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。

200張圖訓(xùn)練YOLOv8作物雜草檢測:完整流程與避坑指南

200張圖訓(xùn)練YOLOv8作物雜草檢測:完整流程與避坑指南 簡介面向YOLO系列算法目標(biāo)檢測的開發(fā)者與研究人員這份作物雜草數(shù)據(jù)集包含200張已標(biāo)注圖像可直接用于訓(xùn)練、驗(yàn)證與測試并附帶data.yaml配置文件適配YOLOv5、YOLOv7、YOLOv8、YOLOv9、YOLOv10及YOLO11等主流版本。標(biāo)注提供YOLO格式txt與VOC格式xml兩套分別存放于不同文件夾便于切換訓(xùn)練框架txt記錄類別索引、歸一化中心點(diǎn)坐標(biāo)及寬高xml保留傳統(tǒng)檢測標(biāo)注信息適應(yīng)不同工作流。壓縮包共601個(gè)文件含200個(gè)jpg原圖、200個(gè)txt標(biāo)簽、200個(gè)xml標(biāo)簽及1個(gè)yaml配置整體約185.56MB數(shù)據(jù)劃分清晰可直接用于模型訓(xùn)練和測試。目前已有106人學(xué)習(xí)下載適合需要快速驗(yàn)證模型效果、開展農(nóng)業(yè)視覺識(shí)別實(shí)驗(yàn)或入門YOLO數(shù)據(jù)格式的讀者。1. 先回答最直接的問題200 張帶標(biāo)簽圖像做作物雜草檢測夠不夠用很多人拿到“yolo算法-作物雜草數(shù)據(jù)集-200張圖像帶標(biāo)簽-.zip”這種壓縮包第一反應(yīng)就是“200 張這能訓(xùn)出什么”但作物雜草檢測和你平時(shí)刷的 COCO 類通用目標(biāo)檢測完全是兩碼事——場景固定、目標(biāo)類別少、拍攝設(shè)備基本不變。200 張干凈、對準(zhǔn)標(biāo)簽、和真實(shí)田間狀況對得上的圖足夠你把 YOLO 的完整鏈路走一遍解包、核對標(biāo)簽、轉(zhuǎn)換格式、訓(xùn)練、驗(yàn)證、導(dǎo)出模型最后得到一個(gè)能下地試跑的最小可用版本。這篇文章就圍繞這個(gè)小數(shù)據(jù)集展開告訴你怎么一步步把它變成能用的檢測模型以及中途一定會(huì)踩到的幾個(gè)坑。2. 拆開 .zip 之后先別訓(xùn)練把標(biāo)簽格式、轉(zhuǎn)換腳本和目錄結(jié)構(gòu)一次理清2.1 200 張圖能撐起什么任務(wù)小數(shù)據(jù)集的邊界和可能性先給結(jié)論200 張圖能撐起一個(gè)“固定場景下的單類或多類雜草檢測模型”撐不起“任意地塊、任意光照、任意生長期的通用雜草識(shí)別”。這里面的差距不在算法而在數(shù)據(jù)分布。如果你手里的 200 張圖是在同一個(gè)地塊、同一種相機(jī)高度、同一時(shí)間段拍的那訓(xùn)練集和驗(yàn)證集之間的分布差距很小訓(xùn)練出來的模型在相似條件下表現(xiàn)會(huì)不錯(cuò)。但如果你指望它到了另一塊地、換個(gè)光照角度還能保持同樣的效果那基本是玄學(xué)不可能。所以拿到數(shù)據(jù)集的第一件事不是急著訓(xùn)練而是確認(rèn)這些圖的覆蓋范圍包含了哪些雜草類別、作物是什么、拍攝角度是俯視還是側(cè)視、圖像分辨率多大。這些信息決定了你后面怎么劃分驗(yàn)證集、怎么調(diào)參數(shù)、怎么設(shè)置盲測標(biāo)準(zhǔn)。200 張圖本身的邊界就在那里你要做的是在這個(gè)邊界內(nèi)把模型做扎實(shí)而不是幻想小數(shù)據(jù)創(chuàng)造奇跡。2.2 先核對壓縮包里是什么格式VOC/XML、COCO/JSON、YOLO/TXT 三選一解壓之前先用腳本看一眼壓縮包里的文件結(jié)構(gòu)。常見的數(shù)據(jù)集打包方式有三種每張圖對應(yīng)一個(gè) XML 的 VOC 格式、一個(gè) JSON 文件的 COCO 格式、或者每張圖對應(yīng)一個(gè) TXT 的 YOLO 格式。這三種格式的標(biāo)簽結(jié)構(gòu)完全不同直接決定了你接下來要寫什么樣的轉(zhuǎn)換腳本。import zipfile from pathlib import Path zip_path Path(作物雜草數(shù)據(jù)集-200張圖像帶標(biāo)簽.zip) with zipfile.ZipFile(zip_path) as zf: names zf.namelist() # 按擴(kuò)展名統(tǒng)計(jì)快速判斷是哪一種標(biāo)注格式 stats {} for n in names: ext Path(n).suffix.lower() stats[ext] stats.get(ext, 0) 1 for ext, count in sorted(stats.items(), keylambda x: -x[1]): if ext : print(f{目錄:8s} {count} 個(gè)) else: print(f{ext:8s} {count} 個(gè)文件) # 打印前5個(gè)非目錄文件的具體路徑確認(rèn)目錄層級 files [n for n in names if Path(n).suffix] for n in files[:5]: print(n)這段代碼的邏輯很簡單把壓縮包里的文件按擴(kuò)展名歸類統(tǒng)計(jì)每個(gè)擴(kuò)展名有多少個(gè)文件。看到.jpg配.xml那基本就是 VOC 格式看到.jpg配.txt可能是 YOLO 格式也可能只是沒標(biāo)簽的占位文件看到單個(gè).json加一堆.jpg大概率是 COCO 格式。打印前幾個(gè)文件的路徑是為了確認(rèn)壓縮包內(nèi)部有沒有嵌套目錄后面寫 data.yaml 時(shí)路徑需要對應(yīng)上。三種格式的核心差異如下轉(zhuǎn)換前心里要有數(shù)格式標(biāo)簽文件坐標(biāo)形式類別標(biāo)識(shí)VOC (XML)每圖一個(gè) .xmlbndbox 內(nèi) 4 個(gè)絕對像素坐標(biāo) xmin/ymin/xmax/ymaxobject 標(biāo)簽下的 name 文本COCO (JSON)單文件或每圖一個(gè) .json像素坐標(biāo)或歸一化坐標(biāo)annotation 內(nèi)數(shù)組category_id 數(shù)字YOLO (TXT)每圖一個(gè) .txt一行一個(gè)目標(biāo)x_center y_center w h 歸一化 0~1每行開頭的數(shù)字類別 ID其中 VOC 和 COCO 都要先轉(zhuǎn)換成 YOLO 的 txt 格式才能訓(xùn)練。別省這一步Y(jié)OLO 原生訓(xùn)練器只認(rèn) txt。2.3 把 VOC 轉(zhuǎn)成 YOLO 歸一化 txt轉(zhuǎn)換腳本與四個(gè)邊界坑作物雜草數(shù)據(jù)集里最常見的標(biāo)簽格式是 VOC XML因?yàn)楹芏鄻?biāo)注工具默認(rèn)導(dǎo)出的就是 XML。