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(yíng)的一線實(shí)戰(zhàn)洞察。

基于CNN的阿爾茨海默癥早期診斷輔助系統(tǒng):PyTorch實(shí)現(xiàn)

基于CNN的阿爾茨海默癥早期診斷輔助系統(tǒng):PyTorch實(shí)現(xiàn) 簡(jiǎn)介一套基于深度學(xué)習(xí)的阿茲海默癥早期診斷輔助系統(tǒng)源碼及配套文檔屬于Python畢業(yè)設(shè)計(jì)項(xiàng)目面向計(jì)算機(jī)、人工智能、自動(dòng)化等專業(yè)學(xué)生、老師及從業(yè)者尤其適合作為課程設(shè)計(jì)、大作業(yè)或畢設(shè)參考。系統(tǒng)以深度學(xué)習(xí)模型為核心覆蓋數(shù)據(jù)預(yù)處理、模型構(gòu)建、訓(xùn)練評(píng)估與輔助診斷界面等環(huán)節(jié)代碼經(jīng)調(diào)試可運(yùn)行便于二次開發(fā)與功能擴(kuò)展。資源包約14.13MB共2000個(gè)文件其中以680個(gè)Python腳本、218個(gè)JavaScript文件、92個(gè)C/C頭文件、62個(gè)CSS樣式表、40個(gè)HTML頁(yè)面為主體并含22個(gè)TXT說(shuō)明與11個(gè)Markdown文檔整體涵蓋算法實(shí)現(xiàn)、前端交互、界面樣式與項(xiàng)目文檔結(jié)構(gòu)清晰便于按需查閱。目前已有80人學(xué)習(xí)下載適合想快速上手深度學(xué)習(xí)醫(yī)療項(xiàng)目的入門者基礎(chǔ)較好的讀者可在此基礎(chǔ)上調(diào)整模型結(jié)構(gòu)、優(yōu)化診斷邏輯或擴(kuò)展數(shù)據(jù)集實(shí)現(xiàn)個(gè)性化功能。1. 阿茲海默癥早期診斷輔助系統(tǒng)一份能直接跑的 Python 畢設(shè)源碼放射科醫(yī)生在閱片燈前對(duì)比一組腦部 MRI 的時(shí)候最頭疼的不是明顯萎縮的中晚期病灶而是輕度認(rèn)知障礙和正常老化之間那點(diǎn)細(xì)微差別——海馬體縮小了幾個(gè)像素、皮層厚度薄了不到一毫米肉眼往往判斷不準(zhǔn)。深度學(xué)習(xí)這幾年在醫(yī)學(xué)影像分類上的表現(xiàn)恰恰補(bǔ)上了這個(gè)短板它能從大量標(biāo)注樣本里自己學(xué)出「什么樣的腦結(jié)構(gòu)更像早期阿茲海默癥」的視覺模式。這套基于深度學(xué)習(xí)的阿茲海默癥早期診斷輔助系統(tǒng)就是一份面向畢業(yè)設(shè)計(jì)的 Python 完整源碼加文檔說(shuō)明把數(shù)據(jù)預(yù)處理、CNN 模型訓(xùn)練、評(píng)估可視化和 GUI 診斷界面整條鏈路都串好了。適合兩類人拿它做本科或碩士畢設(shè)的學(xué)生以及想入門醫(yī)學(xué)影像 AI、手里缺一套可復(fù)現(xiàn)工程骨架的開發(fā)者。2. CNN 架構(gòu)與數(shù)據(jù)預(yù)處理先想清楚選型再動(dòng)手寫代碼2.1 為什么用 CNN 而不是手工特征局部感受野對(duì)應(yīng)腦區(qū)萎縮早期 AD 診斷的傳統(tǒng)做法是先提取手工特征比如用 HOG 描述局部梯度、用 GLCM 計(jì)算紋理統(tǒng)計(jì)量再丟給 SVM 或隨機(jī)森林分類。這套思路不是不能跑但有兩個(gè)硬傷特征設(shè)計(jì)極度依賴專家經(jīng)驗(yàn)海馬體萎縮和皮層變薄在不同切片上的表現(xiàn)差異很大一套固定算子很難覆蓋全特征維度一高小樣本下特別容易過(guò)擬合。CNN 的思路完全反過(guò)來(lái)——卷積核就是一組可學(xué)習(xí)的局部特征提取器淺層學(xué)邊緣紋理、深層學(xué)「這片區(qū)域像不像萎縮組織」的高層語(yǔ)義整個(gè)過(guò)程端到端不需要人工設(shè)計(jì)特征。對(duì)二維腦部 MRI 切片來(lái)說(shuō)局部感受野天然匹配「局部腦區(qū)出現(xiàn)異常信號(hào)」這個(gè)診斷邏輯池化層又給了平移不變性所以深度學(xué)習(xí)算法里 CNN 是這類切片分類任務(wù)的首選而不是拿 Transformer 硬上——畢設(shè)數(shù)據(jù)量通常只有幾千張圖Transformer 喂不飽。2.2 網(wǎng)絡(luò)骨架選型ResNet-18 遷移學(xué)習(xí)是畢設(shè)最穩(wěn)的起點(diǎn)網(wǎng)絡(luò)骨架的選擇直接決定訓(xùn)練能不能收斂。我見過(guò)不少畢設(shè)一上來(lái)就上 ResNet-50 甚至 EfficientNet-B4結(jié)果在小數(shù)據(jù)集上訓(xùn)練 loss 死活降不下去這就是選型失誤。數(shù)據(jù)量只有幾百到幾千張時(shí)ResNet-50 參數(shù)太多極容易過(guò)擬合ResNet-18 層數(shù)淺、參數(shù)量小配合 ImageNet 預(yù)訓(xùn)練權(quán)重是最穩(wěn)的起點(diǎn)。import torch import torch.nn as nn import torchvision.models as models def build_model(num_classes2, pretrainedTrue): model models.resnet18(pretrainedpretrained) # 原版 fc 層輸出 1000 類替換成二分類輸出 model.fc nn.Linear(in_features512, out_featuresnum_classes) return model model build_model(num_classes2, pretrainedTrue)替換輸出層時(shí)注意ResNet-18 最后一個(gè)卷積塊輸出的特征圖是 512 通道全局平均池化后得到 512 維向量所以 fc 層的 in_features 必須寫 512。pretrainedTrue 會(huì)加載在 ImageNet 上預(yù)訓(xùn)練好的主干權(quán)重這些權(quán)重學(xué)到的低級(jí)視覺特征邊緣、紋理、形狀對(duì)醫(yī)學(xué)圖像同樣有效能明顯加速收斂。如果你手里的 MRI 是灰度單通道圖喂給模型前記得復(fù)制成三通道否則輸入維度對(duì)不上。2.3 數(shù)據(jù)預(yù)處理三件套切片抽取、灰度歸一化與數(shù)據(jù)增強(qiáng)原始腦部 MRI 是 NIfTI 格式的三維體數(shù)據(jù)不能直接塞進(jìn)二維 CNN。