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

ARTICLE DETAIL

資訊詳情

深耕商務建站與企業(yè)官網運營的一線實戰(zhàn)洞察。

行人重識別ReID實戰(zhàn):從工程結構到模型訓練全解析

行人重識別ReID實戰(zhàn):從工程結構到模型訓練全解析 簡介行人重識別ReID是計算機視覺中的關鍵任務目標是在不同攝像頭下準確匹配同一行人。這套Python工程代碼包面向深度學習初學者和視覺研究者提供了從數(shù)據(jù)準備到模型評估的完整實現(xiàn)覆蓋Market-1501等常用數(shù)據(jù)集的處理流程。壓縮包共11個文件全部為Python腳本大小約18KB包含數(shù)據(jù)加載與增強data_manager.py、dataset_loader.py、骨干網絡ResNet.py、損失函數(shù)losses.py、優(yōu)化器配置optimizers.py以及評估指標eval_metrics.py等模塊結構清晰適合按模塊逐步研讀便于定位數(shù)據(jù)、模型、優(yōu)化等核心邏輯。目前已有150人學習下載。通過分析源碼讀者可以掌握CNN提取行人外觀特征的方法理解triplet loss、center loss在度量學習中的作用并學會使用mAP、Rank-1等指標評估模型。代碼簡潔可運行兼顧理論講解與工程實踐是課程設計、論文復現(xiàn)或入門ReID研究的高性價比參考。1. 行人重識別是什么一個 zip 里裝的是一整套跨鏡檢索系統(tǒng)在商超、園區(qū)、地鐵站跨攝像頭找人靠人眼回看錄像動輒一兩個小時行人重識別Person Re-IdentificationReID就是讓深度學習模型學會“只看一次之后在幾百個陌生人里把 ta 找回來”。一個名為“基于深度學習的行人重識別.zip”的工程包解壓開通常不是一個訓練好的模型文件而是一整套從數(shù)據(jù)集組織、訓練到檢索評估的代碼管線這也是它和普通 demo 包最本質的區(qū)別。給定一張 query 圖模型輸出一個能區(qū)分“同一個人在不同攝像頭下長什么樣”的特征向量再和全庫 gallery 特征算相似度并排序。適合正在做檢測/分類、想轉入檢索方向的工程師或研究生目標是能復現(xiàn)、能改參、能部署。2. 先看懂工程結構再動手ReID 源碼包的標準套路與數(shù)據(jù)流拿到一個 ReID 的 zip多數(shù)版本的目錄結構都長得很像這要感謝 Market1501 和后來 BoT、TransReID 這些開源工程養(yǎng)成的社區(qū)習慣。先別急著跑 train.py花二十分鐘把目錄和數(shù)據(jù)流捋清楚后面能少踩一半坑。這個環(huán)節(jié)不依賴具體代碼風格任何基于 PyTorch 的 ReID 實戰(zhàn)項目案例基本都跑不出下面這套約定。2.1 一個典型 ReID 工程有什么從 train.py 到 evaluate.py常見工程解壓后頂層會有 train.py、evaluate.py 兩個入口以及 scripts、configs、datasets、models、losses、samplers、utils 這幾個目錄。scripts 是啟動用的 shell 腳本configs 是參數(shù)配置datasets 負責數(shù)據(jù)集加載和目錄校驗models 是骨干網絡和脖子模塊losses 是交叉熵、三元組等損失定義samplers 是批次采樣器utils 里是日志和評估工具。train.py 負責訓練evaluate.py 負責加載權重、抽取特征并計算 CMC/mAP。# 解壓并查看頂層結構先確認沒有嵌套目錄 unzip 基于深度學習的行人重識別.zip -d ReID cd ReID ls -R . | head -60 # 正常會看到 configs/ datasets/ models/ losses/ samplers/ utils/ train.py evaluate.py這段命令的作用是把工程解壓到 ReID 目錄并用 ls -R 遞歸列出結構head -60 控制輸出長度。如果解壓出來帶中文目錄名或者多嵌套了一層同名文件夾先用 mv 把它提到頂層否則后面相對路徑會全部失效。多數(shù)工程用相對路徑讀數(shù)據(jù)集目錄層級錯一位報錯信息還不會直接指到路徑上而是先以“找不到圖片”的形式出現(xiàn)。在 config 或啟動腳本里通常能看到這幾個核心參數(shù)數(shù)據(jù)根目錄 data_root、輸出目錄 save_dir、批次大小 batch_size、學習率 lr、訓練輪數(shù) epochs、骨干網絡名稱 arch、損失類型 loss_type、設備 device。這些參數(shù)大多能從命令行覆蓋意味著不改代碼也能換配置。判斷一個工程是否成熟一是看 evaluate.py 里有沒有獨立的評估協(xié)議二是看 datasets 里有沒有針對 Market1501 的標準目錄處理如果都不具備說明它只是一堆臨時腳本拼起來的復現(xiàn)價值有限別在它身上花太多時間。2.2 數(shù)據(jù)怎么流動一張行人圖到特征向量的完整鏈路在 ReID 里一張行人圖從讀入磁盤到輸出特征向量經過五個環(huán)節(jié)讀取圖片、數(shù)據(jù)增強、骨干網絡提取特征、降維層壓縮特征、L2 歸一化。訓練階段在降維后還要掛分類頭和三元組損失推理階段則直接用歸一化后的特征做余弦相似度。下面這段代碼把五個環(huán)節(jié)拆開方便對照工程里每一步在做什么。# 特征提取流水線示意讀圖 - 增強 - backbone - neck - L2歸一化 import torch import torchvision.transforms as T from PIL import Image # 1. 讀圖統(tǒng)一轉 RGB img Image.open(query/0002_c1s1_000451_00.jpg).convert(RGB) # 2. 推理增強縮放、中心裁剪、歸一化訓練還會加隨機擦除和翻轉 transform T.Compose([ T.Resize([256, 128]), # ReID 通用輸入尺寸高 256寬 128 T.CenterCrop([256, 128]), T.ToTensor(), T.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]), ]) x transform(img).unsqueeze(0) # [1, 3, 256, 128] # 3. backbone 輸出 2048 維全局池化特征 # 4. neck 降到 512并做 BN推理時用 BN 后的結果即可 # 5. 最后做 L2 歸一化后續(xù)算余弦相似度 feat torch.nn.functional.normalize(neck_feat, dim1)這段代碼是工程里推理部分的最小形態(tài)。Resize 到 [256, 128] 是 Market1501 上約定俗成的輸入比例因為它匹配行人瘦長的外形先驗改成正方形會掉點。CenterCrop 在推理時是為了對齊訓練時的隨機裁剪統(tǒng)計。歸一化沿用 ImageNet 的 mean 和 std幾乎所有 ReID 工程都直接使用不必自行調整。代碼里的 neck_feat 是占位寫法實際是 backbone 輸出經過全局平均池化再過 BNNeck 的結果。