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。

Python+VGG-16圖像檢索系統(tǒng):預(yù)訓(xùn)練模型提取特征實(shí)現(xiàn)以圖搜圖

Python+VGG-16圖像檢索系統(tǒng):預(yù)訓(xùn)練模型提取特征實(shí)現(xiàn)以圖搜圖 簡介圖像檢索是計(jì)算機(jī)視覺中的經(jīng)典任務(wù)目標(biāo)是從圖像庫中快速找到與查詢圖視覺相似的圖片。傳統(tǒng)方法依賴顏色直方圖或SIFT特征點(diǎn)易受光照和角度影響而深度學(xué)習(xí)的興起帶來了更魯棒的特征表達(dá)。VGG-16作為經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)經(jīng)過ImageNet預(yù)訓(xùn)練后已具備強(qiáng)大的通用視覺特征提取能力。在圖像檢索中我們可以將其視為一個(gè)“特征提取器”無需訓(xùn)練分類器僅通過一次前向傳播即可將圖片壓縮為高維向量再借助余弦相似度進(jìn)行排序。這種方法適合產(chǎn)品圖檢索、素材管理、畢設(shè)課設(shè)等中小規(guī)模圖像庫場(chǎng)景。本文基于一份PythonVGG-16圖像檢索系統(tǒng)源碼詳細(xì)拆解了從模型加載、特征提取到HDF5特征庫構(gòu)建與查詢的完整流程并總結(jié)了Keras/TensorFlow版本兼容性、圖像預(yù)處理、L2歸一化等高頻踩坑點(diǎn)幫助讀者快速復(fù)現(xiàn)并擴(kuò)展自己的以圖搜圖應(yīng)用。1. PythonVGG-16 圖像檢索系統(tǒng)為什么“不訓(xùn)練”也能以圖搜圖做圖像檢索的從業(yè)者應(yīng)該都有過這種需求手里攢了幾百上千張產(chǎn)品圖、素材圖或?qū)嵟恼掌肟恳粡埐樵儓D從庫里找出相似的那幾張。傳統(tǒng)的做法是提顏色直方圖或 SIFT 特征點(diǎn)但光照一變、角度一轉(zhuǎn)檢索效果就崩。我拆這份 PythonVGG-16 圖像檢索系統(tǒng)資源時(shí)最直觀的感受是它把一個(gè)深度學(xué)習(xí)模型降維成了“特征提取工具”全程不訓(xùn)練分類器只跑一遍前向傳播把圖片壓成向量再做相似度排序。對(duì)畢設(shè)、課設(shè)、小型以圖搜圖項(xiàng)目來說這個(gè)思路比從零搭 CNN 分類網(wǎng)絡(luò)省太多事而且預(yù)訓(xùn)練權(quán)重本身就是免費(fèi)的數(shù)據(jù)集知識(shí)遷移。這份壓縮包里包含完整源碼、詳細(xì)設(shè)計(jì)文檔、VGG-16 模型權(quán)重文件 vgg_featureCNN.h5 和一批測(cè)試圖片適合作畢設(shè)二次開發(fā)也適合剛接觸深度學(xué)習(xí)檢索的新手照著跑通鏈路。2. 檢索原理與特征選型從 224×224 像素到 4096 維向量的過程2.1 VGG-16 的結(jié)構(gòu)里真正干活的層是哪幾層VGG-16 的名字來源于它的 16 個(gè)權(quán)重層13 個(gè)卷積層加 3 個(gè)全連接層。論文原文把卷積層分成 5 段block1 到 block5每段后面接一個(gè)最大池化層越往后通道數(shù)翻倍、空間尺寸減半。圖像輸入尺寸被強(qiáng)制 Resize 成 224×224×3經(jīng)過第一段卷積后變成 224×224×64到第五段結(jié)束變成 7×7×512。這個(gè)空間壓縮過程實(shí)際上是在逐層提取“從邊緣到紋理再到物體部件”的語義信息。對(duì)圖像檢索來說我們需要的是“圖片的表征向量”而不是分類概率。所以常規(guī)做法是砍掉 VGG-16 最后的全連接層和 Softmax 層把某個(gè)卷積或池化層的輸出當(dāng)成特征。關(guān)鍵選擇發(fā)生在兩個(gè)位置一個(gè)是 block5 的池化層block5_pool輸出形狀是 7×7×512另一個(gè)是第一個(gè)全連接層 fc6 輸出形狀是 4096 維向量。兩者的語義層次不一樣block5_pool 保留了一定的空間位置信息適合做局部匹配fc6 把整張圖揉成一個(gè)全局描述子相似度計(jì)算更穩(wěn)定但會(huì)丟失空間細(xì)節(jié)。這份資源里的 vgg_featureCNN.h5 從命名看就是 VGG-16 在 ImageNet 上預(yù)訓(xùn)練好的模型權(quán)重。我的理解是它既可以直接用 Keras 的VGG16(weightsimagenet)等價(jià)加載也可能被封裝成了自定義的 .h5 模型文件。實(shí)操時(shí)先看包內(nèi) docx 設(shè)計(jì)文檔里對(duì)模型的描述再?zèng)Q定用load_model還是從預(yù)訓(xùn)練權(quán)重恢復(fù)兩種方式我在下一章都會(huì)給出對(duì)應(yīng)代碼。2.2 為什么取特征比訓(xùn)練分類器更劃算很多新手拿到圖片檢索需求第一反應(yīng)是“我得訓(xùn)練一個(gè)網(wǎng)絡(luò)讓模型學(xué)會(huì)判斷兩張圖像不像”。這個(gè)想法本身沒錯(cuò)但在數(shù)據(jù)集只有幾百張圖的情況下從零訓(xùn)練一個(gè)深度分類網(wǎng)絡(luò)屬于典型的投入產(chǎn)出比失衡。即便用數(shù)據(jù)增強(qiáng)幾百張圖也很難把 VGG-16 這種千萬級(jí)參數(shù)的網(wǎng)絡(luò)訓(xùn)穩(wěn)極易過擬合而且訓(xùn)練時(shí)間以小時(shí)計(jì)。反過來用預(yù)訓(xùn)練權(quán)重做特征提取器就劃算得多。ImageNet 上訓(xùn)練好的 VGG-16 已經(jīng)學(xué)會(huì)了識(shí)別邊緣、紋理、形狀、物體部件等通用視覺特征這些特征對(duì)“判斷兩張圖是不是同類物體”這件事是天然有效的。我們只需要把每張圖喂進(jìn)去取某一層的輸出作為特征向量存進(jìn)特征庫查詢時(shí)同樣操作查詢圖再計(jì)算查詢向量與庫中所有向量的相似度排序返回 Top-N。整個(gè)過程沒有反向傳播、沒有梯度更新一次前向推理幾十毫秒CPU 也能跑。這種“不訓(xùn)練”的方式還有個(gè)隱性好處特征庫可以隨時(shí)增量更新。新加一張圖只需要對(duì)這張圖做一次前向推理把向量追加到庫里不需要重新訓(xùn)練模型。如果哪天不滿意檢索效果可以換一個(gè)特征層重新批量提取一遍特征模型權(quán)重完全不用動(dòng)。對(duì)課程設(shè)計(jì)和初期產(chǎn)品原型來說這個(gè)靈活性很關(guān)鍵。2.3 余弦相似度與排序檢索的最后一步特征向量拿到之后剩下的工作就是度量“像不像”。圖像檢索里最常用的是余弦相似度計(jì)算兩個(gè)向量夾角的余弦值值越接近 1代表兩幅圖在特征空間里方向越一致視覺內(nèi)容越相似。相比歐氏距離余弦相似度對(duì)向量整體的縮放不敏感這在處理深度學(xué)習(xí)特征時(shí)是重要的魯棒性來源因?yàn)椴煌瑘D片經(jīng)過網(wǎng)絡(luò)后特征的模長天然存在差異。實(shí)際計(jì)算前有一個(gè)容易被忽略的細(xì)節(jié)特征向量要做歸一化。常見做法是 L2 歸一化也就是把向量除以它的模長讓每個(gè)向量的長度都變成 1。