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。

Detectron2實(shí)戰(zhàn)指南:從配置驅(qū)動(dòng)到模型部署的完整流程

Detectron2實(shí)戰(zhàn)指南:從配置驅(qū)動(dòng)到模型部署的完整流程 1. 為什么值得花時(shí)間搞懂 detectron2如果你正在做計(jì)算機(jī)視覺(jué)相關(guān)的項(xiàng)目尤其是目標(biāo)檢測(cè)、實(shí)例分割、關(guān)鍵點(diǎn)檢測(cè)這類(lèi)任務(wù)大概率會(huì)碰到detectron2這個(gè)名字。它是某知名AI研究機(jī)構(gòu)開(kāi)源的一個(gè)目標(biāo)檢測(cè)與分割框架基于PyTorch構(gòu)建把大量經(jīng)典和前沿的檢測(cè)、分割模型整合到了一套統(tǒng)一的代碼體系里。簡(jiǎn)單說(shuō)它解決的核心問(wèn)題是讓你不用從零實(shí)現(xiàn)Faster R-CNN、Mask R-CNN、RetinaNet這些模型的訓(xùn)練和推理流程直接調(diào)用現(xiàn)成的、經(jīng)過(guò)驗(yàn)證的實(shí)現(xiàn)就能跑起來(lái)。我第一次接觸它是因?yàn)橐粋€(gè)工業(yè)質(zhì)檢的項(xiàng)目需要在產(chǎn)線圖片里定位缺陷區(qū)域并做像素級(jí)分割。當(dāng)時(shí)試過(guò)自己搭Mask R-CNN光是把ROI Align、RPN、多尺度訓(xùn)練這些環(huán)節(jié)調(diào)通就花了兩周效果還不穩(wěn)定。后來(lái)?yè)Q到detectron2同樣的數(shù)據(jù)集配置改一改兩天就跑出了可用的baseline。這個(gè)效率差距就是它最大的價(jià)值。這篇文章適合誰(shuí)看如果你是剛?cè)腴T(mén)目標(biāo)檢測(cè)的學(xué)生、需要快速驗(yàn)證算法的工程師、或者想找一個(gè)穩(wěn)定訓(xùn)練框架的研究者那這篇內(nèi)容能幫你少走很多彎路。我會(huì)從整體設(shè)計(jì)思路講起然后拆解核心配置項(xiàng)再給出一套完整的實(shí)操流程最后把我在實(shí)際項(xiàng)目中踩過(guò)的坑整理成排查清單。全程不堆術(shù)語(yǔ)盡量用“人話”把每個(gè)選擇背后的原因講清楚。2. 整體設(shè)計(jì)思路與方案選型考量2.1 為什么是“配置驅(qū)動(dòng)”而不是“代碼驅(qū)動(dòng)”detectron2最核心的設(shè)計(jì)哲學(xué)是配置驅(qū)動(dòng)config-driven。你幾乎不需要改Python代碼只需要寫(xiě)一個(gè)YAML配置文件就能定義模型結(jié)構(gòu)、數(shù)據(jù)集路徑、訓(xùn)練超參數(shù)、數(shù)據(jù)增強(qiáng)策略等所有內(nèi)容。這個(gè)選擇背后有很實(shí)際的考量。傳統(tǒng)做法是每個(gè)項(xiàng)目復(fù)制一份訓(xùn)練腳本然后在代碼里改參數(shù)。問(wèn)題是當(dāng)你同時(shí)跑十幾個(gè)實(shí)驗(yàn)對(duì)比不同backbone、不同學(xué)習(xí)率、不同增強(qiáng)策略時(shí)代碼分支會(huì)變得極其混亂。detectron2把配置抽出來(lái)之后實(shí)驗(yàn)管理變得非常清晰一個(gè)實(shí)驗(yàn)一個(gè)YAML文件配合命令行覆蓋參數(shù)可以快速做消融研究。它的配置系統(tǒng)基于一個(gè)叫LazyConfig和CfgNode的機(jī)制。早期版本主要用CfgNode類(lèi)似字典的層級(jí)結(jié)構(gòu)支持從文件加載和命令行覆蓋。新版本引入了LazyConfig用Python文件做配置靈活性更高但對(duì)新手來(lái)說(shuō)門(mén)檻也稍高一些。我的建議是新手從CfgNode的YAML配置入手熟悉之后再考慮LazyConfig。注意detectron2的配置項(xiàng)非常多但真正需要你手動(dòng)調(diào)的其實(shí)就那么十幾個(gè)。不要被配置文件里密密麻麻的鍵值嚇到大部分保持默認(rèn)就行。