下面這段是轉(zhuǎn)換腳本能直接跑import xml.etree.ElementTree as ET from pathlib import Path # 類別順序必須和壓縮包內(nèi)標(biāo)簽的 name 字段一致 class_names [weed, crop] def voc_to_yolo(xml_path: Path, out_dir: Path, class_names: list[str]): tree ET.parse(xml_path) root tree.getroot() size root.find(size) if size is None: print(f跳過 {xml_path.name}: 缺少 size 信息) return img_w int(size.find(width).text) img_h int(size.find(height).text) lines [] for obj in root.iter(object): name obj.find(name).text if name not in class_names: print(f{xml_path.name}: 忽略未知類別 {name}) continue cls_id class_names.index(name) box obj.find(bndbox) x1 float(box.find(xmin).text) y1 float(box.find(ymin).text) x2 float(box.find(xmax).text) y2 float(box.find(ymax).text) # 邊界坑一XML 里偶爾出現(xiàn)越界坐標(biāo)先裁剪到圖像范圍內(nèi) x1 max(0, min(x1, img_w)) x2 max(0, min(x2, img_w)) y1 max(0, min(y1, img_h)) y2 max(0, min(y2, img_h)) w x2 - x1 h y2 - y1 # 邊界坑二過濾掉寬高為 0 的壞框 if w 0 or h 0: print(f{xml_path.name}: 跳過大小為 0 的框) continue # YOLO 需要的是中心點(diǎn)坐標(biāo)和寬高并且全部歸一化到 0~1 x_center (x1 x2) / 2 / img_w y_center (y1 y2) / 2 / img_h w_norm w / img_w h_norm h / img_h lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {w_norm:.6f} {h_norm:.6f}) out_path out_dir / (xml_path.stem .txt) out_path.write_text(\n.join(lines), encodingutf-8)這段代碼把 XML 里的絕對像素坐標(biāo)轉(zhuǎn)成中心點(diǎn)加寬高的歸一化坐標(biāo)。為什么 YOLO 要中心點(diǎn)格式因?yàn)橥粡垐D在不同尺度下縮放歸一化坐標(biāo)不需要跟著變模型訓(xùn)練時(shí)做各種尺度增強(qiáng)就不用再回算坐標(biāo)了。實(shí)際轉(zhuǎn)換時(shí)會(huì)碰到幾個(gè)坑一是 XML 里的坐標(biāo)偶爾會(huì)超出圖像寬高不裁剪的話生成的 txt 里會(huì)出現(xiàn)大于 1 的坐標(biāo)值訓(xùn)練時(shí)輕則警告、重則 loss 異常二是標(biāo)注工具可能把某個(gè)目標(biāo)標(biāo)成 0 寬或 0 高這種框要直接過濾掉不然損失函數(shù)里會(huì)出現(xiàn) NaN三是 XML 里的類別 name 和你的 class_names 列表必須完全匹配差一個(gè)字母就會(huì)把目標(biāo)標(biāo)成“未識(shí)別”四是圖像是 JPG 但 XML 文件名后綴是 .jpeg匹配圖像和標(biāo)簽時(shí)要用 Path.stem 而不是完整文件名。2.4 劃分 train/val按類別分層不能隨機(jī)抽完事200 張圖最忌憚的就是隨便random.shuffle之后按 82 切一刀。作物雜草數(shù)據(jù)集的類別分布往往極不均衡可能雜草出現(xiàn) 180 張圖里作物只出現(xiàn) 30 張圖里。如果隨機(jī)切很有可能驗(yàn)證集里一種類別一張都沒有訓(xùn)練出來的模型在這類目標(biāo)上就是瞎猜。我一般用按類別分層的辦法來切分保證每種類別在驗(yàn)證集里至少出現(xiàn)一次import random from pathlib import Path random.seed(42) img_dir Path(images) label_dir Path(labels) imgs sorted(img_dir.glob(*.jpg)) # 統(tǒng)計(jì)每張圖里包含哪些類別 img_classes {} for img in imgs: txt label_dir / (img.stem .txt) if not txt.exists(): continue cls_ids set() for line in txt.read_text(encodingutf-8).strip().splitlines(): if line.strip(): cls_ids.add(int(line.split()[0])) img_classes[img] cls_ids # 先保證每個(gè)類別在 val 里至少有一張 val set() for cls_id in sorted({c for cs in img_classes.values() for c in cs}): candidates [i for i in imgs if cls_id in img_classes[i] and i not in val] if candidates: val.add(random.choice(candidates)) # 再補(bǔ)齊到 20% 總量 target max(1, int(len(imgs) * 0.2)) while len(val) target: c random.choice(imgs) if c not in val: val.add(c) train [i for i in imgs if i not in val] print(ftrain: {len(train)} 張, val: {len(val)} 張)這段代碼的核心邏輯是先做“保類別”再做“補(bǔ)數(shù)量”。先遍歷所有類別 ID從包含該類的圖片里抽一張進(jìn)驗(yàn)證集然后再隨機(jī)補(bǔ)到總張數(shù)的 20%。這樣即使某個(gè)類別只有兩張圖驗(yàn)證集里也一定能看到它。代價(jià)是訓(xùn)練集里這類只留一張訓(xùn)練效果會(huì)打折但至少驗(yàn)證指標(biāo)不會(huì)失真到騙你自己。目錄結(jié)構(gòu)也按 YOLO 慣例來組織這是 Ultralytics 訓(xùn)練器默認(rèn)認(rèn)可的布局weed_dataset/ ├── images/ │ ├── train/ │ └── val/ └── labels/ ├── train/ └── val/圖片和標(biāo)簽分開存放train 和 val 各自對應(yīng)。注意 labels 里的 txt 文件名必須和 images 里的 jpg 文件名完全一致不包括擴(kuò)展名否則訓(xùn)練時(shí)找不到匹配標(biāo)簽。提示壓縮包里如果有中文文件名在 Linux 下解壓可能出現(xiàn)亂碼。用unzip -O gbk 文件名.zip可以指定編碼解壓避免后面路徑匹配翻車。3. 用 YOLOv8 訓(xùn)練雜草檢測模型選型理由、data.yaml 配置和訓(xùn)練參數(shù)設(shè)置3.1 為什么選 YOLOv8 而不是 YOLOv5/YOLO11小數(shù)據(jù)集的實(shí)際選型邏輯現(xiàn)在 YOLO 家族成員很多但做作物雜草檢測這個(gè)小方向我首推 YOLOv8理由有三個(gè)。第一YOLOv8 的預(yù)訓(xùn)練權(quán)重下載和加載做得最省心一條命令自動(dòng)拉取 COCO 預(yù)訓(xùn)練模型不需要手動(dòng)去翻各種鏡像站這對初學(xué)者最友好。第二Ultralytics 的訓(xùn)練器把數(shù)據(jù)增強(qiáng)、早停、日志可視化都集成好了200 張小數(shù)據(jù)集最需要的恰恰是這些內(nèi)置機(jī)制不需要你自己搭一堆外圍腳本。