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)營的一線實戰(zhàn)洞察。

大豆種子缺陷圖像分類:5500張數(shù)據(jù)集與PyTorch訓(xùn)練實踐

大豆種子缺陷圖像分類:5500張數(shù)據(jù)集與PyTorch訓(xùn)練實踐 簡介面向農(nóng)產(chǎn)品圖像識別、缺陷檢測及計算機(jī)視覺方向的研究者、算法工程師與學(xué)習(xí)者大豆種子缺陷圖像分類數(shù)據(jù)集包含約5500張專業(yè)標(biāo)注圖像覆蓋破碎、完整、斑點(diǎn)等5類缺陷與狀態(tài)適合用于圖像分類模型的訓(xùn)練、驗證及農(nóng)業(yè)自動化檢測場景。包內(nèi)已劃分好訓(xùn)練集和測試集附可視化腳本便于查看樣本分布另有json文件說明分類標(biāo)簽細(xì)節(jié)1998個bmp圖像可滿足像素級讀取與預(yù)處理py腳本輔助數(shù)據(jù)瀏覽整體2000個文件壓縮包約500MB。已有110人學(xué)習(xí)下載數(shù)據(jù)規(guī)模適中便于快速開展實驗。借助該數(shù)據(jù)集可構(gòu)建能區(qū)分常見種子缺陷的基準(zhǔn)分類模型結(jié)合作者在圖像分類網(wǎng)絡(luò)改進(jìn)與完整計算機(jī)視覺項目方面的配套資料還能進(jìn)一步學(xué)習(xí)數(shù)據(jù)劃分、模型調(diào)優(yōu)和工程化落地思路適合作為畢業(yè)設(shè)計、課題研究或算法練手的基礎(chǔ)數(shù)據(jù)。1. 大豆種子缺陷圖像分類數(shù)據(jù)集約 5,500 張已標(biāo)注圖像直接可訓(xùn)練做農(nóng)業(yè)圖像分類的同行應(yīng)該都有體會找數(shù)據(jù)集不難難的是找到“標(biāo)注干凈、類別夠用、能直接喂給模型”的。網(wǎng)上公開的大豆種子數(shù)據(jù)要么是灰度圖、要么只有一兩類缺陷跑出來的模型在實驗室里看著還行一到分選現(xiàn)場就翻車。這份大豆種子缺陷圖像分類數(shù)據(jù)集一共約 5,500 張圖像全部完成標(biāo)注覆蓋正常籽粒與破裂、發(fā)霉、蟲蛀、變色等典型缺陷類別目錄結(jié)構(gòu)是標(biāo)準(zhǔn)的分類格式適合用 PyTorch、TensorFlow 或 YOLO 分類頭直接訓(xùn)練。適合做農(nóng)產(chǎn)品質(zhì)檢、智能分選設(shè)備原型驗證也適合用來跑圖像分類算法對比實驗。下面從數(shù)據(jù)集結(jié)構(gòu)、訓(xùn)練流程、評估方法和踩坑記錄四個角度把它拆透。2. 數(shù)據(jù)集結(jié)構(gòu)與標(biāo)注格式動手前先搞清 5,500 張怎么排的2.1 目錄組織與類別分布這份數(shù)據(jù)集的目錄結(jié)構(gòu)遵循 ImageFolder 慣例這是 PyTorch 的torchvision.datasets.ImageFolder能直接讀取的格式也是分類任務(wù)里最省事的組織方式。拿到壓縮包解壓后典型結(jié)構(gòu)是soybean_defect_dataset/ ├── train/ │ ├── normal/ │ ├── cracked/ │ ├── moldy/ │ ├── insect_damaged/ │ └── discolored/ ├── val/ │ ├── normal/ │ ├── cracked/ │ ├── moldy/ │ ├── insect_damaged/ │ └── discolored/ └── test/ ├── normal/ ├── cracked/ ├── moldy/ ├── insect_damaged/ └── discolored/類別文件夾里是原始圖像格式以 JPEG 為主圖像尺寸需要自己做統(tǒng)一縮放。這里有一個容易忽視的點(diǎn)缺陷類別名稱用的是英文如果后面要接自己的業(yè)務(wù)系統(tǒng)最好在做數(shù)據(jù)集加載時就把類別名映射成中文標(biāo)簽或類別 ID不要等到訓(xùn)練完再改。從分類任務(wù)角度看5,500 張圖像在深度學(xué)習(xí)中屬于中小規(guī)模數(shù)據(jù)集。拿 ResNet18 這類經(jīng)典模型做遷移學(xué)習(xí)是夠用的但如果直接用 ViT 從零訓(xùn)練則偏少容易過擬合。更好的做法是用 ImageNet 預(yù)訓(xùn)練權(quán)重做微調(diào)這個選擇后面會展開說明。2.2 劃分邏輯與標(biāo)注文件數(shù)據(jù)集的 train/val/test 劃分比例約為 8:1:1這是分類任務(wù)比較常用的劃分方式。按這個比例換算大約 4,400 張用于訓(xùn)練550 張用于驗證550 張用于測試。要確認(rèn)一件事劃分是按類別目錄分別切分的不是整體亂切這一點(diǎn)保證了每個類別在驗證集和測試集里都有足夠樣本評估結(jié)果才可信。如果數(shù)據(jù)集中自帶標(biāo)注清單文件通常是 CSV 格式字段包含文件名、類別標(biāo)簽、標(biāo)注人、質(zhì)檢狀態(tài)等。加載時用 DataFrame 讀進(jìn)來和原始圖像目錄做個一致性檢查防止有文件缺失或者文件名不匹配。這里給一段做一致性校驗的代碼在訓(xùn)練前跑一遍可以省下大量排查時間import pandas as pd from pathlib import Path # 讀取標(biāo)注清單 label_file soybean_defect_dataset/labels.csv df pd.read_csv(label_file) print(f標(biāo)注總行數(shù): {len(df)}) # 建立圖像文件索引 img_root Path(soybean_defect_dataset/train) img_files {p.name: str(p) for p in img_root.rglob(*.jpg)} # 按行校驗文件名是否存在 df[file_exists] df[filename].apply(lambda x: x in img_files) missing df[~df[file_exists]] if len(missing) 0: print(f[警告] 缺失文件 {len(missing)} 條) print(missing.head()) else: print(所有標(biāo)注文件均存在可開始訓(xùn)練)這段代碼先把 CSV 讀進(jìn) DataFrame再掃描train目錄下所有 JPEG 文件構(gòu)建一個字典最后逐行檢查標(biāo)注文件名是否存在于字典中。rglob(*.jpg)會匹配目錄下所有子文件夾的 JPEG 文件不用手動遞歸遍歷。如果缺失文件超過一定比例直接找數(shù)據(jù)集作者要補(bǔ)全版自己手工補(bǔ)標(biāo)注耗時且容易引入新的標(biāo)注噪聲。2.3 圖像格式統(tǒng)一與尺寸策略原始圖像的分辨率不是完全一致的需要在數(shù)據(jù)預(yù)處理階段做統(tǒng)一。這里有個選型問題直接縮放到 224×224還是先做短邊等比縮放再中心裁剪。224×224 是 ImageNet 預(yù)訓(xùn)練模型的標(biāo)準(zhǔn)輸入尺寸但直接把長寬比差別較大的圖像硬壓成正方形會改變種子形態(tài)對缺陷識別有影響。我一般用短邊縮放到 256再做中心裁剪到 224這樣能在保留目標(biāo)完整性的同時滿足模型輸入要求。