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。

用Keras搭建MLP+MFCC實(shí)現(xiàn)環(huán)境噪聲分類(lèi)

用Keras搭建MLP+MFCC實(shí)現(xiàn)環(huán)境噪聲分類(lèi) 這段時(shí)間一直在折騰一個(gè)跟聲音相關(guān)的分類(lèi)Demo需求很簡(jiǎn)單給定一段音頻判斷它屬于哪一類(lèi)噪聲。比如空調(diào)運(yùn)行的嗡嗡聲、雨聲、鍵盤(pán)敲擊聲、腳步聲、交通噪聲一共五類(lèi)。第一反應(yīng)是上卷積網(wǎng)絡(luò)或者循環(huán)網(wǎng)絡(luò)但仔細(xì)想了下需求和計(jì)算資源最后用Keras搭了個(gè)多層感知機(jī)效果相當(dāng)能打。這篇先把整體思路、數(shù)據(jù)處理、模型搭建和訓(xùn)練過(guò)程完整記錄下來(lái)算作這個(gè)系列的第一篇后續(xù)再聊實(shí)時(shí)識(shí)別和工程化落地的內(nèi)容。1. 為什么用“MLPMFCC”的組合搞定噪聲分類(lèi)1.1 噪聲分類(lèi)到底是什么樣的任務(wù)先說(shuō)清楚任務(wù)本質(zhì)。噪聲分類(lèi)屬于一維信號(hào)分類(lèi)問(wèn)題輸入是一段時(shí)間的音頻波形輸出是類(lèi)別標(biāo)簽。它和語(yǔ)音識(shí)別有個(gè)關(guān)鍵區(qū)別語(yǔ)音識(shí)別需要建模音素、音節(jié)這種強(qiáng)時(shí)序依賴(lài)而噪聲分類(lèi)更看重聲音的“音色特征”。比如空調(diào)嗡嗡聲是穩(wěn)定低頻、鍵盤(pán)敲擊聲是短促高頻瞬態(tài)、雨聲是寬頻隨機(jī)噪聲不同類(lèi)別在頻譜上的分布差異很大。從數(shù)據(jù)形態(tài)看一段2秒的音頻在16kHz采樣率下會(huì)變成32000個(gè)采樣點(diǎn)。如果直接把這樣的一維數(shù)組丟給全連接網(wǎng)絡(luò)輸入維度就是32000第一層參數(shù)量會(huì)爆炸而且原始波形對(duì)相位偏移、幅度縮放、背景疊加都極其敏感泛化能力會(huì)很差。所以通常的做法是先做特征提取把音頻壓縮成一小段有物理意義的特征向量再交給分類(lèi)模型。這也是“MLPMFCC”組合成立的前提。1.2 特征向量與MLP的天然配合MFCC是Mel頻率倒譜系數(shù)模擬人耳對(duì)不同頻率聲音的非線性感知特性。它的核心思路是先把音頻按幀做傅里葉變換得到頻譜再把頻譜映射到Mel刻度上最后取對(duì)數(shù)并做離散余弦變換得到一組低維系數(shù)。每一幀音頻可以算出一組MFCC整段音頻可以取時(shí)間維度的統(tǒng)計(jì)量比如均值得到一個(gè)固定長(zhǎng)度的特征向量。MLP的全稱(chēng)是多層感知機(jī)本質(zhì)上就是若干層全連接網(wǎng)絡(luò)堆疊。它的建模能力在于對(duì)輸入特征做非線性組合和抽象。MFCC已經(jīng)把音頻從“32000個(gè)采樣點(diǎn)”壓縮成“39個(gè)系數(shù)”這種低維緊湊表示MLP在這個(gè)表示上做分類(lèi)既不需要像CNN那樣構(gòu)造二維譜圖也不需要像LSTM那樣考慮時(shí)序傳播整個(gè)鏈路非常簡(jiǎn)潔。實(shí)測(cè)下來(lái)干凈環(huán)境下5類(lèi)噪聲用13維MFCC加delta特征就能達(dá)到95%左右的分類(lèi)準(zhǔn)確率直接用原始波形做同樣的分類(lèi)任務(wù)MLP很難穩(wěn)定超過(guò)85%而且訓(xùn)練慢得多。1.3 什么時(shí)候MLP會(huì)不夠用不說(shuō)MLP萬(wàn)能也得說(shuō)清楚它的邊界否則后續(xù)工程化的時(shí)候容易踩坑。MLP的問(wèn)題在于它沒(méi)有顯式建模時(shí)序結(jié)構(gòu)。MFCC均值這種“全局特征”適合區(qū)分音色差異明顯的噪聲但如果兩類(lèi)噪聲有大量重疊頻譜或者環(huán)境里混響很強(qiáng)、信噪比很低全局統(tǒng)計(jì)信息被污染MLP的準(zhǔn)確率就會(huì)明顯下降。這時(shí)就要考慮兩類(lèi)升級(jí)方案一類(lèi)是用CNN處理短時(shí)頻譜圖利用局部頻率模式另一類(lèi)是換RNN、Transformer這類(lèi)序列模型建模幀級(jí)別的動(dòng)態(tài)變化。所以選擇MLP不是因?yàn)樗顝?qiáng)而是因?yàn)樵谶@個(gè)任務(wù)階段它足夠簡(jiǎn)單、足夠快、足夠穩(wěn)。2. 數(shù)據(jù)準(zhǔn)備從原始音頻到可訓(xùn)練的特征矩陣2.1 音頻切割與目錄組織數(shù)據(jù)是一切的前提。我這里每個(gè)類(lèi)別收集了大約200條原始音頻樣本來(lái)源有自己錄制的也有網(wǎng)上找的公開(kāi)環(huán)境聲音素材。原始錄音長(zhǎng)短不一有的十幾秒有的一分鐘。直接整段用不是不行但有兩個(gè)問(wèn)題一是樣本量太少二是模型會(huì)學(xué)到“時(shí)長(zhǎng)”這個(gè)無(wú)關(guān)特征。正確的做法是把長(zhǎng)音頻切成固定長(zhǎng)度的小片段。我的做法是統(tǒng)一切成2秒一段。為什么是2秒太短比如0.5秒可能裝不下一次完整的敲擊或腳步聲信息不足太長(zhǎng)比如5秒又會(huì)讓同一個(gè)音頻切片內(nèi)部混入多種狀態(tài)平均特征被稀釋。2秒對(duì)大部分環(huán)境噪聲來(lái)說(shuō)能覆蓋一到兩個(gè)完整發(fā)聲周期比較平衡。切割用librosa的load加載后按幀索引截取就行。目錄組織方面我采用按類(lèi)別建文件夾的方式data/ air_conditioner/ 001.wav 002.wav rain/ 001.wav keyboard/ 001.wav footsteps/ 001.wav traffic/ 001.wav這樣好處是后面寫(xiě)特征提取腳本時(shí)只需要遍歷根目錄、讀取子文件夾名作為標(biāo)簽代碼非常干凈。另外注意統(tǒng)一采樣率我統(tǒng)一轉(zhuǎn)成16kHz單聲道。很多人忽略這一步不同來(lái)源的音頻采樣率不一樣提取出的MFCC維度本身不受影響但頻率軸的物理含義就錯(cuò)亂了模型訓(xùn)練時(shí)容易學(xué)出一些說(shuō)不清楚的偽規(guī)律。2.2 MFCC特征提取的完整流水線特征提取我用librosa完成核心代碼不長(zhǎng)import os import numpy as np import librosa SAMPLE_RATE 16000 SEGMENT_SEC 2 SEGMENT_LEN SAMPLE_RATE * SEGMENT_SEC def extract_features(file_path, n_mfcc13, n_fft512, hop_length128): audio, sr librosa.load(file_path, srSAMPLE_RATE, monoTrue) # 如果音頻長(zhǎng)度不足2秒做零填充超過(guò)則按2秒截?cái)?if len(audio) SEGMENT_LEN: audio np.pad(audio, (0, SEGMENT_LEN - len(audio))) else: audio audio[:SEGMENT_LEN] mfcc librosa.feature.mfcc( yaudio, srsr, n_mfccn_mfcc, n_fftn_fft, hop_lengthhop_length ) return mfcc上面接口返回的是(n_mfcc, 時(shí)間幀數(shù))的二維數(shù)組。