第三YOLOv8 的模型規(guī)模梯度很清晰從 n 到 x 都有小數(shù)據(jù)集先用 nano 級模型起步非常合適。YOLOv5 雖然生態(tài)成熟但對新用戶來說接口不如 v8 統(tǒng)一YOLO11 更偏向最新的算法特性社區(qū)里踩坑記錄還沒沉淀夠。做項(xiàng)目講究的是穩(wěn)定復(fù)現(xiàn)不是追新。提示用 YOLOv8 訓(xùn)練自己的數(shù)據(jù)集最省事的方式是從 COCO 預(yù)訓(xùn)練權(quán)重開始做遷移學(xué)習(xí)。200 張圖從頭訓(xùn)練基本不可能收斂但從預(yù)訓(xùn)練權(quán)重繼續(xù)微調(diào)效果會(huì)好得多。這就是熱詞里說的“yolo預(yù)訓(xùn)練模型下載”的意義所在。3.2 data.yaml 配置路徑、類別數(shù) nc、類別名 names 三個(gè)坑訓(xùn)練前先寫好 data.yaml這是 YOLO 讀取數(shù)據(jù)集配置的唯一入口# data.yaml path: /home/yourname/weed_dataset # 改成你解壓后的絕對路徑 train: images/train val: images/val nc: 2 # 類別數(shù)量 names: 0: weed 1: crop這里三個(gè)參數(shù)最容易出問題。path必須是絕對路徑雖然相對路徑也能寫但在不同機(jī)器上跑容易因?yàn)楫?dāng)前工作目錄不對而找不到數(shù)據(jù)浪費(fèi)半天排查時(shí)間。nc必須和類別實(shí)際數(shù)量嚴(yán)格一致寫多了會(huì)在訓(xùn)練日志里看到莫名其妙的空類寫少了類別 ID 直接越界。names的順序不是隨便寫的它決定了預(yù)測結(jié)果里“第 0 類叫什么”如果你在標(biāo)簽轉(zhuǎn)換腳本里把 weed 設(shè)為 0這里就必須讓 0 對應(yīng) weed。3.3 訓(xùn)練命令和參數(shù)batch、epochs、imgsz、patience 怎么定安裝 Ultralytics 然后跑訓(xùn)練一條命令就能開始pip install ultralytics yolo train \ datadata.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch16 \ patience30 \ device0參數(shù)解釋很直白但每個(gè)都有講究。modelyolov8n.pt表示基于 COCO 預(yù)訓(xùn)練的 nano 版繼續(xù)訓(xùn)練這次訓(xùn)練會(huì)自動(dòng)從官網(wǎng)下載權(quán)重文件到本地緩存。epochs100是最大訓(xùn)練輪數(shù)不是必然跑滿配合patience30做早停。因?yàn)?200 張圖很小模型很容易在 30 到 50 輪之間達(dá)到最優(yōu)patience 設(shè)成 30 表示連續(xù) 30 輪驗(yàn)證指標(biāo)不再提升就自動(dòng)停節(jié)省時(shí)間也避免過擬合。imgsz640是訓(xùn)練時(shí)縮放到 640x640。如果原圖分辨率在 1920 以上且雜草目標(biāo)很小可以考慮提到 768 或 1024但顯存占用會(huì)顯著增加。batch16在 200 張圖的情境下意味著每個(gè) epoch 只有 12 個(gè) batch梯度更新次數(shù)很少所以小數(shù)據(jù)集不要用特別大的 batch8 到 16 比較合理。如果顯存報(bào) OOM優(yōu)先把 batch 降到 8而不是改 imgsz。device0是使用第一塊 GPU純 CPU 訓(xùn)練時(shí)改成devicecpu但訓(xùn)練速度會(huì)慢一個(gè)數(shù)量級200 張圖也要等一陣子。YOLOv8 的損失函數(shù)由三部分組成box_loss 負(fù)責(zé)預(yù)測框和真實(shí)框的重合度cls_loss 負(fù)責(zé)分類是否正確dfl_loss 負(fù)責(zé)邊界框分布的細(xì)節(jié)擬合。訓(xùn)練日志里這三項(xiàng)都下降說明模型在正常學(xué)習(xí)。3.4 訓(xùn)練日志怎么看四個(gè)關(guān)鍵字段判斷模型真的在學(xué)訓(xùn)練開始后終端會(huì)輸出這樣的日志Epoch GPU_mem box_loss cls_loss dfl_loss Instances Size 30/100 3.1G 1.21 0.583 1.102 7 640 Class Images Instances P R mAP50 all 40 102 0.851 0.79 0.831這里要看四個(gè)關(guān)鍵字段。第一是box_loss它下降的速度代表模型定位能力在提升如果這個(gè)值一直橫盤不降大概率是標(biāo)簽坐標(biāo)有錯(cuò)。第二是cls_loss它代表分類能力如果它降了但 box_loss 不動(dòng)問題出在標(biāo)注框的位置不準(zhǔn)確。第三是驗(yàn)證集里的R召回率雜草檢測場景里漏檢比誤檢更致命召回率上不去說明模型漏掉了很多目標(biāo)。第四是mAP50這個(gè)指標(biāo)最容易騙人后面單獨(dú)說。訓(xùn)練產(chǎn)生的所有中間權(quán)重保存在runs/detect/train/下best.pt是驗(yàn)證集上表現(xiàn)最好的模型last.pt是最后一輪的模型。有些新手不看日志直接拿 last.pt 去用結(jié)果發(fā)現(xiàn)效果很差因?yàn)樽詈髱纵喛赡芤呀?jīng)過擬合了。記住只用 best.pt。4. 避坑用 200 張作物雜草圖訓(xùn) YOLO 的 5 個(gè)高頻翻車現(xiàn)場4.1 mAP 全程為 0類別編號和標(biāo)簽對不上現(xiàn)象訓(xùn)練 loss 正常下降但驗(yàn)證集 mAP 從第一個(gè) epoch 到最后一個(gè) epoch 始終是 0precision 和 recall 也接近 0。原因這是 200 張小數(shù)據(jù)集最經(jīng)典的翻車現(xiàn)場。壓縮包里的標(biāo)簽類別編號和你在 data.yaml 里定義的類別順序不一致。比如數(shù)據(jù)集的標(biāo)簽文件里 0 代表 crop、1 代表 weed但你的 data.yaml 里 0 寫了 weed、1 寫了 crop。模型在訓(xùn)練時(shí)看到的目標(biāo)類別和真實(shí)類別完全錯(cuò)位驗(yàn)證時(shí)自然一個(gè)都認(rèn)不出來。解決不要靠肉眼猜。訓(xùn)練前先寫一段 5 行的腳本把標(biāo)簽 txt 里實(shí)際出現(xiàn)的類別 ID 全部打印出來再和 data.yaml 的 names 一一對照from pathlib import Path label_dir Path(labels/train) all_cls set() for txt in label_dir.glob(*.txt): for line in txt.read_text(encodingutf-8).strip().splitlines(): if line.strip(): all_cls.add(int(line.split()[0])) print(標(biāo)簽中實(shí)際存在的類別 ID:, sorted(all_cls))如果打印結(jié)果是[0, 1]但你覺得 weed 應(yīng)該是第 0 類那就核對轉(zhuǎn)換腳本里的 class_names 順序。這個(gè)腳本應(yīng)該是你整個(gè)流程的第一步每次換新數(shù)據(jù)集都要跑一遍別嫌麻煩。