha 調(diào)小后 SSIM 主導(dǎo)紋理保持更清晰但在霧很濃的區(qū)域訓(xùn)練容易波動。我試過不同組合后alpha0.8 是省心的默認(rèn)值先讓它收斂到比較低的 loss再隔 20 個 epoch 把 alpha 降到 0.6 做微調(diào)效果會比固定權(quán)重好一些。clip_grad_norm_ 這行不能省Transformer 的梯度范數(shù)波動遠(yuǎn)大于卷積網(wǎng)絡(luò)不裁剪梯度的話偶爾一個 loss 突刺就能讓訓(xùn)練發(fā)散。4. 訓(xùn)練配置與評估PSNR、SSIM 之外還要看什么4.1 一組能直接用的超參數(shù)超參數(shù)組合決定了訓(xùn)練能否收斂以及收斂后效果的上限下面這組參數(shù)是我在單張 12G 顯存顯卡上調(diào)試出來的平衡點(diǎn)。參數(shù)推薦值調(diào)整方向輸入尺寸256x256顯存不夠時降到 192但 patch_size 要同步保持整除關(guān)系patch_size4越大速度越快但細(xì)節(jié)恢復(fù)越差最大不建議超過 8embed_dim256調(diào)大能提升表征能力多頭注意力的顯存占用會指數(shù)上升num_heads8需要讓 embed_dim 能被 num_heads 整除transformer depth6數(shù)據(jù)集小時 depth 超 8 容易出現(xiàn)過擬合batch_size8單卡 12G 上限超過 8 容易 OOM初始學(xué)習(xí)率1e-4AdamW 配 1e-4 比較穩(wěn)比 3e-4 更不容易出現(xiàn) loss 震蕩訓(xùn)練 epoch50 20 微調(diào)前 50 個 epoch 用 alpha0.8后 20 個 epoch 用 alpha0.6這里有個容易誤判的點(diǎn)不是 embed_dim 越大越好。embed_dim 從 256 調(diào)到 512 后PSNR 提升通常只有 0.3~0.5dB但顯存占用幾乎翻倍訓(xùn)練時間也肉眼可見地變長。如果數(shù)據(jù)集規(guī)模不大幾千張圖embed_dim256 已經(jīng)能覆蓋絕大多數(shù)去霧場景的表達(dá)需求。4.2 評估流程先看量化指標(biāo)再做人眼判斷去霧任務(wù)最常用的兩個指標(biāo)是 PSNR峰值信噪比和 SSIM結(jié)構(gòu)相似性。PSNR 衡量像素級差異值越高越好SSIM 衡量結(jié)構(gòu)一致性值越接近 1 越好。這兩個指標(biāo)在完全合成霧的數(shù)據(jù)上表現(xiàn)穩(wěn)定但做對比實(shí)驗時只報這兩個數(shù)是不夠的因為它們對“整體亮度偏移”非常敏感——把輸出整體調(diào)暗 5%PSNR 會掉一大截但人眼看起來可能并不覺得多難受。import numpy as np from skimage.metrics import peak_signal_noise_ratio, structural_similarity def eval_dehaze(pred, target): # pred 和 target 都是 0~1 的 float 數(shù)組HWC 格式 pred np.clip(pred, 0.0, 1.0) target np.clip(target, 0.0, 1.0) psnr peak_signal_noise_ratio(target, pred, data_range1.0) ssim structural_similarity( target, pred, data_range1.0, channel_axis-1 ) return psnr, ssim評估時我一般跑三組對比原始霧圖直接算指標(biāo)作為 baseline、暗通道先驗算法作為傳統(tǒng)方法代表、ViT 去霧模型。這也是一篇論文或一份課程設(shè)計報告里最基礎(chǔ)的三行對比表。但建議額外統(tǒng)計一個“天空區(qū)域占比”指標(biāo)對霧圖按亮度做閾值分割統(tǒng)計高亮區(qū)域在輸出中的細(xì)節(jié)保留程度。很多時候整體 PSNR 很好看天空區(qū)域卻被處理成一塊平板視覺上非常出戲。4.3 視覺檢查清單評估環(huán)節(jié)除了跑指標(biāo)我習(xí)慣固定抽 10 張不同場景的圖做肉眼檢查重點(diǎn)看三個位置一是天空和物體交界處有沒有白邊二是遠(yuǎn)處低對比度區(qū)域有沒有出現(xiàn)色塊或噪聲三是近景紋理有沒有被過度銳化導(dǎo)致邊緣發(fā)黑。這三個位置是去霧模型最容易出問題的地方量化指標(biāo)很難完全反映。5. 避坑ViT 去霧最容易翻車的四個位置5.1 透射率越界導(dǎo)致輸出黑斑現(xiàn)象訓(xùn)練到中途驗證集上偶爾會出現(xiàn)全黑或帶大片黑斑的輸出圖單張圖 loss 正常但整體訓(xùn)練曲線開始抖動。