2.2 模型 zoo 的設(shè)計(jì)邏輯detectron2內(nèi)置了一個(gè)Model Zoo提供了大量預(yù)訓(xùn)練模型。這些模型按照任務(wù)類(lèi)型和backbone結(jié)構(gòu)組織比如COCO-Detection下面是目標(biāo)檢測(cè)模型COCO-InstanceSegmentation下面是實(shí)例分割模型COCO-Keypoints是關(guān)鍵點(diǎn)檢測(cè)。這個(gè)設(shè)計(jì)的好處是你可以直接加載預(yù)訓(xùn)練權(quán)重做微調(diào)而不需要從頭訓(xùn)練。對(duì)于小數(shù)據(jù)集項(xiàng)目微調(diào)預(yù)訓(xùn)練模型通常比從頭訓(xùn)練效果好得多收斂也快得多。我做過(guò)對(duì)比同樣一個(gè)5000張圖的缺陷檢測(cè)數(shù)據(jù)集從頭訓(xùn)練mAP只能到0.45左右加載COCO預(yù)訓(xùn)練權(quán)重微調(diào)能到0.72。選擇哪個(gè)預(yù)訓(xùn)練模型主要看三個(gè)因素任務(wù)類(lèi)型、精度要求、推理速度要求。R50ResNet-50 backbone是速度和精度的平衡點(diǎn)R101精度更高但慢一些X101是更深的網(wǎng)絡(luò)適合精度優(yōu)先的場(chǎng)景。如果部署在邊緣設(shè)備上可以考慮MobileNet backbone的輕量模型。2.3 數(shù)據(jù)加載與增強(qiáng)的流水線設(shè)計(jì)detectron2的數(shù)據(jù)加載用了DatasetCatalog和MetadataCatalog兩個(gè)注冊(cè)表。你需要把數(shù)據(jù)集注冊(cè)進(jìn)去框架才能識(shí)別。這個(gè)設(shè)計(jì)看起來(lái)多了一步但實(shí)際上很合理它把數(shù)據(jù)集的“物理位置”和“邏輯名稱(chēng)”解耦了方便切換不同數(shù)據(jù)集做實(shí)驗(yàn)。數(shù)據(jù)增強(qiáng)方面detectron2內(nèi)置了一套基于AugmentationList的增強(qiáng)流水線。常用的增強(qiáng)包括隨機(jī)翻轉(zhuǎn)、隨機(jī)裁剪、顏色抖動(dòng)、亮度對(duì)比度調(diào)整等。它的增強(qiáng)是在線進(jìn)行的每個(gè)epoch的增強(qiáng)結(jié)果都不同能有效提升模型泛化能力。這里有個(gè)容易忽略的點(diǎn)增強(qiáng)策略要和任務(wù)匹配。比如做文本檢測(cè)時(shí)隨機(jī)旋轉(zhuǎn)可能會(huì)破壞文字的可讀性做工業(yè)缺陷檢測(cè)時(shí)顏色抖動(dòng)可能改變?nèi)毕莸囊曈X(jué)特征。我見(jiàn)過(guò)有人直接套用COCO的增強(qiáng)配置做工業(yè)項(xiàng)目結(jié)果模型把顏色變化當(dāng)成了缺陷特征換一批光照條件就完全失效。3. 核心配置項(xiàng)深度拆解與實(shí)操要點(diǎn)3.1 環(huán)境搭建從零到能跑通第一個(gè)Demo環(huán)境搭建是第一步也是最容易卡住的地方。detectron2對(duì)PyTorch版本、CUDA版本、編譯器版本都有要求版本不匹配會(huì)報(bào)各種奇怪的錯(cuò)誤。我的建議是用conda創(chuàng)建獨(dú)立環(huán)境不要污染系統(tǒng)Python。步驟如下conda create -n detectron2 python3.9 conda activate detectron2然后安裝PyTorch。這里要注意detectron2需要PyTorch 1.8以上但不同版本對(duì)CUDA的支持不同。如果你用的是CUDA 11.3可以這樣裝pip install torch1.10.0cu113 torchvision0.11.0cu113 -f https://download.pytorch.org/whl/torch_stable.html接下來(lái)安裝detectron2本體。有兩種方式pip安裝和源碼編譯。pip安裝簡(jiǎn)單但可能遇到版本兼容問(wèn)題源碼編譯更可控但需要gcc和g支持。