常見做法是沿軸向抽取若干張二維切片取中間層最穩(wěn)因?yàn)楹qR體在中間層面的結(jié)構(gòu)最清晰?;叶葰w一化這里有個(gè)坑MRI 不是 CT沒有統(tǒng)一的 HU 值窗口直接用 Min-Max 歸一化容易被少數(shù)離群體素帶偏我一般用百分位截?cái)唷mport nibabel as nib import numpy as np def load_mri_slice(nifti_path, slice_idx60): 讀取 NIfTI 體數(shù)據(jù)并抽取一張軸向切片 img nib.load(nifti_path) data img.get_fdata() # 常見排列: (depth, height, width) slice_2d data[slice_idx, :, :] # 1%~99% 百分位截?cái)嘁种齐x群體素 p_low, p_high np.percentile(slice_2d, (1, 99)) slice_2d np.clip((slice_2d - p_low) / (p_high - p_low 1e-6), 0, 1) return slice_2d參數(shù)說(shuō)明slice_idx 取 60 是假設(shè)體數(shù)據(jù)深度在 120 層左右取正中間一層病灶信息最完整percentile 的 1 和 99 是經(jīng)驗(yàn)值過(guò)大截?cái)嗵?、過(guò)小損失對(duì)比度。數(shù)據(jù)增強(qiáng)方面RandomHorizontalFlip、RandomRotation(10) 和 RandomAffine 我都建議開著——水平翻轉(zhuǎn)對(duì)腦部 MRI 是安全的左右腦萎縮模式在統(tǒng)計(jì)上基本對(duì)稱很多方法學(xué)論文也這么用但如果你心里沒底就只開旋轉(zhuǎn)和仿射寧缺毋濫。3. 把訓(xùn)練跑起來(lái)數(shù)據(jù)集組織、訓(xùn)練腳本與超參數(shù)調(diào)優(yōu)3.1 數(shù)據(jù)集目錄結(jié)構(gòu)ImageFolder 的約定你最好遵守PyTorch 里加載圖像分類數(shù)據(jù)最省事的方案是torchvision.datasets.ImageFolder它強(qiáng)制要求目錄按「類別名作為子文件夾名」來(lái)組織。很多新手把圖片全扔在一個(gè)文件夾里再自己寫 CSV 映射標(biāo)簽繞了一大圈還容易在 train/val/test 劃分時(shí)出bug。直接用約定俗成的結(jié)構(gòu)少寫一百行代碼。data/ ├── train/ │ ├── NORMAL/ # 正常老化樣本 │ └── AD/ # 阿茲海默癥樣本 ├── val/ │ ├── NORMAL/ │ └── AD/ └── test/ ├── NORMAL/ └── AD/劃分比例我一般按 7:1.5:1.5 或者 8:1:1 走關(guān)鍵是劃分前先固定隨機(jī)種子否則每次跑出來(lái)的實(shí)驗(yàn)結(jié)論都不一樣。代碼里用random.seed(42)和torch.manual_seed(42)鎖住劃分腳本也單獨(dú)存一份方便復(fù)現(xiàn)。from torchvision import datasets, transforms transform transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) ]) train_set datasets.ImageFolder(data/train, transformtransform) train_loader torch.utils.data.DataLoader( train_set, batch_size32, shuffleTrue, num_workers4)Normalize 這里用的是 ImageNet 的統(tǒng)計(jì)量因?yàn)槟P椭鞲墒?ImageNet 預(yù)訓(xùn)練的輸入分布保持一致對(duì)遷移效果最有利。num_workers 在 Windows 上建議設(shè)成 0否則多進(jìn)程加載容易報(bào)錯(cuò)這是 PyTorch 在 Windows 下的老毛病。3.2 訓(xùn)練主循環(huán)損失函數(shù)、優(yōu)化器與學(xué)習(xí)率調(diào)度二分類任務(wù)有兩個(gè)選擇nn.CrossEntropyLoss或nn.BCEWithLogitsLoss。我選 CrossEntropyLoss理由很直接它自帶 Softmax輸出維度是 2后續(xù)評(píng)估直接argmax(dim1)拿類別BCE 輸出維度是 1換到四分類時(shí)還得改網(wǎng)絡(luò)結(jié)構(gòu)。優(yōu)化器用 Adam比 SGD 好調(diào)參畢設(shè)場(chǎng)景下足夠。import torch import torch.nn as nn def train_one_epoch(model, loader, optimizer, criterion, device): 跑一個(gè) epoch 并返回平均 loss 與準(zhǔn)確率 model.train() total_loss, correct, total 0.0, 0, 0 for images, labels in loader: images, labels images.to(device), labels.to(device) optimizer.zero_grad() logits model(images) # shape: [B, num_classes] loss criterion(logits, labels) loss.backward() optimizer.step() total_loss loss.item() * images.size(0) correct (logits.argmax(dim1) labels).sum().item() total images.size(0) return total_loss / total, correct / totallogits.argmax(dim1)取概率最大的類別索引作為預(yù)測(cè)結(jié)果loss.item() * images.size(0)是按樣本數(shù)加權(quán)累加這樣最后除以 total 得到的是整個(gè) epoch 的平均 loss而不是每個(gè) batch loss 的簡(jiǎn)單平均——后者在小 batch 下會(huì)被噪聲掩蓋。加一個(gè) CosineAnnealingLR 學(xué)習(xí)率調(diào)度在 30 個(gè) epoch 內(nèi)把學(xué)習(xí)率從初始值余弦退火到接近 0收斂更穩(wěn)。超參數(shù)推薦值說(shuō)明epoch30~50小數(shù)據(jù)集 30 足夠加早停防過(guò)擬合batch_size16 或 32顯存不夠先降 batch不要降輸入分辨率初始學(xué)習(xí)率1e-3Adam 的默認(rèn)值偏激進(jìn)1e-3 起步安全weight_decay1e-4緩解過(guò)擬合常規(guī)設(shè)置調(diào)度器CosineAnnealingLRT_max 設(shè)成總 epoch 數(shù)3.3 參數(shù)調(diào)優(yōu)的血淚經(jīng)驗(yàn)學(xué)習(xí)率與 batch size 必須配套調(diào)參這塊我踩過(guò)的坑比寫過(guò)的 bug 還多最典型的就是學(xué)習(xí)率和 batch size 不配套。