實際工程里這五個環(huán)節(jié)會被封裝進 dataset 的getitem和 model 的 forwardDataLoader 的 num_workers 影響讀圖速度pin_memory 能減少數(shù)據(jù)從 CPU 拷貝到 GPU 的時間。調參時這些是常規(guī)項先確認它們沒有問題再懷疑算法本身。2.3 為什么行人重識別是「分類 度量」的混合問題剛上手的人最容易問訓練時明明用交叉熵把每個人 ID 當成一個類別來分為什么推理時輸出的不是類別而是一個向量這正是 ReID 和圖像分類的關鍵區(qū)別。分類任務里一張圖對應一個固定標簽ReID 里訓練集和測評集的人 ID 幾乎完全不相交模型必須學習“一個人的外觀特征如何跨攝像頭保持穩(wěn)定”這個能力只能靠度量學習來約束。常見做法是同時掛兩個頭一個 ID 分類頭用交叉熵逼著特征具有類別判別力一個三元組損失用難樣本挖掘把同一 ID 的特征拉近、不同 ID 的特征推遠。兩個頭共享 backbone 和 neck訓練結束后丟掉分類頭只保留特征提取部分。一句話概括交叉熵教模型“見過誰”三元組教模型“誰和誰像”兩者缺一結果都有明顯短板——只有交叉熵難樣本區(qū)分不開只有三元組訓練不穩(wěn)且收斂慢。在 zip 工程里判斷它做沒做度量學習最明顯的標志是有沒有 sampler 目錄和 triplet loss 定義。只有分類頭、沒有采樣器的版本通常是從分類項目改過來的半成品。像動手深度學習這類入門書里的分類代碼拿到 ReID 這里必須要補兩塊一個是難樣本采樣器一個是評估協(xié)議缺了它們訓練出來的模型很難在跨攝像頭檢索上拿到可用指標。3. 復現(xiàn)訓練全流程從 Market1501 到跑通 train.py 的最小命令這章直奔“照著做能跑通”。深度學習 PyTorch 生態(tài)里ReID 的復現(xiàn)難度主要不在網絡結構而在數(shù)據(jù)劃分和訓練參數(shù)對很多人來說這也是第一次理解“數(shù)據(jù)和指標一起決定模型好壞”。這里說的“跑通”不只是 loss 在下降而是訓練結束后 evaluate.py 能算出和論文同量級的 Rank-1 和 mAP。3.1 數(shù)據(jù)不“改壞”Market1501 的目錄約定Market1501 是 ReID 最常用的公開數(shù)據(jù)集包含 1501 個行人、32668 個檢測框采集自 6 個攝像頭。它發(fā)布時已經按訓練集、查詢集和候選集劃分好目錄名是 bounding_box_train、query 等。復現(xiàn)時最容易犯的錯是把這些目錄重命名或者在訓練集里混入 query。目錄結構一旦改動評估腳本按約定路徑找不到數(shù)據(jù)指標直接崩掉。Market1501 的關鍵目錄及用途如下目錄/文件內容本階段是否需要bounding_box_train訓練集751 個 ID必需query查詢集3368 張圖必需bounding_box_test候選集 gallery必需gt_queryquery 對應的標準答案標注re-ranking 時需要gt_bbox測試集行人框標注復現(xiàn)論文對比時需要# 假設工程根目錄是 ReID把數(shù)據(jù)集整理成工程能認的格式 cd ReID mkdir -p data/market1501 # 用軟鏈接而不是復制避免占雙倍硬盤也防止誤改原始文件 ln -s /path/to/Market1501/bounding_box_train data/market1501/bounding_box_train ln -s /path/to/Market1501/query data/market1501/query ln -s /path/to/Market1501/bounding_box_test data/market1501/bounding_box_test ln -s /path/to/Market1501/gt_query data/market1501/gt_query ln -s /path/to/Market1501/gt_bbox data/market1501/gt_bbox軟鏈接的 path 要根據(jù)實際解壓位置調整不要照抄。這里的關鍵是保持目錄名固定很多工程在 dataset 代碼里硬編碼了這些名字你改了它就得跟著改源碼。Market1501 的文件名本身帶標簽比如 0002_c1s1_000451_00.jpg前四位是行人 IDc1s1 是攝像頭號和場景號。有經驗的人會用文件名前四位統(tǒng)計訓練集 ID 數(shù)量如果比 751 少多半是解壓或移動過程中丟了文件。3.2 環(huán)境配置與最小訓練腳本在跑訓練前先把環(huán)境確認到位。ReID 對庫版本不挑剔但 torch 和 torchvision 的版本要配套CUDA 版本對應錯import torch 直接報錯。如果你手頭只有普通臺式機或筆記本沒法用 GPU也可以把 device 改成 cpubatch_size 調到 8 試跑一個 epoch能完整走通流程就算環(huán)境通過。# 創(chuàng)建虛擬環(huán)境并安裝依賴這是最省心的組合之一 conda create -n reid python3.8 -y conda activate reid pip install torch1.13.1 torchvision0.14.1 pip install numpy opencv-python pandas tqdm tensorboardtorch 1.13.1 配 torchvision 0.14.1 在多數(shù)顯卡驅動下都能直接裝到對應 CUDA 版本不必追新。opencv 用來讀圖和做數(shù)據(jù)增強tqdm 顯示進度tensorboard 看訓練曲線后面排錯會用到。深度學習環(huán)境配置到這里就夠了ReID 本身沒有額外依賴。訓練腳本的主體邏輯在多數(shù)工程里一致構建數(shù)據(jù)加載器、構建模型、定義損失、循環(huán) epoch。下面這段是清洗后的核心流程和真實工程對照著看能快速定位自己改壞的地方。# 訓練主流程核心片段P×K 采樣 ResNet50 BNNeck import torch from torch import nn from torch.utils.data import DataLoader # 假設 dataset 已按 Market1501 讀入train_set 返回 img, pid, camid # P×K 采樣P 個身份每人 K 張圖batch P*K sampler RandomIdentitySampler(train_set, num_instances4) loader DataLoader(train_set, batch_size64, samplersampler, num_workers4, pin_memoryTrue) model build_model(archresnet50, num_classes751, last_stride1, neckbnneck) model.cuda() # 雙頭損失交叉熵 三元組Adam 時 lr 建議從 3.5e-4 起步 criterion_id nn.CrossEntropyLoss() criterion_tri TripletLoss(margin0.3) optimizer torch.optim.Adam(model.parameters(), lr3.5e-4, weight_decay5e-4) lr_scheduler WarmupMultiStepLR(optimizer, milestones[40, 90], gamma0.1, warmup_epochs10) for epoch in range(120): model.train() for imgs, pids, _ in loader: imgs imgs.cuda() feats, logits model(imgs) # feats 給三元組logits 給分類頭 loss_id criterion_id(logits, pids) loss_tri criterion_tri(feats, pids) loss loss_id loss_tri optimizer.zero_grad() loss.backward() optimizer.step()這段代碼是 BoT 風格的訓練設置很多 zip 里的 train.py 就是它的完整版加命令行解析。