# 方式一pip安裝 pip install detectron2 -f https://dl.fbaipublicfiles.com/detectron2/wheels/cu113/torch1.10/index.html # 方式二源碼編譯 git clone https://github.com/facebookresearch/detectron2.git cd detectron2 pip install -e .提示源碼編譯時(shí)如果報(bào)“nvcc not found”說(shuō)明CUDA編譯器沒(méi)裝好需要先安裝對(duì)應(yīng)版本的CUDA Toolkit。如果報(bào)“gcc version too old”需要升級(jí)gcc到7.5以上。驗(yàn)證安裝是否成功import detectron2 print(detectron2.__version__)能打印出版本號(hào)就說(shuō)明基礎(chǔ)環(huán)境OK了。如果報(bào)“ImportError: libcudart.so.11.0: cannot open shared object file”說(shuō)明CUDA路徑?jīng)]配好需要把CUDA的lib目錄加到LD_LIBRARY_PATH里。3.2 配置文件的核心結(jié)構(gòu)一個(gè)典型的detectron2配置文件包含以下幾個(gè)大塊MODEL: META_ARCHITECTURE: GeneralizedRCNN BACKBONE: NAME: build_resnet_fpn_backbone RESNETS: DEPTH: 50 FPN: IN_FEATURES: [res2, res3, res4, res5] ROI_HEADS: NUM_CLASSES: 3 WEIGHTS: detectron2://COCO-Detection/faster_rcnn_R_50_FPN_3x/137849458/model_final_280758.pkl DATASETS: TRAIN: (my_dataset_train,) TEST: (my_dataset_val,) SOLVER: BASE_LR: 0.001 MAX_ITER: 10000 BATCH_SIZE_PER_IMAGE: 64 STEPS: (7000, 9000) INPUT: MIN_SIZE_TRAIN: (640, 800) MAX_SIZE_TRAIN: 1333 MIN_SIZE_TEST: 800 MAX_SIZE_TEST: 1333MODEL.META_ARCHITECTURE決定用哪個(gè)模型架構(gòu)。目標(biāo)檢測(cè)用GeneralizedRCNN實(shí)例分割也用這個(gè)但需要加mask head關(guān)鍵點(diǎn)檢測(cè)用GeneralizedRCNN加keypoint head。MODEL.WEIGHTS指定預(yù)訓(xùn)練權(quán)重路徑。可以是本地文件路徑也可以是Model Zoo的URL。加載預(yù)訓(xùn)練權(quán)重時(shí)如果類(lèi)別數(shù)不匹配比如COCO是80類(lèi)你的數(shù)據(jù)集是3類(lèi)框架會(huì)自動(dòng)跳過(guò)分類(lèi)層的權(quán)重只加載backbone和RPN的權(quán)重。SOLVER.BASE_LR是基礎(chǔ)學(xué)習(xí)率。這個(gè)值很關(guān)鍵太大容易震蕩太小收斂慢。經(jīng)驗(yàn)值是batch size為2時(shí)用0.001batch size為8時(shí)用0.005batch size為16時(shí)用0.01。如果你不確定從0.001開(kāi)始試。SOLVER.STEPS是學(xué)習(xí)率衰減的迭代次數(shù)。比如(7000, 9000)表示在第7000次和第9000次迭代時(shí)把學(xué)習(xí)率乘以0.1。通常設(shè)置在總迭代次數(shù)的70%和90%位置。INPUT.MIN_SIZE_TRAIN是訓(xùn)練時(shí)的圖像短邊縮放范圍。多尺度訓(xùn)練能提升模型對(duì)不同尺寸目標(biāo)的適應(yīng)能力但會(huì)增加顯存占用。如果顯存不夠可以固定一個(gè)值比如(800,)。3.3 數(shù)據(jù)集注冊(cè)的完整流程detectron2不能直接讀文件夾里的圖片必須先把數(shù)據(jù)集注冊(cè)到DatasetCatalog。注冊(cè)的核心是提供一個(gè)函數(shù)返回一個(gè)列表每個(gè)元素是一個(gè)字典包含file_name、image_id、annotations等字段。