hop_length128意味著每幀間隔128個(gè)采樣點(diǎn)2秒音頻大概有250幀左右。如果直接把整個(gè)二維矩陣?yán)教卣骶S度是13 * 250 3250MLP也能處理但沒(méi)必要而且不同長(zhǎng)度的音頻幀數(shù)不一樣沒(méi)法統(tǒng)一。我的做法是取時(shí)間維的均值得到13維的全局特征mfcc.mean(axis1)。但只用靜態(tài)MFCC丟失了動(dòng)態(tài)信息。語(yǔ)音和噪聲分類(lèi)里一個(gè)很常用的改進(jìn)是加delta和delta-delta也就是計(jì)算相鄰幀之間的變化率反映特征的時(shí)序趨勢(shì)。用librosa.feature.delta可以很方便地實(shí)現(xiàn)。最終我每個(gè)樣本用39維特征13維靜態(tài)MFCC加上13維delta再加上13維delta-delta。def build_feature_vector(file_path): mfcc extract_features(file_path) # (13, frames) mfcc_delta librosa.feature.delta(mfcc) mfcc_delta2 librosa.feature.delta(mfcc, order2) feat np.concatenate([ mfcc.mean(axis1), mfcc_delta.mean(axis1), mfcc_delta2.mean(axis1) ]) # (39,) return feat實(shí)際對(duì)比過(guò)只用靜態(tài)13維時(shí)驗(yàn)證集準(zhǔn)確率在92%左右加上delta之后提升到95%以上。代價(jià)是特征維度從13變成39但對(duì)MLP來(lái)說(shuō)增加的計(jì)算量微乎其微完全值得。2.3 歸一化、數(shù)據(jù)集劃分與一個(gè)隱蔽的數(shù)據(jù)泄漏特征矩陣準(zhǔn)備好以后歸一化是必須的一步。MFCC系數(shù)的絕對(duì)值范圍差異很大低階系數(shù)和高階系數(shù)的數(shù)值尺度可能差一個(gè)數(shù)量級(jí)不歸一化會(huì)讓梯度更新被數(shù)值大的維度主導(dǎo)收斂很不穩(wěn)定。我用StandardScaler把每個(gè)特征維度變成均值0、方差1。這里有個(gè)新手特別容易踩的坑歸一化只能基于訓(xùn)練集擬合參數(shù)然后拿著訓(xùn)練集擬合的均值方差去變換驗(yàn)證集和測(cè)試集。如果先在整個(gè)數(shù)據(jù)集上fit再切分驗(yàn)證集的統(tǒng)計(jì)信息已經(jīng)混進(jìn)了歸一化參數(shù)等于模型在訓(xùn)練時(shí)“偷看”了驗(yàn)證集的信息最終評(píng)估分?jǐn)?shù)會(huì)虛高。這種數(shù)據(jù)泄漏非常隱蔽因?yàn)樵跍?zhǔn)確率上看不出來(lái)異常只有部署到真實(shí)數(shù)據(jù)上才會(huì)原形畢露。數(shù)據(jù)切分我用train_test_split并且設(shè)置stratifyy保證每個(gè)類(lèi)別的樣本比例在訓(xùn)練集和驗(yàn)證集里保持一致。順序是先做切分再做歸一化。from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler X np.array(all_features) y np.array(all_labels) X_train, X_val, y_train, y_val train_test_split( X, y, test_size0.2, stratifyy, random_state42 ) scaler StandardScaler() X_train scaler.fit_transform(X_train) X_val scaler.transform(X_val)切分比例我用8:2。如果你的數(shù)據(jù)量特別少可以考慮7:3或者做K折交叉驗(yàn)證但注意交叉驗(yàn)證里歸一化也要在每一折的訓(xùn)練折上重新擬合邏輯跟上面是一樣的。標(biāo)簽處理方面我把類(lèi)別名轉(zhuǎn)成整數(shù)索引再用keras.utils.to_categorical轉(zhuǎn)成one-hot向量。這樣配合categorical_crossentropy使用是新手最容易理解的方式。如果你不想轉(zhuǎn)one-hot也可以直接用整數(shù)標(biāo)簽配合sparse_categorical_crossentropy效果一樣。3. 用Keras搭建多層感知機(jī)結(jié)構(gòu)設(shè)計(jì)與逐層解讀3.1 網(wǎng)絡(luò)層數(shù)與神經(jīng)元數(shù)量的設(shè)計(jì)邏輯MLP的結(jié)構(gòu)設(shè)計(jì)沒(méi)有絕對(duì)標(biāo)準(zhǔn)但有一些實(shí)用的經(jīng)驗(yàn)法則。我這次用的是四個(gè)隱藏層256、128、64、32結(jié)構(gòu)上是一個(gè)逐漸收窄的“漏斗”。為什么這么設(shè)計(jì)輸入39維特征后第一層256個(gè)神經(jīng)元先把特征映射到更高維空間相當(dāng)于給模型足夠多的組合空間去捕捉特征交叉關(guān)系后面層數(shù)逐層遞減強(qiáng)迫網(wǎng)絡(luò)把學(xué)到的信息壓縮成越來(lái)越抽象、越來(lái)越有判別性的表示最后交到輸出層做分類(lèi)。神經(jīng)元數(shù)量也不是越多越好。曾有測(cè)試把第一層加到1024個(gè)神經(jīng)元驗(yàn)證集準(zhǔn)確率并沒(méi)有明顯提升訓(xùn)練時(shí)間倒是翻了幾倍。原因很簡(jiǎn)單輸入特征是39維的強(qiáng)結(jié)構(gòu)化特征不是ImageNet那種百萬(wàn)像素級(jí)數(shù)據(jù)過(guò)大的隱層只會(huì)帶來(lái)冗余參數(shù)更容易過(guò)擬合?,F(xiàn)在的規(guī)模大概有5萬(wàn)多個(gè)參數(shù)用CPU訓(xùn)練幾十秒就能跑完一個(gè)epoch整個(gè)訓(xùn)練過(guò)程不會(huì)超過(guò)兩分鐘。