batch_size 等于 64 時RandomIdentitySampler 默認是 16 個身份乘每人 4 張圖保證每個 batch 里同 ID 有足夠樣本供三元組挖掘。Adam 學習率 3.5e-4 配合 warmup前 10 個 epoch 線性升溫第 40 和 90 epoch 衰減 0.1 倍。loss_id 和 loss_tri 直接相加是最常見的組合部分工程會乘 0.5 權重差別不大。這里有個容易忽略的細節(jié)last_stride1。ResNet50 默認最后一級下采樣 stride 是 2ReID 為了保留更多空間細節(jié)會把它改成 1特征圖分辨率翻倍rank-1 通常能漲 2 到 3 個點。如果你的工程里沒這個參數(shù)訓練一次后指標偏低先檢查它。別讓 codex 跑深度學習模板代碼時替你悄悄把這類關鍵參數(shù)“優(yōu)化”掉ResNet50 的 last_stride、BNNeck、P×K 采樣這三個東西缺一個都算不上合格的 ReID 工程。3.3 訓練中途看什么日志里 loss 和 Acc 的含金量訓練日志通常長這樣“epoch 5, loss 3.21, acc 62.4, lr 0.00021”。新手最容易盯著 loss其實更該看定期在驗證集上算出來的 Rank-1 和 mAP。交叉熵的 acc 反映分類頭學得怎么樣但 acc 高不代表檢索排序好因為檢索要看候選集里的整體排序質量。epoch 10 loss 1.98 acc 78.5 cmc:63.2/79.1 mAP:52.4 lr 0.00018 epoch 40 loss 0.42 acc 92.3 cmc:85.6/93.4 mAP:72.8 lr 0.00018 epoch 90 loss 0.18 acc 96.1 cmc:89.2/95.7 mAP:78.1 lr 0.000035這份日志是典型的收斂過程第 10 個 epoch 時 mAP 已過半說明骨架和采樣器接對了第 40 個 epoch 時 acc 超過 92但 CMC 還在漲說明度量頭仍有潛力第 90 個 epoch 后學習率衰減兩個指標繼續(xù)爬升。如果在第 40 個 epoch 時 mAP 還不到 50多半是數(shù)據(jù)加載錯了或者采樣器沒生效而不是訓練不夠。先看數(shù)據(jù)再調模型這比加訓練輪數(shù)更管用。4. 模型選型與關鍵策略ResNet50 BNNeck 隨機擦除為什么是標配看完訓練流程自然會問這個工程里的模型結構能不能換先說結論能換但得不償失的情況很多。在 ReID 這個方向模型選型和訓練策略綁定得很緊深度學習模型那塊動一個參數(shù)后面的指標和顯存可能全變。4.1 三套主流骨架的取舍ResNet50、Swin/TransReID 與輕量網絡骨架參數(shù)量復現(xiàn)難度適用階段典型收益ResNet50約 25M低絕大多數(shù)工程默認穩(wěn)定和論文易對齊ResNet50 IBN約 25M中跨數(shù)據(jù)集泛化域泛化更好Swin-T / ViT-Base約 28M/86M中高追求 SOTA指標上線更高訓練敏感MobileNetV3/輕量骨干約 7M中邊緣部署速度優(yōu)先精度下降可接受ResNet50 是 ReID 圈事實上的“工業(yè)標準”論文對比都在它上面跑復現(xiàn)時最容易對齊指標。Swin 和 ViT 骨架在行人重識別上能到更高精度但對學習率、warmup、數(shù)據(jù)增強更敏感訓練不穩(wěn)是常態(tài)新手拿它當?shù)谝话嫒菀追嚒BN-Net 結構在跨數(shù)據(jù)集測試時優(yōu)勢明顯如果你后續(xù)要在別的監(jiān)控場景上直接用它比原版 ResNet50 更值得。輕量網絡適合深度學習模型部署的場景。實時檢索系統(tǒng)里攝像頭數(shù)量多單卡推理壓力大MobileNetV3 能把單張圖的推理時間壓到幾毫秒代價是 Rank-1 降 5 到 8 個點。對工程落地來說這個差距通常能用 re-ranking 或更好的數(shù)據(jù)增強補回來一部分。選型沒有絕對答案但第一版復現(xiàn)我一般只會用 ResNet50因為它把變量控制得最少。4.2 BNNeck、隨機擦除和 P×K 采樣各自解決什么問題這三個名字在 ReID 論文里頻繁出現(xiàn)作用各不相同。BNNeck 解決的是交叉熵和三元組對特征分布要求不一致的問題交叉熵希望特征的范數(shù)大、類別邊界明顯三元組希望特征落在超球面上、分布緊湊。BNNeck 在 neck 輸出的兩個分支上分別做處理分類頭分支加 BN度量分支不加損失可以在各自舒適的分布上優(yōu)化。沒有它兩個損失會互相拉扯訓練曲線震蕩明顯。隨機擦除Random Erasing是 ReID 里性價比最高的數(shù)據(jù)增強。行人經常被遮擋或者被其他行人擋住隨機擦除一塊矩形區(qū)域讓模型不要把注意力全壓在某個局部部件上。它和普通分類任務里的 CutOut 類似但擦除比例和時間點對 ReID 更敏感。P×K 采樣則是難樣本挖掘的基礎隨機采樣 P 個身份每個身份取 K 張圖這樣每個 batch 內部天然形成正負樣本對。下面是一段典型配置# 隨機擦除與 P×K 采樣的典型參數(shù) from random_erasing import RandomErasing train_transform T.Compose([ T.Resize([256, 128]), T.RandomCrop([256, 128], padding10), # 先隨機裁剪模擬位移 T.RandomHorizontalFlip(p0.5), T.ToTensor(), T.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]), RandomErasing(probability0.5, sh0.2, mean[0.4914, 0.4822, 0.4465]), ]) # 采樣器參數(shù)每 batch 16 個身份每個身份 4 張圖 sampler RandomIdentitySampler(dataset, num_instances4, batch_size64)擦除概率 0.5、遮擋面積比例上限 0.2這兩個數(shù)字是多數(shù)論文調試出來的穩(wěn)定區(qū)間。如果你碰到擦除后模型收斂變慢先降低 probability 而不是取消擦除取消后 Rank-1 通常掉 2 個點左右。RandomCrop 的 padding10 也很關鍵它給模型提供輕微位移不變性配合擦除能明顯提升跨攝像頭魯棒性。4.3 數(shù)據(jù)并行與 batch size 的關系batch size 在 ReID 里不是簡單的顯存問題它直接影響采樣質量。P×K 采樣下batch size 是 P 和 K 的乘積64 的 batch 對應 16 個身份、每個身份 4 張圖。