以COCO格式的數(shù)據(jù)集為例from detectron2.data.datasets import register_coco_instances register_coco_instances( my_dataset_train, {}, annotations/train.json, images/train ) register_coco_instances( my_dataset_val, {}, annotations/val.json, images/val )如果是自定義格式比如每張圖對(duì)應(yīng)一個(gè)XML標(biāo)注文件就需要自己寫(xiě)注冊(cè)函數(shù)from detectron2.data import DatasetCatalog, MetadataCatalog import os import xml.etree.ElementTree as ET def get_my_dataset_dicts(img_dir, anno_dir): dataset_dicts [] for idx, img_name in enumerate(os.listdir(img_dir)): record {} record[file_name] os.path.join(img_dir, img_name) record[image_id] idx record[height] 640 record[width] 640 anno_path os.path.join(anno_dir, img_name.replace(.jpg, .xml)) tree ET.parse(anno_path) objs [] for obj in tree.findall(object): bbox obj.find(bndbox) objs.append({ bbox: [ float(bbox.find(xmin).text), float(bbox.find(ymin).text), float(bbox.find(xmax).text), float(bbox.find(ymax).text) ], bbox_mode: BoxMode.XYXY_ABS, category_id: class_names.index(obj.find(name).text) }) record[annotations] objs dataset_dicts.append(record) return dataset_dicts DatasetCatalog.register(my_dataset_train, lambda: get_my_dataset_dicts(images/train, annotations/train)) MetadataCatalog.get(my_dataset_train).set(thing_classes[defect_a, defect_b, defect_c])注意image_id必須是唯一的整數(shù)。如果重復(fù)評(píng)估時(shí)會(huì)出錯(cuò)。bbox_mode要和標(biāo)注格式匹配COCO格式用XYXY_ABSYOLO格式用XYWH_ABS并做歸一化轉(zhuǎn)換。3.4 訓(xùn)練啟動(dòng)與參數(shù)覆蓋配置文件和數(shù)據(jù)集都準(zhǔn)備好之后就可以啟動(dòng)訓(xùn)練了。detectron2提供了tools/train_net.py腳本但更靈活的方式是自己寫(xiě)一個(gè)訓(xùn)練入口from detectron2.engine import DefaultTrainer from detectron2.config import get_cfg from detectron2 import model_zoo cfg get_cfg() cfg.merge_from_file(model_zoo.get_config_file(COCO-Detection/faster_rcnn_R_50_FPN_3x.yaml)) cfg.DATASETS.TRAIN (my_dataset_train,) cfg.DATASETS.TEST (my_dataset_val,) cfg.DATALOADER.NUM_WORKERS 4 cfg.MODEL.WEIGHTS model_zoo.get_checkpoint_url(COCO-Detection/faster_rcnn_R_50_FPN_3x.yaml) cfg.SOLVER.IMS_PER_BATCH 4 