4.2 驗(yàn)證 loss 第 30 輪抬頭過擬合比預(yù)想來得早現(xiàn)象訓(xùn)練集 loss 一直在降驗(yàn)證集 loss 在第 20 到 30 輪左右開始掉頭向上同時(shí)驗(yàn)證集 mAP 不再上漲甚至下滑。原因200 張圖本來就少模型在訓(xùn)練集上轉(zhuǎn)了兩三輪就能把標(biāo)注目標(biāo)背下來從第 20 輪開始就進(jìn)入死記硬背階段。這和模型大小也有關(guān)如果用 YOLOv8s 甚至更大的模型過擬合會(huì)來得更快。解決三個(gè)手段配合使用。第一模型先用 nano 級YOLOv8n 對 200 張小數(shù)據(jù)集是更安全的選擇參數(shù)少意味著記憶能力弱、泛化壓力大。第二patience30配合早??吹津?yàn)證 loss 掉頭后自動(dòng)停止不用手工盯。第三把驗(yàn)證集比例從 20% 提到 25%200 張里分出 50 張做驗(yàn)證能更早觀測到過擬合信號。4.3 雜草框老是偏大偏小標(biāo)注質(zhì)量和 imgsz 的鍋現(xiàn)象訓(xùn)練完看預(yù)測結(jié)果框住雜草的邊界框明顯偏大一個(gè)框里裝了土和相鄰的作物葉子或者框偏小只框住了雜草的局部。原因兩個(gè)來源。一是原始標(biāo)注就不準(zhǔn)——作物雜草這類密集場景標(biāo)注員很難精確框住每一株的外觀特別是葉片交叉部分很多人會(huì)隨手把整個(gè)葉片簇框進(jìn)去二是模型推理時(shí)用的 imgsz 和訓(xùn)練時(shí)差距太大導(dǎo)致目標(biāo)尺度失配訓(xùn)練 640 推理 1280 雖然能讓小目標(biāo)更清晰但邊界框更傾向于放大。解決先檢查標(biāo)注質(zhì)量。用yolo predict跑幾張驗(yàn)證集圖片把預(yù)測框和真實(shí)框疊加看如果普遍偏大回到標(biāo)注文件檢查。如果標(biāo)注本身沒問題只是推理時(shí)想提高小目標(biāo)檢測可以試試在訓(xùn)練階段就把 imgsz 提到 768而不是訓(xùn)練 640 推理 1280 這種割裂做法。4.4 綠草里找不到雜草對比度不足時(shí)調(diào)增強(qiáng)參數(shù)現(xiàn)象模型在驗(yàn)證集 mAP 還行但實(shí)際檢測時(shí)雜草檢出率很低特別是背陰處和土壤背景里的雜草幾乎全漏。原因這是作物雜草場景最典型的視覺難題——雜草和背景都是綠的對比度天然低。如果原圖是在陰天或逆光下拍的細(xì)節(jié)對比更差。模型在低對比度圖像上學(xué)到的特征不夠銳利推理時(shí)自然漏檢。解決不換算法先調(diào)數(shù)據(jù)增強(qiáng)。Ultralytics 訓(xùn)練器內(nèi)置了 HSV 增強(qiáng)參數(shù)在 data.yaml 同級可以建一個(gè) hyp.yaml 覆蓋默認(rèn)值# hyp.yaml hsv_h: 0.02 hsv_s: 0.8 hsv_v: 0.5把hsv_s從默認(rèn)的 0.7 提到 0.9、hsv_v從 0.4 提到 0.6讓模型在訓(xùn)練中看到更多色彩飽和度和明暗變化強(qiáng)迫它去學(xué)形狀和紋理特征而不是依賴顏色。如果你的圖像普遍偏暗可以在數(shù)據(jù)預(yù)處理階段加一個(gè)直方圖均衡化步驟但這需要在訓(xùn)練前把圖像統(tǒng)一處理不要混著來。4.5 指標(biāo)很好看但田間就廢分布偏移和盲測集現(xiàn)象驗(yàn)證集 mAP50 達(dá)到 0.9precision 和 recall 都過 0.8但拿到另一個(gè)地塊或不同天候下實(shí)拍的照片上跑檢測結(jié)果慘不忍睹。原因這就是機(jī)器學(xué)習(xí)里說的分布偏移。200 張訓(xùn)練圖如果都來自同一塊地和同一天的光照條件模型學(xué)到的其實(shí)是“這個(gè)地塊的雜草長這樣、這個(gè)光照下的顏色是這樣”而不是“雜草長什么樣”。驗(yàn)證集也是從同一個(gè)分布里切的指標(biāo)自然虛高。解決在訓(xùn)練之前就預(yù)留盲測集。從 200 張之外找 20 到 30 張完全不同地塊或不同時(shí)間拍攝的圖不打進(jìn)訓(xùn)練也不打進(jìn)驗(yàn)證等訓(xùn)練結(jié)束后再跑一遍。指標(biāo)以盲測結(jié)果為準(zhǔn)驗(yàn)證集 mAP 只是用來選模型的參考不是用來向別人證明效果的素材。5. 驗(yàn)證模型能不能下地混淆矩陣、PR 曲線和盲測腳本5.1 混淆矩陣讀法草被認(rèn)成作物和漏檢要分開看訓(xùn)練結(jié)束后的第一步不是急著部署而是先跑一遍驗(yàn)證yolo val modelruns/detect/train/weights/best.pt datadata.yaml這個(gè)命令會(huì)在runs/detect/val/下生成 confusion_matrix.png、PR_curve.png、F1_curve.png 等一系列圖表。很多人只看 mAP 就結(jié)束了但混淆矩陣才是判斷模型能否下地的關(guān)鍵。在作物雜草場景里混淆矩陣?yán)镒钗kU(xiǎn)的不是“把雜草認(rèn)成作物”而是“雜草那一行的召回率過低”。把雜草認(rèn)成作物后果是漏噴雜草繼續(xù)生長把作物認(rèn)成雜草后果是誤噴整片作物受損。兩種錯(cuò)誤的代價(jià)完全不同。所以看混淆矩陣時(shí)先看雜草類別的召回率再看作物類別的精確率最后才看整體準(zhǔn)確率。5.2 PR 曲線怎么用把置信度閾值調(diào)到實(shí)際場景的平衡點(diǎn)PR_curve.png 展示的是在不同置信度閾值下 precision 和 recall 的折中關(guān)系。默認(rèn)推理閾值是 0.25這個(gè)值對雜草檢測來說可能偏低或偏高取決于你的場景偏誤檢還是偏漏檢。如果下地后發(fā)現(xiàn)雜草漏檢多把置信度閾值降到 0.15 或 0.1多框出來一些無所謂后面可以人工篩選。如果發(fā)現(xiàn)誤檢太多把閾值提到 0.4減少誤報(bào)的代價(jià)是犧牲一部分召回率。調(diào)閾值不需要重新訓(xùn)練推理時(shí)加一個(gè)conf參數(shù)就行yolo predict modelruns/detect/train/weights/best.pt source../field_test/ conf0.15實(shí)際使用中我習(xí)慣先用 0.25 跑一遍盲測數(shù)一下漏檢和誤檢數(shù)量再根據(jù)代價(jià)方向決定閾值往哪個(gè)方向調(diào)。5.3 用沒見過的田間照片做 blind test一段能直接跑的腳本盲測集是驗(yàn)證模型能不能用的最后一道關(guān)口。從不同地塊或不同時(shí)間拍的圖里找 20 張左右手工標(biāo)好每張圖里雜草和作物的數(shù)量然后跑一段推理腳本統(tǒng)計(jì)檢測結(jié)果from ultralytics import YOLO from pathlib import Path model YOLO(runs/detect/train/weights/best.pt) test_dir Path(field_test) # 放盲測圖片的目錄 for img_path in sorted(test_dir.glob(*.jpg)): result model(img_path, conf0.25, verboseFalse)[0] boxes result.boxes if boxes is None or len(boxes) 0: print(f{img_path.name}: 無檢測) continue for box in boxes: cls_id int(box.cls[0]) conf float(box.conf[0]) # 輸出文件名、類別名和置信度 print(f{img_path.name}: {result.names[cls_id]} conf{conf:.2f}) # 打印每張圖檢測到的各類別數(shù)量 cls_count {} for box in boxes: name result.names[int(box.cls[0])] cls_count[name] cls_count.get(name, 0) 1 print(cls_count)這段腳本對每張盲測圖輸出檢測到的類別和數(shù)量拿這個(gè)和手工統(tǒng)計(jì)的“真值表”對比算一下實(shí)際召回率。