模型定義用Keras的Sequential模型代碼非常直觀from keras import layers, models model models.Sequential([ layers.Input(shape(39,)), layers.Dense(256, activationrelu), layers.Dropout(0.3), layers.Dense(128, activationrelu), layers.Dropout(0.3), layers.Dense(64, activationrelu), layers.Dropout(0.3), layers.Dense(32, activationrelu), layers.Dense(5, activationsoftmax) ])我多放了一個(gè)32維的隱藏層而不是直接從64跳到5。雖然理論上最后一層隱藏層不需要太多神經(jīng)元也能完成分類(lèi)但多一層低維表示可以讓網(wǎng)絡(luò)在輸出前再做一次非線性整合對(duì)區(qū)分容易混淆的類(lèi)別有幫助。3.2 從ReLU到Softmax激活函數(shù)選型隱藏層激活函數(shù)統(tǒng)一用ReLU輸出層用Softmax這個(gè)組合是當(dāng)前MLP的默認(rèn)方案。ReLU的優(yōu)勢(shì)在于計(jì)算簡(jiǎn)單、收斂快而且對(duì)正區(qū)間梯度恒為1能有效緩解深層網(wǎng)絡(luò)里的梯度消失問(wèn)題??赡苡腥藭?huì)想用sigmoid或tanh但這兩個(gè)函數(shù)在輸入絕對(duì)值較大時(shí)梯度會(huì)趨近于0網(wǎng)絡(luò)一深就訓(xùn)不動(dòng)。噪聲分類(lèi)這個(gè)任務(wù)里沒(méi)有“需要壓縮到-1到1”的特殊理由所以ReLU是第一選擇。Softmax做的事情是把最后一層輸出變成總和為1的概率分布。比如輸出[0.1, 0.3, 0.5, 0.05, 0.05]意思是模型認(rèn)為這段音頻屬于第三個(gè)類(lèi)別的概率是50%。分類(lèi)時(shí)取argmax挑最大概率對(duì)應(yīng)的類(lèi)別就行。配合的損失函數(shù)是categorical_crossentropy它衡量模型輸出的概率分布與真實(shí)one-hot標(biāo)簽之間的差異這也是多分類(lèi)問(wèn)題的標(biāo)準(zhǔn)配置。3.3 防止過(guò)擬合的招數(shù)Dropout、EarlyStopping、學(xué)習(xí)率調(diào)度單靠網(wǎng)絡(luò)結(jié)構(gòu)還不夠訓(xùn)練過(guò)程中必須配合正則化手段。我在每個(gè)隱藏層后面都加了Dropout(0.3)也就是每次訓(xùn)練迭代隨機(jī)丟棄30%的神經(jīng)元。它的作用類(lèi)似一種廉價(jià)的集成學(xué)習(xí)每次丟棄不同的神經(jīng)元組合等于讓網(wǎng)絡(luò)在訓(xùn)練過(guò)程中經(jīng)歷了多個(gè)子網(wǎng)絡(luò)的聯(lián)合預(yù)測(cè)最終學(xué)到的特征更加魯棒不會(huì)過(guò)度依賴(lài)某一個(gè)特征通道。編譯階段我指定優(yōu)化器為Adam初始學(xué)習(xí)率設(shè)為0.001監(jiān)控指標(biāo)用準(zhǔn)確率model.compile( optimizeradam, losscategorical_crossentropy, metrics[accuracy] )訓(xùn)練時(shí)最容易犯的錯(cuò)誤是把epoch設(shè)個(gè)大數(shù)然后傻等結(jié)束。正確做法是用回調(diào)配合EarlyStopping。我設(shè)置patience15意思是驗(yàn)證集損失連續(xù)15個(gè)epoch沒(méi)有改善就提前停止訓(xùn)練自動(dòng)返回歷史最優(yōu)模型。另外還加了ReduceLROnPlateau驗(yàn)證集損失停滯時(shí)把學(xué)習(xí)率減半讓模型在最優(yōu)解附近做更精細(xì)的搜索。from keras import callbacks early_stop callbacks.EarlyStopping( monitorval_loss, patience15, restore_best_weightsTrue ) reduce_lr callbacks.ReduceLROnPlateau( monitorval_loss, factor0.5, patience5, min_lr1e-6 ) history model.fit( X_train, y_train, validation_data(X_val, y_val), epochs100, batch_size32, callbacks[early_stop, reduce_lr] )restore_best_weightsTrue這個(gè)參數(shù)值得單獨(dú)說(shuō)一下。如果不開(kāi)啟EarlyStopping觸發(fā)時(shí)返回的是最后一個(gè)epoch的權(quán)重而不是驗(yàn)證集損失最低的那個(gè)epoch模型效果可能已經(jīng)退化。這個(gè)坑我一開(kāi)始也踩過(guò)后來(lái)檢查發(fā)現(xiàn)返回的模型比最優(yōu)狀態(tài)低了兩個(gè)百分點(diǎn)虧大了。4. 訓(xùn)練實(shí)測(cè)曲線判讀與常見(jiàn)問(wèn)題排查4.1 訓(xùn)練過(guò)程中的實(shí)時(shí)監(jiān)控fit執(zhí)行時(shí)控制臺(tái)會(huì)打印每個(gè)epoch的訓(xùn)練損失和驗(yàn)證損失、準(zhǔn)確率。我關(guān)心的是兩個(gè)趨勢(shì)訓(xùn)練集準(zhǔn)確率是否持續(xù)上升驗(yàn)證集準(zhǔn)確率是否也在合理爬升。正常情況是訓(xùn)練集準(zhǔn)確率前期上升很快驗(yàn)證集準(zhǔn)確率稍微滯后一點(diǎn)驗(yàn)證集損失可能會(huì)有小幅度抖動(dòng)但只要整體趨勢(shì)向下就是健康的。我這次訓(xùn)練的過(guò)程大致是這樣前10個(gè)epoch訓(xùn)練準(zhǔn)確率快速?zèng)_到90%以上驗(yàn)證準(zhǔn)確率在85%左右到第25個(gè)epoch驗(yàn)證準(zhǔn)確率站上93%第50個(gè)epoch以后曲線變平緩驗(yàn)證準(zhǔn)確率在94%到96%之間波動(dòng)。EarlyStopping在62個(gè)epoch觸發(fā)總共耗時(shí)不到兩分鐘。訓(xùn)練結(jié)束后打印驗(yàn)證集準(zhǔn)確率在95.3%左右。如果你看到訓(xùn)練準(zhǔn)確率一路上漲但驗(yàn)證準(zhǔn)確率怎么都不動(dòng)那基本就是過(guò)擬合的信號(hào)下一節(jié)詳細(xì)展開(kāi)。4.2 過(guò)擬合的識(shí)別與應(yīng)對(duì)第一次搭這個(gè)模型的時(shí)候我沒(méi)有加任何Dropout隱藏層設(shè)為512和256訓(xùn)練結(jié)果非常典型訓(xùn)練集準(zhǔn)確率無(wú)限逼近100%驗(yàn)證集準(zhǔn)確率卡在88%左右。