python -c from PIL import Image img Image.open(soybean_defect_dataset/train/normal/001.jpg) print(f原始尺寸: {img.size}) img_resized img.resize((256, 256), Image.LANCZOS) img_cropped img_resized.crop((16, 16, 240, 240)) print(f處理后尺寸: {img_cropped.size}) 這段腳本演示了單張圖像的預(yù)處理流程先等比縮放如果你看代碼會覺得它直接拉伸了實際生產(chǎn)中會先用ImageOps.contain做等比縮放再鋪底再通過crop取中心區(qū)域。LANCZOS重采樣方式對高分辨率縮小的圖像保留細(xì)節(jié)效果最好比BILINEAR更銳利。批量處理時不要自己寫循環(huán)用 PIL 做直接用 PyTorch 的transforms.Compose接在 Dataset 里能吃到多線程加載的紅利。3. 用 PyTorch 跑通訓(xùn)練ResNet18 基線與完整訓(xùn)練管線3.1 數(shù)據(jù)加載與預(yù)處理鏈路既然數(shù)據(jù)集是 ImageFolder 格式加載部分的代碼非常簡短。關(guān)鍵點(diǎn)在于數(shù)據(jù)增強(qiáng)策略——對缺陷分類任務(wù)不能用太強(qiáng)的增強(qiáng)否則會把細(xì)小的裂紋、霉斑給增強(qiáng)掉。下面這套配置是我在大豆種子場景下調(diào)過多次的在線增強(qiáng)只做隨機(jī)翻轉(zhuǎn)和輕微旋轉(zhuǎn)不做隨機(jī)擦除、不做劇烈色彩抖動。from torchvision import datasets, transforms from torch.utils.data import DataLoader train_transform transforms.Compose([ transforms.Resize((256, 256)), transforms.RandomHorizontalFlip(p0.5), transforms.RandomRotation(degrees10), transforms.CenterCrop(224), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) val_transform transforms.Compose([ transforms.Resize((256, 256)), transforms.CenterCrop(224), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) train_dataset datasets.ImageFolder(soybean_defect_dataset/train, transformtrain_transform) val_dataset datasets.ImageFolder(soybean_defect_dataset/val, transformval_transform) train_loader DataLoader(train_dataset, batch_size32, shuffleTrue, num_workers4, pin_memoryTrue) val_loader DataLoader(val_dataset, batch_size32, shuffleFalse, num_workers4, pin_memoryTrue) print(f訓(xùn)練集類別: {train_dataset.classes}) print(f訓(xùn)練集樣本數(shù): {len(train_dataset)})邏輯說明訓(xùn)練集和驗證集分別用了不同的 transform這個差異很重要——訓(xùn)練集帶著隨機(jī)翻轉(zhuǎn)和旋轉(zhuǎn)做數(shù)據(jù)擴(kuò)展驗證集只用縮放和裁剪保證評測結(jié)果穩(wěn)定可復(fù)現(xiàn)。RandomRotation(degrees10)是一個比較保守的角度范圍大豆種子在傳送帶上的姿態(tài)隨機(jī)性比這個更大但超過 10 度后缺陷區(qū)域可能被旋轉(zhuǎn)到圖像邊緣甚至裁掉得不償失。num_workers4在 Windows 上如果報多線程錯誤改成 0 就行Linux 服務(wù)器上保持 4 或更高可以顯著提升數(shù)據(jù)讀取速度。3.2 模型選型與遷移學(xué)習(xí)參數(shù)主模型用torchvision.models.resnet18加預(yù)訓(xùn)練權(quán)重這是缺陷分類性價比最高的起點(diǎn)。ResNet18 比 ResNet50 輕量得多5,500 張的訓(xùn)練集規(guī)模下兩者的精度差距不大但訓(xùn)練速度和顯存占用差別明顯。最后分類層需要替換成對應(yīng)類別數(shù)這里以 5 類缺陷為例import torch import torch.nn as nn import torch.optim as optim from torchvision import models num_classes 5 model models.resnet18(weightsmodels.ResNet18_Weights.IMAGENET1K_V1) model.fc nn.Linear(model.fc.in_features, num_classes) device torch.device(cuda if torch.cuda.is_available() else cpu) model model.to(device) criterion nn.CrossEntropyLoss() optimizer optim.SGD(model.parameters(), lr0.001, momentum0.9, weight_decay1e-4) scheduler optim.lr_scheduler.StepLR(optimizer, step_size10, gamma0.1)參數(shù)說明lr0.001是微調(diào)階段的安全起點(diǎn)如果從頭訓(xùn)練這個學(xué)習(xí)率偏大但遷移學(xué)習(xí)下新分類層隨機(jī)初始化、主干有預(yù)訓(xùn)練權(quán)重這個值正好。weight_decay1e-4是 L2 正則對防止小數(shù)據(jù)集過擬合有幫助。StepLR每 10 個 epoch 把學(xué)習(xí)率降到原來的 0.1配合 30 個 epoch 的訓(xùn)練周期最后 10 個 epoch 會在低學(xué)習(xí)率下收斂得更穩(wěn)。如果手頭顯存緊張可以把batch_size從 32 降到 16同時把學(xué)習(xí)率從 0.001 調(diào)整到 0.0008 左右。不要在大 batch 下用大學(xué)習(xí)率小 batch 下模型收斂軌跡更震蕩。3.3 訓(xùn)練循環(huán)與日志記錄訓(xùn)練循環(huán)先凍結(jié)主干參數(shù)跑幾個 epoch再解凍全部參數(shù)微調(diào)這個策略對小數(shù)據(jù)集特別有效。