如果把 batch size 降到 32常見操作是改成 8 個身份乘每人 4 張但 8 個身份會減少難樣本挖掘的覆蓋面指標在訓練中期就能看出差距。顯存不足時優(yōu)先降 K 而不是降 P比如 16 個身份乘每人 2 張batch 還是 32身份覆蓋面保住三元組只損失一點。# 單卡顯存不夠時的啟動參數(shù)示例 python train.py --batch-size 32 --num-instances 2 --lr 3.5e-4 # 多卡時先用 torchrun 指定可用 GPU再按卡數(shù)等比放大 batch torchrun --nproc_per_node2 train.py --batch-size 128 --lr 6e-4多卡訓練時 batch size 翻倍學習率也要相應調大常見做法是線性縮放。兩張卡從 64 變 128學習率從 3.5e-4 調到 6e-4不是簡單翻倍具體倍數(shù)靠驗證集微調。數(shù)據(jù)并行時注意每個 GPU 上的 batch 要獨立做 P×K 采樣不少工程在分布式改造時把采樣器丟了默認隨機指標掉得莫名其妙。5. ReID 復現(xiàn)避坑指標對不上、顯存不足和數(shù)據(jù)集損壞的 4 個真實問題這一章是給“訓練能跑但結果不對勁”的人準備的。下面的問題我在不同工程里見過多次每條都按現(xiàn)象、原因、解決的順序寫可以直接照著排查。5.1 坑zip 解壓后路徑亂套訓練一啟動就報“找不到文件”現(xiàn)象解壓、整理目錄后運行 train.py報錯 FileNotFoundError但路徑看起來是對的或者在 windows 上解壓后訓練正常換到 Linux 上同一份代碼報錯。原因這個 zip 工程在壓縮時可能帶了中文目錄名或者內部多嵌套了一層文件夾。Windows 上路徑大小寫不敏感掩蓋了問題Linux 上目錄里文件名大小寫不一致直接失效。還有一部分工程的 config 里寫的是相對路徑從不同目錄啟動 train.py 結果完全不同。解決解壓后第一件事是 cd 進工程目錄執(zhí)行 ls確認數(shù)據(jù)目錄真實位置然后用軟鏈接統(tǒng)一指向原始 Market1501不要復制重命名。啟動命令固定從工程根目錄執(zhí)行不要用 python /path/to/train.py 這種跨目錄方式。如果數(shù)據(jù)文件名有中文或空格先用 rename 批量清掉ReID 代碼普遍不做中文路徑處理。5.2 坑訓練 loss 正常下降但 Rank-1 和論文差 10 個點以上現(xiàn)象訓練日志里 loss 從 4 降到 0.3acc 到 95 以上但 evaluate.py 算出來的 Rank-1 只有 70 出頭論文里同配置是 89 以上。原因最大的可能性是評估階段和訓練階段數(shù)據(jù)預處理不一致。訓練用隨機裁剪、隨機翻轉、隨機擦除評估應該只用 Resize 加 CenterCrop。如果評估代碼里帶了 RandomCrop 或漏了 CenterCrop特征分布對不上指標直接崩。另一個常見原因是 query 和 gallery 劃分錯了有些工程會把 query 圖片也塞進 gallery檢索時自己檢索自己mAP 虛高但 Rank-1 偏低兩者矛盾時基本就是數(shù)據(jù)劃分問題。解決先固定隨機種子然后把 evaluate.py 里的預處理和訓練預處理逐行對比。再檢查評估代碼里是否在初始化 dataset 時用了 train 模式有些 dataset 類會在 mode 為 train 時自動加隨機增強。最后統(tǒng)計 query 和 gallery 是否有重疊文件名有就說明劃分腳本有問題回去看數(shù)據(jù)準備那步。5.3 坑batch size 調小后反而不收斂或者收斂極慢現(xiàn)象顯存不夠把 batch_size 從 64 調到 24 或 16結果訓練 30 個 epoch 后 loss 還在 2 以上mAP 不到 30。原因ReID 的 batch 不適合直接“整體縮放”。batch_size64 對應 16 個身份乘 4 張圖縮到 24 如果還是隨機采樣成 24 個不同身份每個身份只有 1 張圖三元組完全失效BN 層的統(tǒng)計量也因為 batch 太小而漂移。這屬于典型的“參數(shù)改了但沒改配套結構”。解決如果顯存只夠 batch 24改成 8 個身份乘每人 3 張圖至少保證每個身份有 3 張正樣本。同時把 BN 層改為凍結狀態(tài)或使用較小的 batch norm momentum比如 momentum 從 0.1 改成 0.01。再配合梯度累積每 2 個 batch 更新一次參數(shù)等效 batch 48這樣既保住采樣結構又不至于讓 BN 統(tǒng)計量亂跳。5.4 坑GPU 顯存直接 OOM連一個 epoch 都跑不完現(xiàn)象啟動訓練后幾秒鐘報 CUDA out of memory然后進程退出。有些人把 batch_size 調到 4 能跑但訓練完全失去意義。原因顯存爆掉不一定全是 batch size 的鍋。輸入圖片尺寸如果從 [256,128] 被改成 [384,192]顯存占用翻 2.25 倍backbone 如果用 ResNet50 的 last_stride2特征圖尺寸比 last_stride1 小一半占用更少但丟細節(jié)。還有一個隱藏項是 DataLoader 的 num_workers 開太多每多一個 worker 都會復制數(shù)據(jù)到共享內存峰值顯存看似不變但內存帶寬吃緊。解決先看這個 zip 工程里默認的 Resize 是不是被改成了大尺寸統(tǒng)一回到 [256,128]。再確認 last_stride 是否等于 1它影響顯存和精度的平衡。顯存仍不夠時用梯度累積替代調小 batch或者開 torch.cuda.amp 混合精度顯存能降一半ReID 訓練對 fp16 的敏感度比檢測低得多基本可以無痛用上。6. 驗證與進階用一張 query 手工走一遍檢索再談值不值得做訓練完不是終點你得親眼看到檢索結果才敢把它交給下游。這一章只提供一個最小驗證鏈路以及這條路繼續(xù)往深走的幾個方向。6.1 手工驗證加載權重、抽特征、算余弦相似度用 evaluate.py 能看到整體指標但看單張圖的檢索排序能更直觀地判斷模型學到的是“外觀”還是“某個攝像頭下的背景”。手工驗證只需要加載模型、抽 query 特征、遍歷 gallery 算相似度。# 手工檢索驗證輸出前 5 個結果的文件名 import torch import torch.nn.functional as F model.eval() with torch.no_grad(): q_feat F.normalize(model(transform_query(img_query).cuda())[1], dim1) g_feats [] # gallery 特征列表由 evaluate 階段緩存得到 names [] # 對應的文件名 for g_img, name in gallery_loader: f F.normalize(model(g_img.cuda())[1], dim1) g_feats.append(f); names.extend(name) g_feats torch.cat(g_feats, dim0) sims torch.mm(q_feat, g_feats.t())[0] # 余弦相似度矩陣 top5 torch.topk(sims, 5).indices.tolist() print([names[i] for i in top5])這段代碼里 model 的輸出取索引 [1]是因為前向返回了 (feats, logits) 或 (feats, pooled_feats) 兩個值具體取哪個看工程定義。