原因模型預(yù)測的透射率沒有做數(shù)值約束直接進(jìn)入 J(x) (I(x) - A) / t(x) 的反演公式當(dāng) t(x) 預(yù)測值接近 0 時除法會把噪聲無限放大得到接近全黑的圖像。Transformer 在訓(xùn)練初期特別容易在某些 patch 上輸出極小的透射率值。解決在解碼器最后一層卷積后面加一個 sigmoid 激活把透射率輸出限制在 (0, 1) 區(qū)間并且在使用時對透射率做下限截斷例如 t max(t, 0.1)。這比在 loss 里加透射率平滑項更直接有效。5.2 patch 邊界偽影現(xiàn)象輸出圖像能隱約看到網(wǎng)格狀痕跡尤其在 256x256 輸入、patch_size8 時特別明顯放大后像馬賽克。原因Patch Embedding 用 stridepatch_size 的卷積做切分相鄰 patch 之間沒有重疊區(qū)域Decoder 在上采樣恢復(fù)時每個 patch 內(nèi)部的特征獨(dú)立性太強(qiáng)patch 之間缺少平滑過渡。解決第一個方法是把 patch_size 從 8 降到 4網(wǎng)格痕跡會明顯減輕第二個方法是在 Decoder 的第一層卷積改用 kernel_size5、padding2讓卷積核有機(jī)會跨 patch 混合信息第三個更徹底的做法是在 Patch Embedding 前加一層 stride1、kernel_size3 的預(yù)處理卷積把相鄰像素的信息預(yù)先融合。5.3 小數(shù)據(jù)集上訓(xùn)練發(fā)散現(xiàn)象訓(xùn)練集只有幾百張合成霧圖時前幾個 epoch 的 loss 在 0.1~0.3 之間反復(fù)跳怎么調(diào)學(xué)習(xí)率都壓不住甚至出現(xiàn) loss 越訓(xùn)越高的反直覺情況。原因Vision Transformer 的參數(shù)空間比同體量卷積網(wǎng)絡(luò)更大對數(shù)據(jù)量的要求相應(yīng)更高。幾百張圖不夠喂飽 6 層 Transformer 的注意力權(quán)重模型容易把一些 patch 的注意力分?jǐn)?shù)學(xué)到極端位置直接記住訓(xùn)練集噪聲。解決我在這種情況下的首選是加數(shù)據(jù)增強(qiáng)把訓(xùn)練集做隨機(jī)裁剪尺寸范圍 0.8~1.0、水平翻轉(zhuǎn)、隨機(jī)亮度擾動乘子 0.85~1.15。注意不要在增強(qiáng)里加高斯噪聲因為去霧任務(wù)本身就要從低信噪比的霧圖中恢復(fù)信號額外噪聲會讓任務(wù)更難。5.4 評估指標(biāo)和視覺感受脫節(jié)現(xiàn)象PSNR 均值 28dB、SSIM 0.92數(shù)字很漂亮但放大單張輸出圖時發(fā)現(xiàn)天空部分有肉眼可見的帶狀條紋columns 方向上顏色不連續(xù)。原因PSNR 是逐像素差異的均值它的懲罰機(jī)制對高頻噪聲不算敏感——一條細(xì)帶子只占整圖的百分之一像素不足以顯著拉低 PSNR。而 SSIM 在局部窗口內(nèi)計算結(jié)構(gòu)相似度帶狀條紋如果寬度小于窗口尺寸同樣很難被發(fā)現(xiàn)。解決在評估腳本里加一個高頻分量統(tǒng)計把輸出圖像減去高斯模糊版本得到高頻殘差圖統(tǒng)計殘差圖的能量分布。如果個別局部區(qū)域的高頻能量遠(yuǎn)高于全圖中位數(shù)基本可以斷定有偽影或帶狀條紋。這個指標(biāo)雖然不能寫進(jìn)實(shí)驗對比表但對排查模型問題很有用處。6. 進(jìn)階用引導(dǎo)濾波把 ViT 輸出邊緣救回來ViT 去霧模型在整體亮度和色彩恢復(fù)上表現(xiàn)不錯但輸出圖像的邊緣細(xì)節(jié)有時不如基于卷積的傳統(tǒng)方法銳利。這是注意力機(jī)制的固有取舍自注意力擅長捕捉全局依賴對高頻局部結(jié)構(gòu)的響應(yīng)天然弱于卷積。一個成熟的工程做法是把 ViT 的輸出和經(jīng)典引導(dǎo)濾波結(jié)合起來——把 ViT 預(yù)測的透射率圖作為引導(dǎo)圖對去霧結(jié)果做邊緣保持的濾波處理。import cv2 import numpy as np def guided_filter_dehaze(dehazed_img, guidance_img, radius16, eps1e-3): 用透射率圖為引導(dǎo)對去霧輸出做邊緣保持平滑 dehazed_img: (H, W, 3) float 0~1 guidance_img: 單通道灰度圖常用透射率估計 t 或霧圖亮度 # 轉(zhuǎn)成 float32 滿足 OpenCV 輸入要求 guidance guidance_img.astype(np.float32) dehazed dehazed_img.astype(np.float32) # 對每個顏色通道做引導(dǎo)濾波 result np.zeros_like(dehazed) for c in range(3): result[:, :, c] cv2.ximgproc.guidedFilter( guidance, dehazed[:, :, c], radius, eps ) return np.clip(result, 0.0, 1.0)radius 和 eps 這兩個參數(shù)直接影響平滑程度。