batch size 一大梯度估計(jì)更準(zhǔn)學(xué)習(xí)率可以適當(dāng)調(diào)高batch size 只有 8 的時(shí)候還拿 1e-3 起步loss 經(jīng)常在前幾個(gè) epoch 直接震蕩到 NaN。我現(xiàn)在的習(xí)慣是batch size 16 起步就用 1e-4 學(xué)習(xí)率32 就用 1e-3然后觀察前三個(gè) epoch 的 loss 曲線如果 loss 在 0.7~0.75 附近橫盤不動(dòng)說(shuō)明學(xué)習(xí)率太低或者主干被凍住了調(diào)高一檔再試。另外遷移學(xué)習(xí)有個(gè)常見誤用直接凍結(jié)整個(gè)主干只訓(xùn)練 fc 層在小數(shù)據(jù)集上效果尚可但當(dāng)你手里的樣本量超過(guò)一兩千張時(shí)解凍 layer4 的全部參數(shù)微調(diào)測(cè)試集準(zhǔn)確率通常能再漲兩三個(gè)點(diǎn)。4. 訓(xùn)練時(shí)的踩坑排查五類常見問(wèn)題的現(xiàn)象、原因與解決4.1 三維體數(shù)據(jù)直接進(jìn)網(wǎng)絡(luò)幾輪就把內(nèi)存撐爆現(xiàn)象torch.cuda.OutOfMemoryError或者 CPU 模式下內(nèi)存占用直接吃掉十幾個(gè) GB訓(xùn)練卡死不動(dòng)。原因慣性思維把 NIfTI 三維數(shù)據(jù)當(dāng)成一個(gè)整體喂給了 CNN但 3D 卷積輸入動(dòng)輒[B, 1, 128, 128, 128]中間特征圖的顯存占用是二維的數(shù)倍畢設(shè)級(jí)別的單卡根本扛不住。解決切成二維切片訓(xùn)練每例只取中間 3~5 張切片參與訓(xùn)練和驗(yàn)證如果切片數(shù)量還不夠用 Dataset 的__getitem__即時(shí)讀取文件而不是在初始化時(shí)把所有數(shù)據(jù)一次性 load 進(jìn)內(nèi)存。4.2 二分類 loss 卡在 0.69 死活不降現(xiàn)象訓(xùn)練了好幾個(gè) epochloss 穩(wěn)定在 0.69 附近準(zhǔn)確率在 50% 上下浮動(dòng)。原因二分類的隨機(jī)猜測(cè)熵正好是ln(2) ≈ 0.693loss 停在這個(gè)值說(shuō)明模型什么都沒學(xué)到。常見原因有三個(gè)——學(xué)習(xí)率太低導(dǎo)致參數(shù)幾乎不更新優(yōu)化器在更新而 loss 反傳路徑斷了比如某個(gè)張量被detach()標(biāo)簽順序?qū)懛戳四P蛯W(xué)到的是反的映射。解決先用一個(gè) batch 做 overfit 測(cè)試把train_one_epoch跑一步看 loss 能不能降到 0.1 以下能降說(shuō)明代碼沒毛病去調(diào)學(xué)習(xí)率和解凍層不能降就是標(biāo)簽或數(shù)據(jù)管道的 bug逐段打印 logits 的幅度檢查。4.3 驗(yàn)證集準(zhǔn)確率很高測(cè)試集一塌糊涂現(xiàn)象val 集準(zhǔn)確率 90% 以上換到?jīng)]見過(guò)的測(cè)試集直接掉到 70% 甚至更低。原因數(shù)據(jù)泄露最常見的是歸一化統(tǒng)計(jì)量在劃分前算了全體數(shù)據(jù)也就是Normalize的 mean/std 用了 trainvaltest 全量統(tǒng)計(jì)還有一種隱蔽情況是增強(qiáng)操作在劃分前做完了模型在訓(xùn)練期已經(jīng)見過(guò) val 圖像的變換版本。解決嚴(yán)格先劃分 train/val/test再在 train 集上擬合歸一化參數(shù)和增強(qiáng)流程val 和 test 只做和訓(xùn)練集一致的歸一化不做隨機(jī)增強(qiáng)。固定隨機(jī)種子是這里的最低要求。4.4 加載預(yù)訓(xùn)練權(quán)重報(bào) KeyError 或 size mismatch現(xiàn)象torch.load之后加載 state_dict報(bào)size mismatch for fc.weight或者一堆Missing key(s)。原因模型換了分類頭之后fc.weight的形狀從[1000, 512]變成了[2, 512]直接load_state_dict必然報(bào)錯(cuò)。Missing key則一般是網(wǎng)絡(luò)結(jié)構(gòu)定義和預(yù)訓(xùn)練權(quán)重來(lái)源不一致比如用了resnet18但權(quán)重是從resnet34轉(zhuǎn)換來(lái)的。解決加載時(shí)用strictFalse只恢復(fù)主干參數(shù)fc 層的權(quán)重保持隨機(jī)初始化這是遷移學(xué)習(xí)的標(biāo)準(zhǔn)姿勢(shì)。state_dict torch.load(resnet18.pth) model.load_state_dict(state_dict, strictFalse) # fc 層 KEY 不匹配會(huì)跳過(guò)4.5 類別不平衡模型學(xué)成「無(wú)腦預(yù)測(cè)多數(shù)類」現(xiàn)象訓(xùn)練集里 NORMAL 有 1800 張AD 只有 200 張訓(xùn)練完測(cè)試準(zhǔn)確率 88%看上去不錯(cuò)看混淆矩陣才發(fā)現(xiàn) AD 的檢出率接近 0。原因CrossEntropyLoss 默認(rèn)把每個(gè)樣本平等對(duì)待多數(shù)類的梯度完全主導(dǎo)了訓(xùn)練。解決給 loss 加類別權(quán)重權(quán)重和樣本數(shù)成反比或者用WeightedRandomSampler重采樣讓每個(gè) batch 里兩類比例接近均衡。評(píng)估時(shí)務(wù)必同時(shí)看兩個(gè)類別的 recall而不是只看總準(zhǔn)確率。5. 評(píng)估與可視化混淆矩陣、ROC 曲線與 Grad-CAM 可解釋性5.1 醫(yī)學(xué)診斷場(chǎng)景別只看準(zhǔn)確率準(zhǔn)確率這個(gè)指標(biāo)在類別不平衡的醫(yī)學(xué)數(shù)據(jù)上非常容易騙人。早期 AD 診斷漏掉一個(gè)陽(yáng)性病例的代價(jià)遠(yuǎn)大于把正常人誤判成患者所以敏感度recall才是這個(gè)場(chǎng)景的核心指標(biāo)。一份合格的評(píng)估報(bào)告至少要包含準(zhǔn)確率、敏感度、特異度和 F1混淆矩陣是必須有的。