這個(gè)現(xiàn)象就是模型“背”下了訓(xùn)練數(shù)據(jù)中的細(xì)節(jié)和噪聲卻無(wú)法泛化到新樣本。應(yīng)對(duì)過(guò)擬合有幾板斧按優(yōu)先級(jí)排序加Dropout、減模型容量、加正則化系數(shù)、擴(kuò)充數(shù)據(jù)。我實(shí)際體驗(yàn)下來(lái)加Dropout是最立竿見(jiàn)影的。從零Dropout加0.3的Dropout之后驗(yàn)證準(zhǔn)確率提升了大概5個(gè)百分點(diǎn)。減隱藏層寬度也有幫助但不如Dropout效果明顯。還有一個(gè)思路是給Dense層加kernel_regularizerl2(0.001)通過(guò)限制權(quán)重范數(shù)防止某些特征權(quán)重過(guò)大不過(guò)我在這個(gè)任務(wù)里用Dropout已經(jīng)夠了L2正則對(duì)最終結(jié)果沒(méi)有額外提升。4.3 類(lèi)別樣本不均衡的坑我收集的音頻數(shù)量大致均衡每個(gè)類(lèi)別兩百多條所以沒(méi)做特殊處理。但如果你在擴(kuò)展類(lèi)別時(shí)發(fā)現(xiàn)某個(gè)類(lèi)別音頻特別少訓(xùn)練時(shí)模型的預(yù)測(cè)會(huì)偏向樣本多的類(lèi)別。這種現(xiàn)象在混淆矩陣上表現(xiàn)得很明顯少數(shù)類(lèi)別的召回率偏低多數(shù)類(lèi)別的精確率也受影響。處理辦法有三種一是盡量多收集少數(shù)類(lèi)樣本二是對(duì)少數(shù)類(lèi)樣本做數(shù)據(jù)增強(qiáng)比如時(shí)間偏移、加白噪聲、調(diào)整音量、音調(diào)變化三是在訓(xùn)練時(shí)設(shè)置類(lèi)別權(quán)重讓少數(shù)類(lèi)的損失貢獻(xiàn)更大class_weight { 0: 1.0, 1: 2.0, # 少數(shù)類(lèi)權(quán)重更大 2: 1.0, ... }我自己的經(jīng)驗(yàn)是數(shù)據(jù)增強(qiáng)通常比調(diào)權(quán)重更有效因?yàn)闄?quán)重只是改變了梯度比例沒(méi)有增加新的信息量。但增強(qiáng)要控制尺度加噪聲太猛會(huì)把原本的類(lèi)別特性掩蓋掉。5. 識(shí)別環(huán)節(jié)從模型文件到單條音頻預(yù)測(cè)5.1 保存與加載模型訓(xùn)練完成后要做的第一件事就是把模型和預(yù)處理器都存下來(lái)。模型用Keras自帶的方式保存model.save(noise_mlp.keras)加載的時(shí)候用keras.models.load_model(noise_mlp.keras)就行。這里強(qiáng)調(diào)一下新版Keras官方推薦用的是.keras格式而不是老的.h5。.keras格式會(huì)把模型結(jié)構(gòu)和權(quán)重打包在一起兼容性和后續(xù)維護(hù)體驗(yàn)都更好。容易忽略的是StandardScaler也得單獨(dú)存。我一般用pickleimport pickle with open(scaler.pkl, wb) as f: pickle.dump(scaler, f)為什么預(yù)處理器跟模型一樣重要因?yàn)轭A(yù)測(cè)階段的輸入必須經(jīng)過(guò)跟訓(xùn)練階段完全一致的變換。如果你加載模型時(shí)忘了scaler直接把原始特征丟給模型數(shù)值尺度對(duì)不上預(yù)測(cè)概率會(huì)完全亂套。這個(gè)問(wèn)題在模型部署時(shí)極常見(jiàn)我建議從一開(kāi)始就把“模型scaler”綁定成一個(gè)整體最好封裝到一個(gè)類(lèi)里。5.2 單條音頻預(yù)測(cè)的實(shí)現(xiàn)細(xì)節(jié)預(yù)測(cè)階段的核心原則是對(duì)新的音頻做一遍跟訓(xùn)練時(shí)一模一樣的處理鏈路。我把預(yù)測(cè)封裝成下面的函數(shù)def predict_single(file_path, model, scaler): feat build_feature_vector(file_path) # (39,) feat scaler.transform(feat.reshape(1, -1)) # reshape成(1, 39) prob model.predict(feat, verbose0) label int(np.argmax(prob, axis1)[0]) return label, prob這里面有兩個(gè)細(xì)節(jié)很容易翻車(chē)。第一個(gè)是reshape(1, -1)模型訓(xùn)練時(shí)的輸入形狀是(樣本數(shù), 特征維度)即使只預(yù)測(cè)一條也要保留batch維度否則會(huì)報(bào)維度不匹配的錯(cuò)誤。第二個(gè)細(xì)節(jié)是預(yù)測(cè)時(shí)不要再對(duì)模型做dropoutKeras的推理模式會(huì)自動(dòng)關(guān)閉dropout所以不用額外處理。說(shuō)一下我對(duì)模型行為的觀察在干凈錄音上模型對(duì)空調(diào)聲和交通聲的判斷幾乎是100%穩(wěn)定對(duì)雨聲和鍵盤(pán)聲偶爾會(huì)出錯(cuò)。鍵盤(pán)聲和腳步聲在時(shí)域波形上形態(tài)不同但在平均MFCC特征上可能靠近。解決思路是把“取平均”替換成“取分位數(shù)特征”或者“按幀分段建?!边@個(gè)等后面做提升時(shí)細(xì)聊。5.3 混淆矩陣與真實(shí)表現(xiàn)分析光看準(zhǔn)確率不夠我打印了分類(lèi)報(bào)告和混淆矩陣用sklearn.metrics自帶的功能from sklearn.metrics import classification_report, confusion_matrix y_pred_val model.predict(X_val, verbose0).argmax(axis1) y_true_val y_val.argmax(axis1) print(classification_report(y_true_val, y_pred_val)) print(confusion_matrix(y_true_val, y_pred_val))從分類(lèi)報(bào)告里能看出不少東西。整體準(zhǔn)確率95%其中“空調(diào)聲”和“交通聲”的precision和recall都很高說(shuō)明這兩種噪聲的頻譜特征非常穩(wěn)定“雨聲”和“腳步聲明”偶爾會(huì)互相混看混淆矩陣會(huì)發(fā)現(xiàn)大概有6%的雨聲樣本被分到了腳步聲類(lèi)。原因并不難理解腳步聲在有些地面材質(zhì)上會(huì)產(chǎn)生類(lèi)似雨聲的寬頻瞬態(tài)成分而我又用的是全局平均特征把時(shí)間結(jié)構(gòu)信息丟掉了不少。這個(gè)問(wèn)題想徹底解決要么換成CNN處理幀級(jí)特征要么在特征里加入MFCC的方差、頻譜質(zhì)心、過(guò)零率等補(bǔ)充信息。