判斷標(biāo)準(zhǔn)很簡單雜草漏檢率必須低于 5%因?yàn)槁z意味著漏噴作物誤檢率需要根據(jù)你的噴灑代價(jià)來決定如果誤噴直接造成經(jīng)濟(jì)損失那閾值還要再往上調(diào)。盲測時(shí)有一個(gè)很容易犯的錯(cuò)誤把置信度調(diào)得極低來追求召回率結(jié)果一張圖里輸出幾十個(gè)框。這種模型的精確率已經(jīng)崩了下地實(shí)際使用會(huì)被大量誤檢淹沒。所以盲測的結(jié)論要同時(shí)給出“在這個(gè)閾值下的漏檢數(shù)和誤檢數(shù)”而不是只看一個(gè)指標(biāo)。6. 從 200 張到能長期用的模型數(shù)據(jù)增強(qiáng)、偽標(biāo)簽和半監(jiān)督的落地順序200 張圖訓(xùn)練出的模型只能算一個(gè)能用的起點(diǎn)離“長期穩(wěn)定地服務(wù)于農(nóng)業(yè)生產(chǎn)”還有距離。接下來的路徑也很明確按順序做就可以。第一步是數(shù)據(jù)增強(qiáng)。不要一上來就拍腦袋加旋轉(zhuǎn)、翻轉(zhuǎn)先看模型在盲測集上的失敗模式。如果漏檢發(fā)生在光照暗的區(qū)域重點(diǎn)加 HSV 亮度擾動(dòng)如果漏檢發(fā)生在密集的雜草叢重點(diǎn)加 Mosaic 增強(qiáng)。Ultralytics 默認(rèn)開了 Mosaic200 張圖配 Mosaic 是夠用的但不要太激進(jìn)增強(qiáng)過頭會(huì)讓模型學(xué)到一堆不真實(shí)的紋理。第二步是偽標(biāo)簽。用 best.pt 在更多未標(biāo)注圖像上跑推理把置信度高于 0.7 的檢測結(jié)果轉(zhuǎn)成 YOLO 標(biāo)簽人工抽查其中一部分然后把這些偽標(biāo)簽數(shù)據(jù)混進(jìn)訓(xùn)練集。這個(gè)做法能快速擴(kuò)數(shù)據(jù)前提是人工抽查比例足夠高不能直接把模型自己的輸出喂回去訓(xùn)練否則錯(cuò)誤會(huì)在迭代中被不斷放大。第三步才是考慮更多標(biāo)注數(shù)據(jù)。優(yōu)先補(bǔ)充盲測里漏檢最多的那些場景而不是隨機(jī)拍一堆同樣地塊的照片。數(shù)據(jù)質(zhì)量比數(shù)量重要得多50 張覆蓋了不同光照、不同土壤背景的標(biāo)注圖效果可能好過 500 張同一地塊湊數(shù)的圖。我自己的習(xí)慣是200 張圖的模型永遠(yuǎn)只當(dāng)基線來看。每次換地塊或換設(shè)備都要重新收集一小批當(dāng)?shù)貓D像做盲測用失敗樣例決定下一步動(dòng)作。這套打法的核心不是追求一次訓(xùn)練直接達(dá)標(biāo)而是讓數(shù)據(jù)和模型迭代形成一個(gè)能收斂的閉環(huán)。希望幫到你。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
九九热在线99| 大香蕉久操| 色99视| 婷婷激情五月天亚洲综合| 色婷婷成人| 激情婷婷| 蜜乳av一级av| 丁香婷婷月| 51XX嘿嘿午夜无码| 天天射美女| 激情网第九色| 九九一区| 久久人妻久久| 亚洲AV网址| 色五月综合在线| 怡红院成人AV| 色婷婷丁香五月| 国产人妻操逼| 欧美精品狠狠色丁香婷婷| 99精色| 色婷婷情片| 五月丁香六月色| 色五月婷婷影院| 99色视频在线| 九九热亚洲中文在线观看免费| 丁香婷婷啪啪| 色婷婷五月天视频在线| 人人操99| 96精品成人无码A片观看金桔 | 任你爽视频| 五月天婷婷久色| 黃色三级三级三级三级 qixing300.shrkbk.com www.jinbozs.com tianmiaosw.com | 五月婷在线观看| 色婷婷电影网| 日本黄色三级片内射| 99福利视频| 国产午夜成人免费看片无遮挡| 久久婷婷色综合老司机| 九九在线视频| 五月婷婷干干干| 色综合香蕉| 91精品激情9| 久久婷婷五月天亚洲欧美| 日本三级大片| 影音先锋偷偷色男人站| 久久婷婷五月丁香网| 丁香五月开心五月激情| 国产成人精品一区二区三区视频 | 欧洲99视频在线| 丁香网站| 色五月激情综合| 色色综合视频| 大香蕉人人网| 国产全是老熟女太爽了| 国产激情av| 婷婷五月蜜桃成人桃色丁香| 五月停停色| 久/久精品99看9| 婷婷伊人綜合中文字幕| 久久视频这里99| 五月天婷婷操逼视频| 久久在这里99| www夜夜操comwww| 丁香六月| 亚洲成人AV电影网| 色99在线| 丁香五月久久| 日日操日日撸| 天天添天天摸天天天天做| 超级碰碰碰91| 超碰熟女农村在线69| 91seav| 97色干在线观看| 九九这里有精品| 欧美综合激情五月丁香| 欧洲亚洲免费视频9| 中文字幕av久久爽一区| 最新久久99视频网站| 五月丁香六月婷综合成人综合 | 五月婷婷丁香六月| 丁香婷婷视频| 色哟哟www| 伊人在线大香蕉网| 爱草视频在线观看| 九九色人| 先锋五月婷婷丁香草草| 涩五月丝袜婷婷| 亚洲1区| 色逼综合网| 婷婷五月天欧美图片在线播放电驴| 五月开心啪啪| 久久这里只有精品视频15| 五月丁香五月综合欧美| 九九在线精品| 婷婷五月天电影区小说区| 激情五月伊人婷婷| 九九久久精品| 亚洲成人网在线观看| 综合另类激情| 99原创自拍视频在线观看| 91婷婷色 | 国产毛片精品一区二区色欲黄A片 国产人妻777人伦精品HD | 激情伍月 欧美| www超碰| 色情开心五月| 五月婷免费视频| www.91热久久| 99碰碰碰| 99操网站| 中文字幕高清av| 亚洲视频在线观看| 成人综合视频网址| 99久久国产宗和精品1上映| 成人日韩欧美| 久久九九免费视频| 天天干夜夜谢| 亚洲第一综合| 国产一级片| 操碰99| 97碰人人操| 思思热AV| 色播五月天激情| 91精品综合久久久久久五月丁香| 婷婷五月天六点丁香五月| 影音先锋激情网| 久久婷婷网| 停停五月色宗合| 影音 五月 婷婷 久久| 欧美经典片免费观看大全| 五月丁香综合网| 五月丁香免费看| 亚洲日日操| 色情五月丁香| 五月天婷婷久久| 丁香五月久久| 丁香五月天视频| 六月丁香五月婷婷| 激情内射人妻1区2区3区| 国产1区2区3区在线观| 日本丁香久在线| 婷婷五月天亚洲综合网| 五月丁香婷婷99| 婷婷伊人五月丁香天堂网| 9在线9在线婷婷在线国产| 婷婷婷久久| 琪琪色综合网站| 99re8热精品免费视频| A短视频免费在线观看| 五月天激情网图片| 九九操屄| 五月天婷婷激情在线色图| 日韩美女在线视频19| 久久嘟嘟丁香| 久久网日本| 五月天激情黄色小说在线观看| 国产婷婷综合| 亚洲小说五月婷婷| 淫水导航| 五月婷婷影| 激情五月综合| 激情五月综合婷婷| 亚洲AV影片在线观看| 五月天大香焦| 超碰99热| 久久丁香五月婷婷激情综合网| 色五婷婷| www.