驗證時用 L2 歸一化后的特征做矩陣乘法等價于余弦相似度。如果 top5 里出現(xiàn)了和 query 同一個 ID 但不同攝像頭的結果說明模型學到了跨攝像頭不變性如果 top5 全是同一個攝像頭下的圖大概率模型偷懶了它學到的是環(huán)境背景不是行人本身。6.2 進階方向re-ranking、多尺度測試與部署形態(tài)這個小流程跑通后你可以按預算選進階方向。re-ranking 是性價比最高的一項它把 gallery 內部的結構關系考慮進去通常能再漲 2 到 5 個點 mAP但推理時要把整個 gallery 特征送入內存計算適合離線檢索場景。多尺度測試是另一個穩(wěn)定技巧把同一張圖縮成 192x96、256x128、320x160 三份分別抽特征再拼接漲點不多但穩(wěn)定幾乎不花訓練成本。更接近交付形態(tài)的做法是把特征抽取封裝成 ONNX 或 TensorRT 的部署接口前接檢測模型后接向量數(shù)據(jù)庫做近似最近鄰檢索。ReID 模型本身不復雜但工程鏈路比訓練長得多。我第一次完整跑通這套鏈路時最深的教訓是不要在訓練腳本里省評估代碼訓練和評估的預處理、數(shù)據(jù)劃分必須同一個來源否則指標永遠是自欺欺人。先把這套手工驗證跑通再談優(yōu)化這條路值得投入它能幫你把零散的檢測和目標跟蹤串成真正能用的跨鏡檢索系統(tǒng)。希望幫到你。本文還有配套的精品資源點擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
国产性爱大片久久| 五月丁香婷婷激情视频| 婷婷五月影院| 99热国内精品| 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 | 曰曰久久| 岛国资源站| 亚洲精品乱码久久久久99| 五月婷婷在线观看黄| 91精品激情9| 久久久人妻不卡| 色视频五月天| 黄色av网站在线免费播放| 亚洲另类婷婷五月丁香在线播放| 婷婷亚洲综合| 色色色在线观看| www五月天激情com| 精品人妻午夜一区二区三区四区| 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 | 美女激情婷婷| 婷婷五月色| 婷婷丁香色情| 婷婷娌伦网| 九月色婷婷婷| 情婷婷五月天| ..真实国产乱子伦毛片| 九九爱看亚洲| 成人做爰A片免费看视频| 五月婷在线影院| 五月丁香淫淫婷婷婷| 日韩色色色色| 思思色综合网站| 天天综合精品| 天天草人人摸| 激情AV| 婷婷色啪| 99九九精品视频| 99免费青青蜜臀| 狠狠狠狠狠草| 久777| 另类小说五月天综合| 五月天狠狠| 五月综合丁香婷婷| 亚洲不卡欧洲| 狼友视频在线观看18| 婷婷五月天综合在线| 狠狠色综合无线观看| 五月天激情Av| 天海翼中文字幕高| 人人舔天天| 荫道BBWBBB高潮潮喷| 色之综合网| 国产成人网址| 婷婷亚洲影院| 亚洲瑟瑟精品在线| 国产精品99久久久久久久女警| 大香蕉啪啪啪| 伊人久久艹| 婷婷爱在线观看| 99久久久免费| 亚洲婷婷五月天在线激情综合网| 久久精彩免费视频| 99高级会所久久| 99九九久久| 婷婷五月四狠狠| 欧洲亚洲精品| 久久99热这里只有精品23| 婷婷狠狠操| 色噜噜综合网| 五月丁香六月婷| 色性综合| 免费视频WWW在线观看网站| 99热精品10| www.yw尤物| 精品五月丁香| 国产精产国品一二三在观看| 激情五月天www| 国产一级黄色影片,| 开心五月婷婷激情网| 无码激情AAAAA片-区区| 色五月丁香在线| 久久婷婷五月丁香蜜桃网| 丁香五月天综合网| 久久中国毛毛片爱久久| 欧洲亚洲午夜| 女人露出p毛视频www网站| 五月天激情图片| 丁香五月六月久久综合 | 色色色99| 天堂成人A片永久免费网站| 再次出发二| 国产超碰在线| 天天热夜夜操| 99热超| 亚洲日日日| 色99视| 久久综合五月天| 97在线/亚洲| 色婷婷综合久久久久| 一逼色综合| 五月天婷婷视频| 丁香五月天激情婷婷丁香六月| 日本色婷婷| 久久伊人日日夜夜| 97ai婷婷| 成人AV免费观看| 怡红院 久久| 久久丁香五月婷婷| 亚州AV超碰人人操| 日本九九视频| 日本色婷婷| 五月丁香va| 五月婷婷很很色| 婷婷综合爱| 高清国产一级婬片a免费| 色噜噜97视频在线观看| www.激情在线| 十二区无码| 26uuu国产| 日韩久热| 日本熟妇乱妇熟色A片蜜桃| 。久久久久久久久久久久久久人妻| 97操碰人免费| 丁香九月婷| 老司机午夜福利视频金瓶梅| 国内自拍1区| 五月在线| 天天色月| 99色嘟嘟精品网站| 另类激情五月| 天天摸天天舔在线视频| 99欧美热| 五月丁香啪啪激情| 一本道综合网| yw.av| 五月婷啪| 思99热精品久久只有精品| 亚洲天堂九九九| 亚洲啪视频| 再綫Av免费視品| 国产在线aaa片一区二区99| 日韩av干| 色五月婷婷91| 激情五月婷婷| 丁香五月情| 天天做天天爱天天日| 桃色五月婷婷| 91色五月| 激情5月天天天| 超碰人人99| 五月婷婷在线免费观看| 欧美爆乳一区二区三区| 97色婷| 少妇水多A片太爽了| 五月丁香777| 久久久97| 碰人人97| 人人操AV| 综合网亚洲| 日本老女人黄页在线播放| 色婷婷综合久久| 国产成人AV在线播放| 五月天激情黄色小说在线观看| 熟女强人妻一区二区三区四区无| 综合AV在线| 激情综合激情五月| 97黑人精品区| 色五月丁香com| 婷婷涩涩五月天| 丁香久久AV| se.久久视频在线观看| 免费观看的av| www.五月天| 久久99激情| 色婷婷啪啪| 天天干一干| www99热| 影音先锋按摩| 97婷婷久久丁香| 天天日天天干天天操| 婷婷五月色亚洲| 久久停停超碰| 人人草碰| 一二线视频 另类| 色五月综合在线| 思99热精品久久只有精品| 九热视频在线精品15| 成人午夜视频精品一区| 久久综合性| 天天日人人爽| 久久er视频6| 久久33视频| 婷婷六月啪啪| 色婷婷综合影院| 色婷婷综合中心| 97热精品| 亚洲中文AV网站| 五月婷婷久久综合| 婷婷五月丁香久久| 亚亚州久久高潮| 操笔无码| 亚洲无码播放| 六月激情网| 青青久在线视频免费观看| 97干网站| 99精品热| www色中色综合| 无码se| 五月香蕉网| 粉嫩AV久久一区二区三区| 成人婷婷| 五月婷婷之综合激情| 五月花成人网| 99re这里只有精品9| 久久久亚洲精品一区二区三区浴池 | 99,色| 伊人九九综合| 久久五月婷综合| 99热这里只有精品5| 婷婷成人五月天| 天天插天天| 九九久久99| 色婷婷情片| 人操综合| 国产成人精品一区二三区熟女在线| 五月丁香拍拍激情综合| 91操操| 婷婷综合一二三| 9久国产精品| 亭亭五月色男人| 激情丁香五月激情婷婷| 色噜噜伊人| 97精品自拍视频| 在线播放 精品| 色婷婷99| 婷婷五月婷婷| 色五月首页| 五月婷婷精品无在线| 99激| 婷婷欧美色| 9热视频在线观看| 99热在线爱| 久久婷婷免费| 国产AV一区二区三区最新精品| 久久免费操| 丁香五月天论坛| 欧美成人精品一区二区 | 久99久视频| 色五月婷婷基地| 欧美色性色好| 久久婷婷五月天蜜桃| 色爱终和网| 五月婷色丁香| 成人色情五月天婷婷丁香| 五月激情啪啪啪| 久色五月天| 中文在线视频久9| 欧美97超碰| 成人亚洲精品久久久久| 丁香伍月婷电影全集| 国产在线aaa片一区二区99| 夜夜操天天干| 激情五月影院| 99这里只有精品| 五月天激情亚洲| 色综合九九| 五月天色综合| 在线色色| 97干在线| 五月丁香婷婷综合| 天天插天天插| 中文字幕网伦射乱中文| 成人片黄网站色大片免费毛片| 色婷五月| 欧美成人精品A片免费一区99| 亚洲色啪| 欧美黑人巨大性生话| 青草青草视频2免费观看| 玖玖在线视频| 欧美丰满熟妇BBB久久久| 在线看九一V图片| 99原创自拍视频在线观看| 欧美69久成人做爰视频| 综合色五月亭亭| 99久久精品免费精品国产_国产精品久久久久久_国产在线|日韩_久久国产精品电影 | 日韩综合久久| 99re这里| 操碰97| 成人做爰A片免费看网站找不到了 噼里啪啦在线观看免费完整版视频 | www.