指標(biāo)公式醫(yī)學(xué)診斷里的含義Accuracy(TPTN)/(PN)整體判對(duì)比例樣本不平衡時(shí)會(huì)虛高Sensitivity/RecallTP/(TPFN)患者被正確檢出的比例漏診率1-SensitivitySpecificityTN/(TNFP)正常人被正確排除的比例誤診率1-SpecificityF1-score2PR/(PR)精確率與敏感度的調(diào)和平均from sklearn.metrics import classification_report, confusion_matrix y_true, y_pred [], [] model.eval() with torch.no_grad(): for images, labels in test_loader: logits model(images.to(device)) y_true labels.tolist() y_pred logits.argmax(dim1).cpu().tolist() print(classification_report(y_true, y_pred, target_names[NORMAL, AD])) print(confusion_matrix(y_true, y_pred))把classification_report輸出里的 AD 行 recall 單獨(dú)圈出來(lái)這個(gè)是答辯時(shí)導(dǎo)師最可能追問(wèn)的數(shù)字。5.2 畫 ROC 曲線算 AUC區(qū)分度的硬指標(biāo)準(zhǔn)確率可以靠調(diào)閾值改變ROC 曲線和 AUC 則衡量模型在所有閾值下的區(qū)分能力不受類別不平衡影響。測(cè)試時(shí)拿 Softmax 輸出里 AD 類別的概率作為打分再用 sklearn 的roc_curve出圖。from sklearn.metrics import roc_curve, auc import matplotlib.pyplot as plt y_score [] with torch.no_grad(): for images, labels in test_loader: prob torch.softmax(model(images.to(device)), dim1) y_score prob[:, 1].cpu().tolist() # AD 類別概率 fpr, tpr, _ roc_curve(y_true, y_score) auc_val auc(fpr, tpr) plt.figure(figsize(6, 6)) plt.plot(fpr, tpr, labelfAUC {auc_val:.3f}) plt.plot([0, 1], [0, 1], linestyle--, colorgray) plt.xlabel(False Positive Rate) plt.ylabel(True Positive Rate) plt.legend() plt.savefig(roc_curve.png, dpi150)AUC 大于 0.9 才算有實(shí)際診斷價(jià)值0.8~0.9 屬于中等偏上。我沒見過(guò)誰(shuí)拿 AUC 低于 0.8 的模型去做畢設(shè)答辯還能不被問(wèn)住的。5.3 Grad-CAM 熱力圖讓模型「說(shuō)」出它看的是哪塊腦區(qū)導(dǎo)師最常問(wèn)的一個(gè)問(wèn)題是憑什么相信 CNN 的結(jié)論。Grad-CAM 能直接把模型決策依據(jù)可視化成一幅疊加在 MRI 切片上的熱力圖紅色區(qū)域就是模型認(rèn)為最像 AD 萎縮特征的區(qū)域。實(shí)現(xiàn)思路不復(fù)雜對(duì)最后一層卷積輸出的特征圖按梯度加權(quán)求和得到一個(gè)和特征圖同尺寸的權(quán)重圖再放大到輸入尺寸疊加顯示。def grad_cam(model, tensor, target_layer): 計(jì)算 Grad-CAM 熱力圖target_layer 傳 model.layer4[-1] features, grads None, None def forward_hook(module, input, output): nonlocal features features output def backward_hook(module, grad_input, grad_output): nonlocal grads grads grad_output[0] h1 target_layer.register_forward_hook(forward_hook) h2 target_layer.register_full_backward_hook(backward_hook) output model(tensor) score output[0, 1] # AD 類別的得分 model.zero_grad() score.backward() h1.remove() h2.remove() weights grads.mean(dim(2, 3), keepdimTrue) cam torch.relu((weights * features).sum(dim1)) cam cam.squeeze().cpu().numpy() return cam注意register_full_backward_hook是 PyTorch 1.8 之后的推薦寫法舊版本用register_backward_hook有時(shí)拿不到梯度。熱力圖疊加到原圖上的操作留給小工具包torchcam或者手工plt.imshow疊加。如果你的模型用的是 ResNet-18target_layer傳model.layer4[-1]就行。把幾張陽(yáng)性樣本的熱力圖整理成一頁(yè)放進(jìn)畢設(shè)論文的實(shí)驗(yàn)分析章節(jié)整篇文檔的說(shuō)服力會(huì)上一個(gè)檔次。6. 把二分類改成四分類從 Normal/AD 擴(kuò)展到 MCI 分級(jí)現(xiàn)實(shí)里臨床診斷不只要區(qū)分「正?!购汀赴⑵澓DY」更關(guān)鍵的是把輕度認(rèn)知障礙MCI從兩者里單獨(dú)拎出來(lái)——這才是「早期診斷」四個(gè)字的核心價(jià)值。把這份資源里的二分類模型改成四分類只需要?jiǎng)尤帯5谝惶幨菙?shù)據(jù)目錄在data/train、val、test下各加兩個(gè)文件夾常見分法是NORMAL、VERY_MILD、MILD、MODERATE對(duì)應(yīng) OASIS 數(shù)據(jù)集的四級(jí)標(biāo)注。第二處是模型輸出維度build_model(num_classes2)改成num_classes4fc 層輸出從 2 變成 4。第三處是評(píng)估代碼classification_report的target_names同步換成四個(gè)類別。損失函數(shù)不用改CrossEntropyLoss 天然支持多分類梯度反傳也不用動(dòng)。關(guān)鍵驗(yàn)證點(diǎn)是混淆矩陣的對(duì)角線——四分類場(chǎng)景下最容易翻車的是相鄰類別互相混比如 VERY_MILD 和 NORMAL 分不開這屬于正常現(xiàn)象畢竟兩者影像差異本來(lái)就小但如果 MILD 和 MODERATE 也大面積混在一起就要回頭檢查切片抽取的位置是不是太靠上偏離海馬體了。改完先拿一個(gè) subclass比如只保留 NORMAL 和 VERY_MILD 做一個(gè)輕量二分類驗(yàn)證代碼能跑通再全量訓(xùn)練。評(píng)估指標(biāo)從二分類的敏感度/特異度換成 macro F1避免少數(shù)類被多數(shù)類淹沒。我自己第一次做多分類擴(kuò)展時(shí)一上來(lái)就全量訓(xùn)練跑了 20 個(gè) epoch 才發(fā)現(xiàn) val 里漏加了兩個(gè)類別的文件夾整個(gè)實(shí)驗(yàn)白燒了兩小時(shí)。從那以后我每次拿到新數(shù)據(jù)集都強(qiáng)制先打印類別分布和每個(gè)類抽樣一張圖看一眼再動(dòng)模型結(jié)構(gòu)。這套資源和文檔里把目錄組織、訓(xùn)練命令和評(píng)估腳本都寫清楚了你照著走一遍再改多分類會(huì)少踩我當(dāng)年踩過(guò)的大部分坑。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