五月激情.com| 丁香色五月婷婷91桃色| 五月婷婷深深爱| 中文无码婷婷| 精久久色| 色播播五月天| 大香蕉综合在线| 亚洲亚洲人成综合网络| 五月天丁香婷婷社区| 91九色精品| 婷婷丁香五月天婷婷| 久久99热这里| 五月婷婷av| 亚洲操逼网| 丰满人妻一区二区三区| 日本理论久久| 婷婷爱综合| 第四色婷婷丁香五月| 亚洲激情精品| 老司机伊人| 国产午夜伦鲁鲁| 欧美碰碰碰| 日本三级日本三级99| 五月天色婷婷av| 曰日爽日日操| 亚洲精品婷婷| 激情五月丁香六月综合AVXXXX| 九九色精品| 激情婷婷人妻| 99热99色| 久啪欧美| 九九九午夜影院成人| 激情五月天www| 五月天婷婷网站888| 国产乱子轮XXX农村| 玖玖午夜视频| 亚洲天堂婷婷丁香| 色婷婷综合网站| 欧美婷| 99riAv1国产在线观看| 国产精品人人做人人爽人人添| 五月丁香偷拍| 99热视| 婷婷.com| 99精品在这里| 狠狠se| 五月婷婷熟女| 亚洲无码成人| 在线色色| 亚洲精品99| 丁香六月丁香婷婷激情 | 婷婷五月天成人网| 丁香五月婷婷色五月| 99热偷拍| 玖玖资源站蜜臀| 国产色丁香| 九九久久网| 图片区 小说区 区 亚洲五月| 香蕉五月婷婷| av在线色五月丁香婷区久| 国产精品视频免费看| 欧美日韩二区在线| 欧美久草在线日本一级特黄大片做受9在线观看韩国电影《两个女人》未删减-毛片 | 免费试看小视频 99| 在线观看中文字幕亚洲| 超碰免费观看| 五月天激情久色| 婷婷色丁香五月| 五月激情婷婷偷拍| 亚洲99在线| 久久九九免费视频| 武则天精品久久| 婷婷五月色情天| 做爰丰满少妇1313| 五月婷婷伦理| 人妻22p| 欧美一线视频| 超碰成人电影| 久久婷出差欧美色两性综合网| 色情婷婷久久五月天| 色五月xxx| 97碰碰视频在线观看| 色婷婷五月天| 成人羞羞啪啪 全 视频| www色色色com| 久久五月天合网| 激情综合网激情五月天| 天天干,天天操,天天射| WWW.17C亚洲精品| 久草婷妨| 激情5月天天天| 99色| 伊人丁香五月| 国产黄大片在线观看画质优化| 亚洲成人高清在线| 亚洲啪啪啪啪| 啪啪丁香五月| 丁香激情网| 日本久久人| 99热a片免| 激情综合文学| 五月丁香六月综合基地| 国内久久亭亭| 欧洲综合视频| 丁香六月婷婷久久综合| 深爱五月婷婷| 678五月丁香亚洲综合| 五月丁香六月| α久久| 国产一级视频a| 六月激情网| w婷婷五月婷婷w| 亚洲免费99| 99内射视频| 五月丁香激情综合网| 青青草婷婷久久| 狠狠做深爱婷婷久久综合一区| 国产av网| 综合五月天| 日本欧美国产| 久久人妻精品| 五月伊人视频在线看| 欧美69久成人做爰视频| 91人人操人人| www.精品99| 激情久久久久| 婷婷六月综合在线| 色色色com| 婷婷综合网伊人| 99热99艹在线观看| 色综合色综合网| 99久久97| 99热综合网| 成人片在线播放| 综合激情站| 亚洲色色色色色| 天天日天天插| 播五月丁香六月| 九 九九九AV| 日日爽日日| 五月天激情四射网站| AV在线资源| 激情五月深爱五月观看| 亚洲网综合在线| 五月丁香六月婷婷的女人| 99精品视频免费| 婷婷五月天午夜激情影院| 婷婷色色丁香五月天| 97色婷婷| 色九月综合| 99狠狠操一| 婷婷五月色| 99re6在线视频精品免费| 色欲资源网| 亚洲av网址| 五月丁香婷婷网网网网| 丁香五月天五码婷婷| 日操夜操天天操不卡| 人妻久久人妻久久第一区| 婷婷五月电影| 色婷婷网大全在线| 免费婷婷| 色五月亚洲开心网| 日韩成人无码人妻| 十二区无码| 91色综合网| 婷婷五月天伊人在线| 色香蕉婷婷| 亚洲 视频 导航 一区| 人伦30P| 色狠狠色噜噜AV天堂五区| 五月天社区狠狠| 日本色图综合| 国产99久| 亚洲综合九九| 任你搞网站| 五月丁香六月欧美综合| 色情五月天导航| 国产激情综合五月久久| 99热这里只有精品86| 五月天亚洲图片婷婷| 九九热123| 丁香五月影视| 五月激情婷婷开心| 久久久久综合激动五月天| 啪啪五月婷婷| 婷婷月综合| 婷婷五月天伊人| 日本婷婷五月天| 婷婷区日本| 91婷婷在线观看| 国产精品国产成人国产三级| 色婷婷香蕉| 久久性爱网站| 五月亭亭欧美女人| 色五月丁香五| av国产精品| 婷婷在线综合| 综合在线色婷婷| 激情五月无码| 丁香六月婷月91婷月| 亚洲日本激情| 婷婷天天日婷婷| 欧美va在线| 热久久思思热思思| 亚洲1区| 欧美久久久久久久久中文字幕| 五月天久久久| 黄色一级影片| 激情亚洲色图片丁香综合| 超碰97人人操| 日本人人干| 久久综合9| 疯狂做受XXXX高潮A片| 天天日天天色| 五月丁香AV在线| 日日干日日色| 亚洲婷婷五月天综合| 97色色婷婷五月天| 在线观看996精品| 99热传媒| 日本三级99人妇网站| 丁香久久| 婷婷六月天天| 直接看的AV| 激情五月天色婷婷综合| 五月天婷婷在线观看精品男人| 六月婷婷久久| WWW色色色COm| 日韩超碰在线| 99亚洲精美视频在线观看| 五月天婷婷Av| 色色97丁香婷婷五月天| 黄色AAAAAAA| 五月丁香婷婷伊人| 精品婷婷丁香五| 婷婷久久久| 激情久久久久| 婷婷色在线| 色色色色综合网| 六月婷久久| 婷婷五月丁香超碰| 五月天婷婷综合免费| 五月婷婷激情四月| 久久人妻www| 婷婷.com| 亚洲久久激情| 天天肏在线观看| 色九亚洲| 99操碰| se99视频| 丁香五月成人网| 丁香色五月天| 777米奇影视第四色| 拍真实国产伦偷精品| 大地资源色婷婷视频在线| 风流少妇A片一区二区蜜桃| 婷婷综合五月天| 成人做爰A片免费看视频 | 国产黄色在线观看| 中文字幕不卡网站| 5五月综合网亚洲| 五月丁香婷婷婷激情爱爱| 婷婷五月天六点丁香五月| 中文精品在| 亚洲区视频| 久久永久网址| 色婷婷a三区麻| 天天色综合综合| 天天舔天天插天天干| WWW激情五月天| 凹凸操Av| 免费观看的婷婷五月视频在线| 欧美丁香五月夫妻天| 色九月婷婷丁香| 九九久久综合| 610018岁成人视频| 五月天婷婷色色首页| 婷婷五月天午夜激情影院| 婷婷综合精品| 亚洲激情高潮| 五月天婷婷激情小说电影| 五月天天天天天天天天天天天婷婷婷| 99网| 婷婷性爱五月天丁香网| 超碰免费成人| 亚洲综合五月天综合| 日本va视频| 涩综合婷婷| 天天爽人人综合免费7799| 综合久久婷婷| 在线综合91| 色~性~乱~伦~噜| 再綫Av免费視品| 五月丁香六月婷婷亚洲| 综合AV在线| 国产精品美女久久久久AV超清| 欧美黄色一级| 亚洲丁香花色| 天天天天天日| 日本丁香五月| 蜜桃婷婷狠狠久久综合| 激情五月婷婷免费视频| 色XX综合网| 97五月久久丁香婷婷| 五月丁香综合激情| 在线中文字幕免费视频| 亚洲操逼网| 欧美性丁香色色五月天| 成人亚洲精品| 九九99热精品| 激情另类综合| 婷婷五月天电影区小说区| 五月婷婷色色色| 狠狠精品干练久久久无码中文字幕| 99热亚州综合| 蜜乳.comcom| 九九热在线精品视频| 亚洲无码99| 狠狠狠狠青草| 欧美色骚婷婷五月天| 国产在这里只有精品| 九九热AV| 色婷婷玖玖影院| 99,色| 99这里只有| 中字幕视频在线永久在线观看免费 | wwwxxx五月婷婷小说| 思思99久久| 99热在线播放| 日韩久热| 久久精品人妻| 极品人妻VIDEOSSS人妻| 亚洲六月色婷婷| 色婷婷五月天堂资源| 成人在线视频网| 影音先锋五月天婷婷丁香在线观看| 中文字幕在线日亚州9| 五月天婷网| 九色七七| 五月丁香六月欧美综合网站| 九九99九九99| 色婷婷成人久久| 色婷婷色丁香色欲av| 小香蕉av| 天天干,天天舔| 五月天亭亭俺也| 香蕉久久国产AV一区二区| 婷婷狠狠狠爱| 丁香五月冃欧美| 婷婷色色五月天| 操逼国产91| 欧美va| 亚洲人妻AV| 伊人九九综合| 五月天.com| 五月天丁香色色| VA日本视频| 成人视频一区| 激情五月天的婷婷| 久久久这里有精品| www.