天天干| 激情五月天综合网| 色五月,com| 婷婷五月天99综合网站| 色婷婷播放| 色欧美日| 手机在线日韩视频中文字幕| 东京热免费视频| 色~性~乱~伦~噜| 日韩色色色色色| 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 | 日韩综合大黄| 日日操夜夜骑| 91人人操人人爱| 色色婷婷五月| 国产肥白大熟妇BBBB视频| 国产真人做爰视频免费| 玖玖婷婷五月天毛片| 去色色五月天| 中文字幕视频在线播放| 丁香五月自拍| 五月婷婷无码专区| 狠狠做深爱婷婷久久综合一区| 99网| 婷婷欧美综合| 婷婷五月天AV| 美女久久天堂| 婷婷操久久| 中文字幕在线不卡| 亚洲丁香五月天在线视频| 99视频在线观看视频| 人人爽亚洲| 九色啦蜜臀| 琪琪色五月天| 五月天婷婷成人网| 91操黄| 密视AV综合在线| 91碰在线| 色插综合网| 九九热精品6| www.99热| 色色99| 免费三级黄色| www.99热在线| 日韩好吊操| 精品成人无码A片观看香草视频 | 婷婷五月丁香欧洲| 五月丁香亭亭| 六月丁香婷婷爱| 金品在线视频99| 丁香五月天堂网| 色欲香综合网| 久久久久人妻| 色人久久| 九月婷婷在线观看| 欧美日韩91| 天天干-天天日| 九九精品网| www.婷婷六月天| 色色五月天激情| www.久久99精品| 97操碰碰无码视频| RenRenSe在线视频网站| 天天爱天天秀天天做| 色婷网| 影音先锋男人站,影音先锋男人色资源网,影音先锋AV最新资源站,影音先锋AV资源 | 婷婷激情五月天视频在线| 日本天堂免费99| 国产激情久久| 91人人妻人人操| 丁香五月综合高清在线| 激情五婷网| 五月婷婷综合激情网| 国产精品久久久久久久久久| 九九精品热播| 婷婷五月丁香基| 深爱五月天| 丁香五月性爱| 亚洲成Av人片乱码色第1集| 婷婷香香五月| 亚洲天堂aaa| 精品久久艹| 亚洲久久天堂| 噜一噜免费视频| 夜夜干天天干| 亚洲激情综合| 国产色网站| 涩涩涩婷婷| 开心激情婷婷| 丰满少妇猛烈A片免费看观看| 国产超碰人人| 色综合久久88色综合天天人守婷| 亚洲AV日韩无码| 丁香五月花| 激情綜合網址| 人人操人av| 久久九九网| 91人人爱| 婷婷 久综合| 久久综合人妻| 四虎国产精品永久在线国在线| 五月丁香综合影院| 成人婷婷色五月天| 97在线碰| 婷婷伊人綜合中文| www.狠狠狠.com| 婷婷涩涩五月天| 91久久精品国产91性色TV| 99热e| 激情综合网 激情五月天| 成人 在线 日韩| 999热这里只有美国精品| 色色色婷婷五月天| 99这里只有精品视频| 狠狠精品干练久久久无码中文字幕| 久久 无毛。| 中文不卡一二三区| 91精品综合久久久久久五月丁香| 98热精品| 777精品成人a v久久| 国产无人区大片| 思思re最新视频| 色情五月综合婷婷| 丁香六月综合| 99九九精品视频推荐| 久思思热视频在线观看| 69久久99精品久久久久婷婷| 久久丁香网| 五月激情丁香久久综合网| 91九色国产熟女| 五月综合人妻| 这里只有精9| 九九热啪啪| 久99在线| 日日干日日s| 综合色色婷婷| 色色五月婷婷久久| 免费五月婷婷网| 99国产精品白浆在线观看免费 | 香焦网五月天| 亚洲成人精品三区| 五月婷婷六月激情网| 久久ab| 天天肏天天肏天天肏| www.99成人视频| 国产亚洲成AV人片在线观黄桃| 五月天丁香综合| 2025色婷婷| 610018岁成人视频| 色A网| 99综合网| 强伦轩人妻一区二区电影| 色吧五月婷婷| 一级韩国产精品毛| 五月丁香六月花| 国产精产国品一二三在观看| 九九日本视频| 婷婷亚洲综合| 欧美色97| 涩涩五月天| 久久99免费视频网站| 极品人妻videosss人妻| 国产精品涩涩涩视频网站| 午夜婷婷| 草草视频91| 丁香五月手机在线| 婷婷丁香亚洲色综合91| 日日操夜夜操无码免费| 五月婷婷69| 久草丁香婷婷1024| 26UUU精品一区二区Com| 欧美顶级少妇做爰HD| 偷偷狠狠久久婷婷五月天| 99啪啪视频| 丁香五月区| 色五月婷婷中文字幕在线观看 | 超碰高清在线| 久久综合网桃花| 四月婷婷丁香| 影音先锋男人站,影音先锋男人色资源网,影音先锋AV最新资源站,影音先锋AV资源 | 微拍92| 色人妻五月| 国产毛片精品一区二区色欲黄A片| 国产精品久久在线观看技巧| 久久综合五月天| 9九热视频| 婷婷丁香人妻天天爽| 99干日本| 亚洲啪啪啪啪| 久热大香蕉| 久久久婷婷婷| 91婷婷| 婷婷啪啪| 色五月婷婷中文字幕在线观看| 日本三级中国三级99人妇网站| 色色激情网| 久久曰曰| 99国产小视频2013| 99热这里是精品| 五月天婷亚洲天综合网综合| 九九成人视频| 就爱啪啪婷婷| 五月激香蕉网| www.五月天社区| 四色五月婷婷| 色五月婷婷五月| 丁香五月黄色| 日韩成人电影在线播放| 色综合久久天天综合网| WWW,五月| 中文字幕+乱码+中文字幕在线观看| 激情六月婷婷| 九月婷婷丁香| 婷婷六月香| 99热最新| 射区导航| 99亚洲天堂| 婷婷久久网| 九九黄色网| 狠狠操天天操综合| 日本综合99| 五月天狠狠草| 五月天婷婷久草丁香| 狠狠色五月天| 91九色精品女同系列| 五月婷婷丁香综合| 精品色情一区二区三区四区| 亚洲精品字幕| 欧美成人五月天| 久热精品在看| 91九色国产| AV伊人青草丁香六月| 九九伊人网| 色欲丁香久久| 九九久久久综合| 色五月丁香婷婷久草| 中文字幕人妻在线| 五月婷婷六月激情| 九九热短视频在线观看| www.91AV.COM| 成人视屏在线观看| 丁香五月婷婷色综合基地| 国产干逼片| 色五月婷婷一二| 午夜成人网站在线观看| 日韩成人综合网| 这里只有精品99www| 97成人视频| 午夜爱爱网站| 天天舔夜夜操www com| 伊久大香蕉| 婷婷久久色| 日本久久婷| 五月激情小说| 丁香激情综合| 天天色丁香| 国产av一区二区三区| 性一交一乱一交A片久久四色| 欧美丁香婷婷五月| 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 | 在线视频你懂得| 亭亭色网| 欧美 日韩 成人 在线| 五月天婷综合| 日本一级特黄大片AAAAA级| 99热精品在线在线| 五月婷婷六月丁香玖玖玫瑰91| 99色色网| 激情图片婷婷| 激情综合区| 99热99干| 综合激情视频| 可以免费观看的av| 九九热在线精品视频| 97五月天| av国产精品| 牛牛热这里只有jingpin| 4399无码视频| www.ywav| 99综合成人视频在线观看| 日日杆天天| 99久久66| ady狠狠入| 玖玖在线视频| 五月丁香婷婷成人综合网| www.99久久久| 婷色影院| 激情五月综合网最新| 五月四色色| 五月天激情啪啪| 九九热在线视频| 久久婷婷五月| 91操人| 色欲AVV| 99热主页日本| 国产精品久久久60086| 五月五月婷婷| 四LLL少妇BBBB槡BBBB| 五月丁香六月婷婷网| 婷婷五月激情网站| 