歸一化之后余弦相似度就等于兩個(gè)向量的點(diǎn)積計(jì)算量會(huì)小很多而且能避免個(gè)別模長特別大的特征向量在排序中“一票獨(dú)大”導(dǎo)致結(jié)果失真。包內(nèi)源碼的檢索部分大概率也是走的這條鏈路如果讀者發(fā)現(xiàn)自己算出來的相似度全是同一個(gè)值優(yōu)先檢查這一步有沒有漏掉。排序邏輯本身不復(fù)雜庫里有 N 張圖的 N 個(gè)特征向量查詢向量和每個(gè)庫向量做一個(gè)點(diǎn)積得到 N 個(gè)相似度分?jǐn)?shù)用argsort從大到小排一遍取前 K 個(gè)索引再映射回圖片路徑返回前端展示即可。后面第 3 章的代碼會(huì)把這整條鏈路完整串起來。3. 復(fù)現(xiàn)腳本與參數(shù)設(shè)置從源碼包到跑通一條檢索請(qǐng)求3.1 解壓后的文件布局與測(cè)試圖片集先說明一下資源包解壓后能看到的東西一個(gè)設(shè)計(jì)文檔docx 格式講系統(tǒng)方案和模塊劃分一個(gè)模型權(quán)重文件 vgg_featureCNN.h5一個(gè) IntelliJ 工程文件 search-picture.iml以及430453.jpg、430448.jpg、430374.jpg等一批準(zhǔn)測(cè)試圖片。這些圖片的編號(hào)是連貫的本質(zhì)上就是一個(gè)小型圖像庫可以直接拿來驗(yàn)證檢索效果。文件/目錄角色說明算法設(shè)計(jì)文檔.docx系統(tǒng)設(shè)計(jì)、模塊劃分、流程說明畢設(shè)查重和答辯時(shí)直接引用vgg_featureCNN.h5VGG-16 預(yù)訓(xùn)練權(quán)重或完整模型檢索特征提取的核心依賴search-picture.iml工程模塊配置文件IDE 打開項(xiàng)目時(shí)自動(dòng)識(shí)別430xxx.jpg系列測(cè)試圖像庫驗(yàn)證檢索精度用可替換為自己的圖片集建議把測(cè)試圖片統(tǒng)一放到images/目錄后續(xù)腳本會(huì)按目錄批量讀取。如果只有這一批圖直接沿用包內(nèi)路徑也可以注意別把圖片路徑寫死到帶中文的目錄下HDF5 和 OpenCV 對(duì)中文路徑的兼容性問題夠你折騰半天。3.2 環(huán)境清單與依賴安裝順序這份資源基于 Python Keras/TensorFlow 實(shí)現(xiàn)我的復(fù)現(xiàn)環(huán)境是 Python 3.8 搭配 TensorFlow 2.x兼容性最好。如果你用的是 Python 3.10 及以上TensorFlow 版本盡量選 2.10 以上的版本否則容易碰到算子兼容性報(bào)錯(cuò)。依賴清單按安裝順序排列如下依賴包版本建議用途tensorflow2.82.12加載模型、前向推理numpy1.21向量運(yùn)算、相似度計(jì)算opencv-python4.5圖片讀取、尺寸調(diào)整、預(yù)處理h5py3.x讀寫 .h5 特征庫Pillow8.4備用圖像讀取處理 RGBA 圖比 cv2 方便# 創(chuàng)建虛擬環(huán)境避免污染系統(tǒng) Python python -m venv vgg_search_env source vgg_search_env/bin/activate # Windows 下用 vgg_search_env\Scripts\activate # 按順序安裝核心依賴 pip install numpy1.21.5 pip install tensorflow2.8.0 pip install opencv-python4.5.5.64 pip install h5py3.7.0 pip install Pillow9.5.0這里給 TensorFlow 固定 2.8.0 不是保守而是因?yàn)?Keras 2.x 的keras.applications.vgg16接口最穩(wěn)定后面加載預(yù)訓(xùn)練模型時(shí)不需要改任何代碼。如果直接裝最新版 TensorFlow2.16默認(rèn)走 Keras 3load_model的兼容性會(huì)引入一堆額外麻煩具體在第 4 章避坑部分展開。3.3 特征提取腳本寫入 .h5 特征庫特征庫的構(gòu)建是檢索系統(tǒng)的第一步。下面的腳本批量讀取images/目錄下的所有圖片提取特征后寫入feature_db.h5。腳本里同時(shí)兼容兩種模型加載方式解壓包內(nèi)的 vgg_featureCNN.h5 如果是一個(gè)完整模型文件用load_model直接加載如果只是權(quán)重文件則用VGG16結(jié)構(gòu)配合load_weights恢復(fù)。import os import numpy as np import h5py import cv2 from tensorflow.keras.applications.vgg16 import VGG16, preprocess_input from tensorflow.keras.models import load_model IMG_SIZE 224 DB_PATH feature_db.h5 MODEL_PATH vgg_featureCNN.h5 # 加載模型優(yōu)先按完整模型加載失敗則回退到預(yù)訓(xùn)練結(jié)構(gòu) 權(quán)重 try: model load_model(MODEL_PATH, compileFalse) print(完整模型加載成功) except Exception: base_model VGG16(weightsimagenet, include_topFalse, poolingavg) base_model.load_weights(MODEL_PATH, by_nameTrue, skip_mismatchTrue) model base_model print(按預(yù)訓(xùn)練權(quán)重加載成功) # 定義單張圖片的特征提取函數(shù) def extract_feature(img_path): img cv2.imread(img_path) # 讀入 BGR 圖像 img cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 轉(zhuǎn)為 RGB img cv2.resize(img, (IMG_SIZE, IMG_SIZE)) # 統(tǒng)一尺寸 img np.expand_dims(img, axis0) # 增加 batch 維度 img preprocess_input(img) # VGG 專用預(yù)處理 feat model.predict(img, verbose0) # 前向推理得到特征 feat feat.flatten() # 拉平成 1D 向量 feat feat / np.linalg.norm(feat) # L2 歸一化 return feat # 批量提取并寫入 HDF5 img_paths [os.path.join(images, f) for f in os.listdir(images) if f.endswith(.jpg)] with h5py.File(DB_PATH, w) as f: db_features f.create_dataset(features, shape(len(img_paths), 4096), dtypefloat32) db_names f.create_dataset(names, datanp.array(img_paths, dtypeS256)) for i, path in enumerate(img_paths): db_features[i] extract_feature(path) print(f[{i1}/{len(img_paths)}] {path} - 特征維度 {db_features[i].shape})邏輯上這段代碼做了四件事加載模型、定義單圖特征提取函數(shù)、批量循環(huán)、寫入 HDF5 數(shù)據(jù)集。