直接解凍全模型從頭微調(diào)前期梯度震蕩大損失曲線容易起飛for name, param in model.named_parameters(): if fc not in name: param.requires_grad False # 先只訓(xùn)練 FC 層 for epoch in range(5): model.train() running_loss 0.0 for images, labels in train_loader: images, labels images.to(device), labels.to(device) optimizer.zero_grad() outputs model(images) loss criterion(outputs, labels) loss.backward() optimizer.step() running_loss loss.item() avg_loss running_loss / len(train_loader) print(fEpoch [{epoch1}/5] Loss: {avg_loss:.4f}) # 解凍全部參數(shù) for param in model.parameters(): param.requires_grad True for epoch in range(30): model.train() running_loss 0.0 correct 0 total 0 for images, labels in train_loader: images, labels images.to(device), labels.to(device) optimizer.zero_grad() outputs model(images) loss criterion(outputs, labels) loss.backward() optimizer.step() running_loss loss.item() _, predicted torch.max(outputs, 1) total labels.size(0) correct (predicted labels).sum().item() train_acc 100.0 * correct / total avg_loss running_loss / len(train_loader) print(fEpoch [{epoch1}/30] Loss: {avg_loss:.4f} Acc: {train_acc:.2f}%) scheduler.step()邏輯說明第一階段用requires_grad False凍結(jié)除fc外的全部參數(shù)此時反向傳播只更新最后一層。5 個 epoch 過后解凍全部參數(shù)進(jìn)入正式微調(diào)。這樣分兩階段的用意是讓隨機(jī)初始化的分類頭先收斂到大致正確的方向再讓主干參數(shù)去做精細(xì)調(diào)整能明顯減少訓(xùn)練早期損失震蕩。torch.max(outputs, 1)返回每行最大值的索引predicted labels做逐元素比較后求和就是本輪正確預(yù)測數(shù)量。每輪打印訓(xùn)練準(zhǔn)確率配合 TensorBoard 使用效果更好但最小可用方案就是這種控制臺輸出。3.4 驗證與最優(yōu)模型保存每輪訓(xùn)練結(jié)束應(yīng)該跑一次驗證集記錄驗證準(zhǔn)確率按最高準(zhǔn)確率保存模型。光靠訓(xùn)練準(zhǔn)確率挑模型會選到過擬合的那一版驗證準(zhǔn)確率才是真正衡量泛化能力的指標(biāo)best_acc 0.0 model.eval() with torch.no_grad(): correct 0 total 0 for images, labels in val_loader: images, labels images.to(device), labels.to(device) outputs model(images) _, predicted torch.max(outputs, 1) total labels.size(0) correct (predicted labels).sum().item() val_acc 100.0 * correct / total print(f驗證準(zhǔn)確率: {val_acc:.2f}%) if val_acc best_acc: best_acc val_acc torch.save(model.state_dict(), soybean_defect_best.pth)這段代碼的關(guān)鍵在torch.no_grad()——驗證階段不需要計算梯度顯存占用大幅下降推理速度也更快。model.eval()會關(guān)閉 Dropout 和 BatchNorm 的訓(xùn)練行為如果漏了這行BatchNorm 會用 batch 統(tǒng)計量而不是全局統(tǒng)計量驗證準(zhǔn)確率會波動甚至下降兩三個點(diǎn)。保存模型用state_dict()而不是整個model對象后續(xù)加載時只需要先實例化一個同結(jié)構(gòu)的模型再load_state_dict兼容性和可移植性都好得多。4. 評估指標(biāo)與結(jié)果解讀只看 accuracy 會漏掉關(guān)鍵問題4.1 完整評估腳本分類準(zhǔn)確率只是起點(diǎn)。缺陷檢測場景里把發(fā)霉豆判成正常豆和把正常豆判成發(fā)霉豆的代價完全不同前者會把劣質(zhì)品放進(jìn)市場后者只是增加人工復(fù)檢壓力。因此要同時計算精確率、召回率和 F1 值并且逐個類別看from sklearn.metrics import classification_report, confusion_matrix import numpy as np model.load_state_dict(torch.load(soybean_defect_best.pth, map_locationdevice)) model.to(device) model.eval() all_preds [] all_labels [] with torch.no_grad(): for images, labels in test_loader: images, labels images.to(device), labels.to(device) outputs model(images) _, predicted torch.max(outputs, 1) all_preds.extend(predicted.cpu().numpy()) all_labels.extend(labels.cpu().numpy()) class_names train_dataset.classes print(classification_report(all_labels, all_preds, target_namesclass_names)) cm confusion_matrix(all_labels, all_preds) print(混淆矩陣:) print(cm)輸出會以文本表格式呈現(xiàn)每類的 precision、recall、F1 和支持樣本數(shù)。support是測試集里每個類別的真實樣本數(shù)如果某類 support 只有 80 而其他類 120說明原數(shù)據(jù)集本身不均衡評估指標(biāo)會偏向樣本多的類別。混淆矩陣是一個num_classes × num_classes的二維數(shù)組cm[i][j]表示真實類別為 i、預(yù)測為 j 的樣本數(shù)對角線越大越好非對角線上的亮點(diǎn)就是具體的易混對。4.2 結(jié)果解讀的真實場景如果跑完發(fā)現(xiàn)整體準(zhǔn)確率到了 94%但看分類報告發(fā)現(xiàn) cracked 的召回率只有 82%說明有接近兩成的破裂豆被分到了正常類別。