我目前是傾向在現(xiàn)有MLP框架里先豐富特征因?yàn)楦膭?dòng)成本最低。最后說(shuō)幾句這段時(shí)間的個(gè)人體會(huì)。用MLP做噪聲分類(lèi)最大的優(yōu)點(diǎn)是鏈路短、排錯(cuò)容易從音頻加載到模型預(yù)測(cè)涉及的環(huán)節(jié)比CNN方案少很多特別適合驗(yàn)證“這個(gè)分類(lèi)任務(wù)到底能不能做”的階段。但它的上限也確實(shí)受限尤其在低信噪比或強(qiáng)混響環(huán)境里會(huì)明顯吃力。這個(gè)Demo到目前還只是一個(gè)離線分類(lèi)器我下一步打算把它接到麥克風(fēng)實(shí)時(shí)流上做滑動(dòng)窗口式的連續(xù)識(shí)別同時(shí)把每類(lèi)噪聲的觸發(fā)時(shí)間戳記錄下來(lái)。到時(shí)候面臨的問(wèn)題會(huì)更偏向工程側(cè)延遲控制、窗口重疊率、類(lèi)別平滑策略這些等我做出來(lái)再繼續(xù)整理。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
另类视频在线| 99九九视频| 丁香婷婷影院| 欧美日韩成人在线观看| av在线观看免费| 色色婷婷色色| 色9999日韩国产| 97九色视频| 可以看的AV| 91亚洲免费片| 超碰九色| 手机激情网| AA片在线观看视频在线播放| 婷婷色5月激情网| 图片区 小说区 区 亚洲五月| 五月丁香怕怕综合| 久草x色在线观看99| 国产精品A片| 精品婷婷丁香五| 日韩无码色色| 桃色Av色哟哟| 99天天操夜夜操| 欧美xx激情视频在线观看| 色婷婷啪啪| 色婷婷激情四射视频| 97超碰99热99| 五月天综合网| 五月天激情国产综合AV| 1囯产午夜仑鲁鲁| 色五月丁香婷婷在线观看| 久久大香免费| 97干在线视频| 丁香五月婷婷激情视频播放| 丁香五月天社区婷婷| 欧美激情VA永久在线播放| 狠狠爱婷婷丁香| 久久婷婷婷| 无码地址| 色色综合院| 天堂色婷婷| 丁香五月天堂网| 婷婷AV丁香| 国产又爽又猛又粗的视频A片| 九九色99| 大香蕉婷婷| 丁香五月成人| 九九热最新地址| 猫咪伊人久久| 婷婷五月天综合亚洲| 五月天激情丁香| 婷婷五月天黄色| 激情网五月天| 99亚洲视频| 激情五婷精品网在线观看网址| 亚洲情综合五月天| 超碰色综合| 狠狠香婷婷五月| 北条麻妃伊人| 日本一级一级一级一级| 久久一级免费黄色片| 激情99| 五月天另类小说亚洲| 色婷婷在线电影| 亚洲综合视频网| 日操五月婷| 色婷婷在线影院| 人妻22p| 五月伊人婷婷| 天天激情视频| 狠狠色婷婷7777久| 99偷拍视频在线日本| 五月丁香激情综合| 成人永久免费视频在线观看| 久久人妻人人槡| 超碰人人操人人干| 九九九九九九毛片| 五月天丁香婷婷视频网址| 96精品久久久久久久久| 开心激情网在线| 超碰三级秋霞| 影音先锋色婷婷| 九九婷婷五月天| 8区视频在线| 色情一区二区播放| 欧美色骚婷婷五月天| 99久久亚洲国产| 狠狠色丁香| 婷婷五月在线播放| 亚洲人妻一区二区| 五月天欧美 另类小说| 操九色| 草草色情综合网| 色婷婷综合视频| 丁香五月亚洲| 婷婷五月天激情五月天深爱五月天| 婷婷激情五月天天天开心| 五月天婷婷激情网| 在线91日韩| 亚洲综合色网| 婷婷五月花| 婷婷激情五月| 综合网天天| 狠狠草婷婷| 天天操天天日天天爱| 色色色9 9 9| 色五月 婷婷, 大香蕉| www99热| 99爱视频| 婷婷九月综合| 久久久久激情| 国产激情视频在线观看| 综合久久婷婷| 97色片| 天天草天天摸| 精品色| 五月天精品综合在线| 五月丁香六月婷婷,婷| 任我肏| 色婷婷啪啪| 91操女| 国产欧美日韩综合精品一区二区| 婷婷色情 | 色五月琪琪| 五月丁香偷拍| 97碰久久| www.色婷婷| www九九热| 欧美日韩成人| 五月丁香av中文| 五夜丁香| 狠狠搞狠狠操| 最近中文字幕大全免费版在线| 日韩成人精品中文字幕| 色色A| 超碰av在线| 99ri在线视频| 婷婷五月天开心网| 亚洲妇女熟BBW| www色色色com| 婷婷六月激情综合| bukadeavzaixian| 九九九九成人| 丁香婷婷五月六月久久| 欧美又粗又大一区二区在线观看| 丁香六月色情| 欧美婷婷五月丁香| 婷婷激情六月综合| A久久| 九九热九九| 五月婷婷五月天| 免费黄色片子| 无码激情AAAAA片-区区| 男人的天堂av俄罗斯热| 91丨九色丨熟女丰满| 五月久久婷婷| 亚洲熟妇AV综合网五月丁香伊人 | 婷婷激情小说| 婷婷 丁香 精品| 精品无吗va视频免费观看| 色五月婷婷基地| 六月丁香综合| 色婷婷狠| 欧美电影在线播放| 99免费青青蜜臀| 五月丁香婷婷激情四射迷人| 色狠狠综合网| 人人干人人操人人摸人人做| 五月婷激情| 婷婷色5月激情网| 婷婷色五月在线视频| 婷婷中文字幕| 色色99| 丁香五月天视频| 色五月,com| 91在线观看www| 丁香六月激情| 另类激情五月| 五月丁香六月激情综合| 操操操B| 丁香五月婷婷欧美成人色图| 嫩草视频在线观看| 五月天激情图| 五月丁香无码| 六月婷综合| 久热精品在看| 色五月婷婷激情综合网| 激情丁香五月天| www色色com| 性无码专区无码| 99热欲| 婷婷六月色开| 激情开心五月天婷婷基地丁香社区| 俺去也综合| 五月婷丁香| 国产精产国品一二三在观看| 中文字幕九九九九| 97五月天婷婷| 99色网站| 射琪琪| 欧亚色色| 国产精品色色| 最近免费中文字幕大全高清大全1 色狠狠色噜噜AV天堂五区 | 狠狠操综合| 超级碰碰97在线| 婷婷五月,偷窥偷拍网| 在线中文av| 亚洲狠狠色丁香婷婷综合久久| 婷婷爱五月| 婷婷五月天777| 亚洲性爱干干| 久久性操| 九九九九中文字幕| 激情伊人六| 第五色婷婷| 久青草影院| 六月婷婷视频| 甈吧vv| 九九AV在线| 97操操网| 美女va| 色婷婷电影网| 99操不停| 色五月天视频| 亚洲中文字幕在线观看| 九月丁香| 一区二区免费看| 精品婷婷| 超碰av在线| 丁香五月播播| 婷婷五月丁香综合网| 日本三级黄色大片| 99九九玖玖| 91国产精品视频播放| 91chinese在线| 天天日,天天干,天天操| 日本成人内射| WWW.桔色成人.COM| 日本视频不卡123区| 久久草大香蕉| 色婷婷19| WWW色色色COM| 99超级超级超级碰| 久久 这里只有精品1| 丁香五月手机在线| 亚洲精品亚洲人成人网| 色色色婷婷五月天| 超碰不卡在线| 深爱五月天| 精品视频网| 激情五月亚洲综合网| 26uuu精品一区二区| 丁香五月综合久久综合| 无套内射极品大美女| 狠狠干.com| 婷婷丁香色五月天久久88| 亚洲成人AV在线播放| www.