熟妇内谢69XXXXXA片| 九九热视频网站| 男人的天堂五月丁香| www.婷婷六月天| 2017人人操| 五月丁香欧美在线| 色网五月婷婷| 婷婷丁香激情五月| 成人片黄网站色大片免费毛片 | 狠狠五月天| 婷婷玖玖五月天| 五月婷婷人妻| 五月激情综合网婷婷| 久久色五月天| 久久久免费精彩视频| 丁香五月最新地址| 2020日日干| 影音先锋男士资源网一区| 久久99最新| 色欲一区二区三区精品A片| 五月天婷婷操逼视频| 九九免费视频| 国产操逼网站| 五月天综合在线观看| 久久九九思思| 日韩人妻操逼视频| 在线看AV| 丁香五月欧美激情| YW无码| 丁香五月综合在线| 精品一二三区久久AAA片| 国产激情综合五月| 99色色| 久久色频| 九月色婷婷| 另类天堂| 人人播| 91久久99久久91熟女精品| 偷拍91九色| 丁香六月青青草| 天天日天天干天天天| 91碰免费视频| 婷婷色五月在线视频| 国产精品男人AV不卡| 五月天婷婷丁香视频| 99国产精品白浆在线观看免费 | 九九色影院| 亚洲免费观看高清完整版AV线| 人妻在线网站| 丁香婷五月天开心六月| 色情婷婷。| 激情五月天开心| www.精品久9| www婷婷| 9色免费网| 五月婷婷丁香瑟瑟视频| www.久久9| 久久99网| 久热综合| 婷婷五月天网| 五月的婷婷六月丁香| 国产亚洲精品AAAAAAA片| 天天AV导航网| 深夜婷婷 丁香| 天天天摸夜夜夜玩| 激情综合婷婷久久| 97色片| www.久久久.com| 香蕉久久国产AV一区二区| 99久久网站| 色婷婷小说| 丁香九月综合| 青草青草视频2免费观看| 亚洲色情一区二区三区四区| AV片在线观看| 亚洲五月丁香六月婷婷| 4399在线日本A片| 激情综合久久| 情欲综合网| 艳妇野外情欲放荡HD| 丁香五月天啪啪激情综合网| 性色综合网| 天天综合五月天| 久久与婷婷| www色色色com| 99re在线观看视频| 婷婷丁香五月视频| 国产精品视频免费看| 九九热99视频| 精品影院| 色色日本| 99视频内射三四| 性爱久久| 深爱激情丁香五月| 97资源碰碰| www.minyis.com【JT】实力收量可预付QQ2101460746 | 91超碰人人操| 俺去也五月| 性天天中文网| 综合久久综合久久| 疯狂做受XXXX高潮A片动画| 99热99这里有免费的精品| 亚洲人成网站999综合| 天天天天干| 色九九综合| 五月丁香六月婷| 婷婷射图五月天| 激情婷| 久久婷婷五月天懂色| 丁香五月AV在线| 9|人妻人人操| 91色综合| www狠狠| 丁香久久九九99| 爱射综合| 人人看人人草人人摸| 久99精品视频| 91狠狠综合久久| 蜜桃五月天色| 亚洲综合色色| 九月丁香网婷婷| 婷婷亚洲综合| 国产日批视频| 一起草av在线观看| 91超级碰碰| 丁香五月在线观看完整版| 久久婷婷五月天激情| 五月天伊人网| 激情五月,婷婷五月,丁香五月| 日本啪啪网| 欧美成人一区二区三区在线视频| 99ri视频在线播放| 色噜噜狠狠色综合日日免费| 亚州综合色| 久久精品性爱| 五月综合无码| 九九免费视频在线| 综合激情肏逼网| 色婷婷丁香五月| 五月香六月婷| 婷婷六月激情小说网| 日操夜操天天操不卡| 色狠狠狠干| 专区无日本视频高清8| 久久精品视频在这里有| 思思久ren热| 99啪啪骑| 久热免费视频| 991国产精选视频在线播放下载| 这里只有精品99视频| 亚洲性爱AV| 九九香蕉网| 日本不卡五月婷婷丁香| 久久综合丁香五月| www91久久| 五月婷在线| 五月丁香香蕉| 五月婷婷婷婷婷婷艺术| 操碰91| 一本到不卡高清DVD| 色五月天堂| 久久婷婷婷婷伊人| 色色色色热热| 亚洲乱码w在线观看| 情欲禁地| 丁香五月电影| 天天色视频| 99在线免费视| 欧美va视频| 欧美五月婷婷综合| 99色视频| 九九色影院| 人人摸人人干人人做| 黄网在线播放| 久久婷婷丁香五月宗合| 级人人91| 国产美女无遮挡裸体毛片A片| 五月婷视频在线| 五月天综合区| 色色综合成人网| 日hao1区| 九九色插| 少妇人妻丰满做爰XXX| www.色综合.com| 婷婷丁香激情| 久热这里有精品视频| 亚洲无码yw| 婷婷激情五月呦呦| 五月丁香大香蕉| 色色色婷婷| 亚洲性色XXXXX| 性爱网久久| 久久香蕉婷婷| 7777久久亚洲中文字幕| 99精品国产乱码久久久人妻| 五月天啪啪啪| 婷婷操超碰| 亚洲激情免费视频| 丁香五月婷婷激情123| 日本三级第一页| 色爱五月天| 六九色综合婷婷五月天| 这里只有精品在线免费视频| 六月婷伊人| 丁香激情网| 2022久久婷婷| 丁香深五月婷婷| 韩国真做片在线观看| 婷婷五月天色色| 丁香六月久久| 天天撸天天干天天插| 思思热思在线精品视频| 色噜噜狠狠色综| 99啪啪网| 激情婷婷九月| www:99热视频| 91窝窝| 久久se 综合网| 九九av| 99九九久久| 超碰不卡在线| 久婷五月| 久久婷婷五月综合| 五月婷婷中文| 九九这里都是精品| 亚洲欧美999| 色五月综合婷婷| 日日干夜夜撸夜夜骑| 久久狠狠欧美| 色婷婷成人| 色99日韩| 97操视频| 婷婷五月亚洲综合| 丁香五月婷婷黑人妻黄色电影院| 激情综合色图| 色哟哟精品| 成人中文字幕在线| 五月丁香花激情综合网| 激情婷婷久久| 久久五月激情| 五月婷婷啪啪啪| 亚洲无码11| 天天爽天天| AAA久久| 香蕉操亚洲| 日本五月天网站| 四月丁香五月婷婷久久| 99热官网| www.色综合.com| 天天干天天插| 婷婷内射视频在线| 久久资源网五月婷| 久久曰曰| 俺去也综合| 99热这里有精力| 色啪综合| 天天日夜夜爽| 涩涩五月天| 激情五月天色播| 亚洲人妻av| 五月天久久久| 亚洲精品V天堂中文字幕| 伊人五月天| 激情五月天婷婷| 激情视频网址| 久久久亚洲精品一区二区三区浴池| 无码日本精品XXXXXXXXX| 99热这里有精品| 久久99国产综合精品免费| 亚洲国产精品SUV| 一本道在线电影| 国精产品一区一区三区免费视频| 欧美日韩婷婷五月天| 色五月丁香A欧美com | 丰满人妻一区三区三区| 久久aaaa片一区二区| 99er6热在线观看精品6| 婷婷成年人免费视频| 人人亚洲| 婷婷五月永远18免费久久久| 色五月色五天色情网| 激情网婷婷婷| 狠狠操狠狠操| 久久婷色| 亚洲乱码精品久久久久..