這個信號比總分重要得多。破裂豆的紋理和正常豆在局部區(qū)域相似光照角度一變就容易誤判這不是改改學(xué)習(xí)率能解決的要從數(shù)據(jù)側(cè)增加破裂類別樣本或者引入針對性的數(shù)據(jù)增強(qiáng)?;煜仃?yán)锪硪环N常見現(xiàn)象是 moldy 和 discolored 互相混。這兩個類別的視覺特征本來就相近——發(fā)霉早期和變色的色差范圍存在重疊。處理方式不是加更多模型復(fù)雜度而是回去看標(biāo)注如果數(shù)據(jù)集里這兩類的標(biāo)注邊界本來就模糊需要先做標(biāo)注復(fù)審再有針對性地補(bǔ)充邊界樣本。4.3 測試集和驗證集的邊界還有一個工程細(xì)節(jié)容易踩坑驗證集參與過模型保存嚴(yán)格說已經(jīng)“污染”了模型選擇過程。最終匯報數(shù)字必須用完全沒有參與訓(xùn)練的 test 集。這份數(shù)據(jù)集自帶的 test 目錄就是干這個用的有些偷懶的做法直接把 val 當(dāng) test 用指標(biāo)虛高兩三個點(diǎn)放到產(chǎn)線上立刻現(xiàn)原形。我在做分選設(shè)備項目時吃過這個虧后來凡是評估必跑 test 集跑完才敢寫驗收報告。建議你在模型訓(xùn)練時每一步都記錄 val 指標(biāo)最終再用 test 集跑一遍完整評估流程兩邊數(shù)字的差距就是模型泛化能力的客觀參照。5. 避坑與常見問題排查5.1 訓(xùn)練 Loss 不下降現(xiàn)象模型訓(xùn)練 10 個 epochloss 一直在 1.6 附近橫向震蕩精度在 20% 左右徘徊和隨機(jī)猜測差不多。原因?qū)W率偏大加上 BatchNorm 的動量參數(shù)沒調(diào)。小數(shù)據(jù)集遷移學(xué)習(xí)時如果 BN 的momentum默認(rèn)值 0.1 在 batch 較小的情況下統(tǒng)計量抖動大BN 層會把特征分布拉偏。另一個常見原因是類別不平衡如果數(shù)據(jù)集中 normal 占了 60%其他四類瓜分剩下 40%模型收斂到“全預(yù)測 normal”的局部最優(yōu)解loss 也會停在高位。解決先把學(xué)習(xí)率從 0.001 降到 0.0003 跑 5 個 epoch 看趨勢。不行就把 BN 動量從 0.1 改成 0.05model.train()時用帶track_running_statsTrue的 BN 層。學(xué)習(xí)率和 BN 動量的影響權(quán)重在這個量級的數(shù)據(jù)集上比模型結(jié)構(gòu)更大。5.2 驗證集指標(biāo)高但實際部署效果差現(xiàn)象test 集準(zhǔn)確率 96%放到傳送帶上用機(jī)械臂夾持相機(jī)拍回來的圖像測準(zhǔn)確率掉到 85%。原因數(shù)據(jù)集圖像是在實驗室固定光源下拍攝的背景干凈、光照均勻。產(chǎn)線環(huán)境有自然光干擾、傳送帶震動導(dǎo)致運(yùn)動模糊還有灰塵和油漬。這是數(shù)據(jù)分布偏移問題不是模型問題。解決把產(chǎn)線采集的圖像按比例混入訓(xùn)練集微調(diào)模型混入比例建議從 20% 開始。如果產(chǎn)線光源顏色和數(shù)據(jù)集差異大可以用transforms.ColorJitter(brightness0.2, contrast0.2)做色彩增強(qiáng)緩解一部分域差異。不要指望模型自動適應(yīng)不同光照不得不服“這很玄學(xué)“——同一模型換個光源效果就變老老實實做數(shù)據(jù)擴(kuò)展比調(diào)參更有效。5.3 標(biāo)注文件與圖像目錄不匹配現(xiàn)象數(shù)據(jù)集加載時報FileNotFoundError定位到具體文件后發(fā)現(xiàn) CSV 里寫的是相對路徑但圖像實際在另一個子目錄下。原因標(biāo)注文件是分批標(biāo)注后合并的早期批次的路徑風(fēng)格和后期不一致。比如有些行用反斜杠\有些行用正斜杠/在 Windows 開發(fā)環(huán)境能跑Linux 服務(wù)器上直接崩。解決統(tǒng)一用Path對象處理加載 CSV 后強(qiáng)制把路徑分隔符替換為os.sep再做一次Path.exists()批量檢查。這步是廉價保險跑了不虧不跑遲早吃虧。5.4 類別不均衡導(dǎo)致小類被忽略現(xiàn)象模型在 normal 類上召回率 98%但 insect_damaged 類的召回率只有 40%分類報告上的 macro avg 被拉低了。原因數(shù)據(jù)集本身的類別分布不均勻蟲蛀樣本的標(biāo)注條件苛刻——蟲眼小、顏色變化輕微不太容易通過肉眼從 RGB 圖像中準(zhǔn)確識別所以標(biāo)注數(shù)量天然偏少。解決在不引入合成數(shù)據(jù)的前提下對樣本少的類別使用更高的采樣權(quán)重。PyTorch 里用WeightedRandomSampler按類別樣本數(shù)的倒數(shù)算權(quán)重讓每個 batch 里小類別的樣本比例提升。另外給小類別單獨(dú)開大旋轉(zhuǎn)角度從 10 度改成 20 度把這類的樣本利用率提上去。5.5 訓(xùn)練時 GPU 顯存不足現(xiàn)象batch_size32加載模型時報CUDA out of memory。原因如果你用的是 ResNet50 而不是 ResNet18或者輸入分辨率設(shè)到了 384 而不是 224顯存消耗會成倍增長。5,500 張圖像規(guī)模根本不值得用 ResNet50。解決先切換到 ResNet18。還不行就把batch_size減半并同步把學(xué)習(xí)率調(diào)到原來的 0.8 倍。最后的備用方案是開啟 AMP混合精度訓(xùn)練顯存占用能降 40%scaler torch.cuda.amp.GradScaler() with torch.cuda.amp.autocast(): outputs model(images) loss criterion(outputs, labels) scaler.scale(loss).backward() scaler.step(optimizer) scaler.update()AMP 的代碼侵入很小就是加三行效果卻非常明顯。注意用 AMP 的時候不能手動對 loss 做除法再累加梯度縮放算法已經(jīng)被GradScaler內(nèi)部處理好了。6. 進(jìn)階技巧用混淆矩陣定位翻車樣本按批次復(fù)核預(yù)測錯誤模型評估完不是終點(diǎn)。我會把測試集里所有預(yù)測錯誤的圖像按類別 — 預(yù)測結(jié)果分組導(dǎo)出到獨(dú)立文件夾按批次人工翻看。這個習(xí)慣幫我抓到過好幾次數(shù)據(jù)標(biāo)注錯誤比調(diào)任何超參都值。