radius 太小小于 8時濾波窗口覆蓋不了紋理區(qū)域邊緣保留效果不明顯radius 太大大于 32會把真正的邊緣也磨平。eps 是正則項控制“什么程度的差異算邊緣”——取值越小濾波越盲目相信引導(dǎo)圖的邊緣結(jié)構(gòu)但引導(dǎo)圖透射率圖本身的誤差也會被放大取值過大則退化成普通均值濾波。我通常從 radius16、eps1e-3 起步量化指標(biāo)不會改善太多人眼觀感上邊緣更利落。如果想要更極致的邊緣保持效果可以把引導(dǎo)圖換成原霧圖的亮度通道。原理是原霧圖在有紋理的位置天然具備高頻信息這些位置也正好是恢復(fù)清晰圖像時最該保留細(xì)節(jié)的位置。最后說一個我的習(xí)慣每次訓(xùn)練完不急著收工把五六張典型測試圖單獨(dú)存下來分別用輕霧、中霧、濃霧三種強(qiáng)度合成看模型在三種退化程度下的表現(xiàn)差異。經(jīng)常出現(xiàn)的情況是輕霧場景下 ViT 去霧不如簡單直方圖均衡因為輕霧圖的對比度損失本身很小復(fù)雜模型的過度處理反而引入偽影。如果遇到這種現(xiàn)象可以把輕霧樣本單獨(dú)篩出來用更小的損失權(quán)重參與訓(xùn)練或者干脆在推理時對預(yù)測透射率做一個置信度閾值判斷。希望這一篇能幫你在 ViT 去霧這條路上少走一些我走過的彎路。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
激情综合五月色丁香婷婷| 天天射影院| 日本天天综合| 久久久人妻久久久| 久草 天堂| 热99一二三| 少妇水多A片太爽了| 啪啪啪大香蕉| 黄色三级日本| 操逼视频一区| 激情丁香五月| 丁香五月成人网| 思思热在线视频99| 26uu| 色婷婷五月天天天天天| 综合狠狠伊人| 99在线精品观看99| 日日噜狠狠| 黄色一极大片| 伊人久久大香线蕉综合网站| 精品视频网| 五月丁久久| 五月天综合在线| 色欲婷婷五月天| 天天爱天天吃狠天天透| 丁香五月天在线| 可以直接看的av网站| 九九热精品| 久久综合首页| 丁香婷婷综合激情五月色| 婷综合六月| 人人摸人人操人人爱| 97色碰| 久99久视频| 亚洲五月丁香六月婷婷| 99精品视频免费观看| 婷婷五月天日本无码| 五月社区婷婷激情| 亚洲热综合网在线观看| 激情五月婷婷伊人| 九九草热在线观看| 日日撸天天干| 五月婷婷免费| 五月丁香欧美综合免费视频| 久久99热精品a片在线观看| 丁香五月婷婷综合视频| 婷婷久久久久久久| 五月激情精品视频| 激情开心五月婷婷| 日日操,日日爽| 99热日韩这里只有精品| 国产精品色色666| 99er精品| 亚洲成人色五月婷婷综合| 久久久久久综合88| 色色色国产| 五月丁香啪| 99自拍视频网站| 国产成人亚洲综合A∨婷婷| 97婷婷五月天| 丁香六月色婷婷| 另类激情五月| 午夜美女人啪最红院| 狠狠干天天内射| 丁香五月婷婷婷婷欧美综合| 九九热视频网站| 99精品视频免费在线播放| 丁香六月啪| 99热国产精品| www.99热日韩.com| 五月天婷婷色播综合在线| 天天日夜夜B久久| 久久久妻人人人| 狠狠干综合| 色色五月婷| 久久激情视频| 激情五月天综合网站网站网站| 五月份婷婷| 色五月婷婷中文字幕在线观看 | AV堂狠狠干| 国产成人网站在线观看| 亚洲热手机在线观看| AV伊人青草丁香六月| 五月丁香| 婷婷五月天av网| 5月婷婷综合| 欧美激情五月天婷婷| 色五月天天在线观看资源站| 丁香婷婷人妻综合网| 亚洲AV激情五月综合网| 99热九九在线| 色在线视频网2025| 亚洲人成色A777777在线观看| 夜夜躁婷婷AV| 成人精品在线观看| 亚洲精品V天堂中文字幕| 乱岳熟女50岁| 黄色AAAA韩国guochansanji| 色婷在线视频| 婷婷涩五月| 91日本在线| 色婷婷久久| 久久er视频6| 久热只有这里有精品| 久久AAAA片一区二区| 久久这里只有精品07| 久久aaa| 大香蕉欧美在线| 亚洲av成人电影在线观看| 97人人看一| 色五月婷婷操逼| 超碰人人干| 久久这里只有国产| 丁香五月天五码婷婷| 热99re| 99热99热不卡| 色女人久久| 色色色国产| 欧美性爱五月天| 婷婷网五月天| 中文字幕在线aⅴ免费观看| 五月丁香久久网| 久久人妻www| 色五月婷婷亚洲最大| 久超超碰| 久久伊人五月天| 香蕉久久国产AV一区二区| 日韩av免费版| 大香蕉婷婷五月| 9久热| 视色网在线播放| 九九亚洲小视频| 啪啪六月婷婷| 99久精品视频| 五月天大香蕉| 婷婷六月成人| 99精品久久久久| 午夜婷婷久久| 激情五月天小说|五月天开心激情网|亚洲精品国产自在现线|黄色五月天 | 天天五月情| 五月天六月色| 六月丁香五月婷婷| 婷婷色资源| 九九综舍久久| 日操| 亚洲成人人人操| 婷婷综合视频| 国色天香成人网| 婷婷情色五月| 亚洲天堂爱爱| Va另类视频| WWW.