shape(len(img_paths), 4096)這個(gè)維度值得解釋一下4096 是fc6層輸出的一維向量長度如果讀者用的模型結(jié)構(gòu)輸出維度不同比如用block5_pool拉平后是 25088 維這個(gè) shape 要同步改。preprocess_input會(huì)在內(nèi)部把 RGB 轉(zhuǎn) BGR 并減去 ImageNet 均值這是 VGG 系列的固定預(yù)處理規(guī)則漏掉它檢索效果會(huì)明顯劣化。3.4 檢索查詢返回 Top-N 相似結(jié)果特征庫建好后檢索腳本就簡單了。讀取一張查詢圖提特征和庫里所有向量算余弦相似度排序輸出前 K 個(gè)結(jié)果。由于特征已經(jīng)做過 L2 歸一化余弦相似度直接用np.dot點(diǎn)積即可省去單獨(dú)寫余弦函數(shù)。import numpy as np import h5py import cv2 from tensorflow.keras.applications.vgg16 import preprocess_input IMG_SIZE 224 TOP_K 5 MODEL_PATH vgg_featureCNN.h5 DB_PATH feature_db.h5 def load_model_safe(): from tensorflow.keras.applications.vgg16 import VGG16 from tensorflow.keras.models import load_model try: return load_model(MODEL_PATH, compileFalse) except Exception: base_model VGG16(weightsimagenet, include_topFalse, poolingavg) base_model.load_weights(MODEL_PATH, by_nameTrue, skip_mismatchTrue) return base_model model load_model_safe() def extract_feature(img): img cv2.cvtColor(img, cv2.COLOR_BGR2RGB) img cv2.resize(img, (IMG_SIZE, IMG_SIZE)) img np.expand_dims(img, axis0) img preprocess_input(img) feat model.predict(img, verbose0).flatten() return feat / np.linalg.norm(feat) # 讀取查詢圖片提取特征 query_path images/430453.jpg query_img cv2.imread(query_path) query_feat extract_feature(query_img) # 從 HDF5 加載特征庫并計(jì)算相似度 with h5py.File(DB_PATH, r) as f: db_feats f[features][:] db_names [n.decode(utf-8) for n in f[names][:]] scores db_feats query_feat # 歸一化后點(diǎn)積即余弦相似度 rank_idx np.argsort(scores)[::-1][:TOP_K] for rank, idx in enumerate(rank_idx): print(fTop {rank1}: {db_names[idx]} 相似度 {scores[idx]:.4f})這段代碼里的關(guān)鍵參數(shù)是TOP_K控制返回結(jié)果數(shù)量畢設(shè)演示時(shí)設(shè) 5 或 9 都行。db_feats query_feat是向量化批量點(diǎn)積比寫 for 循環(huán)逐個(gè)算快一個(gè)數(shù)量級(jí)幾百張圖的庫一秒內(nèi)出結(jié)果。如果檢索結(jié)果的第一名不是查詢圖自身先別急著懷疑模型大概率是預(yù)處理不一致或歸一化步驟有遺漏后面避坑章節(jié)會(huì)細(xì)說。4. 避坑排查Keras/TF 版本、HDF5 與圖片讀取的五個(gè)高頻翻車點(diǎn)4.1 五條踩坑記錄現(xiàn)象、原因、解決踩坑 1load_model加載 .h5 文件報(bào)ValueError: Unknown layer或TypeError: object of type?,F(xiàn)象是模型加載到一半直接拋異常整個(gè)腳本崩潰。原因是壓縮包里的 .h5 文件可能是自定義結(jié)構(gòu)保存的模型和本機(jī) Keras 版本注冊(cè)的層類不匹配TensorFlow 2.16 之后默認(rèn)走 Keras 3老版本 Keras 2 保存的模型經(jīng)常出現(xiàn)這種兼容性問題。解決方法是先卸載新版本固定安裝tensorflow2.8.0或2.10.0同時(shí)保證h5py是 3.x如果還是報(bào)錯(cuò)就改用 3.3 節(jié)里的回退方案用VGG16(weightsimagenet)初始化結(jié)構(gòu)后只加載權(quán)重by_nameTrue參數(shù)可以忽略結(jié)構(gòu)差異。踩坑 2圖片讀出來是反色的或者檢索相似度全部偏低?,F(xiàn)象是查詢圖經(jīng)過預(yù)處理后顯示成藍(lán)紅互換的色調(diào)特征提取結(jié)果也很怪。原因是cv2.imread讀進(jìn)來的是 BGR 順序而 VGG 預(yù)訓(xùn)練模型的輸入要求是 RGBpreprocess_input又默認(rèn)按 RGB 處理。解決方法是讀圖后強(qiáng)制做一次cv2.cvtColor(img, cv2.COLOR_BGR2RGB)再進(jìn)preprocess_input。這個(gè)坑在復(fù)現(xiàn)時(shí)極容易踩因?yàn)?OpenCV 的 imshow 能正常顯示 BGR 圖會(huì)讓人誤以為通道順序沒問題。踩坑 3特征庫 HDF5 文件在第二次打開時(shí)讀不出數(shù)據(jù)或者.h5文件體積異常小?,F(xiàn)象是h5py.File(DB_PATH, r)讀取時(shí)數(shù)組維度對(duì)不上或者文件只有幾十 KB。原因有兩個(gè)一是寫入時(shí)用了create_dataset但沒在循環(huán)里逐行賦值數(shù)據(jù)集內(nèi)容還是全零二是程序在特征寫入完成之前被中斷HDF5 文件頭已生成但數(shù)據(jù)塊未落盤。解決方法是寫入完成后用h5py重新打開文件打印dataset.shape和dataset[0][:10]驗(yàn)證內(nèi)容不要只看文件大小批量提取時(shí)建議每 50 張做一次f.flush()降低異常中斷導(dǎo)致數(shù)據(jù)丟失的概率。