婷婷com| 狠狠夜夜五月丁香| 狠狠五月天| www,久久久| 性色五月天| 久久综合婷婷| 爱性综合网| 丁香婷婷五月色成人网站| 大香蕉啪啪啪啪啪啪| 这里只精品热在线18| 欧类av怡春院| 激情五月丁香色婷婷| 欧美日综合| AV堂狠狠干| 婷婷丁香在线| www久| 日日操夜夜爽| 影音先锋偷偷色男人站| 99视频在线观看网址| 亲子乱AV-区二区三区| 天天操天天谢| 99热这里只有精品在线观看| 色播五月天婷婷老师| 五月天天天色| 精品一区二区三区三区| 激情婷婷六月天| 欧美97超碰| 婷婷丁香基地在线| 九九色网| 五月天激情小说欧美激情| 人妻Av在线| 色五月丁香六月欧美综合| 婷婷丁香五月基地| 五月天综合视频网| 97在线/亚洲| 日本精品99网站| 五月婷婷色色色| 九九热视频精品| 一起草AV| 无码AV久久久久久久久| 丁香五月中文字幕久色| 天综合日日夜综合7799| 久久婷网| 综合激情伊人影视在线| 人妻体体内射精一区二区| 成人婷婷五月| 久婷视频| 另类图片天天影视在线观看| 婷婷激情丁香五月婷婷激情丁香五月婷婷| 五月丁香啪啪| 人人视频色| 99热99在线精品| 五月天婷婷爱| 色五月婷婷狠狠撸| 亚洲激情四谢| 98色花堂98t.R| 操操自拍| 色婷五月天| 台湾佬天天日丁香婷婷五月天| 99热在线播放精品| 色丁香五月| wWwCom夜操wwW| 色婷婷成人做爰A片免费看网站 | 亚洲色婷婷五月| 婷婷色色欧美| 99热这里有精品| 丁香婷婷五月六月天| 91窝窝| 丁香九月婷| 五月综合激情图片| 九9九9无码| 直接看的AV| 久久久99精品| 99热99操| 日日夜夜干| 婷婷五月丁香手机在线视频| 国产激情久久久| 久久视频在线视频| 久久婷婷五月天激情| 国产亚洲精品人人| 日本久久激情| 97综合在线| 五月婷婷丁香大陆免费| 婷婷丁香五月色偷偷| 激情综合五月| 啪啪亚洲综合| 99这里只有精品视频免费| 热热色色五月天婷婷| 91视频五月丁香| 国产成人VA| 丁香 亚洲 久久| 久久激情五月| 人妻久久久久久| 婷婷五月深情丁香深爱日韩| WWW、日本色丁香、co m| 婷婷欧美| 久久婷五月婷| 亚洲精品一区中文字幕乱码| 五月婷婷丁香六月| 五月综亚洲| 偷拍91九色| 激情綜合W W W,激情五月天| 色99网站| 婷婷六月激情啪啪| 99在线69| 99欧美三级视频| 97色色色色色| 色五月播五月| 天天激情夜夜干| 激情婷婷久久| 99热人人操人人操| 丁香五月成人| 秋霞性爱AV| 色婷视频| 人妻在线中文字幕久久| 天天综合情| 色婷婷在线影院| 草了bav视频在线观看| 26uuu日韩| 天天射综合网天天插| 99久.| WWW、日本色丁香、co m| 婷婷性爱| 久机视频这只有精品| 天天干天天日天天操| 伊人综合网4| 婷婷五月小说色综合| 天久久久久| 久久婷婷六月综合国际| 九九在线精品| 亚洲色五月婷婷| www.99精品在线| 开心五月天激情网站| ,99视频久久| 手机在线日韩视频中文字幕| 另类丁香综合| 大香蕉久久伊人网| 97久久婷婷色| 国产在线网| 久久五月丁香| 六月婷婷色综合| 久久久香| 五月婷婷偷拍| 亚洲人妻电影| 欧洲色色| 丁香婷婷五月综合| 亚洲色五月天| 激情五月天婷婷丁香| 婷婷五月丁香婷婷| 亚洲日韩26uuu| 安息电影在线观看完整版| 久久精彩综合视频| 狠狠综合| 久久婷婷五月天激情新地址| 丁香六月啪啪| 就要爱综合| 久久伊人五月天| 亚洲性爱电影| 久久综合干| 天天搡日日搡aaaaⅩ| 丁香五月婷婷激情四射| 婷婷丁香五月天影院| 欧美超碰亚洲| 久久一级片| 国内久久久精品99| 久久丁香五月| 99福利导航| 日良久久| 色五月人妻| 伊人91| 五月天色不卡| www.夜夜| 久久久久久久11111111111| 成人婷婷色综合| 欧美97超碰| 亚洲啪| 伊人9草在线观看| 99热碰碰| 婷婷五月天久久| 大香蕉久操| 久热成人| www.sd-xiangsu.cpm| 激情5月婷婷狠狠干| www.五月婷婷久久.com| 婷婷五月六月丁香综合| 在线1青婷| www.天天干| 婷婷午夜精品久久久| 五月丁香成人网| 99热91| 日木WWW视频| 日韩AV一区二区三区| 97五月久久丁香婷婷| 久热婷婷| 婷婷五月天色网久| 五月天开心激情综合网| 久热一本| 婷婷五月天成人| 99在线精品视频| 国产精品久久久久9999小说 | 青青草激情网| 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 | 99热加勒比| 97碰碰视频| 9九色首页| 91超级碰碰| www.伊人天堂偷偷婷婷| 99热在线这里| 中文字幕AV在线| 激情五月综合| 精品99网站| 26UUU欧美激情一区二区| 九九精品在线观看视频6| 欧美精品18| 黄网在线播放| 狠狠插.com| 骚五月婷婷| 免費亭亭成人| 噜噜噜噜综合在线| 开心五月婷婷激情| 亚洲午夜国产成人电影VA国产欧…| 超碰99热精品| 天天摸,天天爽| 激情五月四色| 超碰99在线观看| 综合色在线| 色情丁香五月婷婷精品| 天天日,夜夜爽| 免费国产视频| 播播网色播播| 婷婷自拍| 开心婷婷五月天电影院| 精品99在线| 屁股翘好撅高迎合跪趴| 婷婷激情六月综合| AV国产有码| 97色在线观看视频| 九九婷婷五月天| 草草操操| 婷婷综合色播网| 91丨九色丨熟女丰满| 婷婷综合视频| 丁香五月黄色| 亚洲狠狠婷婷综合久久久| 婷婷五月丁香欧洲| 乱精品一区字幕二区| 国产激情av| 激情五月婷婷综合色播小说| 色色色热热热| 26.uuu丁香五月婷婷| 激情美女五月天激情在线| 婷婷六月色| 丁香五月www| 九九操综合网| 五月色亚洲| 99热在线看片| 婷婷五月天另类网站| 久综合网| 成人在线日韩欧美| 99热99热| 丁香五月成人社区| 亚洲午夜一区二区| 99热只有这里才是精品| 激情五月激情综合网| 操日本三片99| 亲子乱av一区二区三区的| 激情婷婷综合| 亚州操人在线视频| 日本V在线观看不卡视频网站| 色综合婷婷| 色久天| 久久全意婷婷| 六月色婷婷欧美| 六月丁香激情网| 六月激情婷婷色| 激情久久肏屄视频| 9999热精品| 五月丁香欧美| 久久精品国产一区二区三区四区| 91丨九色丨高潮丰满日本| 综合激情站| 九九精品大香蕉| www.色婷婷。com| 99亚洲视频| 免费播放片大片| 激情丁香五月天图片| 五月天丁香婷婷视频网址 | 棕合影院色色| 婷婷五月天成人网| 色开心五月丁香| 婷婷五月天激情基地| 狠狠插.com| 五月丁香综合久久| 99热在线播放| 五月丁香六月久久| 色色色色色综合| 狼人狠狠操| 99热热这里只精品996小说| 《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 | 色五月婷婷天天操夜夜操| 日本狠狠干| anquye伊人| 五月天综合在线| 精品一二三区视频立| 亚洲精品亚洲人成人网| 亚洲精品网站色视频| 97视频91| 91精品婷婷国产综合久久| 91色综合| 9久国产精品| 婷婷五月丁香六月| 伊人玖玖婷婷| 五月婷婷|欧美| 五月丁香激情综合六月涩涩爱| 久久婷婷五月天蜜桃| 无码区婷婷五月花开| 婷婷五月开心六月AV| 亚洲性色XXXXX| 亚洲精品白浆高清久久久久久| 色国产五月| 影音先锋自拍网| 婷婷五月激情视频| 日本专区久久| 国产9色在线/日韩| 婷婷免费无马| 日韩九区| 五月www| 专区无日本视频高清8| 妻久久久久| 色99在线| 激情久久综合网| 另类图片五月天婷婷| 五月天丁香成人| AV在线资源| 99热最新网址| 天天射天天射一道本日本社区| 狠狠色丁香乆乆| 五月婷婷啪啪啪啪| 亚洲天堂无码| 亚洲综合在线视频| 丁香五月天激情婷婷丁香六月| 噼里啪啦完整版中文在线观看| 久久99热这里只有精品23| 丁香六月在线综合| 色婷婷亚洲精品天天综| 99热免费精品| 亚洲综合激情五月久久| 色婷五月天亚洲| 99热伊人综合| 婷婷五月丁香啪啪| 夜夜涩涩涩| 天久综合91综合首页| 婷婷五月天在线一区| 激情四射婷婷| 六月丁香网| 婷婷色狠狠| 丁香六月啪啪啪| 五月婷婷激情五月| 俺五月| 色99视| 色色A| 五月天另类小说久久小说网| 国产综合婷婷| 五月天色综合| www99热| 久久婷婷网| 国产精品99久久久久久久女警| 亚洲日日操| 91性高潮久久久久久久久| 日本人妻伦在线中文字幕| 五月激情综合美女久久| 激情综合在线观看| 成人无码髙潮喷水A片| 日韩1区2区| 日韩久久色| 天天射影院| 丁香婷婷深情五月亚洲| 久久视这里只有精品| 九九色插| WWW丁香五月| 五月色情婷婷| 五月激情综合网| 久久久久久久合一狠狠做深爱| 中文无码婷婷| 色五月色综合| 久久激情五月| 老司机午夜福利视频金瓶梅| 久久亭亭电影| 婷婷伊人綜合中文字幕| 开心激情婷婷| 很很操很很操| 色色色婷| 北条麻妃伊人| 九九99精品视频在线观看| 玖玖资源站蜜臀| 99色精品视频| 色婷婷丁香社综合| 久久精品99国产精品日本| 丁香久月| wwwC0maV五月花| 色婷婷久久综| 日日操夜夜操不卡| 九九无码| 在线观看免费狠狠色丁香香综合| 亚洲人人干| 久操干| 91午夜婷婷狠狠久久综合9色| 激情都市丁香婷婷| 色五月激情综合| 六月婷欧美| 色五月综合网站| 婷婷五月天福利| 91碰| 激情婷婷五月天在线观看| 丁香五月天啪啪| 丁香五月手机视频| 婷婷综合五月天| 99热这里只有精品3| 成人欧美一区二区三区在线观看| 日本 欧美在线| 嘿嘿视频免费看9| .