婷婷| 天天日天天插| 97成人在线视频| 丁香五月激情网| 激情六月下句是什么| 思思热再线视频| 99re这里只有| 丰满老熟妇BBBBB搡BBB| 九月丁香欧美综合| WWW丁香五月| 人人摸人人干人人做| 99热99极品观看| 中文字幕黄色片| 日日操夜夜操不卡| 99色天堂| 五月天成人在线播放丁香| www.91婷婷| 婷婷丁香六月| 18久久| 丁香五月亚洲AV| 激情黄色小说五月天| 五月天激情国产综合婷婷婷| 国产精品涩涩涩视频网站| 丁香六月天婷婷| 色V狠狠的干| 色狠狠六月| 激情丁香五月天| 五月天国产| 五月天婷婷丁香成人网| 91日本在线观看| 国产美女最新VA在线免费观看| 开心五月深爱五月| 99热这里| 五月婷婷婷综合网| 九九久久五月天综合伊人| 丁香婷婷色情| 激情五月黄色| 色999;丁香五月| 久久综合天天综合| 色五月婷婷综合| 在线中文字幕免费视频| 激情四射五月天| 天天天天天久久久久久| 丁香五月天色婷婷| 九色PORNY在线精品酒店| 深爱激情网五月| 丁香五月激情五月开心五月| 性爱综合网| 婷婷亚洲综合| 色婷婷四色| 婷婷五月亚洲激情| 婷婷色五月在线视频| 五月天婷婷激情小说电影| www婷婷色| 热五月婷婷| 狠狠狠激情网| 色人久久| 热婷婷av| 色五月婷婷激情综合网| www,超碰| 亚洲区在线| 亚洲国产婷婷色五月| 激情五月深爱婷婷| 久热免费视频| aa久久| 26uuu另类亚洲欧美日本一| 婷婷色色五月天| 天天操天天插天天射| 俺也去婷婷五月天第五色| 在线综合网| EEUSS鲁片一区二区三区| 七七色色综合| 俺去也在线www色官网| 东京热免费视频| 狠狠色噜噜狠狠狠狠狠色综合久久| 99久久久99久久91熟女| 五月天 婷 欧美亚洲| 搡BBBB搡BBB搡五十| 婷婷综合亚洲| 天天日,天天干,天天操| 九九9久九9国产视频| 大香蕉婷婷色| 五月婷婷免费在线视频| 成人超碰网| 日韩无码专区| 999热这里只有精品| 成人做爰高潮A片免费视频| 婷婷综合色图| 月婷婷婷婷五月| 一级AV片| ss五月天激情| 色五月综合激情| 欧美成综合在线观看| 激情小说五月天中文字幕| 99九色视频在线观看| 涩玖玖免费视频| 婷婷深爱色五月| 久久六月综合| 日本不卡中文字幕| 六月丁丁香| 91久女| 色五月无码| 欧美五月婷婷| 五月综合丁| 天天干天天爽天天操| 啪啪啪大香蕉| 婷婷六月激情小说网| 1024操逼视频| 综合九九中文字幕| 99精品小视频| 日日操天堂| 色婷婷五月丁香在线观看| 亚洲AV成人精品日韩在线播放| 色99免费视频中文| 26uuu亚洲欧美日本| 日本人妻伦在线中文字幕| 色婷婷狠狠| 色欲久久久久久综合网综合网| 97伦乱| www.狠狠狠.com| 五月天婷婷激情小说电影| 色色色地址| 色播五月网| 久9精品视频在线| 久久五月激情网| 亚洲午夜av| 五月天婷婷av| 99热日韩| 狠狠久久婷五月| 美欧成人视频| 丁香五月综合久久综合| 婷婷六月天激情| 亚洲9久久精品| 久久婷婷五月综合色播| 欧美性猛交XXXX乱大交极品| 激情色中文| 久草大| 色婷婷操逼网| 日本va欧美va欧美精品88| 婷婷五月另类网站| 丁香婷婷综合激情五月色| 国产成人精品一区二区三区视频| 美女婷婷六月色| 99久久久久| 99在线精品观看99| 婷婷综合网| av网址在线| 久热黄色| 色婷婷中文在线| 九九干视频| www,超碰| 五月婷婷日| 丁香六月婷婷色播| 91无码高清| 99色久| 很很干天天干| 五月天伊人久久久久| 激情綜合W W W,激情五月天| 色射7856五月天激情四射| 婷婷五月天高清无码| 超碰人人在线观看| 色婷婷五月天视频在线| 2021日韩无码| 激情丁香五月| 日韩av在线免费观看| 婷婷在线视频| 激情综合网址| 丁香五月天色婷婷| 激情综合综合综合| 成人无码髙潮喷水A片| 五月丁香直播| 玖玖99婷婷| 色婷婷色人人射| 婷婷在线日韩综合| 婷婷色色欧美| 9九色首页| 天天综合色丁香| 日韩另类在线观看| 日韩999| 亚洲色啪| 午夜婷婷| 天天碰天天插天天操| 狠狠久久婷五月综合色| 日日爱激情| 《丁香激情综合久久伊人久久》影视在线观看 -高清预告手机免费播放 -三妹影院 | 亚洲精品久久久久久久久久飞鱼 | www五月| 丁香五月成人论坛| 激情色五月天| 99爱视频在线| 99色热视频| 黄网免费看| 五月婷在线观看| 五月婷婷av| 久久久com| 色情五月综合婷婷| 欧美综合丁香网| 桃色五月婷婷| 丁香五月另类小说| 丁香五月婷婷激情四射| 超碰久热| www.99热最新视频8| www.