下面一段腳本實現(xiàn)了錯誤樣本導(dǎo)出import shutil from pathlib import Path test_root Path(soybean_defect_dataset/test) error_dir Path(error_analysis) error_dir.mkdir(exist_okTrue) all_files [p for p in test_root.rglob(*.jpg)] assert len(all_files) len(all_preds), 文件數(shù)不一致檢查加載順序 for idx, (true_label, pred_label) in enumerate(zip(all_labels, all_preds)): if true_label ! pred_label: src str(all_files[idx]) true_name class_names[true_label] pred_name class_names[pred_label] dst error_dir / f{true_name}_as_{pred_name}_{idx:05d}.jpg shutil.copy(src, dst) print(f錯誤樣例: {true_name} - {pred_name}, 原圖: {src})這段代碼先確保測試集文件列表和預(yù)測結(jié)果數(shù)量一致——數(shù)量對不上就一定有問題比如 DataLoader 的 shuffle 沒關(guān)或者 Dataset 內(nèi)部有過濾邏輯。然后逐條比對真實標(biāo)簽和預(yù)測標(biāo)簽把錯誤樣本按“真實類別_as_預(yù)測類別”的命名方式復(fù)制出來。這樣打開 error_analysis 目錄時一眼就能看到哪兩個類別最容易混淆。翻看時重點(diǎn)看兩類一類是模型明顯錯了的另一類是人眼也拿不準(zhǔn)的。后者往往說明標(biāo)注本身有歧義需要回去查原始標(biāo)注記錄它比模型權(quán)重更值得修正。從那以后我每次完成一輪訓(xùn)練不管效果多好都會強(qiáng)制走一遍錯誤樣本導(dǎo)出和人工復(fù)核這個流程。這步已經(jīng)成了我所有分類項目交付前的固定動作。希望幫到你——這份 5,500 張已標(biāo)注的大豆種子缺陷圖像分類數(shù)據(jù)集值得在你下一次模型改進(jìn)時親手跑一遍驗證完再下判斷也不遲。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
anquye伊人| 99免费视频在线观看爱| 女人露出p毛视频www网站| 青青艹b| 欧美成人精品三区综合A片| 婷婷九月综合| 婷婷五月天AV| 国产成人99久久亚洲综合精品| 婷久看人爽| 五月丁香婷中文| 国产亚洲av片| 五月婷婷久久爱| CHINESE熟女老女人HD视频| 欧洲亚洲免费视频9| 婷婷五月天中文字幕| 色视五月天婷婷| 热99国产精品| 碰超99| 婷婷色六月| 色婷婷五月天av在线| 色情综合网| 99re免费精品视频| 99干视频| 欧美激情综合色综合啪啪五月| www.日日夜夜.com| 激情综合色播| 五月色丁香视频精品| 伊人超碰| 天天操天天操| 插插干干干色| 五月婷婷丁香伦理网| 五月丁香| 久久精彩免费视频精彩免费视频| 99久在线精品99re8热| 精品久热69| 日本久碰| 婷婷综合久久综合| 九九色黄色| 丁香五月影| 另类少妇人与禽zOZZ0性伦| 天天日夜夜爽| 色婷婷综合网| 开心激情站| 久热九九| 色色色综合网| 久久激情五月| 97五月天| 日本高清久久| 69精品人人人人| 九九在线视频| 亚洲九九夜夜| www.五月天| 激情小说五月天| 国产精品美女| 亚洲精品又粗又大又爽A片| 久久精品人妻| 天天干天天插| 久久久99精品免费观看| 九九一区| 玖玖91| 亚洲日韩操B| 少妇人妻丰满做爰XXX| 国产小精品| 乱精品一区字幕二区| 激情五月天丁香| 色婷婷丁香五月| 九九视频在线| 超碰99在线| 欧美成人精品A片免费一区99| 99热精品在线| 91凹凸在线| 久热网站| 色五月婷婷五月| 99色网站| 大香蕉99| 五月激情六月宗合| 九九99久久| 曰韩少妇内射免费播放| 五月婷婷影视| 伊人丁香五月婷婷潮吹| 任你搞网站| 激情丁香九九五月综合网| 玖玖爱综合网| 99这里有精品久久97| 99国产小视频2013| 婷婷五月丁香激情色情| 丁香婷在线| 五月婷视屏在线观看| 五月婷婷激情久久| 九色无码| 久久99久久99精品免视看婷| 97色色色| 国产欧美精品AAAAAA片| 大香蕉视频婷婷| 午夜福利成人AV91| WWW.久久久久久久| 秋霞电影一级黄| 丁香五月天激情五月天激情五月天激情网 | 激情综合网五月婷婷| 99热思思| 亚洲愉拍99热成人精品| 五月综合激情图片| 色情五月婷| 日本综合色色| 久久这里面只有精品视频| 国产欧美日韩一区二区三区| 五月丁香婷婷成人综合网| 中文乱子伦视频| 夜夜谢天天干| 亚洲综合激情五月久久| 国产AV一区二区三区最新精品| 日B日潘金莲BB| 99啪视频在线观看| 五月婷婷丁香综合| 五月丁六月香av| 天天爽天天摸| 91丨九色丨熟女丰满| 久热9| 色色色热| 亚洲影院婷婷色| 九伊人网| 欧洲激情网站| 激情都市五月天| 日日.c| 久青操| 天天操婷婷| 亚洲精品V天堂中文字幕| 久久久久久99日本| 99热免费精品| 加勒比色色| 婷婷五月六月丁香综合| 超级碰碰91| 婷婷五月天成人| 免费无码毛片一区二区A片 | 办公室少妇激情呻吟A片在线观看 白人荫道BBWBBB大荫道 | 激情五月婷婷啪啪| 性爱AV天堂| 五月丁香网中文字幕| 丁香久久久| www.色五月| 五月丁香婷婷色色| 黄桃AV无码免费一区二区三区 | 五月丁香六月激情综合网| 六月丁香射婷婷欧美色图片| 色欲一二三| 九色视频91| 第九色区av天堂| 26uuu色五月| 97久人人| 一本道综合网| 超碰猛烈的性猛交| 无码激情AAAAA片-区区| 色99免费视频中文| 一区二区三区视频| 亚洲婷婷成人五月天| 九九热精品在线| 婷婷五月天电影网| 色婷婷人人| 中文字幕av久久爽一区| 午夜无码精品色综合久久| 亚洲丁香五月天视频| 色五月天在线观看| 激情玖玖综合网| 激情五月丁香社区| 久久99这里只有精品视频| 色五月婷婷老师| 亚洲超碰在线| 99久久.www| 青青草原中文字幕| 日日夜夜狠狠操| 五月婷婷激情综合网| 女婷久久| 99网址在线观看| 亚洲在线综合| 五月婷AV| 九九av| 五月天丁香久久综合 | 大香蕉久久视频久久视频 | 婷婷五月在线视频| 风流少妇A片一区二区蜜桃| 超碰免费电影| 色五月无码| 5月丁香啪啪啪| 五月激情偷拍| 日韩天堂久久| 成人必爱视| 六月婷婷五月天| 亚洲激情av| 亚洲欧美国产A片免费观看| 99热99ai| 五月天婷婷AV| 色色综合网www| 久久人人超| 天天综合亚洲综合| 色婷婷久久| 天天肏视奸| 丁香六月婷婷开心| 五月激情婷婷丁香天堂| 免费视频WWW在线观看网站| 日韩美女羞羞网站在线观看| 五月五丁香婷婷| 丁香五月天.com| 亚洲欧洲中文日韩久久AV乱码| 色五月偷偷| ss五月天激情| 亚韩在线视频| 久久五月天精品视频| 婷婷色女| 九九色播五月丁香| 欧美槡BBBB槡BBB少妇| 日韩 中文 欧美| 亚洲男人的天堂婷婷色五月| se99视频| 色综合视频| 国产26uuu视频| 欧美色色色色色| 色婷婷av综合网| 99色区| 色偷偷五月天| 俺来也狠狠| 九九国产视频| 亚洲婷婷五月天| 亚洲成人无码专区| 热99国产精品| 97se视频在线| 国内久久婷婷| 五月丁香网中文字幕| 九月激情网| 色综合播放| 天天做天天爱天天爽在| 色婷婷五月综合| 婷婷性爱综合| 久久 这里只有精品1| 丁香六月久久| 久久9999| 五月婷婷第四色| 成人午夜视频精品一区| 激情网站五月| 色五月91| 婷婷九月狠狠色| 亚洲最大五月天成人网| 国产肥白大熟妇BBBB视频| 亚洲永久免费| 天天综合 99久久婷婷| 91热视频| 色五月五月丁香| 99在线精品观看99| 久久久欧美精品sm网站| ji'qi'luan'ren'lun| 亚洲视频在线观看| 丁香婷婷综合激情五月色,开心五月丁香花综合网,激情综合五月亚洲婷婷,五月天 | 狠狠操天天干| 天天日天天添| 婷婷的99视频网站| 久久超视频| 五月丁香龟婷婷| 中国丰满熟女A片免费观| 五月婷婷av| 天天综合久久| 日韩精品电影| 丁香六月色婷婷| 性欧美大战久久久久久久83| 色色色99韩| 深爱激情五月婷婷| 九九AV在线| 久久久噜噜噜久久人妻| 思思热99热| 狠狠狠狠狠狠色| 五月天色丁香| 九九久久玖玖爱| 青青草六月丁香| www.