精品久久久麻豆国产精品| 久久综合激情| 噜噜噜噜噜色| 秋霞簧片| 色域五月婷婷丁香| 成人AV片播放| 五月丁香啪啪网| 超碰免费成人| 五月丁香啪啪网| 激情六月一二| 亚州操操| 99热 在线播放| 玖玖婷婷五月天毛片| 青草视频在线观看视频| 俺去也综合| 国产91视频| 激情五月丁香亭亭| 亚洲激情免费视频观看| 99视频精品全部免费观看| 另类综合激情| 激情五月开心五月在线视频| 丁香六月婷婷久久高清| 99热精品网| 狠狠色噜噜色狠狠狠综合色 | 亚洲无码99| 色五月激情网| 九九熱最新視頻| 色久一| 玖玖婷婷五月天毛片| 9久久狠狠的| 婷婷五月天av| 8090在线影视少妇| 欧美在线| 久久精品国产一区二区三区四区 | 天天爽天天干| 婷婷丁香18| 婷婷丁香五月亚洲17cao| 久久综合丁香激情五月| 国产精品香蕉| 婷婷五月天激情基地| 色五月激情五月天| 久久机热/这里只有精品| 欧美成人A片AAA片在线播放| 日本va视频| 婷婷射图五月天| 狠狠干五码| 天天舔天天摸视频| 久久奄也去色色网站| 日日想日日夜日日操| 五月色欧美| 色婷五月| ji'qi'luan'ren'lun| 五月丁香777| 婷婷丁香五月高清| 热99这就是精品视频| 丁香五月天中文字幕| 热久视频| 51国精产品自偷自偷综合| 这里只有精品视频| 色五月涩涩婷婷| 操日视频| 99精品在线观看| 色噜噜狠狠色综合日日| 国产美女无遮挡裸体毛片A片| 福利视频在线播放| 婷婷五月欧美综合| 伊人超碰在线| 99久久玖玖| 日韩操人| 激情丁香淫荡婷婷| 丁香六月激情蜜桃| 五月色综合网| 国产.亚洲.欧洲视频在线| 丁香婷婷久久| www五月| http:色情日本com| 丁香狠狠色婷婷久久无码视频| 五月婷婷www| 99热在线精品观看| 亚洲综合激情五月天婷婷| 天天操天天爽天天爱| 五月天电影网| 免费在线观看欧美激情xx小视频| 一区二区免费看| 中文字幕在线播放视频| www.婷婷五月天| 中文字幕丰满孑伦无码专区| 91人妻人人操| 丁香婷婷综合激情五月色| aaaaa不卡| 99er免费在线观看| 五月天精品综合| 成人综合AV| 五月丁香亚洲综合| 色五月婷婷成人| 七月丁香五月婷婷在线| 丁香六月婷婷色播| 五月丁香六月激情综合网| 新激情五月开心五月婷婷五月丁香五月| 婷婷五月天黄色小说| 婷婷情色五月天| 五月天激情国产综合婷婷婷| 99操不停| 97久久久| 亚洲精品又粗又大又爽A片| 久久久免费图片视频| 色综合久久88色综合天天99| 激情五月综合色婷婷| 婷婷丁香18| 亚洲色五月| 影音先锋综合网| 丁香婷婷六月天| 好激情在线综合网| 夜夜 操无码| 国产亚洲精品久久久久苍井松| 玖玖婷婷婷丁香五月| 影音先锋xfplay资源男人网| 中文av网站| 日本99热| 色五月97| 婷婷综合成人五月天| 婷婷丁香五月婷婷| 色五月欧美| 99在线播放| 丁香香五月激情免费视频| 国产午夜一区二区三区| 欧美影院婷婷| 91久久网站| 亚洲色综合| 午夜做爱影院| 日日噜噜夜夜狠狠久久丁香五月| 婷婷新网址| 欧洲毛片基地c区| 日日插日日干| 99操视频| 亚洲色综久久五月| 狠狠狠狠狠草| 色情婷婷五月天| 五月婷婷,六月婷婷| 五月天激情国产综合婷婷婷就去爱| 99视频只有这里精品| 久久精品人妻| 91chinese 在线| 丁香五月综合在线播放 | 丁香五月婷婷激情123| 伊人久久五月天| 日韩限制级大尺度黑料泄密大尺度视频一区二区在线观看 | 天天综合网91| 久久婷婷网址| 久色视频首页| 九九视频这里只有精品| 在线伦子99热| 九六五月天婷婷| 日日噜噜夜夜狠狠久久丁香五月| 亚洲成片在线观看| 在线A色| 大香蕉五月天婷婷| 99精品偷拍视频| 天天爽日日搞| AV性爱在线| 九热久| 综合激情站| 婷婷色影音天| 情婷婷五月天在线| 99综合网| 久久免费丁香| 开心婷婷五月中文字幕组| 被强行糟蹋的女人A片| 91色婷婷综合久久中文字幕二区| 可以看的av网站| www.玖玖九| 五月天色五月天| 久久婷婷精品| 人妻久久久久久| 色色色地址| 思思热视频在线| 日本婷婷色| 凹凸探花电影| 亚洲色网址| WWW久久久| 日韩精品999| 啪啪色激情五月天| 狠狠狠五月婷婷六月丁香| 大陆极品少妇内射AAAAAA| 欧日美女Va| 99这里有精品| 综合网啪| A久久| 激情综合婷婷久久| www,99热| 色八戒操婷婷| 婷婷五月天成人网站| 秋霞少妇AV网站| 五五月五月| 五月天激情综合网| 再次出发二| 久草婷婷| 99er免费在线观看| 婷婷综合网| 欧美操人| 五月丁香婷婷基地| 激情综合网五月在线播放| 99爱视频| 肏屄色播伊人97婷婷| 91青娱乐青青草| 婷婷va| 99玖玖在线视频| 色欲久久久久久综合网综合网| 亚洲色婷婷五月天| 亚洲一区二区无遮挡A片| 激情综合激情综合| 91日韩美女被插视频| 开心色五月天久久久久久久| 91在线观看www| 婷婷久久色| 二级黄色毛片| 亚洲视频二区| www.色色五月天.com| AV在线资源| 91婷婷丁香| 激情深爱五月天| 欧美色播综合在线观看| 丁香五月大香蕉在线99| 午夜丁香丁香婷婷| 九九这里都是精品| 99亚色色色| 九九热在线精品| 五月天久久婷婷婷| 色色色五月天婷婷| 热久久这里只有精品20| 九九草草逼| 99er在线观看| yiqicaoav| 超碰在线免费9| 久婷五月| 中文字幕日产A片在线看| 久久婷婷欧美| 操草草草| 草综合14| 97色色婷婷| 五月天激情网站| 久久久久思思热| 日日操无码| 在线观看婷婷5月| 91天天操天天干天天射| 丁香婷婷激情| 色五月成人网| 丁香婷婷激情四射五月| 女人天堂AV| 久久性爱视频| 黄网在线播放| 综合色色婷婷| 夜色综合网| 操碰99| 五月婷婷成人网首页| 99色在线观看视频者| 五月激情小说| 五月天停停日日| 狠狠操天天干| 99啪| 人与禽A片啪啪| 婷婷五月天偷拍| 五月天激情久久| 狠狠肏综合网| 色欲五月丁香| 99久久久免费| 欧洲日韩一区二区三区| 日本三日本三级少妇三级66| 91精品久久久久久77777| 久久机热这里只有| 五月狠狠| www.五月.com| 国产色五月| 婷婷伊人綜合| 五月天激情综合| 五月开心激情网| 9热精品| 狠狠CAO日日穞夜夜穞AV| 亚洲丁香婷婷丁香五月天激情| 天天色综合天天| 久久精品天| 中文字幕成人| 婷婷色5月激情网| 日本人妻A片成人免费看片| 亚洲国产精品二二三三区| 激情小说婷婷| 日本va网站| 五月婷婷六月丁香首页| 99无码精品| 人人播| 天天干,噜噜色,狠狠色| 二级黄色毛片| 国产无遮挡又黄又爽免费网站| 色婷婷天堂| 五月婷婷六月激情网| www.99精品视频| 99热国品| 亚洲综合草草| 狠狠色综合网站| 超碰久热| 日韩性爱无码| 国产精品VIDEOSSEX久久发布| 久操激情| 激情五月亚洲| 色情综合| 亚洲视频久久| 香蕉久久av一区二区三区| 丁香五月手机在线| 色丁香在线视频| 久久停停超碰| 96色婷婷| 无码少妇高潮喷水A片免费| 日韩狠狠色| 99热这里只有在线| 深爱 五月天| 中文字幕九九九九| 五月综合人妻| 超碰人人在线|