踩坑 4一張 224×224×3 的圖進(jìn)模型報(bào)Input 0 of layer block1_conv1 is incompatible?,F(xiàn)象是尺寸報(bào)錯(cuò)提示期望(None, 224, 224, 3)但實(shí)際輸入是(None, 224, 224, 4)。原因是部分測(cè)試圖片是 RGBA 四通道格式或者讀取時(shí)被解碼成了 PNG 的透明通道格式。解決方法是統(tǒng)一在extract_feature入口做通道裁剪img cv2.cvtColor(img, cv2.COLOR_RGBA2RGB)或者直接用 Pillow 打開后.convert(RGB)再轉(zhuǎn)成 numpy 數(shù)組。調(diào)模型輸入之前先打印img.shape確認(rèn)通道數(shù)能省掉至少半小時(shí)的無效排查。踩坑 5所有圖片的相似度都接近 1檢索結(jié)果等于隨機(jī)排序?,F(xiàn)象是 Top-5 返回的圖片幾乎每次都不一樣但相似度分?jǐn)?shù)都在 0.98 以上沒有區(qū)分度。原因是特征向量沒有做 L2 歸一化或者預(yù)處理時(shí)漏掉了preprocess_input。VGG 提取的特征如果不歸一化模長差異會(huì)掩蓋方向差異點(diǎn)積結(jié)果被模長主導(dǎo)所有分?jǐn)?shù)都擠在高位。解決方法是強(qiáng)制在extract_feature末尾加一行feat feat / np.linalg.norm(feat)然后檢查查詢特征向量的模長是否接近 1如果模長不是 1說明歸一化代碼根本沒執(zhí)行到。4.2 檢索結(jié)果全空或全亂時(shí)先做這三步驗(yàn)證如果上面五條都檢查過了檢索結(jié)果依然亂七八糟不要急著重訓(xùn)模型或調(diào)參先跑一遍這條驗(yàn)證鏈路。第一步打印模型輸出的原始特征維度確認(rèn)它是 4096 還是 512 還是 25088這個(gè)維度決定了 HDF5 里create_dataset的 shape 是否匹配。第二步隨機(jī)取一張庫里的圖作為查詢圖檢索 Top-1 應(yīng)該是它自己相似度應(yīng)該接近 1.0如果 Top-1 不是自己問題大概率出在預(yù)處理不一致比如建庫時(shí)用了 RGB、查詢時(shí)忘了轉(zhuǎn) RGB。第三步把查詢特征和庫特征分別保存到本地 numpy 文件手動(dòng)算兩個(gè)向量的點(diǎn)積和檢索腳本打印的分?jǐn)?shù)對(duì)比排除排序邏輯的 bug。# 自檢腳本驗(yàn)證特征庫的一致性 import numpy as np import h5py with h5py.File(feature_db.h5, r) as f: feats f[features][:] names [n.decode(utf-8) for n in f[names][:]] # 檢查特征模長是否歸一化 norms np.linalg.norm(feats, axis1) print(f模長均值: {norms.mean():.4f}, 模長范圍: {norms.min():.4f} ~ {norms.max():.4f}) if abs(norms.mean() - 1.0) 0.01: print(警告特征未正確歸一化檢索分?jǐn)?shù)會(huì)失真) # 檢查第 0 張圖的自身檢索一致性 query feats[0] scores feats query top1_idx np.argmax(scores) print(f自身檢索 Top-1: {names[top1_idx]} 分?jǐn)?shù): {scores[top1_idx]:.4f})這一段驗(yàn)證腳本是我處理檢索類項(xiàng)目必跑的一步。模長打印出來如果全在 1 附近說明特征提取鏈路是通的自身檢索 Top-1 對(duì)得上則說明建庫和查詢的預(yù)處理邏輯一致。兩步都過了剩下就是特征層選擇和數(shù)據(jù)量的問題不再屬于“系統(tǒng)故障”范疇。5. 進(jìn)階調(diào)試特征層選擇、批量自檢與恢復(fù)技巧5.1 換一個(gè)特征層檢索效果差多少默認(rèn)用poolingavg拿到的特征是把 7×7×512 的空間特征做了全局平均池化得到 512 維向量。這個(gè)向量計(jì)算快、維度低但對(duì)細(xì)節(jié)相近的圖片區(qū)分度一般。如果你想要更高的檢索精度可以改用include_topFalse后手動(dòng)指定取出block5_conv3或fc6層的輸出。fc6 層輸出 4096 維語義抽象程度更高對(duì)同類別物體的匹配更穩(wěn)定代價(jià)是特征文件體積膨脹約 8 倍檢索耗時(shí)會(huì)略微上升。from tensorflow.keras.applications.vgg16 import VGG16 from tensorflow.keras.models import Model base_model VGG16(weightsimagenet, include_topTrue) # 從第 18 層取 fc6 輸出對(duì)應(yīng)索引可打印 model.summary() 確認(rèn) model Model(inputsbase_model.input, outputsbase_model.get_layer(fc6).output)這里有個(gè)很實(shí)用的經(jīng)驗(yàn)?zāi)靡粡埐樵儓D分別用 512 維特征和 4096 維特征跑一次檢索對(duì)比 Top-5 結(jié)果的差異。如果兩張測(cè)試圖是同一類產(chǎn)品但背景差別很大4096 維通常表現(xiàn)更好如果測(cè)試圖是同一個(gè)物體的不同角度512 維全局池化特征反而更穩(wěn)。原因在于全局平均池化把空間信息完全抹平了而 fc6 還保留了部分高層抽象的模式。這個(gè)對(duì)比結(jié)果可以直接寫進(jìn)畢設(shè)的“實(shí)驗(yàn)與分析”章節(jié)屬于天然加分項(xiàng)。5.2 批量自檢腳本與“后悔藥”批量驗(yàn)證檢索精度的方法不復(fù)雜從庫里隨機(jī)抽 20 張圖逐張作為查詢圖檢查 Top-1 是否命中自身統(tǒng)計(jì)準(zhǔn)確率。這個(gè)指標(biāo)雖然樸素但能快速判斷特征層調(diào)整是否有效。我在復(fù)現(xiàn)時(shí)習(xí)慣把查詢圖、檢索結(jié)果圖、相似度分?jǐn)?shù)拼成一張對(duì)比圖輸出方便肉眼審查哪些類別的檢索結(jié)果明顯不合理。import numpy as np import h5py import random with h5py.File(feature_db.h5, r) as f: feats f[features][:] names [n.decode(utf-8) for n in f[names][:]] random.seed(42) sample_idx random.sample(range(len(feats)), 20) hit_count 0 for idx in sample_idx: scores feats feats[idx] top1 np.argmax(scores) hit (top1 idx) hit_count hit print(f[{OK if hit else FAIL}] {names[idx]} - Top-1: {names[top1]}) print(f自檢準(zhǔn)確率: {hit_count / len(sample_idx):.2%})“后悔藥”指的是模型文件和特征庫的備份策略。