色五月| 国产精品婷婷午夜在线观看| 激情久久网| 天堂久久婷婷| 99色色热| 狠狠一日| 色情五月综合婷婷| 色婷网| 91九九| 狠狠干五月丁香| 色五月丁香A欧美com| 天天舔天天操| 成人亚洲精品| 99只有精品| 久久婷婷操| 九九激情| 天天模,夜夜模夜夜爽| 婷婷桃色网| 丁香五月天婷婷激情| 1024婷婷综合久久五月天| 五月天婷婷色| sewuyue第四色| 激情五月天.色网| 五月婷婷九九热| 亚洲成人免费电影| 中文字幕无码AV| 99热免费精品| www.五月婷婷| 成人精品一区日本无码网| 五月天成人在线播放丁香| 丁香婷婷五月综合| 色播五月天激情| 亚洲女婷婷五月基地综合久久久| 日本123区日韩欧美不卡在线看| 日本久热| www.婷婷五月天啪啪| 六月色 亚洲| 丁香五月在线自慰| 婷婷六月丁香久| 五月丁香婷婷激情图片| 九色自拍| 婷婷激情鹿城五月天| 婷婷丁香黄色| 欧美日韩一区二区三区四区| 亚洲激情区| 91操在线观看| 久久激情综合| 99re热视频这里只精品5| 超碰免费人妻| 国产一二区爆乳_1国产日韩一区二区三-成人AV | www.婷婷六月天| 99re这里只有精品在线观看| 99在线公开视频| 五月婷婷综合网| 色色 亚洲| 超碰超碰在线| 日本少妇裸体做爰高潮片| 激情深爱综合网| 亚洲中文字幕av| 九九九激情综合| 天天干天天干天天| 99热这里只有精品10| 大香伊人婷婷影院| 激情综合五| 五月花丁香婷婷| 91视频一起草| av在线播放网站| 激情亭亭五月| 五月丁香久久综合精品| 九九热re99re6在线精品| 色丁香五月婷婷| 婷婷五月天在线观看第二页| 午夜婷婷丁香| 婷综合六月| 婷婷激情社区| 深爱五月最新网址| 欧美婷婷| 99久久婷婷国产综合亚洲| 六月婷婷激情| 婷婷视频在线| 久久五月天激情美女| 五月丁香另类网| 亚洲高清在线| 五月天婷婷丁香社区| 综激情网| 五月天婷婷无码| 噜噜操操| 婷婷四色五月| 色综合久久888| 亚洲一区二区色图-亚洲精品国产精品乱码-成人AV | 六月婷伊人| 丁香五月婷婷欧美激情-中文天堂最新版在线观看 | 99热在线观看免费精品| 九九热10| 日韩99视频| 成人亚洲精品久久久久| 久久9久| 色婷婷激情五月天在线观看| 99热99成人| 卡视频1区2区| 国产在线aaa片一区二区99| 五月天成人在线视频网站| 欧美性丁香色色五月天综合爱爱| 9久热在线视频精品| 婷婷最新地址| 开心激情网五月天| 丁香五月天社区| 色青青视频| 九九久久五月天| 国产精品电| 俺去也五月天婷婷| 五月婷婷天天| 五月天婷爱综合| 三级黄网站| 9久热在线精品| 亚洲视频在线观看| 久久丁香五月天| 久久99精品久久只有精品| 久久亚洲婷婷综合色五月| 九九十99视频| 婷婷综合玖玖五月| 欧美 日韩 人妻 高清 中文| 色婷婷小说| 色情婷婷五月天| 五月社区婷婷激情| 丁香婷婷六月激情文学 | 色情五月丁香| 99综合| 99热这里只有精品50| 色婷婷影院| 激情五月天色婷婷综合| 另类婷婷五月天啪帕帕| 国产成人一区二区三区在线观看| 97精品综合久久| 五月天网站免费欧美| 色五月婷婷激情五月| 五月丁香激情四射| 91pornav在线| 婷婷五月天成人视频| 五月婷婷丁香| 97 A I色色| 一级二级色大片| 久热精品视频| 桃色伊人在线| 色久播播| 婷婷射综合| 婷婷日本色| 五月天婷婷色播综合在线| 丁香五月天综合| 婷婷情色五月天| 激情综合丁香五月| 国精产品一区二区三区| 午夜九九电影| 天天做天天爱天天日| 六月丁香大香蕉| 人妖色AV色综合| 操大屄五月天视频| 99ER热精品视频| 91精品久久久久久77777| 91婷婷在线| 五月天激情网图片| 色婷婷婷婷五月天| 丁香五月激情婷婷| 99热这里只有精品33| 五月色丁香综合| www99热| 婷婷免费无马| 成人免费在线电影| 亚洲激情五月| 99网| 69精品人人人人| 婷婷色五月天在线观看| 国产精品久久..4399| 亚洲熟妇无码乱子AV电影| 五月天婷婷爱| 99爱免费视频在线观看| renrencaoav| 79精品在线视频| 色久婷婷五月| 五月天社区| 色琪琪一综合久久激情五月视频| 在线资源av-超碰中文在线-成人AV | 99热国品| av亚洲国产小电影| 亚洲人妻av伦理| 五月天婷婷综合网| 五月天综合| 婷婷午夜| 色婷婷www| 91丨九色丨大屁股| 大香蕉av在线| 国产激情久久久| 久热欧美| 婷婷亚洲综合| 91九色精品熟女内射| 99热碰碰热| 欧美内射AA| 99这里只有精品在线观看| 五月婷婷色播网| xx色综合| 婷婷五月天深爱| 97色五月天| 色欲Av五月天| 98永久精品| 午夜丁香六月婷| 51XX嘿嘿午夜无码| 99久久高清视频| 99在线综合视频| 久久99日本精品视频免费观看| 91亚洲视频| 久久99大| 色综合9| 亚洲色频| 97成人超碰免| 国洲夜色亚热在线久久| 操操熟女| 久婷首页| 婷婷五月电影| 激情婷婷五月色| 99免费热在线精品| 六月色婷婷欧美| 综合狠狠干| 日韩AAA| 丁香花五月天| 精品皮股午夜AV| 久久久精品色色色| 色综合99| 9精品在线| 免费黄色视频网址| 久99视频| 亚洲乱码日产精品BD| 苗黎美女四级成人版一级二级毛片| 色网五月婷婷| 丁香五月婷婷激情蜜桃| www.