| 国产毛片精品一区二区色欲黄A片| 国产AV一区二区三区最新精品| 中文字幕日本最新乱码视频| 超碰成人影视| 啪啪操超碰| 啪啪99| 激情五月天色色| 色五月xxx| 99成人网站| 六月色五月天天婷婷| 可以直接看的AV网站| 26uuu欧美日本| 影音先锋天天日| 亚洲精品99| 综合激情婷婷| 激情五月婷婷综合秋霞| 狠狠色丁香婷婷| 色综合中文| 这里只有精品视频222| 99在线观看精彩视频| 亚洲精| 亚洲天码视频www蛋播视频| 五月天激情久久| 99热大香蕉| 天天艹夜夜艹| 婷婷丁香91综合| 久久婷婷五月综合一| 久久伦乱| 人人色性网| 婷婷色五月综合| 欧美激情五月天| 思思热精品在线| 亚洲亚洲人成综合网络| 久久久精品99| 久久永久网址| av网站中文| 一丁香五月天月AV| 久热免费视频| 五月丁香另类网| 一本色道久久88加勒比—| 超碰九色| 丁香五月六月欧美| 久操福利| 欧洲电影在线观看免费版英语版| 在线99色| 五月香蕉婷婷| 狠狠色五月天| 天天插天天射| 久久婷婷五月激情综合| 天天干夜夜操A片| 另类视频丁香五月| 97碰啪啪| 99热午夜精品| 中文字幕av久久爽一区| 九九热在线观看视频网站| 亚洲天天操| 婷婷色五月丁香六月欧美啪| 亚洲182在线观看| 六月色播| 99只有这里是精品| 婷婷九月激情| 久久婷婷五月丁香蜜桃网| www.9797国产| 久久99久久99精品免视看婷婷| 久久538| 99热在线观看| 日本99视频精品免费播放| 五月天六月丁香| 99热国产这里只有精品| 亚洲成人综合在线| 一起肏在线视频| 这里只精品| 丁香五月人妻| 少妇人妻丰满做爰XXX| 91色干| 天天日夜夜高潮| 五月婷婷婷婷| 九九亚洲| 91色色色18| 99热99这里有免费的精品| 丁香久久综合| 99久久婷婷精品视频| 婷婷五月天久久| 天天色天天舔天天爱天天爽| 久热99| 五月婷婷综合在线视频| 亭亭丁香aV| 丁香六月成人| 最近免费中文字幕大全高清大全1| 亚洲色图81p| 这里只有精品99www| 日本激情91| 亚州在线中文字幕| 五月天激情综合在线| 日屌日日操日日色| 精品一二三区久久AAA片| jiujiujiuwuyuetian| 六月婷婷影院| 天天操夜夜操| 国产精品成人AV在线| 婷婷六月色情| 色久综合| 亚洲操精品| 99热精品免费在线观看| 99∨VTV| 亚州操操| 九九热视频精品| 五月激情综合网| 久久免费操| 五月天影院| 这里只有精品久久| www..999热久| 婷婷五月六月丁香| 大香伊人久色| www.精品99| 色噜噜狠狠色综合成人网| 丁香五月瑟瑟| 6080av| 日日操日日撸| 成人一级片| 开心五月深爱婷婷| 国产伦亲子伦亲子视频观看| 综合五月草| 五月丁香好婷婷A片网| 久久久久久9热不雅视频| 五月久久噜噜| 五月丁香啪啪网| 怡春院久操| 99热12| 97精品人人A片免费看| 影音先锋色婷婷| 婷婷深爱五月天| 丁香激情综合| 色婷婷五月天激情综合| 99热66| 日韩成人综合网| 狠狠色大香蕉| 亚洲成人无码免费| 亚洲色婷婷五月| 久久精品A片777777| 婷婷五月黄色激情在线| 日本99视频| 久久免费丁香| 久草热在线视频| 玖玖婷婷五月天毛片| 五月丁香六月婷精品视频| 五月开心激情| 久9热| 操逼视频一区| 黑人熟妇一区二区三区| 99色在线视频| 色99www.| 这里只有精品1| 在线看AV| 永久地址 色| 国产AV影片| 天天噜天天爱| 禁欲电影完整版在线播放| 婷婷九月| 日日操日日撸| 色婷婷五月影视| 婷婷五月花| 丁香五月婷婷av| 开心五月天激情网| 香蕉97碰碰碰超视精品| 天天做天天爱天天爽综合网| 色99超碰| 夜夜骑天天操| 丁香五月天婷婷91| 亚洲综合色网| 色在线99| 婷婷涩五月| 免费国产视频| 97狠狠色| 99操视频| 俺去也综合| 狠狠色丁香| 这里只有精品2| 五月激情综合网| 亚洲操精品| 日韩av在线电影| 成人一级片| 欧美日韩成人免费在线| 九九热av| 色10月婷婷视频| 五月天色影院| 狠狠操之狠狠操| 丁香成人五月天| 夜夜躁狠狠| www.夜夜操| 月婷婷亚洲| 久久er99热精品一区二区| 丁香五月激情欧欧美| 国产人妻人伦精品一区二区| 婷婷免费无视频| 草草色情综合网| wwwwww.色| 微拍92| 色狠狠婷婷| 婷婷丁香五月激情密臀av| 丁香婷婷激情| 五月丁香色| 91chinese在线| 99视频这里只有免费精品| 久久婷婷热| 天天舔天天摸天天射| 国产AV一区二区三区最新精品 | 婷婷五月中文字幕| 狠狠色噜噜狠狠狠狠综合| 色综合com| 五月婷婷成人| 青草视频在线蜜臀| 久久成人亚洲欧美电影| 天天干天天干天天干天天干天天干| 日韩一级网站| www.激情| 婷婷五月天xxx| 九九综合九| 五月天精品视频| 国产免费av在线| 五月丁香婷婷久久| 99区视频| 九九色插| 日本九九视频| 99综合视频在线| 欧美丰满熟妇BBB久久久| 五月天色婷婷基地| 97操碰在线视频| 日本色婷婷| 五月六月丁香婷婷在线观看| 99在线看视频| 色五月婷婷在线视频| 激情5月婷婷| www.国产色| 色哟哟www| 久久亚洲婷婷| 日日操日日爽| 五月丁香六月成人| 夜色爱爱亚洲| 六月丁香影院| 精品网站:999WWW| av狠狠操| 5月丁香六月婷婷| 婷婷五月天丁香激情| 亚洲99综合| 79亚洲精品少妇| 婷婷丁香久久网| 狠狠爱五月婷婷| 五月综合亚洲色| 婷婷影院A成人| 丁香五月天婷婷中文字幕| 操91| 超碰cap| 99噜噜| 这里只有精品,日韩视频| 5月丁香美女影院| 婷婷五月天天爽| 久鲁鲁色网| 亚洲成人av中文| 色玖玖爱| 婷婷开心综合人妻小说网址| 久久99综合网| 日韩成人无码| 99久久久久久www| 亚洲五月天第一综合干| 激情网色五月| 丁香六月婷婷久久综合| 99色 色| 亚洲av综合网| 天堂美国久久| 天天看A片| 久久婷婷亚洲五月天| 日韩精品超碰在线观看| .精品久久久麻豆国产精品| 久久这里都是精品| 熟女激情网| 丁香六月欧美| 欧美久热| 亚洲色热| 五月婷婷丁香五月亚洲色| 亚洲AV永久无码影院黑人 | 欧美日韩成人在线| 亚洲A色| 色呦呦免费观看| 丁香五月婷婷综合啪啪| 婷婷综合色色| 丁香美女主播视频在线观看 | 99热无码首页| 色噜噜伊人| 国产永久一黄| 亚洲视频一区| 日韩成人电影在线播放| 色五月婷婷丁香婷婷| 午夜爱爱网站| 9色资源在线| 这里只有精品视频99| 大陆肏屄视频| WWW五月婷婷| 综合九九久久| 国产又色又爽又黄又免费| 精品99在线| 日本在线噜噜| 婷婷开心深爱五月天| av人人操| wwwss在线观看| 婷婷五月天视频| 精品九九视频在线观看| 久热大香蕉| 碰久久精品w| 9久精品| 婷婷五月综合啪| 婷婷性爱无码视频| 99re久久| 1024亚洲| 婷婷五月花.97| 99久久极情精品一区| 欧美成人色婷婷| 美女要搞搞天天搞搞搞网站| 欧美色宗和激情| 午夜微拍福利| 99精品无码| 五月丁香综合激情网| 婷婷激情五月天小说| 五月色婷婷亚洲 | 婷婷五月天精品| 一级黄色尤物综合视频手机在线观看| 色播五月丁香综合| 久操操| 停停五月色宗合| 激情五月天。