這個(gè)項(xiàng)目改代碼時(shí)最怕把原始 .h5 權(quán)重搞壞我的習(xí)慣是把 vgg_featureCNN.h5 單獨(dú)復(fù)制一份帶時(shí)間戳的備份特征庫重建前也先保存舊版本。之前有一次我為了加速檢索把特征庫轉(zhuǎn)成 numpy 的.npy格式格式轉(zhuǎn)換腳本里維度寫錯(cuò)導(dǎo)致整個(gè)庫報(bào)廢幸好有 .h5 備份才沒有重新提取一遍特征。從那以后我每次調(diào)整特征層或格式轉(zhuǎn)換都強(qiáng)制走一遍“備份 → 轉(zhuǎn)換 → 驗(yàn)證維度 → 刪除舊文件”的流程給自己留好后悔藥。特征提取一次幾百張圖雖然只要幾分鐘但重新調(diào)試預(yù)處理的時(shí)間成本遠(yuǎn)比備份高。希望這套避坑清單和調(diào)試路徑能幫到你照著跑通之后再往 Flask 接口或前端展示方向擴(kuò)展就順理成章了。本文還有配套的精品資源點(diǎn)擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
激情五月综合| 伊人婷婷大香蕉| 久久99草五月婷婷| 五月天婷婷久久| 国产色色色色| 色播丁香五月婷婷操:屄| 成人精品免费在线观看| 色婷婷小说| 99热这里只有精品免费| 99福利视频| 久久精品日| 99色色| 色色日韩网| 国内精品99| 99在线小视频| 婷婷丁香亚洲色综合91| 久久丁香五月婷| 97碰碰在线观看视频| 无码日本精品XXXXXXXXX | 婷婷五月天伊人| 丁香五月www| 国产亚洲99久久精品| 成人色五月天| 色婷婷五月天| 久久99精品久久久久久三级| 91精品综合久久久久久五月丁香| 激情综合婷婷久久| 大香蕉婷婷五月| 伊人爱爱日本| 人妻丰满精品一区二区A片| 97操碰98| 天天色五月| 五月天小说激情| 激情五月综合网| 亚洲精品网址| 精品亚洲国产成AV人片传媒| 丁香五月婷婷啪啪| 色情五月丁香| 五月天伊人| 国产精品久久久海的味道| 激情都市五月天| 久久久网站| 久久大香免费| 日本美女97在线视频| AV在线资源| 久久免费视频62| 丁香婷婷五月激情综合| 激情丁香婷婷五月天| 色综合九九色综合88| 1024成人免费看| 免费观看全黄做爰的视频| 超碰在线国产| wwwss在线观看| 99人人操人人摸| 婷婷区日本| 日韩色色色色色| 中日韩狠狠色| 久久婷婷丁香| 91久久九久久九久久九久久九久久| 婷婷五月丁香高清无码| 人人爽人人爽人人爽人人爽| 婷婷综合五月色播| AAAA网站| 丁香激情五月| 亚洲婷婷欧美婷婷| 大香蕉久久久| 狠狠色综合网| 9热在线| 99re热视频这里只精品| 激情精品久久| enecarbon-materials.com污K127封锁请涟系@wip1688 | 五月丁香久久网| 丁香六月婷婷综合激情欧美| 5月婷婷激情6月| 我爱婷婷五月天综合88| 五月丁香六月香综合激情| 成人欧美Va| 91啪级电影| 熟女五月天久久综合| 色99在线视频| 成人做爰A片免费看网站找不到了| 久久久五月天| www.minyis.com【JT】国内CDN落地页保证转化QQ2101460746 | 丁香六月色婷婷| 91人人操.COM| 亚洲第一成人无码A片| 成人在线观看精品| 嫩草视频。| 国产高清视频91九九九久久久| 九色视频入口91| 《亚洲操B久久免费在线观看,亚洲操B久久在线播放》在线播放 - 高清资源 - 97 | wwwC0maV五月花| 五月久久亚洲| 婷婷久久影院| 丁香五月首页| 天天舔天天插天天干| 五月天色婷婷图片| a久久免费视频| 色五月丁香网| 亚洲五月婷婷| 97精品综合久久内射| 九九精品热播| 丁香五月大片| 99操免费视频| 韩日另类| 久久五月丁香婷婷| 久久色这里只有精品| 国产精品色婷婷久久久精品| 少妇被躁爽到高潮无码文| 久久XX日本综合| 日韩性爱无码| 亚洲激情电影五月天色婷婷丁香一起草 | 丁香五月天狠狠操| 天天搞夜夜叫| www.婷婷.com| 99视频这里有精品| 婷婷五月激情网| 99亚洲精品视频在线观看| 亚洲综合婷婷五月| 狠狠干天天日| 久久9999| 就爱射中文字幕资源网| 人妻久久久| 久久99草五月婷婷| 五月婷婷综合网| 思思热在线精品视频网站| 九九热在线精品| 婷婷五月天色色| 丁J香六月首页| 9|无码久久久久久| 色色色色综合| 91夫妻网站九色| 吊色AV男人的天堂| 婷婷十月激情综合网| 激情AV| 91在线操逼视频| 日本三级中国三级99| 色婷婷在线电影| 嫩BBB槡BBBB搡BBBB| 97久久超视频| 久久五月天黄色五月天色网址| 色五月大| 六月婷在线| 亚洲精品电影| 影音先锋91| 26UUU欧美| 壅壅儕家a| 激情久久四色| 激情五月丁香婷婷| 久久香蕉影院| 狠狠操狠狠| 亚洲成人影视在线| 成人欧美一区二区三区在线观看| 99热这里全都是精品| 91精品91久久久久77777| 九九家庭影院| 伊人狠狠干| 噜综合| 丁香五月色色色色| 国产26uuu视频| 丁香六月成人网| 91人人操人人爱| 4438激情网| 欧美成人一区二区三区在线视频 | 99热国产免费| 天天干天天爽| 久久区区一二三av| 91精品综合久久久久久五月丁香| 亚洲V国产V欧美V久久久久久| 五月丁香久久呀| 九九久热| 四川操逼站| 色婷五月| 久8色色| 婷婷九月亚洲| 51成人| 视频一二区| 九九超日本| 色播婷婷五月天| 欧美69久成人做爰视频| 思思热在线精品视频网站| 狠狠丁香| 性色欲情 网站| 婷婷五月天Av| 午夜AV网| 日本狠狠干| 丁香六月成人网| 色五月天网| 三级毛片视频| 深爱婷婷丁香五月激情| 亚洲日韩乱码一区二区三区四区| 久操b网| 激情综合亚洲色婷婷五月| 午夜免费试看| 丁香五月色色婷| 五月丁香天天| 99精品久久| PORNY九色9l自拍视频成人| 五月天福利影院导航| 色色综合网站| 丁香六月无码| www.色色色色| 在线观看免费狠狠色丁香香综合| 97啪啪| 色五月婷婷操逼| 噜噜操操| 97色色色视屏| 久久AAAA片一区二区| AV 3P| 牛牛澡牛牛爽| 玖玖99免费视频| 丝袜人妻| 色婷五月天| 丁香激情网| 欧美va视频| 91丨九色丨熟女丰满| 丁香五月影视| 国产看真人毛片爱做A片| 99热99精品在线观看| 精品AV无码超碰| 色屌丝中文字幕| 黄色精品五月婷婷| 五月丁香婷婷成人网| 热久久91| 亚洲传媒在线观看| 99久久99九九99九九九| 五月色婷婷激情| 九热电影av| 日韩AV大全| 日日干综合| 日韩久久日| 丁香婷婷色情| 精品九九视频| 国产性爱一级| 99精品色| www.