久久久久久久久久久| 99亚洲视频| 亚洲永久免费| 五五月丁香花激情综合网| 色噜噜,噜噜色| 亚洲 无码 中文字幕 中出| 99热色在线精品| 婷婷五月激情天| 婷婷五月草| 91免费看片| Av大香蕉| 五月色丁香| 中文中文在线| 免费色婷婷| caopeng97人人| 久久久性爱视频| 天天综合网、天天综合色| 五月天无码视屏播放| 久久这里只有国产精品视频| 五月天最新网| 99九九在线| 色婷婷五月综合| 图片区 小说区 区 亚洲五月| 国产五月视频| 色婷婷亚洲综合av| 日本色图综合| 婷婷五月丁香五月丁香| 激情小说之五月| 婷婷六月综合激情| 99久久9| 色婷婷成人做爰A片免费看网站| 五月丁香久久综合91| 婷婷丁香先锋资源网站| 人人97碰| 色婷婷五月基地在线| 亚洲国产色色| 五月天婷婷操逼视频| 国产毛片精品一区二区色欲黄A片| 成人无码精品1区2区3区免费看| 免费色婷婷| 九月婷婷激情| 激情啪啪五月天| 99热久草| 成人电影在线免费试看| 99热这里只有精| 五月天激情亚洲| 五月婷婷影| 丁香香五月激情免费视频| 开心五月色婷婷综合开心网| 天天综合网在线| 亚洲操操| 五月激香蕉网| 久艹大香蕉| 青草性爱视频| 婷婷成人五月天成人文学小说| 婷婷六月激情| 极品人妻VIDEOSSS人妻| 青青草Avb在线| 日本欧美在线| 亚洲久久婷婷| www.日韩国产| 亚洲视频在线观看| 美女91一起草| 激情色中文| 婷婷综合色五月天| 天天看A片| 色色色综合| 丁香亭亭激情四射| 99热在线观看精品| 色天天综合色| 成年人丁香五月| 五月婷婷在线视频| 九九99九九精品视频| 丁香婷色| 欧洲综合视频在线观看。欧洲,亚洲综合食品在线观看。 | 91人妻九色大屁股| 精品夜夜澡人妻无码AV| 91操在线| 久久婷婷五月国产激情综合片| 深爱五月日韩| 丁香五月电影| 玖玖婷婷五月天毛片| 人人操AV| 丁香五月婷婷欧美成人色图| 亚洲精品成人| 久久九九热38| 久久激情五月| 婷婷开心久久| 丁香五月天之婷婷影院| 免费观看日韩成人av| 天天爽夜夜爽夜夜爽精品| 五月天色婷婷网| www.99视频| 婷婷综合久久综合| 偷偷狠狠久久婷婷五月天| 婷婷开心激情五月激情网| 五月激情综合网| 五月婷久久久久综合| 男人天堂99| 婷婷娱乐丁香综合网| 色综合激情| 免费91久久精品| 99热最新| 99思思热只有在这里看| 亚洲热热视频| 大香蕉懂9| 国产激情综合五月| 九月色婷婷综合| 亚洲精品久久久久久久久久飞鱼 | 国产精品久久久丁香五月八戒视频| 久久久久久久97| 亚洲区在线| 天天射影| 久久久久久人妻| 疯狂做受XXXX高潮A片动画| 99九九玖玖| 婷婷深爱五月丁香网| av九九| 日本9区视频| 婷婷色无码| 8区视频在线| 安息电影在线观看完整版| 欧美大片免费播放器| 久久这里只有欧美| 五月天激情久久| 午夜丁香婷婷| 五月天婷婷在线播放免费| 久热99热| 噼里啪啦在线观看免费完整版视频 | 日本久久综合| 色婷丨日丨天丨综合久久| 九九热99在线视频| 久热超碰| 天天草天天日| 99丁香五月婷| 国外亚洲成AV人片在线观看| 婷婷久久综合久色| www.色婷婷| 艳妇野外情欲放荡HD| 五月丁香六月婷婷姐| 啪啪啪大香蕉| 婷婷干| 九色PORNY自拍成人精彩视频| 色A网| 久婷狼色诱惑在线| 综合99久久| 丁香综合伊人AV| 视频1区2区| 99在线观看| 五月天五月天激情网| 色综合综合色| 激情 久久 婷婷| 91丨九色丨熟女|新版| 色婷婷内射| 色婷狠狠| 婷婷五月天社区| 亚艹艹| 九月婷婷久久久| 六月色丁香婷婷| 97视频.干com| 婷婷五月天亚洲激情戏精品| 性天堂久久| 在线只有精品| 天天情色综合网| 级情九色| AV中文字幕夜夜操b天天摸bb | 丁香五月亚洲综合| 无码啪啪| 日韩精品VIP| 九九香蕉网| 思思热久久艹| 亚洲精品在线视频| 无码AV大香线蕉伊人| 亚洲另类av| 伊人综合网4| 免费视频1区| 99久热| 六月丁香好婷婷| 五月婷婷色色色| 五月天成人在线| 涩五月婷婷| 九九热av| 欧美五月婷婷| 99精品偷拍视频| 亚洲综合婷婷六月丁香五月| 操碰91| 亚洲激情av| 9热视频在线观看| 最新久久99视频网站| 婷婷开心激情综合五月天| 免费看欧美成人A片无码 | 国产偷人妻精品一区| 久久久久久婷| 天天操天天日天天爽| 天堂无码人妻精品AV一区| 丁香色情五月天| 性生活久久朋友人妻| 麻豆AV一区二区三区| 操操操www.com| 久久婷婷亚洲| 日本久久婷| AV在线大香蕉| 婷婷久久图片| 日韩色五月| 丁香五月婷婷久久久| 五月激情婷婷女| 99热费观看| 五月天激情偷拍| 黄色五月婷婷| 91丨九色|PRNY熟妇| 久久久精品婷婷五月天| 最近中文字幕2019视频1| 久久综合丁香激情五月| 色婷婷在线影院| 九九热这里| 成人免费网站免费看| 99热最新网址| 