| 精品久久99| www九九| av色色国产| 天天久久综合| 乱女乱妇熟女熟妇综合网站| 久久久久亚洲AV成人无码电影| 丁香五月婷婷激情蜜桃| 婷婷刺激综合| 五月婷婷丁香狠狠撸久久| 成人婷婷桔色| 五月色情婷婷| 五月丁香无码| 色www.con| 99热人人操人人操| 五月婷婷涩涩爱| 久热9| 91久久99久久91熟女精品| 六月婷婷综合| 色五月综合在线| 婷婷五月丁香久久| 亚洲AAA| 婷婷久久五月| 久久这里只有精彩| 色情五月综合婷婷| 日韩av在线电影| 影音先锋 一区| 99草在线免费观看视频| 影音先锋自拍网| 久久怡红院| 久久丁香五月天| 99精品热视频| 大香蕉久久婷婷精品综合| 99热6色| 五月色婷婷激情| 午夜青草资源| 少妇激情五月婷婷| 久久性爱视频免费| 色婷婷五月天天天天天| 男人的天堂999| 91se在线视频| 色综合综合色| 色九月婷婷综合| h亚洲| 大香蕉九九操| 中文在线成人| 九九超日本| 婷婷五月激情综合啪啪| 9 大屁股在线视频精品| 九九精品re免费视频| 欧美三级韩国三级日本三斤| 影音先锋男人av资源站| 草榴成人影片| 婷婷五月天久| 中文字幕久久婷九女同| 99热色综合| 国产精品 的国产| 国产色色小草视频| 九一牛视频探花| 五月天激情亚洲| 丁香婷婷久| 99热黄| 97碰 在线视频观看| 婷婷五月成人社区| 丁香社92视频| 91天堂网综合| 热99免费在线| 97香蕉久久超级碰碰高清版 | 99久久九九| 婷婷导航| 99爱爱| 色视频五月天| 欧美成人网99网| 五月婷婷亚洲| 久久色9| 婷婷综合亚洲| 丁香五月久久| 丁香五月综合| 熟女人妻一区二区三区免费看| 熟妇人妻中文字幕无码老熟妇| 激情内射人妻1区2区3区| 三级毛片视频| 婷婷色综合网日韩国产| 碰超在线九色| 精品99视频| 26UUU欧美激情一区二区| 亚洲啪啪啪啪| 五月色视频| 激情欧美婷五月| 欧美色小说婷婷| 色色丁香激情五月| 天天干天天操天天拍| 99人妻碰碰碰久久久久视| 在线观看的av| 丁香六月激情| 丁香五月五月婷婷欧美大香蕉| 狠狠ri| 国产亚洲av片| 久艹大香蕉| 婷婷五月丁香综合| 在线视频色五月| 五月亭亭六月激情| 婷婷五月综合激情免费视频| 亚洲婷婷欧美婷婷| 欧美在线干| 91狠狠色丁香婷婷综合久久精品| 久久五月天激情| 激情文学 综合 九月| 色综合视频| 色婷婷导航| 热99视频精品| 中文字幕乱轮| 精品人妻在线| 精品久久99码| 日韩精品一区二区三区,四区,五区视频| 丁香五月色情av| 夜夜爱影院| 俺来也综合网精品一区| www激情网| 天天摸天天做天天爱天天爽| 91久久久久久久久久久| 精品国产乱码久久久久夜深人妻| 91熟妇大香蕉| 996er热| 丁香五月天天日| 久久99久久久久久| 五月天婷婷色播综合在线| 五月综合精品| 玖玖99免费视频| 大香蕉人妻| 丁香五月婷婷影视先锋| 大香蕉天堂| 人人爱天天摸摸天天爱| 俺去也五月天婷婷| 99综合在线| 青草视频在线播放| 色五月婷婷青娱乐| 久久无码激情视频| 日日夜夜狠狠干| 色一情一乱一乱一区91| 熟女少妇内射日韩亚洲| www久久久久| 久久久久久xxxxx| 天天爽夜夜爽| 色婷婷婷婷| 99原创自拍视频在线观看| 小泽玛利亚视频一区二区| 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 | 欧洲不卡视频| 五月天婷婷乱| 丁香五月色网| 久久精品99国产精品日本| 九九九九九九综合| 婷婷激情五月天激情在线| 色欲色香伊人| 丁香五月天啪啪| 99爱操| 免费观看亚洲AV片| 免费试看小视频 99| 丁XX 成人| 中文成人在线| 午夜丁香综合婷婷| 啄木鸟黑丝一区二区| 婷婷五月天天爽| 国产精品人成A片一区二区| 五月丁香综合中文| 五月天婷婷六月| 丁香六月综合| 五月天电影网| 琪琪色五月天| 天天干天天操天天爱| 99久在线精品| 婷婷五月丁香综合网| 亚洲视频二区| 婷婷六月激情在线视频| 夜夜操夜夜操| 91九色PORNY中文啦| 亚洲色涩视频| 这里只有精彩视频| 蜜臀AV在线观看| 国产免费一区二区三区三州老师F1F1.CC | www.97碰碰com| 99燥99日| 色五月综合激情网| 日本一道久久| 激情小说婷婷五月| av九九| 欧美人人女女精品综合五月天| 综合久久丁香婷婷,五月婷婷六月丁香,开心激情综合网,六月丁香在线观看,婷婷丁 | 亚洲精级| 婷婷丁香五月激情综合站_久久五月丁香激情综合_开心五月综合激情综合五月_婷 | 九九碰九九爱97| 超碰人人妻| 六月五月丁香五月欧美| 狠狠五月天| 日韩少妇内射免费播放| 日韩不卡DvD| 这里只有精品免费观看网占| 97色色网| 91精产一区三区免费观看| 激情五月婷婷综合网| 99久久婷婷国产综合精品草原| 99操不停| 五月婷婷开心色伊人| 情色五月天网站| 天天操天天插天天射| 日韩草草草草草草草草草草草草| 日本女人久久| 色域五月丁香| 亚洲综合网激情小说| 婷婷五月天久久| 中文字幕天天干| 99亚洲大片精品永久在线观看 | 亚洲久热| 色色丁香婷婷综合| 99热a片免| 成人做爰黄A片免费看直播室男男 久草热8精品视频在线观看 | 天天综合精品| 99碰碰。| 综合xx网| 狠狠草在线观看| 99狠狠操一| 久久久久思思热| BBWCUCKOLD精品熟妇| 日本99热| 免费国产视频| 免费V片在线| 九九热视频免费观看| 婷婷久热| 婷婷无码视频| 五月丁香啪啪| 丁香五月 性爱| 亚洲mm色| 丁香五月社区| 欧美噜噜噜草| 久久人人九九| 婷婷终合色图| 丁香六月婷婷综合啪啪| 亚洲成人AV高清字幕| 五月色丁香综合| 五月激情视频| 欧美日韩国产一区| 色婷婷婷av| 综合激情在线视频| 色噜久| 日本va欧美va欧美va| 九九九九精品精| 亚洲中文无码成人| 久色视频| 97人人干人人操| 99免费热视频在线| 国产亚洲99久久| 可似看的AV| 精品久9| 色婷婷影音| 99这里只有精品| 中文精品久久久久人妻不| 深夜男女福利刺激影院一区完整| 97欧美在线| 亚洲操B| 久久一伦| 五月婷六月| 亚洲成人av在线观看| 五月丁香欧美在线| 久久五月婷综合| 亚洲婷婷婷| 天堂无码人妻精品AV一区| 日日操夜夜操狠狠操| 综合网五月| 思思99热这里只有精品| 丁香五月久久| 99ri精品视频在线观看| 五月激情综合网| 国产在线黄色| 五月天婷婷av| 67194成I人在线观看线路1| 99热主页日本| 久综合色| 玖玖综合网| 成人五月丁香社区| 五月婷婷六月丁香综合| 六月99天天婷婷激情综合| 亚洲欧洲国产精品| 婷婷五月大香蕉| 欧洲亚洲免费视频9| 婷婷五月激情图片| 日韩啪啪视频| 色噜噜婷婷| 天天狠狠夜夜狠狠2023| 99re热精品视频国| 激情色播| 五月丁香狠狠爱婷婷综合| 极品人妻VIDEOSSS人妻| er99免费视频在线| 开心色色五月天综合| 日日夜夜小色哥| 碰人人97| 色婷婷亚洲婷婷在线观看| 九九十99视频| 色色激情网| 六月丁香久久| 久久九九国产精品怡红院| 二人电影免费版在线观看| 裸睡玩奶头(高H)| 五月天影院婷婷在线观看| 五月天激情美女久久| 可以直接看的AV网站| .