色情五月天.com| 思思久久青草热| 中文字幕人妻熟女在线| 青青夜夜狠狠夜夜狠狠| 成人精品在线| 色久婷婷网| 青青草成人网| 99惹| 日韩一本操| 婷婷五月天成人动漫| 中文AV网站| 亚洲熟女色| 人妻视频在线| 久久伊人大香蕉| 超碰大香蕉网| 99热这里只有精品1025| 五月丁香综合激情网| 丁香综合网| 日韩成人AV在线| 99久久99久久| 99热免| 五月丁香激情啪啪| 91狠狠综合久久久| 九九热99精品在线| 亚洲在线网站| 狠狠色噜噜狠狠狠狠综合| 欧美毛卡| 变态另类9| 丁香五月激情啪啪| 欧美人与性动交CCOO| 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 | 五月婷亚洲精品| 丁香五月伊人| 色播播五月天| 五月丁香激情啪啪| 亚洲字幕AV一区二区三区四区| 99热精这里只有精品| 婷婷激情久久| 人人草人人爱| 久99热| 能看的AV| 色999;丁香五月| 日韩av免费版| 久9精品视频| 欧美精品999| 开心五月婷婷激情| 婷婷五月天综合中文| 大香蕉久久久久久久久| 婷婷无码视频| 五月婷婷co.m| 99热国产婷婷| 综合网色| 六月婷婷久久| 婷婷午夜| 婷色天堂| 婷婷五月,偷窥偷拍网| 丁香五月婷婷超碰在线| 99精品亚洲| 性小说五月天| 任我肏视频精品| 婷婷色五月婷| 激情文学天天| www.久久久久久久久久久| 婷婷久久综合| 丁香久色| 99九九玖玖| 六月婷久久| 超黄亚洲瑟瑟网站| 一起肏在线视频| 欧美日韩一区二区三区四区| 婷婷综合网站| 婷婷伊人| 无码AV免费精品一区二区三区| 五月丁香久久久| 99er热精品视频| 97色色色色色| 婷婷六月丁香欧美视频在线| 五月色婷婷综合色| Caop在线| 五月天电影网| av色婷婷| 婷婷丁香五月亚洲| 亚洲丁香五月综合| 99干99| 激情五月婷婷| 色狠狠999综合| 五月丁香天天| 大香蕉伊人99| 亚洲成av人影院| 99热精品免费| 丁香五月天BBw| 欧美 日韩 成人 在线| 色婷婷狠狠| 丁香色婷婷| 亚洲色涩视频| 激情综合99| 国产性av| 婷婷久草| 久久停停超碰| 激情婷婷五月天日本系列| 色九月婷婷| 久久丁香婷婷色情综合| 蜜桃成语时李时珍 免费| 深爱综合网| 精品色情一区二区三区四区| 99无码超碰| 日操夜操天天操不卡| 99热精品在线观看| 婷婷丁香亚洲色综合91| 亚洲色婷婷五月| 热九九在线| 国产肏屄大片| txt五月激情四射网综合俺也来了| 热九九精品| 2020日日干| 欧美成人精品一区二区| 91dy.av| 97资源碰碰| 国产婷婷久久| 午夜微拍福利| 伊人综合网站| 777精品久无码人妻蜜桃| 久久3p| 丁香狠狠色婷婷久久无码视频| 五月婷婷六月丁香激情综合网| 玖玖午夜视频| 9热久久在线| 日韩欧美不卡| 亚洲 在线 另类| AV性爱网| 五月天激情网站| 99A级片| 六月激情久久| 激情影院丁香五月| 婷婷五月天激情开心网| 夜夜夜夜夜骑撸| 五月婷色啪| 激情五月图| 午夜免费试看| www.99色| 五月婷婷激情综合在线| 都市激情久久| 成人va在线观看视频| 91九色无码日韩| 五六月婷婷久久| 欧美大片免费观看| 丁香伍月婷电影全集| 色五月激情五月| 性爱综合网| 99综合| www色婷婷| 色久女| 日韩色五月| 91肏| 97热精品| 亚洲成人一区| 久久久99久久| 色五月天天在线观看资源站| 国产成人AV人人爽人人澡Va| 人妻22p| 亚洲精品视频在线播放| 狠狠五月激情在线| 狠狠操天天操综合| 新激情五月开心五月婷婷五月丁香五月| 婷婷五月天视| 成人必爱视| 久久精品天| 大香蕉七区| 久久婷婷人人| 色婷婷久久| 激情五月婷婷丁香六月| 日本色婷婷综合| 色青青五月| 四五月婷婷| 激情五月天婷婷视频| 丁香六月天堂| 五月丁香激情综合啪啪| 色色色99| 五月天激情色色| 欧美性生交XXXXX无码小说| 全部老头和老太XXXXX| 久久久婷婷五月天| 婷婷黄色五月| 996热| 99热网站在线观看| 日日狠狠久久偷偷四色综合免费 | 亚洲V国产V欧美V久久久久久| 三级黄色大片视频| 久久九九囯产| 在线色色| 精品九九视频在线观看| 99热只有这里有精品| 国产性爱一级| 91九色国产| 婷婷五月色| 中文字幕 中文字幕明步| 国产在线网址1| 97碰碰人人视频| 欧美三级黄色片久久| 成人色五月天婷婷| 久久99热久久99精品| 台湾无码A片一区二区| 饮料下药迷倒漂亮女同事强干| 大地资源色婷婷视频在线| 狠狠色婷| 国产人妻操逼| 天天狠狠色综合| 亚洲啪啪网| 日日操天天操| 国产精品视频网| 色色色色欧洲| 丁香五月婷婷色五月| 亚洲AV色婷婷人禽五月天| 成人av播放| 少妇熟女视频一区二区三区| 欧美操综合| 26uuu欧美日韩| 五月色俺婷婷| 婷婷五月天AV| 一级无码作爱片| 久久精彩免费视频精彩免费视频| 丁香五月婷婷色播艳门照| 色婷婷狠| 人人操9| 熟女网站久久| 色婷婷亚洲在线| 婷婷五月激情图片| 亚洲成AV人片在线观看| 激情婷婷丁香五月天小说| 亚洲婷婷成人五月天| 亚洲成人一区| 色婷婷激情视频| 五月丁香综合激情| 久久人妻乱| 久久婷婷五月| 婷婷久久内射| 巴基斯坦粉嫩无码视频| 色情综合| 久久免费试看120秒| 国产色色网站网址| 九九色图| 丁香五月天社区婷婷| 99热情这里只有精品在线播放| 婷婷涩涩五月天| 一级黄色影片| AV成人在线播放| 亚洲一区二区无码蜜乳av| 激情九月综合| 久热伊人9| 五月天久久www| 91精品91久久久中77777| 成人一区在线观看| 亭亭五月激情亚洲在线| 综合五月婷婷| 激情五月综合| 色色激情五月| 激情婷婷网| 激情五月天开心网丁香无码| 五月丁香亚洲综合| 大香蕉大香蕉在线影院| 涩涩婷婷五月| 国产偷人爽久久久久久老妇APP| w婷婷五月婷婷w| 亚洲日韩欧美综合VA| 欧美丰满熟妇BBB久久久| 五月婷婷AV| 久久99热这里只频精品6学生| 亚洲V国产V欧美V久久久久久| 99在线69| 色婷婷婷婷| 天天综合网~91| 久久六月婷婷| 亚洲另类婷婷五月综合| 亚洲无AV在线中文字幕| 久热这里只有精品性色AV| 五月玖玖| 亚洲av日韩无码| 国产精品色| 久久久婷婷色五月资源网| 亚洲精| 欧美日韩成人| 99亚洲综合| 久久婷婷五月综合| 另类的婷婷| 婷婷五月天成人网| 操一区| 色婷网| 五月丁香激情四射综合| 成人在线网| 六月丁香婷婷综合狠狠爱夜夜爱| 五月婷婷九九热| 婷婷五月天大香蕉在线视频观看| 天天激情| 久久久久久久久久久44| 婷婷激情人妻| 五月丁香六月婷| 丁香五月婷婷亚洲综合精品| 99日本在线| 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… | 婷色综合| 中文AV网| 91婷婷丁香五月| 欧美视频五区| 五月天成人综合| 五月激情综合网| 99视频久久| 高清无码网址| 97干在线| 欧洲第一无人区观看| 五月天小说激情| 天堂伊人干| 五月婷婷自拍视频| 丁香五月黄色| www.激情| 五月花成人网| www.韩日视频| 婷婷五月天国产在线播放| 婷婷综合影院| 120分钟婬片免费看| 丁香五月天激情网址| 天天爱天天操| 丁香婷婷在线| 人人九色| 99热这里都是精品| 综合激情深爱| 五月天丁香成人社| 综合色色网| 色色婷五月天| 欧美婷婷九月| 热99这就是精品视频| 色五月xxx| 无码91中文字幕| 怡红院视频| 97久操视频| 久久婷婷六月综合| 天天干天天操天天上| 婷婷丁香红五月91C| 五月婷婷官网色| 丁香五月婷婷激情网| 五月天婷婷久久| Va另类视频| 99玖玖人人| 99日本精品视频热| 亚洲 小说 欧美 激情 另类| 天天综合91入口| 久久久精品AV| 丁香五月婷婷精品视频| 97婷婷狠狠久久综合9色| 九月婷婷久久| 五月婷婷福利| 亚洲无码播放| 92久久精品一区二区| 九九热只有精品| 色99视频| 激情五月成年| 玖玖爱综合网| www,欧美干干干干干干| 国产精品国产| 亚洲精品又粗又大又爽A片 | 99视频精品在线| 好好干Av| 五月天AV大香蕉| 99操碰| 五月婷婷之综合激情| www.