婷婷| 九九sese| 99久在线精品99re8| 97在线综合| 色玖玖综合| 五月天大香蕉AV| 五月综合色播播丁香婷婷| 国产XXXX搡XXXXX搡麻豆| 天天色·欧美| 99热这里| 婷香五月网在线| 九九色精品| 91九色|疯狂|高潮|对白|| 五月丁香啪啪| 一操久久| 色五月综合资源推荐| 在线日韩av| 久久思思热视频| 日逼AV影音先锋男人资源站| 丁香涩涩五月天| 欧美性生交XXXXX无码小说| 天天日日人| 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 | 九九操操| 九九黄色网| 成人综合AV| 欧美99视频| 五月天激情网址| 天天日天天草| 琪琪色影音先锋| 99爱视频在线| 婷婷终合色图| 91日视频| 殴美激情综合网| 六月婷久久| AV色婷婷| 久久性视频| 亚洲综合九九| 婷婷丁香人妻天天爽| 成人国产综合| 激情四射五月天| 婷婷精品在线| 婷婷激情小说| 丁香六月天AV| 欧美电影在线播放| 九九色99| 亚洲成人一区| 秋霞电影一级黄| 99re久久| 很操日本7| 欧美日本日韩| 五月色欧洲| 成人美女网| 激情五月婷婷综合视频| www九九免费视频| 3www激情| www久久久久久| 色五月婷婷小说亚洲中文字幕组| 九九色之九九色之88| 99乱视频| 天天色天天搡| 成人综合网站| 日韩av网址大全| 超碰在线个人观看| 久久亚洲天堂| 五月婷婷色色色| 日本色色色| 色欲婷婷夜夜| 久久久久久久久久久-久五月天婷婷| 台湾佬天天日丁香婷婷五月天| ztEJj| 夜丁香五月婷婷| 99热在线网站| 色婷婷成人网| 性色播| 最近中文字幕大全免费版在线| 五月亭亭六月激情| 久在线综合69| 国产午夜精品一区二区| 色一情一乱一乱一区91Av| 午夜一区| 亚洲精品五月| 亚洲色综合色网| 91丁香五月| 五月丁香婷婷色| 免费精品99| 五月婷婷精品视频| 五月婷婷亚洲色图| 激情五月天色网站| 婷婷久久免费看| 丁香8月手机综合| 五月天停停成人网| 性爱激情小说AV五月丁香花| 成人五月天丁香| 欧美五月丁香啪啪响视频| 国产AV一区二区三区最新精品 | 天久综合91综合首页| 婷婷丁香五月亚洲| 99热新网址| 99热精品在线在线| 日韩十国产极品久久| 九九九九中文字幕| 91ncom.色| 丁香五月AV综合| 久久久久久久11111111111| www.色五月.com| 97日在线视频| 东京热免费视频| 天天射天天射一道本日本社区 | 色呦精品| 类似婷婷激情综合网站| 99er这里只有精品| 超碰在线免费观看日韩| 成人va在线播放| 中文字幕不卡+婷婷五月| 99色色视频| 婷婷开心综合人妻小说网址| 婷婷五月天情色| 思思久久99| 色情久久久| 激情宗合 激情宗合| 色婷婷丁香五月| 五月婷婷在线网站| 成人在线综合| 99久久国产宗和精品1上映| 丁香五月综合在线观看| 久久久久9| 国产亚洲精品久久久久苍井松| 精品久久久人妻| 天天色播| 亚洲成AV人片在线观看| 大香蕉五月丁香| oVV4WIB3vFi8D| 伊人久久大香线蕉综合网站| 五月天激情综合| 婷婷六月激情在线视频| 91色色色| 91久久国产自产拍夜夜91久久精品文字>91麻豆精品国产 | 1024人妻| 91婷婷丁香五月亚洲| 婷婷四色五月| 日日肏夜夜干| 久久色婷婷| 99久久66综合| 五月天丁香综合| 99热日本| 九九这里是免费的视频5| 国产毛片精品一区二区色欲黄A片| 97热这里只有精品| 久久人妻乱子伦| 丁香社92视频| 色噜噜狠狠色综合日日| 99爱精品| 激情黄色五月天| 国产精品人妻在线网址| 国产偷人爽久久久久久老妇APP| 五月天婷婷基地| 青青草搞屄视频网站| 日日噜噜久久婷婷五月天| 久久久久久人妻| 九九热国产| 激情五月天色| 99热在线爱| 国产avapp 网| 婷婷五月六月激情| 狠狠色色| 成人网丁香五月| 日本99在线| 玩熟女五十AV一二三区| 97精品综合久久| 色综合综合网| 狠狠艹狠狠艹| 天天综合久久| 久久99久久99精品,久国产,久久精品免费,99久在线,久久久久国产精品免费网站,9 | 91碰九色| 99精品偷自拍| 噜噜干日本| 人人操人av| 丁香五月久久| 日本全黄一级999| 性爱久久| 中文字幕不卡+婷婷五月| 婷婷色五月情| 精品婷婷五| 亚洲XX网| 波多野结衣不卡AV| 日韩成人网址| www999日韩精品| 就去涩涩丁香五月天| 99成人网一区| 五月丁香婷婷啪啪综合| 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 | www.五月天色色.com| aaa日韩| 激情六| 亚洲婷婷激情综合激情999精品| 无码激情AAAAA片-区区| 亚洲第一第二网站| 狠狠干在线| 丁香社区婷婷五月| 99r这里只有精品哦| 中文字幕综合| 丁香青青五月天| 午夜性做爰电影| 五月婷婷av| 在线观看中文字幕| 亚洲性色XXXXX| 五月天婷五月天综合网小说首页-五月天激激婷婷大综合,婷婷亚洲综合五月天小说 | 啪啪黄页网| 天天日天天肏天天奸| 夜夜骑夜夜操| 婷婷伊人综合中文字幕| 淑女丝袜bi操逼123| www.狠狠色.com| 狠狠综合网| 九九中文字幕九| 婷婷伊人五月天| 97精品综合久久| 日本色99| 996er热| 丁香五月第四色88| 婷婷五月丁香在线观看| 欧美日韩成人在线| 九色91美女| 天堂久久大香蕉| 五月天久久婷| 欧美顶级少妇做爰HD | 伊人网色婷婷五月天| 激情综合网五月婷婷| 五月丁香性爱| 五月丁香综合影院| 激情五月天婷婷丁香 | 五月婷婷69| 婷婷五月天亚洲综合| 天天色综合色| 99热无码精品| 色热久资源| 五月丁香激情四射综合| 亚洲五月激情| 日日操夜夜操无码免费| 五月天婷婷色色首页| 亚洲欧美成人在线观看| 狠狠色 综合色区| 色激情五月天| 色五月丁香伊人五月| 人人干AV| 五月天色综合服务平台| 99这里精品| 婷婷五月综合婷婷| 天天射影| 激情综合5| 97色片| WWW,五月| 国产99久9在线| 艹色18p| 99热午夜精品| 五月激情综合网婷婷| 免费观看18视频网站| 99热在线观看| 亚洲va成人va成人va在线观看| 欧美日韩99| 亚洲av网站在线观看| 1区2区视频| 五月婷婷综合丁香视频| 婷婷久久色| 99热99热在线| 91成人性爱视频| 色色网五月激情| 亚洲人成人五月天| 丁香五月天视频在线播放| 日韩婷婷五月天| 五月天激情在线视频| WWW丁香五月| 色婷婷五月六月丁香综合视频| 久久婷婷五月| 色热久资源| 五月天狠狠网站| 婷婷免费无马| 99日本黄站| 超碰成人在线观看| 丁香六月激情综合| 综合亚洲色色| 99re这里只有精品国产99| 婷婷色五月噜噜| 五月花婷婷在线精品视频| 色色色色色色色色色色色色色色,网站| 成人va在线播放| 丁香久久| 天天天天干| 五月综合在线| 五月婷六月| 成人在线不卡| 丁香婷婷五月| 丁香五月天啪啪| 国产毛片欧美毛片久久久| 嫩草AV久久伊人妇女超级A| 99在线精品视频| 国产暴力强伦轩1区二区小说| 欧美人与性动交CCOO| 久久精品一区二区三区四区| 丁香五月综合网| 超碰在线免费观看3 9| 国产高潮白浆一区二区| 狠狠色网| 久99久精品视频| 亚洲第一黄网| 亚洲综合在线伊人婷| 色五月综合婷婷久久综合婷婷久久综合婷婷久久综合婷婷久久 | 五月天婷婷AV| 91久热| 