肏屄视频一区二区| 99精品性爱| 国产老熟妇亲子乱对白| 婷婷激情啪啪| 9 7总站超级碰免费视频| 一本久道综合色婷婷五月| 99热在线爱| 久久狠狠干| 午夜大香蕉| 亚洲色五月| 天天综合色综合| 97搞在线| 久久久天天啊| 五月婷啪啪| 九九99久久| 插插干干干色| 丁香五月伊人| 九九无码| 五月停亭六月,六月停亭的英语| 日日夜夜干| 久色中文| 久久女人九九| 亚洲无码成人| wuyuedingxiang99| 99re欧美精品| 婷婷六月综合激情| 婷婷五月激情欧美| 婷婷在线精品| 日日操,天天操| 日韩无码性爱| 丁香九月激情| 激情伊人五月婷婷久久| 婷婷中文综合网| 超碰在线超碰| 韩日在线熟女| 夜色五月天| 色播五月天激情| 丁香五月婷婷基地| 亚洲中文字幕在线观看| 激情五月深爱婷婷| 五月停停999| AV电影在线播放| 天天狠狠色综合| 九九精彩久久| 91啪啪视频| 婷婷五月噜噜| 婷婷五月色综合| 亚洲色五月| 日韩精品二三区| 精品久久9| 国产毛多水多女人A片| 岛国AV网| 国产67194| 亚洲色图欧美色图日本视频| 这里只有精品无码| 激情视频婷婷五月花| 日日操夜夜擼| 99在线精品视频| 丁香六月色香蕉视频| 67194中文在线| 久久女人天堂| 五月天a婷婷伊人| 伊人9草在线观看| 开心五月网 | 精品无码av丁香五月激情| 日韩三级高清无码| www.五月婷婷| tingtingzonghewang| www激情网站| 五月婷婷深深爱| 99re视频精品| 色色五月婷| 4399无码视频二区| 久久精品4| 婷婷五月天亚洲激情戏精品| 吊色AV男人的天堂| 色婷婷成人五月| 草草视频91| 1024AV视频| 亚洲AV成人精品日韩在线播放| 呦呦AV| 日本一毛片| 中文字幕 中文字幕明步| 亚洲色婷婷| 五月婷婷亚洲综合网| 五月婷婷成人| 色五月激情五月| 99热99美国在线观看| 午夜丁香六月婷| 精品99视频| www.色五月| 99九九在线精品热动漫| 777精品成人a v久久| 99在线免费视频| 婷婷综合中文字幕| 婷婷五月色情天| 99热精品免费在线观看| 99re6热在线精品视频播放速度| 亚洲无码影片| 99精彩视频| 综合色色色| 色爱综合视频| 超碰a女人的天堂| 电影91久久久| 日本综合久久| 亚洲天码视频www蛋播视频| 色色是色N一| 91色碰| 风流少妇A片一区二区蜜桃| 大香蕉天堂| 一级二级香港秋霞欧美欧美秋霞| 91久久久久久| 亚洲综合欧美色丁香婷婷888月图片| 黄网在线播放| 五月天婷婷综合| 丁香五月综合在线| 激情伊人| 久久无意婷婷| 亚洲乱码日产精品BD在线观看| 99热精品观看| 婷婷六月色播| 激情五月图| 丁香五月色五月| 国模九区| 丁香婷婷激情| 日韩av在线免费观看| 特级片神马电影| 99婷婷五月天| 3p久久| www.99riav99| 色狠狠综合| 日韩人妻无码精品| 婷婷精品综合| 天天综合干| 色色五月天激情| 91操在线观看| 色五月婷婷成人| 久久婷婷五月天| 91视频五月丁香| A久网| 精品无码色| 五月婷婷五月天| 97香蕉人人在线观看| 婷婷综合丁香| 久久久网站| 97在线碰| 婷婷丁香18| 5月丁香六月婷婷| 九九热这里有精品23| 久激情网| 中文字幕成| 九九色黄色| 欧美电影在线观看| www.夜夜操.com| 男人天堂99| 丁香五月在线观看| www狠狠| 久久婷婷五月草视频在线播放| 99在线观看视频| 黄色一极大片| 中文字幕综合色| 国产精产国品一二三在观看| 九九热在线精品视频| 久久婷婷综合基地| 激情六月色| 99热99热99热99热| 五月丁香色五月| 综合久久婷婷五月丁香| 99无码超碰| 国产97色在线 | 日韩| 另类图片五月天婷婷| 8050一级网| 亚洲精品一区无码A片| 五月天婷婷小说| 色婷操逼| 99碰网站| 天天爽天天爽天天爽天天爽天天爽| 99热大香蕉| 性热视频99精品| 色色色天堂网| 奇米影视777在线_在线观看午夜_h小视频在线观看_岛国大片 | 激情小说婷婷| 天天舔天天操| 99热无码| 五月婷AV| 79色色免费| 色婷婷色五月丁香| 热99精品视频观看| 97色色-99久久| 伊人干综合| 综合久久9| 久久久久8888| 欧美操逼天堂| 亚洲四色五月| 久久久久久久久久婷婷| 国产精品 的国产| 超碰cap| 97成人操| 人人操9| 超碰99热精品在线| 91se视频| 韩国中文字幕91| 岛国在线观看91| 爱爱网址9| 在线视频区| 日本一级黄色片。| 日韩AV在线影片| 又大又粗九一在线| 亚洲成人无码专区| 激情婷婷狠狠干综合| 99热个人在线| AV在线不卡播放| 2025超碰| 夂夂夂夂夂夂夂夂夂夂夂夂夂夂夂夂夂夂夂亚洲亚洲亚洲亚洲亚洲亚洲亚洲亚洲色 | 婷婷五月丁香六月伊人网| 天天综合激情| 久久五月天综合视频网站| 婷婷欧美色| 久热这里只有精品在线观看 | 九九操屄| www久久久久久久久久久久久久久久久| 大香伊人久色| 黄色av网站在线免费播放| 视频一区二区在线| 婷婷日本在线| 五月丁香婷婷99| 色婷婷情片| 色私五月婷婷| 武则天精品久久| 97人人草| 五月天激情综合网站| va婷婷在线| 久久只这里有精品| 99视频一区| 婷婷丁香成人五月天| 五月综合激情视频在线| 天天插天天日| 97色天堂| 91久久久久久久久久久| 狠狠的日| 天天爽夜夜操| 国产精品日本一区二区在线播放| 五月丁香花成人社区| 久久婷婷五月综合网| 丁香狠狠操| 99热在线资源| 亚洲网视屏| 九九99在线观看视频| 亚洲婷婷五月草久| 五月天激情AAAA| 五月婷婷啪啪啪啪| 99re6久热只有精品6在线直播| 中文字幕AV网址| www99热| www.天天干| 激情小说色五月| 97碰91| 五月婷婷|欧美| 五月婷婷基地| 在线VA视频| 岛国av电影网站| 日韩色色视频| 亚洲五月综合色播| 国产色五月| 欧美五月婷婷| 91成人视频| 99性视频| 伊人久久丁香狠狠婷婷综合香蕉 | 永久思思热在线| 五月婷丁香久久久| 四月婷婷丁香| 五月天婷婷综合网| 五月激情婷婷丁香| 最近中文字幕大全免费版在线 | 超碰中文字幕在线| 91婷婷色五月| www.激情在线| 伊人久久五月天| 五月天婷婷丁香导航| 免费不卡狠操美女视频网 | 99视频| 国产午夜成人AV在线播放| 久热视频97AV在线观看| 久热超碰91| 激情五月,色五月| 日韩六六久久电影| 五月婷激情| 狠狠色婷婷7777久| 国产婷婷色综合AV蜜臀AV| 男人的天堂99| 97在线/亚洲| 激情丁香久久| 亚州性爱99| 色色色地址| 婷婷亚洲综合| 五月天大香焦| 狠狠爱激情网| 婷婷久久免费看| 五月婷天天搞视频| 操久久网| 久久久亚洲精品一区二区三区浴池| 一起草日本| 日韩欧美颜射| 天天拍久久| a久久| 丁香婷婷大香蕉| 操逼视频网址| 天天色天天射天天日| 丁香五月激情婷婷激情| 国产偷人妻精品一区| 五月天开心激情综合网| 婷婷五月天淫荡| 操操自拍| 五月丁香婷婷久久| 五月婷婷激情五月| 99久久网站| 中文婷婷狠狠| 九九综合精品| 色婷婷激情视频| 亚洲成人av在线| 日本精品人妻无码77777| 久久99精品久久久久久青青AR| 天天色综和网| 天天爽天天摸| 婷婷天堂综合| 久久婷婷五月天大香蕉| 99热国内精品| 亚洲十月婷婷综合| 99色色| 亚洲亚洲人成综合网络| 特级操b片| 日本ww亚洲| www久久艹| 少妇搡BBBB搡BBB搡毛茸茸| 91激情五月开心| 亚洲射激情| 超碰97免费在线| 国产美女无遮挡裸体毛片A片 | 人人操AV| 久久R激情| 97干免费视频| 婷婷香五月综合激情| 亚洲成人免费电影| 第四色色色色色丁香五月天| 色情五月天小说|