日本久久videos| AV亚洲在线| 狠狠干狠狠色| 26uuu另类亚洲欧美日本一| 五月婷婷激情| 99碰碰碰| 成人精品视频99在线观看免费| 亚洲激情五月天| 色色综合网www| 伊人干综合| 丁香五月激情澎湃一区| 成人一级片| 伊人九九68| 色丁香五月| 色色色色色色网站| 人色五月天婷婷| 久久hd| 伊久大香蕉| 人人爱操| 九九热婷婷| 五月天激情无码高清| 五月丁香91| 久久综合55| 色婷婷狠狠| 天天爱天天吃狠天天透| 欧美综合五月丁香六月婷| 丁香五月婷婷激情小说| 欧美色色干| 丁香狠狠色婷婷久久无码视频| 色色色在线观看| 五月天婷婷视频30| 色婷婷成人在线| 97超碰人人操| 色哟哟性爱av| 性爱五月婷| 欧美 日韩 人妻 高清 中文| 婷婷六月啪啪| 亚城区在线| 色婷五月丁香久亚洲| 婷婷伊人綜合中文字幕小说| 婷婷色五月激情强奸四射| 色99欧洲色19| 成人国产网| 白人荫道BBWBBB大荫道| 99精品无码| 一本久道综合色婷婷五月| 99精品在线观看视频| 日日射天天射| 婷婷五月激情丁香激情| 丁香五月图片| 久久色频| 性爱动图国产麻豆一区二区三区| 99色干| 在线观看免费狠狠色丁香香综合 | 2013AV天堂| 国产三级在线播放| 国成人网| 99热这里只有精| 婷婷在线视频| 久综合网| 大香蕉久| 久久婷婷视频| 日日夜夜干| 婷婷五月成人| 99在线热| 久99| 九九五月天| 九九视屏| 色综合综合色| 91久久婷婷| 99色婷婷视频| 狠狠做婷婷| 欧美色色色色色色色| 99久久久久久| 级情九色| 在线99热| 久久AAAA片一区二区| 白人荫道BBWBBB大荫道| 久久人妻少妇嫩草AV| 亚洲乱码日产精品BD| 国产日韩欧美| 欧美五月停| 亚洲av另类在线观看| 7777久久亚洲中文字幕| 色天堂操| 丁香玖玖视频大全| 色婷婷a v| 综合激情九月婷婷,激情综合婷婷中文字 | 婷婷五月天免费99| www.夜夜爱.com| 9 1 A v久久久| 狠狠情色| 五月激情啪啪啪| 五月丁香激情片| 丁香伊人激情| 另类激情网| 婷婷五月天在线视频网站| 婷婷六月天天| 丁香六月激情综合| 成人做爰高潮A片免费视频| 九九婷婷热| 婷婷久久18| 97在线碰| 五月丁香天堂网婷婷| 狠狠搞亚洲| 九九热婷婷| 99热在线精品观看| 五月婷婷色欲| 婷婷五月天精品| 激情小说五月天| 激情五月婷婷伊人| 五月丁香激情综合网| 精品爆操| 婷婷色五月激情| 久久一级AV| 国产美女主播vip| 婷婷久久久| 亚洲综合色丁香五月天| 色偷偷五月天| 亚洲综合色婷婷| 在线免费视频caop| 91.com男女操| 激情五月综合免费| 色五月人妻| 色色色色色色网| 婷婷五月丁香基| 成人版视频在线观看| 蜜臀av无码久久久久久久久| 婷婷激情五月天小说校园| 97久久精品| 色www久视频| 碰碰操91| 五月丁香婷婷久久| 婷婷天天色| 天天干天天拍| av在线不卡播放| 九月婷婷久久久| 午夜无码精品色综合久久| 色婷另类| 99re欧美精品| 婷婷91| 五月婷婷久草在线视频综合| 欧美日韩成人在线| 色婷婷第四色| 99惹在线精品免费观看| 婷婷性爱五月天| av色色国产| 婷婷五月六月丁香| 久1色色| 九九性爱网| 日本强伦片中文字幕免费看| 欧美色久| 五月天色婷婷伊人网| 亚洲欧洲午夜成人精品av| 亚洲精品字幕在线观看| 欧美日韩成人一区二区| 天天色天天舔天天爱天天爽| 五月天婷婷色综合| 青996青| 欧美婷婷五月天综合| 超碰人妻在线| 91久草五月天婷婷| 亚洲女婷婷五月基地综合久久久| 色色综合色| 五月天偷拍| 99精品视频偷拍| 99视频网| 国产午夜精品AV一区二区麻豆| 美女精品一级不卡视频| 婷婷色5月激情网| 狠狠色丁香| 色444综合网| 亚洲性爱99在线| 综合色色色| 婷婷爱五月| 色五月婷婷啪啪五月| 激情五月天网站| 碰碰人人漕| 狠狠久综合| 欧美一级色| 99热加勒比| 99精品爱| 无码人妻少妇色欲AV一区二区| 超碰在线免费9| 色播激情五月天| 琪琪色五月婷婷老师| 婷婷五月激情热播| 99久视频| 色五月婷婷综合在线| 色色AV色色色东莞| 久久久久久久久月丁| 丁香五月综合高清在线| 91AV婷婷| 久久综合播放| 色色性爱视频| 色吧99| 精品少妇蜜臀91| 少妇AB又爽又紧无码网站| 在线成人网站| 草一草avb| 九九九九九九毛片| 婷婷久久色| 亚洲情欲久久| 另类五月激情| 另类婷婷五月天啪帕帕| 可以免费看的av网站| 五月天婷婷色| 日本精品在线噜噜噜| 超碰人人超碰| 人妻激情综合| 婷婷 丁香 精品| 丁香五月激情月| 五月丁香六月婷婷网| 九九美女视频| 狠狠xx| 丁香色影院| 五月丁香六月婷婷激情视频在线观看免费| 亚洲天堂AV综合网| 亚洲五月天婷婷在线| 99九九这里有免费视频| 丁香五月综合网亚洲综合欧美狠狠| 日韩黄色中文字幕| 丁香五月日本| 超碰在线免费观看日韩| www.26uuu.com亚洲电影| 五月婷婷激情综合| 秋霞网在线观看理论91| 亚洲网站观看视频| 五月丁香六月综合激情网| 99噜噜噜在线播放| 五月婷婷久久内射| 99网址在线观看| 天天干狠狠| 国产成人亚洲综合亚洲| 日日夜夜天天| 92久久| 91精品久久久久久综合五月天| 91欧美日韩综合| 可以免费观看的AV| 免费精品66| 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 | 欧美在线ee日韩| 久久久精品色| AV动漫不卡无码免费| 久久亚洲婷婷| 亚洲色五月天是什么| 丁香五月久久| 欧美毛片www| 日韩久久日| 99热天堂| 六月丁香婷婷五月天| 久久在线视频免费观看| 99热这里只有精品官网| 97五月婷婷| 大香蕉欧美在线| 777久久久| 免费啪啪亚州视频| 亚洲国产精品五月天| 免费无码毛片一区二区A片| 亚洲激情色色| av免费在线网站| 久久激情五月婷婷| a69在线视频| 久婷婷久草| 99久久久久久| 色噜噜狠狠色综合日日免费| 葵花AV在线| 9l视频自拍九色9l视频在线观看| 五月婷色色| 99热| 五月丁香六月情| 啪啪 综合网| 婷婷五月影院| 99热免| 婷婷丁香射射| 一区二区传媒视频| 五月婷婷六月激情| 国产激情婷婷| 日本婷婷综合精品| Caop在线| 强辱丰满人妻HD中文字幕| 六月丁香五月婷婷| 中国AV性爱观看| 97碰| 人人操超碰| 亚洲激情久久| A久久| 天天色,天天操,天天射| 五月丁香无码| 极品嫩草| 国产FREESEXVIDEOS性中国| 狠狠穞A片一區二區三區| 天天色五月| 五月丁香性爱| 激情五月婷婷色色| 双性美人被调教到喷水A片| 操97免费超级视频| 狠狠色噜噜狠狠狠888了| 久久九九综合| 色婷在线视频| 极品精品一区二区三区在线| 婷婷丁香色五月| 丁香五月人妻| 激情五月天色爱| 丁香五月婷婷六月婷婷| 九九av在线| 五月天婷婷无码| 五月社区丁香| aaaaa黄色| 五月丁香久久呀| 婷婷五月丁香成人网| 开心激情站| 9久久精品| 51国精产品自偷自偷综合| 色婷婷六月开心中文字| 淫荡家庭AV| 人妻激情在线| 综合精品99| 中文字幕操比影片| 欧美内射AAAAAAXXXXX| 激情伊人五月天| 98永久精品| 婷婷性色| 五月丁香在线婷婷美女| 天天爽,天天操。