午夜色丁香| 亚洲综合五月天| 五月天偷拍| 久久五月丁香激情综合| 2017人人操| 人妻熟人中文字幕一区二区| 玖玖婷婷色五月| 天天日夜夜草进麻麻的子宫| 一区二区乱码视频| 久久小说网| 色婷婷婷婷| 国产成人va在线| 综合色播| 夫妻超碰在线| 99精品成人无码A片观看金桔| 超碰网站在线观看| 五月丁香成人| 欧美久热| 亚洲精品成人片在线播| 香蕉久久国产AV一区二区| 99综合自拍| 99热这里有精品2| 天天色播| 五月丁香最新| 91色色五月天| 99热这里只有精品中文字幕| 色五月五月婷婷| 思思热精品免费视频| 黄网免费看| 日韩有码一区| 国产真人做爰视频免费| 九九色热| 播五月丁香三月婷婷| 五月五丁香婷婷| 91久久久久久| 99超碰人人| 丁香婷婷AV| 操人91| 亚洲成人在线综合| 亚洲第一色区| www婷婷亚洲| 久久停停超碰| 99热色精品| 大香蕉啪啪| Av在线资源| 天天干天天干天天干| 五月婷婷六月激情| 亚洲成人AV高清字幕| 婷婷五月激情综合啪啪| 久99| 丁香五月精品| 亚韩在线视频| 激情又色又爽又黄的A片| 潮汕成人AV片在线| 色婷五月天| 欧美性丁香色色五月天| 成人在线综合| 另类少妇人与禽zOZZ0性伦| 国产超碰av| 婷婷五月天久久久| 五月婷婷色情| 99热在线精品观看| 不卡在线中文字幕无| 538任你爽视频不一样的| 久久五月天婷婷视频| 伊人深爱综合| 香蕉综合在线| 婷婷最新地址| 色婷婷激情五月天| 亚洲久久视频| 五月天激情图片| 五月激情综合网| 午夜福利成人AV91| 激情五月激情综合俺也去婷婷小说 | 97操碰在线97| 超碰免费在线| 亚洲成人在线五月天| 亚洲超碰在线| 国产精品成人网址| 丁香五月激情婷婷视频| 婷婷干五月综合在线播放| 成人性爱精品视频| 五月色欧洲| 99色啊| 丁香五月天欧美成人| www.色综合| 九九色欲网| 丁香五月综合激情性爱| 亚洲一区二区无遮挡A片| 超碰中文字幕在线| 成人短视频免费| www久久久久久久| 日韩无码AV电影网站| 噼里啪啦完整版中文在线观看 | 丁香五月六月激情| 日逼免费视频| 五月丁香激情婷婷综合| 天天操天天草天天草天天| 亚洲性图一区二区| 五月天婷婷永久免费视频| 色五月婷婷视频| 99在线视频精品| 五月婷婷丁香五月亚洲色| 亚洲色欲欧美一区二区三区| 五月婷婷狠天天色综合| 综合激情网| 日日鲁鲁夜夜爽爽| 色香五月天| 久久有码| 色色欧美色色| 四色99久久| 狠狠色综合精品视频在线| 亚洲精品午夜国产va久久成人| 六月丁香久久| 思思热精品在线视频| 亚洲a色| 天天艹夜夜艹| 亚洲欧美婷婷五月色综合| 中文字幕激情综合| 五月丁香久久网| 婷婷五月天丁香| 少妇综合网| www.色99| 国产精品涩涩涩视频网站| 国产精产国品一二三在观看| 狠狠五月婷婷| 丁香五月天亚洲综合| 婷婷五月丁香人妻无码高清| 9久久AV| 在线成人网址| 久热精品视频在线观| 丁香五月婷婷丫| 婷婷娱乐丁香综合网| 伊人久久五月天综合| 五月丁香天堂网| 天天日日夜夜| 久久婷婷色| 婷婷五月成人| 五月丁香综合精品欧美| 玖玖玖婷婷婷| 丁香婷婷色九月| 丁香啪啪| 天天综合天天做天天综合| 色性五月天| 狠狠色噜噜狠狠狠狠综合| 4438激情网| 亚洲热久久| 国自产拍偷拍精品啪啪一区二区| 伊人香大香蕉视频| 国产在线自| 天堂中文国产| 激情综合网之激情五月| 婷婷五月天另类网站| 亚洲无码99| 色综合久久久久| 久久精品91视频| 激情5月婷婷| www.99色在线| 亚州视频九九99| 99久久综合网| 九九热九九| 亚洲碰碰碰| 在线综合91| 激情综合色| 国产精品99久久久久久久女警 | ′久久99一| 狠狠色婷婷777| 射婷婷中文字幕| 婷婷亚洲激情在线观看视频| 久久a热| 啪啪操操| 婷婷 色 丁香 夜| 91/九色黑人| 99精品爱| 国产肥白大熟妇BBBB视频| 婷婷丁香社区| 五月丁香婷婷潮喷中文字幕| 五月丁久久| 丁香五月瑟瑟| 亚洲激情AV| 亚洲人妻av| 久久99网站| 久热91精品| 能看的av| 影音先锋天天日| 六月激情久久| 久久一级免费黄色片| 五月丁激情| 亚洲99精品欧美一区| 国产99久久久| 91热视频| 久久综合激情| www.狠狠干com| 9久国产精品| 被强行糟蹋的女人A片| 欧美色色色色色色| 色综合色综合色综合高潮| 深爱激情综合网| 99这里只有精品|v| 五月天婷婷Av| 综合亚洲色色| 色五月激情婷婷| 99久热| 91人妻九色大屁股| 色色五月丁香婷婷| 日日操,夜夜撸| 99热国产精品| 影音先锋男人AV资源站| 五月婷色色| 日本操逼九九九九58日本操逼| 欧美日朝成人| 日韩欧美成人网| www99热| 久久丁香久久| 91碰碰碰| 久久久久99精品成人网站| 成人五月天在线视频在线观看| 色99视频| AA片在线观看视频在线播放| 色色爽爽天天| 夜夜做夜夜愛| 可以免费观看的AV| 婷婷激情五月天小说| 婷婷深爱五月天在线| 182TV大香蕉| 五月丁香六月片| 成人AV在线电影| 婷婷开心久久| 午夜少妇在线观看视频| 天天综合五月| 五月婷婷激情综合拍| 色色操| 国产女人十八水真多1| 最新日本A片| 热久久这里只有精品| 国产AV熟妇人震精品一品二区| 99福利导航| 婷婷五点亚洲| 开心激情站| 色九月婷婷综合| 欧美色五月天| 久久婷婷视频| 婷婷色情网| 丁香涩涩爱| 国产暴力强伦轩1区二区小说| 超碰在线国产9| 色婷婷AV久久久久久久| 99色综合| 色色五月丁香婷婷| 直接看的av| 久久五月婷天天干| 99开心五月五月丁香激情| 99热这里只有精品免费| 国内一级片| 九九热这里只有精品5| 播五月开心婷婷欧美综合| 五月丁香综合色婷婷| 丁香综合婷婷开心激情网| 亚洲激情综合| 天天插操| 色欲五月天| 五月丁香六月婷| 伊人激情网| 色高清无码视频| 99热这里是精品| 日本婷久久| 99热99热在线| 婷婷色色网站| 五月激情丁香久久综合网| 色婷婷www| 九月大香蕉| www.lingjunshare.com| 少妇性按摩无码中文A片| 站长推荐无码播放| 女人被男人吃奶到高潮| 日美三级| 国产一级婬片毛片| 天天日夜夜爽| 综合婷婷| 亚洲综合色色| 色日本综合| 这里只精品热在线18| 中文中文在线| 99国产小视频免费观看| 99精在线| 色色色婷婷五月| 另类激情五月在线视频欧美| 嫩草哈哈操| 开心五月婷婷在线| 亚洲国产精品二二三三区| 五月噜噜噜色综合| 99热精品在线观看| 中美日韩成人在线| 婷婷内射视频在线| 色色色在线观看| 几激情五月婷婷色五月色天堂| 色色网站日本91| α久久| 三级片AAA久久久AAA久久久AAA | 婷婷六月激情综合| 婷婷五月天激情综合| 国产一级片| 久久永久网址| 色播五月丁香| www,久久久| 婷婷亚洲影院| 91尤物九色在线| 欧美久久网| 极品另类| 久久久久久97| 久久精品综合色| 婷婷五月天国产| 最新久久99视频网站| 五月亚洲| 91N 一起草| 国产色色色色| 五月色婷婷夜色| 五月丁香六月婷婷无码| 天啪天啪天啪天啪| 婷婷五月天在线观看第二页| 超碰cap| 国产婷婷五月天| 天天肏在线视频| 久久九九大香蕉电院| 婷婷综合中文| 五月婷婷福利| 午夜在线成人网站免费观看| 日韩操| 99操不停| 99视频精品全部观看10| 色99免费视频中文| 丁香五月天激情综合| 99热精品10| 在线观看亚洲视频影院| 五月天婷婷香蕉狠狠超碰综合| 久久久久亚洲AV无码网影音先锋| 99久操| 99热亚洲| 操一区| 五月婷婷丁香五月| 另类图片激情五月天| 丰满少妇猛烈A片免费看观看| 