cfg.SOLVER.BASE_LR 0.001 cfg.SOLVER.MAX_ITER 10000 cfg.SOLVER.STEPS (7000, 9000) cfg.MODEL.ROI_HEADS.NUM_CLASSES 3 cfg.OUTPUT_DIR ./output os.makedirs(cfg.OUTPUT_DIR, exist_okTrue) trainer DefaultTrainer(cfg) trainer.resume_or_load(resumeFalse) trainer.train()命令行覆蓋參數(shù)的方式python train.py SOLVER.BASE_LR 0.002 SOLVER.MAX_ITER 20000這種覆蓋機(jī)制在做超參數(shù)搜索時(shí)特別方便不需要改文件就能跑不同配置。4. 完整實(shí)操流程與關(guān)鍵環(huán)節(jié)實(shí)現(xiàn)4.1 從原始數(shù)據(jù)到COCO格式的轉(zhuǎn)換大部分標(biāo)注工具LabelImg、CVAT、Labelme導(dǎo)出的格式都不是COCO。以LabelImg的XML為例轉(zhuǎn)換腳本如下import os import json import xml.etree.ElementTree as ET from PIL import Image def xml_to_coco(anno_dir, img_dir, output_json): coco { images: [], annotations: [], categories: [] } class_names [defect_a, defect_b, defect_c] for i, name in enumerate(class_names): coco[categories].append({id: i, name: name}) anno_id 0 for img_id, xml_file in enumerate(os.listdir(anno_dir)): if not xml_file.endswith(.xml): continue tree ET.parse(os.path.join(anno_dir, xml_file)) root tree.getroot() img_name xml_file.replace(.xml, .jpg) img_path os.path.join(img_dir, img_name) img Image.open(img_path) width, height img.size coco[images].append({ id: img_id, file_name: img_name, width: width, height: height }) for obj in root.findall(object): cls_name obj.find(name).text if cls_name not in class_names: continue bbox obj.find(bndbox) xmin float(bbox.find(xmin).text) ymin float(bbox.find(ymin).text) xmax float(bbox.find(xmax).text) ymax float(bbox.find(ymax).text) coco[annotations].append({ id: anno_id, image_id: img_id, category_id: class_names.index(cls_name), bbox: [xmin, ymin, xmax - xmin, ymax - ymin], area: (xmax - xmin) * (ymax - ymin), iscrowd: 0 }) anno_id 1 with open(output_json, w) as f: json.dump(coco, f)提示COCO的bbox格式是[x, y, width, height]不是[xmin, ymin, xmax, ymax]。這個(gè)轉(zhuǎn)換很容易搞錯(cuò)搞錯(cuò)了訓(xùn)練時(shí)loss會(huì)異常大或者直接不收斂。4.2 訓(xùn)練過(guò)程中的監(jiān)控與日志解讀detectron2默認(rèn)用TensorBoard記錄訓(xùn)練日志。啟動(dòng)TensorBoardtensorboard --logdir output/重點(diǎn)看幾個(gè)指標(biāo)total_loss總體損失應(yīng)該穩(wěn)步下降。