| 99色这里| 97精品综合久久| 欧美色九| 婷婷中文字幕网| 91传媒无码人妻精| 丁香五月天AV在线 | 五月丁香六月欧美综合网站| 99成人免费视频| 欧美综合在线五月天色婷婷| 美女婷婷六月色| 天天日日人| 99在线精品视频免费| 超碰免费人人| 99热99色| 婷婷五月天av| 色综合色五月| 欧洲不卡视频| 亚洲、欧美、国产另类笫二区| 色碰碰| 五月丁香六月婷| 久久久精品人妻| 五月天桃色深爱网| 亚洲色网络| 五月婷婷在线视频| 综合噜噜| 深爱五月天| 麻豆雪千夏| 日本在线视频播放91| 婷婷激情视频| 精品久久9| 殴美日比视频| 99综合免费视频| 激情五月天电影| 亚洲国产99| 色婷婷丁香| 大香蕉啪啪啪| 强辱丰满人妻HD中文字幕| 久久人妻熟女一区二区| A片试看120分钟做受图片| 亚洲欧洲另类图片| 婷婷久久爱| 亚洲欧美国产A片免费观看| 亚洲成人AV在线| 在线成人视频免费| 综合久久影院| 天天操天天爱天天日| 美女亚洲五月丁香| 久久狠狠色| 久久久久久五月天| www.minyis.com【JT】实力收量可预付QQ2101460746 | 啪啪五月综合| 五月婷婷丁香大陆免费| 色综合综合色| 五月婷婷五月丁香综合| 另类图片 五月激情| 亚州性爱99| 日欧大屏操| 91色噜噜狠狠狠狠色综合| 久久大香蕉| 2018国产大陆天天弄| 激情婷婷五月丁香啪啪啪| 婷婷丁香综合在线| 日本久久视频| 99热免费精品热久久66| 婷婷六月中文字幕| 情趣视频66| 久久婷婷色色| 99久久久99久久91熟女| 色综色网| 国产精品国产| 激情小说五月天社区丁香| 九九成人精品| 色婷婷成人| 色狠狠综合| 99精品视频在线观看| yw.av| 91ncom.色| 亚洲五月丁| 国产在这里只有精品| 日韩AV大全| 久久色大香蕉| enecarbon-materials.comWu染请涟系Bao护@wip1688 | 色婷婷激情小说网| 婷婷五月六月| 久久人妻久久| 激情6月| 狼人狠狠操| 亚洲激情高潮| 久机视频这只有精品| 伊人啪啪网| 亚洲三A| 91久久九久久九久久九久久九久久 | 亚洲九区| 丁香五月天啪啪激情综合网| 69色婷婷| 婷婷五月影院| 人妻中文字幕网| 天堂婷婷五月在线| 色色色9| 九九激情| 亚洲婷婷综合视频| 激情综合青草| 夜夜爽天天干| 91碰碰碰| 日韩色色一区| 婷婷丁香五月天欧美| 狠狠干,狠狠操| 国产精品一区在线观看你懂的| 亚洲人成网站999久久久综合| 91人妻PORNY九色大屁股| 久久久人妻门| 777色色色| www.久操| 激情影院内射| 人人操五月天| 俺去也五月| 色婷婷五月综合在线| 婷婷五月天伦理| 天天干天天爽| 99视频精品全部免费观看| 超碰在线视屏| 五月婷久久久久综合| 久操婷婷| 婷婷五月天激情免费在线观看| 99在线精品视频| 激情五月婷婷啪啪| 思思热在线视频观看精品| 色婷婷久久| 九九热123| 一起草AV| 婷婷五月婷婷| 无码AV久久久久久久久| 婷婷射丁香| 97婷婷五月天| 五月婷婷激情网| 欧美激情综合色综合啪啪五月| 久久婷婷五月天激情| 六月丁香激情网| 九九99在线视频| 激情婷婷五月天在线观看| 婷婷五月天电影网| 1024欧美日韩精品久久久| 综合热无码| 色色色99| av国产精品偷| 婷婷五月伦理网站| 五月激情综合网| WWW久久久| 能看的av网站| 日韩欧美成人网| 天天操天天操综合| 超碰精品在线| 九九综合网色全集 | 丁香五月天激情视频| 久久无码成人| 激情婷婷99| 色大综合| 99热在线观看| 精品视频这里只有精品| 色欲五月婷婷| 午夜日韩久久久网站| 婷婷五月激情欧美大胆视频| 色婷婷成人| 99re这里只有精品99| WWW.婷婷五月天.COM| 亚洲国产另类av| 99视频精品8| 另类少妇人与禽zOZZ0性伦| 亚洲综合字幕色色| 成人短视频在线| 综合色网站| 亚州色色色| 九九久久腿| 激情婷婷网| 欧美婷婷色| ji'qing'luan'ren'lun| 五月激情六月丁香| 久/久精品99看9| 综合大香蕉| 色色免费网站| 婷婷成人综合| 六月婷久久| 色玖玖综合| 久久婷婷人人| 99色在线观看视频| 六月婷婷七月丁香| 影音先锋偷偷色男人站| 伊人成综合五月婷婷| 婷婷丁香在线播放| 久久久久久久久18久久| av在线色五月丁香婷区久| 激情图片亚洲| 日本成人噜噜噜噜噜| 久久久99精品免费观看| www,欧美干干干干干干| 国产SUV精品一区二区883| 99久久国产成人精品| 九九视频在线观看视频6 | 99re这里只有精品国产99| 99综合网| 五月综合在线婷婷图片| 超碰在线50| 六月婷婷九月丁香亚洲综合| 91午夜婷婷狠狠久久综合9色| 99热99这里有免费的精品| www.丁香黄色五月天人与| 五月之婷婷| 婷婷五月丁香人妻无码高清| 亚洲人成人五月天| 婷婷丁香五月社区亚洲| 久久这里有精品视频| 免费超碰在线| 丁香五月手机在线| 淫视馆aV二区一区| 亚洲精品大片| 欧美激情xxxXX| 五月天久久婷| 99热免费在线| 丁香五月在线自慰| 97干在线| 一区二区中文字幕| 在线看九一V图片| 丁香婷婷视频一区二区| 91天堂网综合| 久久九区| 99在线精品观看99| 亭亭玉月丁香| 天天cha成人综合网| 色停停五月,在线观看| 玖玖色资源| 俺去也五月天婷婷| 亚洲色欲欧美一区二区三区| 亚洲精品一区中文字幕乱码| 另类激情网| 一区二区乱码视频| 色色综合网站| 国产婷婷五月天| 久草五月婷| 婷婷综合色图| 日日日日做夜夜夜夜无码| 婷婷五月综合性爱| 婷婷五月色惰| 综合丁香婷婷五月天| 婷婷色色亚洲| 这里只有精品视频免费在线观看| 99久久精品国产色欲| 亚洲六月色| 好好日激情五月天| 在线成人国产| 久操人妻| 五月婷婷天天色| 色色色色色日韩午夜激情 | 婷婷97狠狠干| 九九成人电影婷婷| 激情五月天影院| 深爱婷婷基地| 丁香深五月婷婷| 五月丁香婷婷色色| 99热骚货| 中文字幕,综合,91| 99热精品在线| 婷婷色五月在线视频| 丁香五月婷婷激情小说| 中文字幕成人版| 久久性爱视频| 丁香婷婷色五月天| 久久久久久97| 9精品久久999| 婷婷在线综合| 免费试看小视频 99| 久久99久久99精品免观看粉嫩| 粉嫩AV久久一区二区三区| 狠狠狠狠狠草| 婷婷性爱影院| 婷婷黄色网| 婷婷五月天激情小说| 五月天婷婷影院影院观看| 天天爽成人综合网站| 久久久人人操A V| 五月婷婷啪啪| 5月婷婷6月六月丁香| 思思99精品视频在线观看| 大香蕉 伊人夜| 中国丰满熟女A片免费观| 久青操| 亭亭丁香aV| 日韩综合久| 琪琪布丁香社区激情五月天| 91九色首页| 夜夜撸天天操| 九九热这里都是精品6| 九九综舍久久| 国产成人精品一区二三区熟女在线 | 五月丁香无码| 色欲日日躁| 99碰超| 丁香五月天社区婷婷| 天天爽天天| 久久激情五月婷婷| 常久最新免费的色吊丝| 噜综合| 91九色中文| 人妻有码乱操| 狠狠干综合| 色色吧综合| 草综合14| 六月丁香五月激情婷婷| 天天开心婷婷丁香五月| 九九av在线| 久草免费福利视频| 国产精品色| 啪啪91| 激情五月丁香六月综合AVXXXX| 九九热视频免费| 另类综合激情| 9操在线| 综合色婷婷| 超碰免费观看| 风流少妇A片一区二区蜜桃| 日日撸夜夜操| 色婷婷综合久久久久|