丁香五月天激情视频| 激情综合婷婷| 无码人妻丰满熟妇奶水区码| 婷婷福利影院| 9久久久| 97影院一级片| 丁香婷婷人妻| 五月丁香六月婷婷不卡免费无码| 天天射综合网夜夜操| 丁香五月中文字幕久色| 天天操婷婷| 久久狠狠干| WWW.99热| 婷婷久久综合久| 夜夜嗨一区二区三区直播内容| 丁香五月天久久| 大香蕉天堂色| 色九亚洲| 五月天婷五月天综合网小说首页-五月天激激婷婷大综合,婷婷亚洲综合五月天小说 | 天天色天天色天天色天天色天天色| 婷婷五月天狠狠| 色色A| 99精品热视频| 欧洲色色| 五月婷婷影视| 色婷婷激情五月天| 1024人妻| 99久久思思| 色五月婷婷久久大| 99视频这里有精品| 99热国产| 丰满少妇猛烈A片免费看观看 | 五月激情综合网| 欧美婷婷丁香社区在线播放| 日韩大片艹艹| 欧美日综合| 色播五月丁香婷婷| 五月情色天| 久99视频在线观看| 专区无日本视频高清8| 婷婷伊人综合| 色九月婷婷综合| 青青操绿aaa一区日v| 五月久久亚洲| 狠狠色大香蕉| 亚洲AV成人在线| 人人妖人人97| 色色色在线| 免费国产VA国产免费| 婷婷激情五月综合丁香社| 久久婷婷五月综合| 91色婷婷综合久久中文字幕二区| 日本久久色| 一本色道久久88加勒比—| 九九热这里只有精品556| 久久九九99亚洲国产久精综合| 五月丁香综合网| 婷婷五月天AV| 亚州第一黄网| 大香蕉五月丁香| 成人网丁香五月| 色综合99| 99色婷婷| 婷婷狠狠狠爱| ay2区| 五月丁香六月激情啪| 五月色丁香| 99国产精品久久久久久久久久久 | 99精品视频在线观看| 六月婷在线| 激情五月综合网| 久色国产| 九九热中文| 国产偷人爽久久久久久老妇APP| 97五月综合网| 五月情四婷婷| 免费亚洲婷婷| 中文字幕丰满孑伦无码专区| 亚洲AV无码一区二| 丁香婷婷丁香五月欧美人| 五月丁香六月婷婷操操操| 天天干天天操天天拍| 婷久久久| 久久久这里都是精品| 99aese| 99热精品在线| a网站免费观看| 丁香五月久久社区| 99久热| 色情综合网| www99热| 色综合婷婷99| 亚洲操人| 丁香五月婷婷激情蜜桃| 婷婷五月影院| 国产44页| 国产六月婷婷| 日韩成人AV在线播放| 色狠狠色综合久久久绯色aⅴ影视| 伊人www22综合色| 色丁香婷婷美女视频网站| 婷婷久久99| 婷婷97色| 婷婷久久五月天| 亚城区在线| 性爱视频久久| 五月婷婷六月丁香首页| 综合激情综合啪啪| 五月天激情图片| 黄色av高清| 成人五月天在线观看| 79精品视频| 激情五月婷婷| 亚洲性视频| 开心五月激情五月丁香五月婷婷| 婷婷金品综合视频| 午夜日韩久久久网站| 色青青五月| 中文字幕AV网址| 婷婷影视久久| 婷激情五月天视频导航| 超碰爱爱爱| 欧美十二区| 天天操天天日天天爱| 操骚货在线| 2050人人操免费工开爱 | 色欲色香伊人| 久久精品国产精品| 性爱AV天堂| 丁香六月婷婷综合| 丁香五月狠狠在线观看| 超碰国产在线| 激情第四色| 婷婷五月天VI| 五月情丁香色| 日本熟妇精品99| 婷婷激情五月天激情小说| 色综合xx| 五月丁香| 亚洲熟女乱色综合亚洲网站| 激情综合五月色丁香婷婷 | 性做爰1一7伦| 99热这里是精品| 婷婷色导航| 夜夜嗨一区二区三区直播内容 | 日韩成人电影在线播放| 强奸幻女毛片| 欧美综合丁香网| 久久亚洲激情五码| 色在线99| 99久久6| 免费视频WWW在线观看网站| 人人操99| 婷婷五月天天爽| 亚韩精品视频1区| 婷婷久久视频| 九九热在线视频观看| 91成人看片| 天天精品视频免费观看| 国产毛片操B| 91男人操女人视频| 婷婷五月综合色中文字幕| 五月伊人网| 超碰爱爱爱| 99热6精品| 五月丁香婷婷狠狠操| α久久| 三男玩一女三A片| 婷婷激情丁香五月婷婷激情丁香五月婷婷| 久久久久9| 伊人网碰碰| 久久婷婷六月综合综合| 亚洲另类毛片| 五月婷婷婷婷| 精品国产a| 亚洲小视频| 五月丁香亭亭电影久久| 操逼123网| 免费观看欧美成人AA片爱我多深| 99精品视频在线6| 五月天激情小说网| 激情网第九色| 99亚州综合精品成人网| 久久久18| 开心五月婷婷激情| 九九九九国产| 亚洲精品亚洲人成人网| 色色五月天丁香| 久久婷婷网站| 亚洲在线操| 大香蕉99热| 99网址在线看| 影音先锋噜一噜| 9久久久久| 九九99精品视频| 久久婷婷五月综合精品蜜芽| 日本激情91| 日韩色五月| 五月色婷婷影院| 99大香蕉| 九九RE视频在线精品| 五月丁香婷婷基地| 啪啪啪大香蕉| 天天色综合天天| 丁香五月激情五月| www.91.com处女在线直播| 综合激情婷婷| 66久久视频在线| 亚洲妇女熟BBW| 四虎婷婷五月天| 99年操人人爽| 亚州精品久久久久AV无码| 99色嘟嘟精品网站| 亚洲成人在线五月天| 午夜福利8055| 丁香五月成人婷婷| 97婷婷丁香| 99热这里只有精品1025| 六月丁香久久| 播播网色播播| 婷婷五月天 偷拍| 香蕉久久国产AV一区二区| 亚洲五月天狠狠| 久久久高清| 婷婷激情社区| 亚洲av无码精品色午夜| 99精品一二三四视频| 婷婷五月天综合网| 99热都是精品| 婷婷五月天激情在线观看| 97夫妻超碰| 99色爱| 婷婷综合另类| 丁香 久久| 久草大| 久久九九国产精品怡红院| 欧美色骚婷婷五月天| 免费三级黄色| 久久人妻视步| 成人网站av免费网站推荐| 激情伊人| 久青青久| 黄桃AV无码免费一区二区三区| 精品免费99| 综合爱久久| 婷婷欧美综合| 综合激情五月四射婷婷| 免费视频WWW在线观看网站| 丁香激情婷婷网| 色色婷婷婷丁香五月天| 婷婷综合亚洲| 9er热在线精品视频| 无遮挡国产高潮视频免费观看| 天天舔天天摸天天透| 成人短视频免费| 五月丁香亭亭操逼| 开心六月丁香五月婷婷| 亚洲无AV在线中文字幕| 五月停停激情网| 色在线99| 色无码| 婷婷成人综合五月| 91窝窝| 久99视频在线观看| 激情婷婷内射| 免费碰碰视频久| 六月丁香网| 91操人| 爱久久小说下载网| 这里只有精品免费视频| 色色免费网站| 五月天激情国产综合婷婷婷| 日日夜夜小色哥| 无码yw| 五月天色综合| 婷婷色情小说| 五月久久网| 天天插天天射| 五月色俺婷婷| www一起操| 五月色综合| 婷婷五月天亚洲图片| 丁香婷婷性久久| 欧美婷婷综合| 日日操人人操| AV成人在线播放| 久久精品99| 色五月丁香五月婷婷五月成人网| 成人中文字幕在线| 91chinese在线| 国产精品久久7777777精品无码| 啪啪夜久久| 五月天激情网图片| 思思久久青草热| 青青草轻轻操| 国外亚洲成AV人片在线观看| 日韩AV大全| 中文字幕永久免费| 亚洲亚洲人成综合网络| 色色色色网站| 这里只有精品偷拍| 91男人资源站| 99精品自拍视频| 襙比视频| 五月激情射| 午夜大香蕉| 婷婷五月天黄色小说| 亚洲五月婷| 色婷青青| 亚洲黄色精品| 九九九午夜影院成人| 69人妻人人澡人人爽久久| 婷婷99狠狠| 激情五月天无人视频在线| 婷婷五月亚洲综合| 色色色激情网| 久久人人九九| 六月婷婷网站| 天天操婷婷| 91打屁股免费看| 色欲久久久久久综合网综合网| 久久99最新| 六月激情丁香一道本7777| 久久性爱视频| 99爱视频在线| 激情五月天婷婷久久久久久久久久久 | 色色丁香色五月| 色色色综合网| 99在线精品视频在线观看| 色噜噜狠狠色综合AV兰草影视| 亚洲黄色操逼| 在线观看中文字幕| 五月丁香六月激情综合欧美| 色五月婷婷婷婷婷婷婷婷婷婷| BlACKEDRAW视频一区二区| 丁香六月婷婷久久综合| 可以免费看AV网站| 六月丁香婷婷视频综合在线观看| a毛片二逼wwwwwwwwww| 欧美日韩aaa| 婷婷五月综合亚洲| 