如果震蕩劇烈可能是學(xué)習(xí)率太大。loss_cls分類(lèi)損失。如果一直不降可能是類(lèi)別不平衡或者標(biāo)注有問(wèn)題。loss_box_reg邊界框回歸損失。如果突然飆升可能是某些標(biāo)注框坐標(biāo)異常。lr學(xué)習(xí)率。確認(rèn)衰減策略是否按預(yù)期執(zhí)行。日志里還會(huì)定期打印評(píng)估結(jié)果包括AP、AP50、AP75等指標(biāo)。AP50是IoU閾值為0.5時(shí)的平均精度通常是最先看到明顯提升的指標(biāo)。AP是IoU從0.5到0.95的平均值更能反映模型在不同定位精度下的綜合表現(xiàn)。我一般會(huì)關(guān)注AP50和APs小目標(biāo)AP。如果AP50高但APs很低說(shuō)明模型對(duì)小目標(biāo)檢測(cè)能力不足可能需要調(diào)整FPN層或者增加高分辨率特征圖。4.3 推理與可視化訓(xùn)練完成后用DefaultPredictor做推理from detectron2.engine import DefaultPredictor from detectron2.config import get_cfg from detectron2 import model_zoo import cv2 cfg get_cfg() cfg.merge_from_file(model_zoo.get_config_file(COCO-Detection/faster_rcnn_R_50_FPN_3x.yaml)) cfg.MODEL.WEIGHTS ./output/model_final.pth cfg.MODEL.ROI_HEADS.NUM_CLASSES 3 cfg.MODEL.ROI_HEADS.SCORE_THRESH_TEST 0.5 cfg.MODEL.DEVICE cuda predictor DefaultPredictor(cfg) img cv2.imread(test.jpg) outputs predictor(img) instances outputs[instances] boxes instances.pred_boxes.tensor.cpu().numpy() scores instances.scores.cpu().numpy() classes instances.pred_classes.cpu().numpy() for box, score, cls in zip(boxes, scores, classes): print(f類(lèi)別: {cls}, 置信度: {score:.3f}, 框: {box})可視化可以用Visualizerfrom detectron2.utils.visualizer import Visualizer from detectron2.data import MetadataCatalog v Visualizer(img[:, :, ::-1], MetadataCatalog.get(my_dataset_train), scale1.2) v v.draw_instance_predictions(outputs[instances].to(cpu)) cv2.imwrite(result.jpg, v.get_image()[:, :, ::-1])注意SCORE_THRESH_TEST是推理時(shí)的置信度閾值。設(shè)太低會(huì)出很多誤檢設(shè)太高會(huì)漏檢。工業(yè)質(zhì)檢場(chǎng)景通常設(shè)0.7以上通用檢測(cè)場(chǎng)景0.5左右比較合適。4.4 模型導(dǎo)出與部署準(zhǔn)備訓(xùn)練好的模型如果要部署到生產(chǎn)環(huán)境通常需要導(dǎo)出成TorchScript格式from detectron2.export import export_torchscript model predictor.model model.eval() torchscript_model export_torchscript(model, (img_tensor,)) torch.jit.save(torchscript_model, model.ts)導(dǎo)出時(shí)要注意輸入尺寸固定。如果訓(xùn)練時(shí)用了多尺度導(dǎo)出時(shí)需要指定一個(gè)固定尺寸比如(800, 1333)。