台湾无码A片一区二区| 婷婷色操| 中文字幕,综合,91| 超碰猛烈的性猛交| 婷婷精品综合| 亚韩在线视频| 一点色成人网| 97超碰综合| 激情综合国产| 激情五月婷婷| 婷婷五月草| 丁香五月开心五月激情| 丁香婷五月| 国产寻花在线| 婷婷五月深深的爱| 入口五月婷婷六月香| 欧美图片丁香五月天| 九九激情视频| 欧洲区自拍| 亚洲视频另类| 五月丁香另类网| 丰满少妇乱A片无码| 婷婷综合久久| 超碰碰碰碰| 91狠狠色丁香婷婷综合久久精品| 欧美va视频| 五月婷婷激情| 婷婷五月激情图片| 五月丁香色婷婷色| 五月天淫乱视频| 可以看的av| 亚洲美女网Va| 99热在线免费| 5月丁香六月婷婷| 亚洲综合网激情小说| 激情小说婷婷小说| 深爱五月激情网| 五月丁香美女| 五月丁香综合网色欲| 婷婷激情五月天网站| 伊人天堂婷婷| 99热黄| 国产探花一片区| xxxx五月天色色| 97艹| 色人久夂| 日本3级片一区2区| 九月婷婷激情久久| 99ri视频在线观看| 五月婷婷综合成人| 白度黄视频| 吾爱AV导航| 亚洲色综久久五月| 思思99久久| 亚洲永久四色| 婷婷六月久久综合导航| 国产在线黄色| 日本色色色| 色情综合网| 久久久网站| www.色五月| 欧类av怡春院| 99在线看片| av免费在线网站| 九九色综合网| 丁香六月婷婷一区| 午夜性爱影视一区77| 丁香婷婷伊人| 99精品视频免费观看| 精品女人九九九| 色中色综合| 丰满少妇猛烈A片免费看观看| 热91久| 午夜激情久久| 五月丁香久人妻中文| 丁香综合婷婷开心激情网| 色必久悠悠影院| 能直接看的AV网站| 五月天精品| 婷婷五月激情中文字幕| 色色五月丁香婷婷| 超碰免费人人| 精品夜夜澡人妻无码AV| 欧美天堂婷婷日韩| 大香蕉九九操| 亚洲色五月| 久久婷婷五月综合色播| 这里只有精品视频99| www.maotanji.com| 婷婷综合激情| 伊人爱爱日本| 99啪在线| 日本人人干| 婷五月丁香俺| 五月天激情网页| 欧美成人日韩| 日本三级日本三级99| www.玖玖九| 色婷婷AV在线| 美女丁香五月天| 婷婷射婷婷舔| 99ri国产| 婷婷综合五月| 91精品久| 大香蕉久操| 丁香婷婷六月激情综合| 色婷婷激情| 五月天婷婷激情小说电影| 午夜亚洲AV日韩无码| 99热99| 日本色噜| 亚洲色情在线| 开心五月激情网| 亚洲乱码日产精品BD| 国产操逼网站| 9色视频在线| 色五月婷婷大| 五月天婷婷AV| 久久99国产综合精品免费 | 亚洲精品大片| 中文字幕91,综合| 丁香婷婷久久 | 丁香六月婷| 婷婷丁香六月天| 六月婷婷AV| 26uuu美女三级视频| 日韩色五月| 色婷婷五月天在线观看| 国产精品男人AV不卡| 五月天激情影院| 开心五月综合| 97色色色色色| 色丁香五月婷婷综合久久| 婷婷激情肏屄网| 99精品小视频| 天天爽天天干| 婷婷伊人75| 五月的丁香六月的婷婷| 97影院一级片| 六月丁花香啪啪激情欧美| 超碰操网| 另类综合婷婷五月天欧美视频| 久久99热这里只有精品| 久久激情婷婷| 久久99热这里| 九月综合| www.金莲av| 丁香色五月直播| 五月丁香婷婷AV| 精品一二三区久久AAA片| 人人操人人干AV| 久久网思思| 99久久久| 综合超碰熟| www91精品| 久久A热| 91婷婷搞| 九热视频免费观看| 五月丁香在线视频观看| 久久视频婷婷| 婷婷色五月综合| 婷婷精品| 色播五月综合网| Aaa久久| 开心婷婷五月激情网小说| 久99久99精品免| 4399高清无码视频| 精热在线综合网| 亚洲综合色网| 狠狠色色色| 人人干天天舔| 超碰a女人的天堂| 国产av网| 色播五月丁香婷婷| 久久综合九九| 九九亚洲无码| 99思思| 五月丁香久久| 婷婷五月丁香久久| 涩五月婷婷| 中文字幕不卡网站| 激情网 五月天| 天天干天天操天天拍| 六月婷婷七月丁香| 国产成人99久久亚洲综合精品| 99热综合| 欧美在线视频99| 久久3p| 丁香婷婷久久五月天| 秋霞网在线观看理论91| 泰州成人视频| 综激情网| 九九这里有精品| 五月婷婷伊| 天天色,天天操,天天射| 九九Av| 久久99久久99久久99人受| 中文字幕综合| 欧美性爱日韩性爱| 99热在线成人网站| 老师高潮流白浆喷水的A片| 婷婷久久视频| 成人在线视频网| 大香蕉啪啪网| 久久99精品九九久久久婷婷| 婷婷五月网图片区| 五月开心色| 国产视频色色色色色色色 | 亚洲最大在线| 久久月天堂| 国产精产国品一二三在观看| 欧美在线视频99| 色婷婷天堂| 亚洲va欧洲va国产va不卡| 五月天性色| 六月丁香五月激情亚洲AV| www.99婷婷| 久久亚洲无码| 色约约视频一区二区三区四区五区 | 欧类av怡春院| 五月婷婷色综图片| 婷婷欧美激情| 9久热在线精品| 日日操夜夜操不卡| 免费看欧美成人A片无码| 99ri在线视频| 91蜜桃婷婷狠狠久久综合9色| 亚州操操| 99色综合| 99国产在线| 亚洲男人的天堂婷婷色五月| 日 日干 日日做| 天天日日人| 99久热在线精品| www.