久er7久热| 91无码高清| 日日躁夜夜躁狠狠久久AV| 中文字幕综合| 丁香五月天BBw| 丁香九月婷婷综合| 97综合视频在线| 热99在线| 天天日天天草| 丁香六月视频| 婷婷久久久久| 日本波多野结衣视频| 日日综合网| 天天日,天天干,天天操| 亚洲精品乱码久久久久99| 久久婷婷五月综合啪| 欧美69久成人做爰视频| www.99久| 操日挥操日日| 久久视频这里都是精品| 日韩超碰在线| 思思热99er| 我爱大香蕉| 激情五月综合网| 五月丁香狠狠地噜噜噜噜| 99re这里只有精品99| 97香蕉人人在线观看| 青青久在线视频免费观看| 99久在线视频| jiqingliuyuetian| 丁香六月中文| 色玖玖综合网| 久久资源综合| 亚洲成av人影院| 色综合久久天天综合网| 久热这里只有精品视频免费观看| 五月天六月丁香| 激情视频91| 亚洲成人丁香花| 五月婷婷五月天| 五月丁香性爱| 亚洲天天| 五月色婷婷AV| 九九热这里只有精品5| 婷婷五月天大香蕉| 91夫妻网站九色| 91超级碰碰| 91成人视频| 国产综合网在线| 日韩六十路91性交电影| 亚洲国产婷婷色五月| 天天综合久久| 三日本无码| 天堂成人A片永久免费网站 | 97在线精品| 99热色婷婷| 香港九九六区八区99| 色丁香五月婷婷| 日本人妻A片成人免费看片| 99国产在线| 激情五月天婷婷视频| 五月婷婷与六月丁香图片激情| 99热精品观看| 亚洲在线成人| 久777| 777精品久无码人妻蜜桃| 成人短视频在线观看| 99色视频| 香蕉AV777XXX色综合一区| 一二三区视频韩国| 天天天天天天天干| 久久九色| 丁香五月综合激情性爱| 九九精品re免费视频| 丁香五月婷婷天激情| 五月丁香啪| 婷婷五月激情图片| 中文字幕av在线| 色色国产| 婷婷五月18永久免费视频| 天天艹天天色| 色五月婷婷成人视频| 噜噜噜噜噜在线| 96精品久久久久久久久| 色婷婷久久视屏| 91欧美日韩| 9热超碰| 熟女人妻视频| 欧美日韩999| 操碰97| 久久色婷婷| 久色激情| 综合久久99| 五月丁香人妻| 天天综合网亚洲网站| 99.色| 五月丁香在线国产 | 色色色色综合| 精品人妻久久久久| 99r这里| 久久久区区一久久久久久| 丁香五月婷婷成人综合| 激情五月综合视频| 免费国产VA国产免费| 婷色五月| 国产激情综合| 五月婷婷丁香综合| 成年人夜夜喷水| 亚洲色图五月丁香| …亚洲黄色在线播放日韩、av中文a…| 丁香色五月AV在线| 大香蕉在线观看9| 6 9式性爱视频在线播放| 久久婷青青草原| 婷婷五月花.97| 精品人妻一区二区三区在| 人与禽A片啪啪| 人妻内射一区二区在线视频| 99久久国产宗和精品1上映| 婷婷五月天激情四射| 大香网伊人久久综合| 丁香五月婷婷基地| 337p大胆噜噜噜噜噜91Av| 精品色色| 久久色情| 狠狠操狠狠爱| 五月激情在线| 极品少妇XXXX精品少妇偷拍| 99无码视频| 婷婷性爱| 国产毛多水多女人A片| 国产亚洲精品久久久久久郑州| 婷婷在线视频| 八戒青柠影视剧在线观看| 午夜成人片400| 免费无码毛片一区二区A片| 99国产精品久久久久久久久久久| 欧美性生交XXXXX无码小说| 久久人妻少妇嫩草AV| 91|疯狂丨高潮丨对白| 日韩成人中文| 老师高潮流白浆喷水的A片| 嫩草免费视频| 92久久久| 五月天怕怕| 婷婷色偷拍| 三级毛片7979| 综激情网| 三级黄网站| 99er这里只有精品| 怕怕av| 五月婷婷色丁香| 久久五月婷婷开心网| 色区域网站视频| 岛国AV网站| 99热这里只有精品中文字幕| 丁香婷婷激情| 久久人人九九| 狠狠草狠狠草| 色综合久| 国产精品成人AV在线观看春天| 九月丁香久久网| 97在线日韩| 99热在线观看99| 99精品久久久久| 精品婷婷| WWW色综合| 最新精品视频99| 丁香六月天婷婷开心综合| 五月丁香六月婷婷开心网| 欧美日本另类| 色丁香婷婷| 色九月| 丁香五月婷婷基地| 超碰免费成人网站| 日韩精品一曲二曲三曲四曲五曲| www色婷婷com| 日本色天堂| 九九视频免费| 五月激情婷婷色| 激情五月丁香综合网站| 天天摸天天透天天舔| 99久在线精品| 久色| 欧美成人在线观看| 色综合久久8| 国产午夜精品一区二区| 国产99久久久| 99热思思在线观看| 26UUU精品一区二区c〇m| 亚洲亚洲永久无码777777| 91se在线观看| 99久久极情精品一区| 性做久久久久久久免费看| 老司机视频lsj爱就色| 午夜丁香 婷婷| 日本69日人视频| 婷五月天在线草| 久热A| 丁香婷婷色情| 亚洲色网址| 丁香网五月天| 超碰97色| 婷婷性爱网| 99热久只有| 色五月丁香六月婷婷| 欧美成人性爱网| 天天狠狠夜夜狠狠2023| 黄色五月婷婷| 91碰碰| 九久九精品| 欧美性爱中文字幕| 人妻性爱av网站| 成年人99热| 色婷婷亚洲婷婷| 99久久激情视频| 思思9久久| 欧美人人超级碰| 日本高清久久| 九九爱看亚洲| 亚洲色五月婷婷| 色五月婷婷亚洲| 91男人操女人视频| 久久亚洲天堂| 色色综合色视频| 婷婷六月天亚州| 丁香五婷婷| 啪啪91| 4438全国最大视频成人网站在线观看| WWW99热| 婷婷热婷婷色| 久久狠狠干| 精品人妻久久久久久| 七月丁香婷婷 色色| 噜噜操操| 99热这里只有精品10| 色五月婷婷影院| 亚洲人妻av| 玖玖色综合色| 色私五月婷婷| 婷婷舔| 青草五月天| 五月成人网站| 任你弄在线视频免费| 91ncm视频| 婷婷五月免费观看| 亚洲精品永久久久久久| 五月天播播| 99日热在线视频| 久久人人九九| 韩国婷婷丁香五月| 五月丁香啪| www.色婷婷| 久久九九九九| 五月色婷婷在线观看| 欧美色色色色色色色| 操人91| 玖玖婷婷免费| 91九色精品女同系列| 天天爽曰日爽| 色五月五月婷婷| 激情五月婷婷| 五月天综合久久丁香91| 狠狠草婷婷| 影音先锋天天日| 亚洲精品V天堂中文字幕| 色色丁香五月| 婷婷五月激情基地| 五月综合久久| 成人精品视频99在线观看免费| 五月天婷婷丁香花| 婷婷激情五月天在线视频| 婷婷另类小说| 女人高潮内射99精品| 激情图片婷婷丁香五月| 丁香五月婷婷动漫视频| 亚洲激情综合| 性一交一乱一交A片久| 五月停停色| 99精彩视频在线观看| www.色色五月天.com| 婷婷D区| 欧美三级欧美一级| 激情综合五月色丁香婷婷| 欧美操人| 免费V片在线| 中文字幕丰满乱孑伦无码专区 | 在线超碰91| 五月婷婷这里都是精品| 一区二区免费看| www.丁香六月婷婷久久天堂影院.con| 激情伊人| 99爱在线视频观看| 欧洲色色| 亚洲黄3级片网站欧美| 五月丁香狠狠爱婷婷综合| 九九re精品视频在线观看 | 天堂色婷婷| 思思久热| 99免费在线视频| 91pornav在线| 亚洲综合色丁香婷婷六月| 久婷| 丁香五月玖玖| 狠狠色噜噜狠狠色噜噜噜999| 欧美色性色好| 久九男女天堂| 九九99免费视频| 五月花激情| 婷婷爱五月| 成人综合视频在线| 色情五月天婷婷| 日日夜夜狠狠| 色播五月天婷婷老师| 米奇影视资源婷婷狠狠色激情欧美五月丁香 | 人妻丰满精品一区二区A片| 五月色丁香| 99亚洲色色| h在线看免费版在线看| 99久久www| 婷婷激情五月天视频在线| 国产成人网站在线观看| 色播播婷婷| 五月婷网站| 99热只有| 亚洲综合1024| 丁香六月成人| 99热国品| 异能之下短剧免费观看全集| 色色色色热| 丁香五月天成人| 狠狠五月激情在线| 色你久久| www99精品亚| 婷婷丁香五月天色区| 久久综合丁香激情五月| 97自拍99| 五月天停停基地| 色情综合网| 久久色婷婷| 热久精品| 无码AV大香线蕉伊人| 五月激情另类| 99色热|