另外TorchScript對(duì)某些自定義算子支持不好如果模型里用了非標(biāo)準(zhǔn)操作導(dǎo)出可能會(huì)失敗。5. 常見(jiàn)問(wèn)題與排查技巧實(shí)錄5.1 訓(xùn)練不收斂的典型原因訓(xùn)練不收斂是最常見(jiàn)的問(wèn)題表現(xiàn)是loss震蕩或者一直很高。根據(jù)我的經(jīng)驗(yàn)原因通常集中在以下幾個(gè)方面現(xiàn)象可能原因排查方法解決方案loss劇烈震蕩學(xué)習(xí)率太大看lr曲線和loss曲線的關(guān)系降低BASE_LR從0.001降到0.0005loss一直不降標(biāo)注格式錯(cuò)誤可視化幾個(gè)batch的標(biāo)注框檢查bbox_mode和坐標(biāo)范圍loss先降后升過(guò)擬合對(duì)比訓(xùn)練集和驗(yàn)證集AP增加數(shù)據(jù)增強(qiáng)加weight decayloss為NaN梯度爆炸看是否有異常大的loss值加梯度裁剪降低學(xué)習(xí)率分類(lèi)loss不降類(lèi)別不平衡統(tǒng)計(jì)各類(lèi)別樣本數(shù)用focal loss或重采樣我遇到過(guò)一次特別隱蔽的問(wèn)題標(biāo)注文件里有個(gè)框的坐標(biāo)是負(fù)數(shù)導(dǎo)致ROI Align計(jì)算出錯(cuò)loss直接變NaN。排查了半天才發(fā)現(xiàn)是標(biāo)注工具導(dǎo)出的問(wèn)題。所以訓(xùn)練前一定要做數(shù)據(jù)清洗檢查所有框的坐標(biāo)是否在圖像范圍內(nèi)寬高是否大于0。5.2 顯存不足的優(yōu)化策略顯存不足是另一個(gè)高頻問(wèn)題。detectron2的顯存占用主要來(lái)自三個(gè)方面模型參數(shù)、特征圖、ROI特征。優(yōu)化手段按優(yōu)先級(jí)排列減小batch sizeSOLVER.IMS_PER_BATCH從4降到2顯存占用幾乎減半。減小輸入尺寸INPUT.MIN_SIZE_TRAIN從800降到640特征圖面積減少36%。減少ROI數(shù)量MODEL.ROI_HEADS.BATCH_SIZE_PER_IMAGE從512降到256。用混合精度訓(xùn)練SOLVER.AMP.ENABLED True顯存占用減少約30%。凍結(jié)backboneMODEL.BACKBONE.FREEZE_AT 2只訓(xùn)練后面的層。提示混合精度訓(xùn)練在PyTorch 1.6以上支持較好但某些自定義算子可能不兼容。開(kāi)啟后如果loss出現(xiàn)NaN先關(guān)掉試試。5.3 評(píng)估指標(biāo)異常的排查思路評(píng)估時(shí)如果AP異常低不要急著改模型先檢查評(píng)估流程本身類(lèi)別ID是否從0開(kāi)始COCO的類(lèi)別ID從1開(kāi)始但detectron2內(nèi)部從0開(kāi)始。如果注冊(cè)時(shí)沒(méi)做轉(zhuǎn)換評(píng)估時(shí)所有預(yù)測(cè)都會(huì)被當(dāng)成背景。驗(yàn)證集是否注冊(cè)正確DATASETS.TEST里的名稱(chēng)必須和注冊(cè)時(shí)的名稱(chēng)完全一致。標(biāo)注框是否被正確加載用DatasetCatalog.get(my_dataset_val)打印幾條數(shù)據(jù)確認(rèn)annotations字段不為空。NMS閾值是否合理MODEL.ROI_HEADS.NMS_THRESH_TEST默認(rèn)0.5如果設(shè)得太低重疊目標(biāo)會(huì)被誤刪。我踩過(guò)的一個(gè)坑是驗(yàn)證集的圖片路徑寫(xiě)錯(cuò)了導(dǎo)致加載不到圖片評(píng)估時(shí)所有預(yù)測(cè)都是空的AP直接為0。后來(lái)加了一個(gè)檢查在注冊(cè)數(shù)據(jù)集后打印前幾條數(shù)據(jù)的file_name確認(rèn)路徑存在。5.4 推理速度優(yōu)化的實(shí)戰(zhàn)技巧如果模型要部署到實(shí)時(shí)場(chǎng)景推理速度很關(guān)鍵。除了換輕量backbone還有幾個(gè)實(shí)用技巧降低輸入分辨率從1333降到800推理速度提升約2倍精度損失通常在2-3個(gè)點(diǎn)以?xún)?nèi)。