天天日| 天天做天天爱天天爽夜夜揉| 丰满少妇猛烈A片免费看观看| 日本婷婷色日| 天天狠狠插| 欧美日韩色色| www99热| 99亚洲无码| 91超级碰在线视频| 亚洲区在线| 日本系列_4页_777FP| 日韩99色| w婷婷五月婷婷w| 99热国产| 久操大香蕉| 欧美激情五月| 777久久综合视频| 五月丁香久久激情综合| 99视频精品| 99热日| 五月丁激情| www98日本小时间到了| 97在线观看| 婷婷久月| 人人爱人人草| 狠狠色综合网| 婷婷五月综合啪| 婷婷伊人激情婷婷| 99碰网站| 激情五月瑟瑟| 色www久视频| 九九这里是免费的视频5| 五月天激情Av| 丁香五月,开心五月,成人婷婷 | 久热在线观看视频9| 九九婷婷网五月天| 丁香五月欧美激情| 日本色婷婷| 天天肏屄夜夜爽| 九九大香视频| 欧美日本韩国亚洲| 青青草国产亚洲精品久久| 久久久五月五丁香| 亚洲无码色| 五月天欧美激情| 日韩色色色色色| 免费人人操| 99爱操| 天天综合网站| 欧美激情综合| 五月丁香色综合| w婷婷五月婷婷w| 噜噜五月天综合| 五月天婷爱综合| 丁香激情网| 九九色天堂| 色色色色色九九九九九| 久9综合| 99热在线精品观看| 午夜五月天| 99自拍网| 日日干天天爽| √天堂资源在线人妻熟女| 99热在线只有精品| 婷婷激情综合| 日韩 中文 欧美| 色婷婷色99国产综合精品| 国产午夜精品久久久观看| VA国产在线综合网站| 婷婷六月丁香开心深深爱| 五月天堂婷婷| 亭亭玉立国色天香| 国产六月婷婷| 五月四色婷婷| 欧州婷婷五月天综合| 婷婷五月天堂| 熟妇无码乱子成人精品| 伊人丁香在线| 天天艹| 丁香五月婷婷亚洲天堂| 51精品国自产在线| 91精品国产色猫| 久久五月婷综合网| 碰碰碰97免费精彩视频| 九洲一级A片| 五月丁香激| 久久免费9| 激情五月天综合网| 大香蕉人在线65| 五月丁香久久综合91| 欧美,日韩成人在线| 亚洲日比视频| 色久影院| 性爱在线播放av| a v色婷婷| 伍月婷婷六月丁香| 婷婷久久色| 久久久久久丁香五月| 天天插夜夜爽| 欧美黄色AA片哗啦啦啦| 天天操天天曰| 久久婷婷伊人| 久久五月综合| 黄色视频网站在线播放| 丰满人妻一区二区三区| 色婷婷91| 五月久久综合| 丁香在线视频| 66色在线日韩| 亚洲色欲AAAAAA| 这里只有精品免费视频在线观看 | 激情五月天在线免费美女视频| 99热在线观看| 久久精彩综合视频| 狠狠狠五月婷婷六月丁香| 色婷婷丁香中文在线播放| 亚洲性受XXXX五月丁香| 玖玖伊人网| 超碰猛烈的性猛交| 婷丁香久综合| 2025色婷婷| 91 九色 入口| 五月色丁香成人| 国产小精品| 99色.com| 色婷五月| 五月天大香蕉av| 一级七香蕉| 人人插9| 91干| 黄色AV日韩| 涩涩五| 六月伊人婷婷| 五月婷婷六月丁香在线视频| 婷婷成人AV| 丁香婷婷啪啪| 婷婷影院欧美| 深爱丁香激情| 激情綜合W W W,激情五月天| 男人先锋久久| 日本超碰在线| 婷婷五月天天天| 欧美成人精品A片免费一区99| 99玖玖视频| 久热久色| 深爱激情网综合| 99热99热在线| www,婷婷,com| wuyuedingxiang99| ww久久| 五月丁香六月激情网站| 五月天婷婷综合久久| 停停五月丁香| 狼人婷婷久久| 丁香五夜激情四射夜夜夜| 婷婷丁香社区| 99re这里| 97婷婷五月激情六月丁香伊人| 中文无码精品一区二区三区| 青青草成人网| 天天插天天爽| 色色色九九九五月婷婷| 丁香五月激情宗合| 激情久久久久久| 在线18av | 五月激情丁香五月| 久久五月丁香| 丁香综合久久| 婷婷丁香五月亚洲免费| 免费观看全黄做爰的视频| 超碰成人电影| 色99在线视频| 99福利导航| 婷婷五月天成人综合网| 欧美亚洲色色色色| 能看的av片| 99操碰| 色五月天丁香| 中文字幕AV在线播放| 欧美激情伊人| 色久综合| 色色色婷婷| 欧美性生交A片免费看| 91人妻PORNY九色大屁股| 九九热视频在线观看| 超碰A V在线| 青青草婷婷综合五月| 麻豆AV一区二区三区| 天天做天天爱天天爽夜夜揉| 丁香婷婷五月| 丁香五月网络网络| 99综合| 婷婷五月天成人在线视频| 天天更新天天亚洲| 国产毛多水多女人A片| 欧美精品99久久久| 99激情视频| 亚洲激情校园| 国产欧美熟妇另类久久久| 五月婷婷深深爱爱| 99在线观看| 婷婷成人综合免费视频| 久久婷色| 亚洲综合婷婷五月天| 亚洲精品无人区| 激情婷婷五月色| 色欧美一级| 日日夜夜噜噜爽爽| 婷婷五月综合免费在线| 婷婷五月天亚洲五码| 国产亚洲精品久久久久久久久动漫| 狠狠久久婷五月综合色| 久久99人人| 色视频五月天| 五月婷婷啪啪啪| 大香蕉五月天| 久久久月丁香| 久久久噜噜噜操操操| 99热久久最新地址| 亚洲五月天另类小说图片| 久久婷婷五月天激情| 久色网址| 日韩av大全| 性爱111111| 99爱在线视频| 亚洲精品乱码久久久久久按摩观| 99国产精品久久久久久久久久久| 久久婷婷综合五月趴| 婷婷五月天综合AV| 狼人久草| 泰州成人视频| 狠狠操之狠狠操| 亚洲狠狠终合停停终合| 五月亭亭狠狠| 九九视频这里只有精品在线播放 | www.婷婷,com| 99爱在线视频| 婷婷五月天美女21p| 色婷婷情片| 天天做夜夜爽| 丁香六月中文| 五月婷婷婷丁香播| site:jszngf.com| 国产精产国品一二三在观看| 91日视频| 九热视频这里只有精品| 亚州操操| 丁香五月影院| 久色五月丁香视频| 激情播丁香| 五月婷无码| 色婷婷五月天久久| 插插插色综合网| 伊人激情网| 五月天婷婷小说| 婷婷 久综合| 国产黄大片在线观看画质优化| 精品怡红九九九| 久热 91| 国产AV影片| 91色涩| wwwxxx五月婷婷小说| 91在线视频综合| 亚洲亚洲人成综合网络| 日本一级特黄大片AAAAA级| 狠狠干2007| 99热综合色图| 97在线日韩| 二色av| 天天日天天日天天搞| 99啪啪网| 五月丁香综合久久夜夜| 成人精品一区日本无码网| 婷婷五月花免费视频在线| 中文网婷婷字幕婷| 黃色三级三级三级三级 qixing300.shrkbk.com www.jinbozs.com tianmiaosw.com | 五月天网站免费欧美| 欧美激情丁香五月| 国精产品一区二区三区| WWW色色色COM| 激情五月婷婷| 精品99只有。| 久久HD| 激情色五月天| www.九九婷婷| 久久婷综合网| 五月婷丁香| 五月天网站免费欧美| 天天干天天 亚洲| 黄色网址五月婷婷| 九九热免费视频| 色婷婷综合网| 国产特级毛片AAAAAAA高清| 久久这里都是精品视频| 五月丁香六月婷婷久久肏| www超碰com| 色情综合网| 婷婷五月天开心网| 99超级碰免费视频| 色五月第四色| 婷婷夜夜操| 五月天婷婷成人资源站| 天天综合亚洲综合网天天αⅴ| 影视av久久久噜噜噜噜噜三级| 综合网精品99| 99艹精品在线观看| 潮汕成人AV片在线| 9色小视频在线观看| 人人色人人弄人人操| 激情综合五月天| 啪啪啪大香蕉| 欧美肉大捧一进一出免费视频| 色欧洲| 婷婷深爱五月| 色婷婷小说| 成人AV在线电影| 亚洲国产精品VA在线看黑人| 97色色网| 最近中文字幕在线中文视频| 成人片在线播放| 99免费视频| 五月大香蕉| 日本欧美成人片AAAA| 丁香婷婷五月| 国产精自产拍久久久久久蜜 | 久久婷婷五月综合色播| 操逼福利视频| 久久色五月天综合网| 开心五月天激情网站| 五月丁香六月婷婷亚洲视频| 色五婷婷开心缴| 丁香婷婷深情五月亚洲| 手机旧版看人妻1025| 人人干女人| 99无码视频| 国产成人网址| 夜夜操狠狠操| 碰99在线| 久久人人九| 综合99久久天天综合| 色www.con| 91色综合| 五月婷婷六月丁香综合视频在线| 天天檫天天爽| 99re热在线视频观看| 在线视频你懂得| 99a级片| 色5月婷婷| 婷婷五月天成人在线视频| 五月停亭六月,六月停亭的英语| 久久伊人大香蕉| 天天婷婷操| 色婷婷五月天不卡| 性欧美日本| 丁香五月影院| 97丁香视频| 人人操人人操919999| 激情无码五月天| 丁香五月激情鲁| 亚洲天天| 五月天播播| 丁香五月亚洲综合丝袜| 亚洲色婷婷五月天| 99爱免费在线观看| 九九热最新| a在线观看| 无码AV大香线蕉伊人| 丁香婷婷五月综合影院| 伊人六月无码视频| 