丁香六月色情| 婷婷综合仓库中文| 这里只有精品网站| 《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 | 超碰人人超碰| 成人在线精品| www.99热这里只有精品| 伊人丁香六月婷婷| 97干干干丁香| 色狠狠色噜噜噜a天堂一区| 大香蕉丁香婷婷| 激情五月婷婷丁香| 日熟女| 五月婷亚洲精品AV天堂| 97久久视频| 专区无日本视频高清8| 五月婷婷免费视频| chaopeng在线人人| 天天婷婷综合亚洲亚洲| 成人精品人妻| 色播五月婷婷| 婷婷丁香成人在线视频| 五月婷婷香蕉| 99视频在线| 亚洲一级色电影| 丁香五月偷拍| 久久视频婷婷视频| 婷婷五月丁香激情| 五月天激情久久| 激情综合网址| 97色在线| 亚洲五月情| 99久久.www| 色色色999| 亚洲成色综合网站免费观看| 九月婷婷在线视频| 激情五月天小说| 爆乳熟女一区二区三区爆乳| 玖玖在线视频| WwW天天干| 91高潮喷水久久久久久久久| 综合狠狠干| 狠狠大香婷婷爱| 青青久在线视频免费观看| 逼里香不卡| www99久久| 日韩999| www狠狠| 五月婷婷|欧美| 五月天狠狠| 欧美丁香六月激情视频| 91热手机在线| 国产激情久久久| 色婷五月丁香久亚洲| 一级性爱大片| 思思热精品在线| 六月天六月婷| 日韩美女羞羞网站在线观看| 婷婷的久久网站| 亚洲狠狠婷婷综合久久久| 色九九一二| www,久久久| 婷婷夜夜夜夜| 亚洲超级碰| 综合色99| 成人色色视频| 激情九月综合| 国产精品18久久久| 婷婷狠狠操| 天天色情站| 七七色综合| 久久久www| 五月婷婷婷婷婷婷艺术| 人人操人人爰人人一天天碰夜夜拍夜夜爽-中国A级毛片天天看天天谢… | 色综合xx| 久操人| 天天干夜夜谢| 丁香五月六月激情久久| 五月婷婷啪啪网| 午夜无码熟熟妇丰满人妻| 久9视频免费播放| 六月色日韩| 五月丁香花激情啪啪网| 欧美一级色| 伍月婷丁香花全集| 久久精典| 六月婷综合| 激情综合婷婷| 狠色狠色综合久久| 青青草原亚洲天堂| 久久婷婷五月天丁香| 91超碰在线观看| 五月婷婷深爱六月| 久久久27操| www.色五月| 99热网址| 色五月婷婷激情五月| 日本三级中国三级99| 99热个人在线| Av九九| 色综合日日| 欧美日综合| 影音先锋一区二区资源站| 亚洲精品午夜国产va久久成人| 久久久99精品| 激情综合无码| 亚洲人成播放网站| 五月天综合色| 色婷婷五月在线| 成人色站,在线视频,看片-SS1AV| 激情综合色婷婷啪啪六月天| 国产AV一区二区三区最新精品| 天天爽天天| 婷婷色五月久久| 五月丁香 啪啪| 91狼友视频网页更新| 国产67194| 久久人妻视步| 六月激情婷婷色| 狠狠色狠狠色综合日日91| 色色色综合网| 五月天丁香成人| 99久久综合精品五月天| 丁香五月激情宗合网| 五月激情久久| 国产亚洲精品久久久久久郑州| 涩综合网| 夜夜操激情| 激情久久四色| 99婷婷国产最新视频| 五月天丁香婷婷久久九| 狠狠草在线观看| 免费精品99| 五月综合婷婷久久在线| 久久久精品视频79| 国产精品汇聚精彩第二页 - 高清完整版在线 - 青蛙AV | 五月丁香网站在线播放| 五月丁香操婷逼| 99九九99九九九视频精品| 99精品偷自拍| 亚洲欧美综合7777色婷婷| 开心婷婷五月中文字幕组| 丁香五月色播中文在线播放| 亚洲AV中文在线| 1024在线视频| 超碰成人黄色网| 婷婷五月天社区| 97热在线精品| 激情综合激情五月一起草| 五月丁香综合久久| 色情综合| 色婷婷色九月| 国产精品A片在线| 乱岳熟女50岁| www.91久久| 五月婷婷中文字幕| 久久精热| 婷婷综合伊人丁香| 人妻性爱| 亚洲黄色影视| 超碰93在线观看| 七七久久婷婷| 国产精品成人AV在线观看春天| 日日操夜夜撸| 九色自拍| 日韩啊啊啊| 人草人人| 五月天自拍视频| 丁香五月亚洲激情婷婷射| 人人操人人操919999| 久久久九九视频精品18| 国产精品日本一区二区在线播放| 天天综合精品| 五月色网| 五月六月伦理| 人人噜天天上| 五月婷婷无码专区| 天天做天天爰天天爽天天无遮挡| 五月婷婷综合网| 丁香久久综合| 中文字幕激情综合| 91窝窝| 91碰免费视频| 91蝌蚪窝视频在线| 久久er99热精品一区二区| 丁香五月香蕉| 日本三级大片| 超碰com| 久久这里只有精品99| 五月丁香六月激情啪| 啪啪激情网站| 26uuu色噜噜精品一区| av九九| 97干97色| 五月婷婷欧美| 大香蕉伊人99| 极品另类| 五月天婷综合| 九九超日本| 99网址在线观看| 69热91天堂| 爱超碰性| 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 | 成人中文字幕在线| 伊人碰碰婷婷| 亚洲久久日| 五月天婷婷丁香基地在线观看| 激情黄色小说色五月| 日韩黄色电影| 精品九九网| 99热色婷婷| aaa9区免费在线观看| 丁香五月手机视频| 久久的爱大香蕉| 美女被肏网站在线看| 婷婷情色五月| 久热精彩视频98| 婷婷综合久久综合| 久久九九99视频| 欧美久久久中文字幕| 亚洲人成播放网站| 97超碰99热99| 激情婷婷22月间| 日美三级| 色99婷婷五月天| 都市激情亚洲| 综合99视频| Av九九| 亚洲综合色色| 五月天婷婷xxx| 九九日本视频| 婷婷五月在线综合| 色色婷五月天| 色青青视频| 夜夜www| 激情婷婷五月天在线观看| 午夜激情五月| 日本VA视频| 丁香六月婷婷综合缴| 婷婷五月天影视首页| 成人五月天丁香婷| 天堂A∨在线| 人人操91| 色99视频| 丁香五月天视频| 欧美特大片黄| 久久综合五月情| 久久9热综合| 激情爱爱网站超大免费| 人人人操| 99热乎| 精品视频99看在线视频| 奸逼视频| 久久A区B区| 九九视频在线观看| 色狠狠综合网| 玖玖热视频| 婷婷丁香六月天| 五月美女婷婷风骚 | 亚洲色爱综合| 久久人人妻| 毛片新网地| 久色资源| 被强行糟蹋的女人A片| 人人操AV| 另类丁香五月天区图| 九九综合88| 欧美三日本三级少妇三99| 99色在线观看| 乱女乱妇熟女熟妇综合网站| 99色热视频| 五月天激情电影| 久草视频一,二三四| 99亚州综合精品成人网| 久久久国产精品黄毛片| 日韩三十六页| 丁香玖玖视频大全| 九月丁香| 五月www| 五月婷婷激情综合网 | 亚洲欧洲中文日韩久久AV乱码| 色吧网综合| 国产性爱一级| 2014天天爽| 婷婷五月婷婷五月天| 色综合久久88色综合天天99| 日良久久| 五月激情在线| 色吧99| 99九九综合久久九九| 99'无码| 五月天社区狠狠| 91婷色| 欧美激情综合| 97午夜一区二区| 六月丁香综合| 中文字幕+乱码+中文字幕在线观看| 日本激情综合| 91婷婷色| 99热成人| 五月婷婷婷色| 99热久草| 五月丁香婷婷国产精品综合| 色婷婷裸体色性在线| 成人 在线 日韩| 久久精品99国产精品日本| 激情文学 综合 九月| 91人人操人人| 天天综合插插| 婷婷五月天在线视频网站| 激情五月小说婷婷| 亚洲丁香五冃97色| 97亚洲婷婷| 激情网 五月天| 国产视频婷婷| 久久怕怕视频| 五月天婷婷偷拍| 99热新网址| 99热青青草原| 欧美日韩成人在线网| 国产精品国产成人国产三级| 丁香五月激情啪啪啪| 好好干Av| 激情五月亚洲| 亚洲综合婷婷| 婷婷丁香九色| 国产成人AV在线播放| 激情五月综合免费| 日日撸夜夜操| 激情五月天丁香| 日本99婷婷| 丁香五月六月久久综合| 天天日,天天射,天天舔| 色情婷婷五月天| 草榴成人影片|