色色五月天.com| 激情久久月| 9色天堂| W色综合| 日韩中文字幕| 九九热在线视频| 色色99| 天天干天天日天天操| 久热9| 久久综合五月天| 九九热99免费视频| 五月天婷婷色| 成人va在线播放| 天天插AV丝袜中| 99综合激情久久精品久久| 五月天激情图| 超碰AAAAAAV| 五月婷婷开心深| 97人妻碰碰中文无码久热丝袜| 高清av在线国产| 五月丁香婷婷俺| 九热视频免费观看| 五月婷在线视频免费看| 国产视频福利| 日本色婷婷| 激情婷婷五月亚洲| 麻豆WWWCOM内射软件| 婷婷色五月情| 2021日韩无码| 婷婷五月综合社区| 思思99热这里只有精品| 人人操AV| 少妇久久诱惑视频| 大香蕉啪啪啪啪啪啪| 色情久久久| 欧洲激情网站| 成人中文网| 激情五月狠狠| www.色婷婷.com| 综合激情视频| 婷婷五月天久| 久热这里只有精品在线观看 | 色情婷婷五月天| 99热999| 2017狠狠干| 成人在线精品| www.天天干| 色五月六月婷婷| 国产在线自| 色婷婷天堂| 久久久国产精品黄毛片| 伊人五月婷婷| 久久久婷婷五月天| 色五月婷婷五月天激情综合| 亚洲小电影在线观看黄999| 欧美草久久五月天91| 婷婷九色| 五月天色丁香| 五月婷高清视频| 五月婷婷激情在线| 久久免片| 丁香五月婷婷啪啪啪| 思思re视频在线| 五月婷婷久久爱| 欧美色97| 五月天激情综合网站| 色色综合网www| 色综合九九| 色九九中文字幕| 91超级碰在线视频| va婷婷在线| 丁香花操逼| 五月天国产| 婷婷五月深深爱| 97色色婷婷五月天| CHINESE熟女老女人HD视频| 五月婷天天搞视频| 久久激情五月| 狠狠久久婷五月综合色| 九九这里是免费的视频5| www.日日日.com| 99久久精彩视频| www.婷婷| 五月色天五月色| 丁香五月91| 黄色录像网点| 综合久久久| 久热这里只有精品99re,久热这里只有精品7| 五月婷婷黄色毛片| 色婷婷综合视频| 国产丁香五月天婷婷| 色婷婷五月天无码视频| 99热官网| 777色色色| 99久久久国产大片| 日本一区二区三区精品视频| 天天干天天操天天拍| 丁香五月天天高清在线| 色色色综合网| 99久99久| 天天日天天爽夜夜爽| 亚洲五月婷天天操| 五月婷婷综合社区| 成人超碰网| 成人短视频在线| 五月丁香花激情综合网| 婷婷丁香五月综合| 亲子乱AV-区二区三区| 99在线观看| 婷婷五月花西瓜| 九九热这里只有精品556| 亚洲成片在线观看| 丁香五月婷婷五月| 亚洲成人无码网站| 九九视频热| 九九色精品| 色五月色情| 五月激情天| 久艹大香蕉| 欧美Va在线| 五月丁香狠狠爱| 天天干,天天操,天天射| 日本黄色三级片内射| 色五月婷婷色| 五月婷婷片| 五月丁六月香av| 久久总和99| 九九Y精品热播| 五月丁香啪| 婷婷月综合| 色色色色色色网站| 中文字幕簧片| 精品久久99| 99热精品10| 99网址在线观看| 狠狠爱综合网| 青青草免费公开视频| 五月丁香六月欧美综合网站| 色婷婷色久综| 国产精品大香蕉| 中文字幕成| 超碰69天堂| www.99热| 午夜爱爱网站| 五月激激激情综合网| www.伊人天堂偷偷婷婷| 九九热a| wWW九九在线播放| 色吧网91| 99热综合| 丁香五月色情| 丁香色五月婷婷| 好吊丝aV| 99re热精品视频国| 婷婷五月丁香啪啪| 伊人久久大香天蕉亚洲特级| 久久六月婷婷| 精品亚洲国产成人A片在线鸭王 | 五月天色视频| 夜夜天天久久婷婷| 欧美日韩成人在线| 无码橾| 婷婷狠狠97| 久久久.www| 狠狠操狠狠色| 白人荫道BBWBBB大荫道| 久久久久久久人妻| 日本色色色| av色婷婷| AV色婷婷| 婷婷五月婷婷| 拳交大逼| 五月花综合视频| 狠狠撸激情综合丁香五月天俺来啦| 亚洲无码成人性爰网| 色播五月丁香婷婷| www.狠狠操.co m| 五月丁香久久网| 婷婷五月色播网| 亚洲国产精品成人免费一区久久久在线观看AAAA | 五月天丁香久久| 日韩AV中文在线观看| 日本一级一级一级一级| 五月天婷婷社区| 色99网站| www色婷婷| 操操天堂| 久青操| 五月天婷婷AV| 五月丁香激情综合网| 99这里都是精品6| 五月婷婷人妻| 激情五月丁香六月婷婷| 六月丁香激情综合| 色久五月| 襙比视频| 九九热区一区二区三区| 99色热视频| 99热日本| 99热热九九| 天天拍天天做视频| 都市激情五月婷婷综合| 亚洲婷婷五月草久| www.狠狠色.com| 色情播放| 五月婷婷丁香五月婷婷| 人人操人人爱丁香五月| 深爱激情69热| 色激情五月| 99热这里只有精品4| 精品人妻伦一二三区久| 婷婷在线播放| 停停五月丁香| 能看的AV| 五月婷婷综合久久| 久99视频| 26uuu国产| 久久综合五月天| 无码人妻AV久久久一区二区三区| 99国产精品久久久久久久久久久 | 九九99在线| 婷婷五月a| 午夜丁香综合婷婷| 啪啪丁香五月| 二色AV| 五月天色狠狠| 五月的丁香六月的婷婷| AAA亚洲AV|