五月天桃色深爱网| 婷色五月天| 熟美女麻豆| 开心五月天私房婷婷| 天天爽夜夜爽| 色久女| 国产欧美日韩综合精品一区二区| 超碰在线中文字幕| 99久久综合网| www久久久| AV片在线观看| 五月丁香六月综合基地| 狠狠草综合网| 九九在线视频| 91精品久久久久久久久| 69激情小说| 9色视频在线| 超碰色碰碰| 午夜爱插插| 色婷婷色五月综合| 色色五月婷| 激情视频91| 5月丁香婷婷| 亚洲网站999| 亚洲亚洲人成综合网络| 五月丁香花视频| 婷婷激情5月| 国产操碰| 丁香九月激情久久| 五月丁香婷婷中文网| 五月色亚洲| 九色激情网| 色五月色五天色情网| YJLZZJLZZ亚洲乱熟无码| 久久婷婷网址| 婷婷精品在线| 婷婷操逼| 夜夜夜天天操| 久久超视频| 沈娜娜av| 五月中旬婷婷丁香六| 思思热在线视频精品| 超碰国产av| 99久久综合| 亚洲网站观看视频| 免费看欧美成人A片无码| 婷婷五月天堂| 久久九九爽| 91人人澡人人爽人人看| www婷婷| www.lchjjc.com| 婷婷丁香五月天在线视频| 操骚货在线| 欧美婷婷色五月网| 岛国AV网站| 毛片九九九九九九九九18| 五月婷婷播| 久久久久9| 性爱动图国产麻豆一区二区三区| 欧美内射AA| 久久久精品AV| 综合大香蕉| 精典久久| 亚洲成人免费在线| 三级三久久线久久99久目本WW| 操九色| 日韩性爱无码| 色五月五月婷婷| 国产44页| 午夜丁香综合婷婷| 中文字幕丰满人妻无码专区| 操操天堂| 99九九99九九九视频精彩| AV成人在线播放| 九九大香视频| 99操碰| 亚洲精品九九| 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 | 色色色网站| 这里只有精品,日韩视频| 99色在线| 九色色| www.cao.com久久| 五月婷综合| 五月丁香色婷婷色| 五月天丁香网站| 日本99久久| 亚洲无码色| 五月婷婷伦理| 五月丁香六月激情| 91色在线 | 日韩| 久久刺激网| 婷婷五月激情小说| 五月丁香色狠狠干大屄| 五他月天啪啪啪| 婷婷操超碰| 激情综合九月| 婷婷五月激情图片| 婷婷五月天激情偷拍| 狠狠婷婷综合| 91青娱乐青青草| 久久99热这里只有| 中文字幕丰满孑伦无码专区| 久色欧美| 大香蕉婷婷丁香视频在线| 激情AV| 色婷婷色人人射| 久婷首页| 免费无码毛片一区二区A片| 深爱五月日韩| 色五月婷婷中文字幕| ...婷婷国产成人亚洲日韩| 丁香久久在线| 99A级片| 91免费在线视频6| 超级碰碰碰久久网站视频| 亚洲综合1024| 天天爽夜夜爽| 99re热在线视频| 日韩久久成人| 黄网在线播放| 五月婷婷精品无在线| 激情六月天婷婷| 色一情一乱一伦一区二区三区| 五月婷婷激清网| 7超碰自拍| 开心激情婷婷| 99精品性爱| 丁香六月婷婷缴情欧美| 五月婷婷先锋| 99精品免费视频| 99亚州综合精品成人网| 色色色国产| 无码激情AAAAA片-区区| 开心激情网在线| av 一区三区四区| 亚洲日韩一页精品发布| 狠狠99| 激情五月丁香激情综合网| 五月丁香六月成人| 2015在线中文字幕| 五月天丁香网| 五月天伊人综合| 婷婷五月天com| 日日操夜夜撸| 99热婷婷| 狠狠干.com| 国产免费AV在线| 久久奄也去色色网站| 狠狠ri| 六月婷婷色综合| 五月丁香婷婷色色色| 国外亚洲成AV人片在线观看| 五月婷婷在线免费观看| 久久色情| 另类 在线| 五月激情综合网| 色五月色图| 久久人人妻| 亚洲视频在线网站| 97婷婷五月| 狠狠爱丁香婷| 99精品国产在热久久| 1024操逼视频| 五月六月婷| 国产精品蜜臀99| 久久狠色噜噜狠狠狠狠97| 婷婷激情性爱| 五月天婷婷社区久久综合| 91av成人| 五月婷婷深深爱| 人人操91| 另类精品视频在线观看| 亚洲激情久久| 婷婷九月丁香| 人人射人人高潮| 五月丁香六月婷婷网站| 亚洲看av的网站| 99爱免费在线观看| 99爱在线视频| 99精品无码| 成人av在线网站| 久色大| 天天综合在线网| 婷婷干五月综合在线播放| 狠狠草综合网| 5月丁香六月婷婷| 五月四色婷婷| 亚洲AAAA网| 久久av电影| 丁香五月成人论坛| 一个色的综合| 五月伊人视频在线看| 伊人丁香五月| 天天摸日日舔狠狠添婷婷婷| er99免费视频在线| 五月天激情图| 丁香五月婷婷在线视频| 五月色丁香婷婷中文字幕| 色综合五月婷婷狠狠干| 婷婷五月欧美| 色婷婷情片| 综合玖玖偷拍| 亚洲av日韩无码| 久久婷婷电影| 婷婷五月天亚洲综合| 热久久91| 日日夜夜狠狠婷婷色| 视频免费精品免费精品免费精品免费精品免费精品免费精品免费99 | 色色97丁香婷婷五月天| 色444综合网| 五月丁香婷婷成人版| 欧美婷婷日本| 五月丁香爱婷婷深深| 99无码免费视频| 黄网网站在线播放| 婷婷 久综合| 婷婷五月天激情偷拍| 26uuu另类| 久久久久久久人妻| 91狠狠色丁香婷婷综合久久精品| 99亚州综合精品成人网| 乱岳熟女50岁| 91VIP在线观看| 伊人丁香五月婷婷潮吹| 97在线/亚洲| 天天爽天天爽天天爽天天爽天天爽天天爽天天 | 丁香啪啪| 亚洲午夜国产成人电影VA国产欧…| 色99欧洲色19| 日本欧美在线| 天天拍久久| 五月天成人在线视频网站| 伊人婷婷五月天| 久草热在线视频| 性欧美大战久久久久久久83| 9精品视频在线| 青青草原中文字幕| 思思久久青草热| 丝袜激情网| 天天干天天做| 国产亚洲色婷婷久久99精品91 www.riverspirits.org www.hnnun.com www.changh | 狠狠舔| 丁香五月亚洲综合| 9热精品| 五月婷婷综合网| 人人操人| WWW·天天操·视频?| 五月婷综合网| 中文字幕不卡+婷婷五月| 无码人妻AV久久久一区二区三区| 婷婷伊人视婷婷婷| 日日噜狠狠色综| 久久黄色片| 丁香五月伊人| 日本不卡一区二区三区| 亚洲无aV在线中文字幕| AV天堂淫乩| 婷婷夜夜操| 五月丁香香蕉| 日本天堂久久| 色私五月婷婷| 五月天色在线| 丁香五月婷婷色| 91日婷婷在线| 婷婷伊人无码| 九九99热久久精品66中文字幕| 99久热| 婷婷之玖玖| 插插插色综合网| 色综合久久99色| 4399成人黄A片| 婷婷色综合网日韩国产| 亚洲婷婷五月天综合| 天天爽天天日| 日韩成人影片网站| 激情综合区| 这里只有精品视频免费在线观看| 在线观看欧美| 色播激情| 五月天国产成人| 97九色视频| 国产女18毛片多18精品| 最新丁香六月婷婷| 丁香蜜臀黄色婷婷五月天| 8区视频在线| 狠狠色噜噜狠狠狠狠狠色综合久久| 色综合色色| 婷婷五月色網站| 亚洲五月色| 97干97色| 开心五月婷婷伊人| 思思热AV| 精品九九网| 欧美日韩999| 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 | 老司机伊人| 色婷婷成人做爰A片免费看网站| 91操碰| 天天综合网91| 五月婷婷丁香网| 五月婷三级片| 激情黄色五月天| 婷婷六月综合激情| www.五月婷婷| 欧美日本国产欧美日本韩国99| 婷婷五月天渟渟| 激情美女五月天激情在线| 久久综合九九| 99久热这里只有精品视频删减版| 婷婷综合亚洲| 射区导航| 五月丁香操亭亭网| 丁香五月婷婷色综合| 密黄站| 久久色情| 色婷婷狠| 991精品在线视频| 国产成人AV在线播放| 色婷婷丁香五月在线观看| 思思久久99热只有频精品66| 色色色综合视频| 亚洲色综合| 五月婷婷综合热| 丁香五月综合| 丁香综合伊人| 精品亚洲国产成人A片在线鸭王| 五月色综合| 国产成人99久久亚洲综合精品| 日本超碰在线| 色综合色色色| 小色小蛇伊人婷婷色香五月| 激情五月天天狠狠久久| 婷婷的色色五月天| 丁香六月激情综合| 日韩另类在线观看| 97婷婷狠狠| 日本综合色色| 综合色播| 五月激情综合激情五月| 天堂伊人干| 99成人小视频| 日韩在线成人电影| 色情丁香五月婷婷精品| 午夜免费试看| 五月丁香在线观看| 99er免费在线观看| www五月婷婷88导航| 国产精品五月天婷婷| 91精品国产综合久久蜜芽解析速度| 开心激情网五月天| 婷婷99狠狠躁天天躁中文| 色婷婷大香蕉| 噜噜噜噜婷婷五月天| 色五月五月婷婷| 日日想日日夜日日操| 99久操视频| 丁香色婷婷五月天| 六月丁香大香蕉| 婷婷五月激情的图片| www.久久99| 粉嫩AV久久一区二区三区| 激情综合丁| 五月婷婷精品视频| 超碰成人电影| 热久久77777| 婷婷五月天亚洲综合网| 91九色|疯狂|高潮|对白|| 噜综合| 成人做爰高潮A片免费视频| 九九Av| AⅤ网站在线看| 日日夜夜狠狠操| 五月婷婷天堂| 色欲一区二区三区精品A片| 这里精品| 亚欧州精品视频| 亚洲V国产V欧美V久久久久久| 99在线精品视频免费观看20| 中国女人内射6XXXXX| 五月天激情小说欧美激情| 色色免费网站| 人妻第九页| 国产亚洲精品久久一区二区三区| 综合色色网| http://www.com久久久精品一区| 久久久久久久久人妻| 九九热超碰| 色色欧美。| 亚洲成人AV在线观看| 婷婷六月网| 六月丁香色色色| www.色五月| 九月色婷婷综合| 伊人五月天综合网| 91欧美日韩| 综合五月天| 狠狠色噜噜狠狠狠狠综合| 亚洲激情综合网| 亚洲av电影网站| 色五月激情婷婷| www.国产色| 五月婷婷基地| 婷婷丁香红五月91C| 婷婷99| 99视频这里只有精品10| 快乐婷婷五月天| 亚洲经典三级| 97色片| 色色COm| 888精品福利地址| 欧美性猛交99久久久99| 日韩ww| 五月丁香婷婷基地| 欧洲激情五月天| 99ri精品| 91热手机在线| 国产日比| 国产婷婷五月天| 97精品综合久久内射| 五月丁香综合激情在线观看| 这里只有精彩视频| 99热这里| 激情婷婷六月天| 天天色综和网| 婷婷成人AV| 激情五月婷婷视频一区二区三区| 人妻第九页| 99国产er热视频| 在线成人网址| 婷婷八月激情| 1024亚洲无码| 99热99| 大香蕉综合| 久9免费视频| 99热在线播放精品| 天天插天天插| 国产精品久久99| 国产成人+综合亚洲+天堂| 99热超| 亚洲人成色A777777在线观看| 国产成人亚洲综合亚洲| WWW.亚洲无码| 色丁香五月婷婷| 久久小片| 色婷婷五月天视频在线| 天天透天天摸天天舔| 天天爽天天日人人爱| 丁香五月影院| AV在线观看网站| 久久久99视频| 丁香花五月天社区| www.婷婷激情网.com| 久久久久亚洲AV成人无码电影| 国产真人做爰视频免费| 婷婷第六色| 亚洲色五月| 精品无码人妻一区| 欧美性猛交XXXX乱大交极品| 麻豆科斗777| 极品人妻VIDEOSSS人妻| 丁香五月网站| 丁香五月另类小说| 色色影院黄大片| 天天综合色丁香| 婷婷欧美综合| 99ri在线| 激情五月天在线观看婷婷| 九九视频精品视频精品| 国产亚洲精品久久久久久郑州| 5月婷婷综合| 六月丁香啪啪啪| www热久久yy9| 香蕉操亚洲| 99啪啪| 国产91视频| 五月色丁香| 亚洲激情综合| 天天插天天日| 五月丁香婷婷AV天堂| 欧美婷婷六月丁香综合色| 91久久久久久久久18| 91色欲综合| 超碰免费人人| 婷婷五月天av| 婷婷中合| 久久精品天| 日本波多野结衣视频| 国产人人操| 丁香六月激情国产| 色激情五月| 日本99久久| 色色色精品无码区| 久色中文| 丁香婷婷色五月天| 日本激情综合| 色色色.com| 日韩在线aaa| 开心激情站| 亚洲免费99| 97人人超| 色婷婷亚洲| 天天综合色| 婷婷五月丁香综合瑟瑟| 亚洲AV免费国产电影| 操一区| 99久久久国产大片| 婷婷色丁香五月| 久久欧洲久久| 无码人妻一区二区三区免费九色| 另类综合婷婷五月天欧美视频| 五月天婷婷黄色视频| 四色女婷婷| 综合图片色色| 五月天婷婷丁香| 久久AAAA片一区二区| www.色五月| 婷婷丁香社区| 99视频在线看| 婷婷色在线观看| 2023天天日夜夜爽| 97丁香五月天| 99爱视频在线| 色婷婷88| 色色com| 大香焦啪啪啪| 91婷婷伊人牛牛| 色五月天综合| 日韩黄色电影| 精品乱码久久久久| 九九伦子片| 久久五月婷婷电影| 天天干天天玩天天夜天天射天天操天天日蜜臀少妇 | 99热精品在这里| 亚洲成人综合在线| 中文字幕在线不卡视频| site:pzdcoin.com| 色爱亚洲| 婷婷色婷婷| 国产精品天天狠天天看| A片一曲| 夜夜骑天天玩天天日| 亚洲AV综合网| 丁香五月狠狠在线观看| 五月丁香六月婷综合成人综合| 99色热视频| 综合网亚洲| 国产肥白大熟妇BBBB视频| 高清国产一级婬片a免费| 亚洲性爱AV| 丁香五月色情av| 99久久99久久| 都市激情久久| 五月天婷婷激情| www,黄色在线,con| 中文成人在线| 在线网黄| 狠狠色噜噜狠狠| 综合色色网| 波多野结衣AV无码Porn| 深爱五月婷婷开心中文字幕| 色五月婷婷五月丁香五月激情五月视频| 综合久久五月天| 色婷婷成人做爰A片免费看网站 | 色,激情五月天| 五月丁香六月综合激情无码软件亮点| 超碰AV在线| 99自拍网| 精品久久久久成人码免费动漫| 亚洲成人AV在线观看| 色五月视频无码播放| 婷婷五月天综合在线| 直接看的AV| 狠狠色噜噜狠狠狠狠狠色综合久久| 婷婷丁香五月天大香蕉| 91丨九色|PRNY熟妇| 婷婷激情五月天网站| 五月婷婷丁香俺日污视频| 欧美成人AAA片一区国产精品| 大香蕉五月| 色婷婷很很十八禁| 婷婷五月天堂网| 久久偷拍综合五月天| 日日操夜夜擼| 另类专区在线| 丁香五月天婷婷中文字幕| 色五月五月婷婷| 色综合久久天天综合网| 丁香激情综合| 国产乱子轮XXX农村| 另类的婷婷| 激情第四色| 婷婷六月色| 天天透天天爱| 高清 码 免费看片短视频| 五月丁香欧美综合免费视频| 天天综合色| www.狠狠操.co m| 婷婷亚洲综合| AV伊人青草丁香六月| 五月丁香啪啪综合| 婷婷综合中文| 色婷婷香蕉丁丁网| 在线成人va| 青青热久久综合| 色色色综合网| 色高清无码视频| 丁香六月婷婷| 这里只有精品热| 婷婷天天色| 六月99天天婷婷激情综合| 五月丁香婷婷中文| 97色碰| 可以看的AV| 久久色六月| 亚洲综合婷婷六月丁香五月| 另类少妇人与禽zOZZ0性伦| 久操大香蕉| 狠狠干在线| Www99热| 99久在线精品99re8| 在线天堂9| 成人性爱无码| 九九久久免费视频44| 伊人婷婷五月天| 婷婷爱爱蜜臀天天操| 啊V视频在线观看| 久热中文字幕| 亚洲激情AV| 五月色丁香国产在线视频| 丁香五月停停av| 中文av网站| 黑人熟妇一区二区三区| 99操免费视频| 久久婷婷伊人| 久久婷综合| 色噜噜狠狠色综合无码久久欧美| 五月综合激情网| 五月激情偷拍婷婷| 色爱爱综合网| 影音先锋91| 婷婷丁香五月激情密臀av| caop在线| 五月天激情黄色小说在线观看| 国产日韩欧美性爱| 天天开心AV色综合婷婷五月天| 色爽干| 六月丁香综合| 9191avse| 国产SUV精品一区二区883| 操日挥操日日| 在线综合啪| 五月婷婷色综图片| 五月婷婷五月丁香综合| 日本婷久久| 七七九九色色| 岛囯综合激情网| 噜噜色婷婷| 99视频在线| 色五月综合网| 色停停五月天| 久久精品99|