減少ROI數(shù)量推理時(shí)MODEL.ROI_HEADS.DETECTIONS_PER_IMAGE從100降到30后處理時(shí)間大幅減少。用TensorRT加速把模型轉(zhuǎn)成TensorRT引擎推理速度能再提升2-3倍但轉(zhuǎn)換過(guò)程比較折騰。批處理推理如果有多路視頻流攢幾幀一起推理GPU利用率更高。實(shí)測(cè)數(shù)據(jù)Faster R-CNN R50在V100上輸入800x1333單張推理約45ms輸入640x1067約28ms轉(zhuǎn)TensorRT后約15ms。精度方面AP50從0.82降到0.79再降到0.77。這個(gè)精度換速度的取舍要根據(jù)實(shí)際業(yè)務(wù)需求來(lái)定。5.5 微調(diào)預(yù)訓(xùn)練模型的注意事項(xiàng)微調(diào)預(yù)訓(xùn)練模型時(shí)有幾個(gè)細(xì)節(jié)容易忽略學(xué)習(xí)率要調(diào)小從頭訓(xùn)練用0.01微調(diào)通常用0.001甚至0.0001。因?yàn)轭A(yù)訓(xùn)練權(quán)重已經(jīng)在一個(gè)大分布上收斂了大學(xué)習(xí)率會(huì)破壞已有的特征。凍結(jié)底層MODEL.BACKBONE.FREEZE_AT 2表示凍結(jié)前兩個(gè)stage只訓(xùn)練后面的。小數(shù)據(jù)集微調(diào)時(shí)特別有用能防止過(guò)擬合。類(lèi)別數(shù)要匹配MODEL.ROI_HEADS.NUM_CLASSES必須改成你的類(lèi)別數(shù)。如果忘了改加載權(quán)重時(shí)會(huì)報(bào)維度不匹配。權(quán)重加載策略trainer.resume_or_load(resumeFalse)會(huì)加載MODEL.WEIGHTS指定的權(quán)重。如果OUTPUT_DIR里有上次訓(xùn)練的checkpointresumeTrue會(huì)接著上次訓(xùn)練。我個(gè)人的習(xí)慣是先用小學(xué)習(xí)率微調(diào)全部層跑2000次迭代看效果如果過(guò)擬合明顯再凍結(jié)底層重新跑。這個(gè)策略在多個(gè)項(xiàng)目里都比較穩(wěn)。6. 從項(xiàng)目實(shí)戰(zhàn)中沉淀的經(jīng)驗(yàn)6.1 數(shù)據(jù)質(zhì)量比模型選擇更重要做了這么多檢測(cè)項(xiàng)目我最大的體會(huì)是數(shù)據(jù)質(zhì)量決定上限模型選擇只是逼近上限。一個(gè)標(biāo)注干凈、覆蓋全面的數(shù)據(jù)集用R50就能跑出很好的效果標(biāo)注混亂、漏標(biāo)嚴(yán)重的數(shù)據(jù)集換再大的模型也救不回來(lái)。具體來(lái)說(shuō)標(biāo)注要保證三點(diǎn)框要貼緊目標(biāo)邊緣不要留太多背景、類(lèi)別定義要清晰避免模棱兩可的標(biāo)注、難例要覆蓋遮擋、截?cái)?、小目?biāo)都要有樣本。我通常會(huì)在訓(xùn)練前隨機(jī)抽100張圖人工檢查標(biāo)注質(zhì)量發(fā)現(xiàn)問(wèn)題就返工。這個(gè)時(shí)間投入絕對(duì)值得。6.2 配置文件版本管理detectron2的配置文件是實(shí)驗(yàn)的核心資產(chǎn)。我的做法是每個(gè)實(shí)驗(yàn)一個(gè)獨(dú)立的YAML文件命名規(guī)則是日期_模型_數(shù)據(jù)集_關(guān)鍵參數(shù).yaml比如20240115_r50_mydata_lr001.yaml。所有配置文件用git管理每次訓(xùn)練前commit一次。這樣半年后回頭看能清楚知道每個(gè)結(jié)果是怎么來(lái)的。另外訓(xùn)練腳本里把關(guān)鍵配置打印到日志里包括學(xué)習(xí)率、batch size、迭代次數(shù)、數(shù)據(jù)集路徑。這樣即使配置文件丟了從日志里也能恢復(fù)出當(dāng)時(shí)的配置。6.3 小數(shù)據(jù)集上的實(shí)用技巧如果數(shù)據(jù)集只有幾百?gòu)垐D直接微調(diào)可能會(huì)過(guò)擬合。幾個(gè)實(shí)用技巧強(qiáng)增強(qiáng)隨機(jī)裁剪、旋轉(zhuǎn)、顏色抖動(dòng)全開(kāi)甚至可以用CutMix、Mosaic。多尺度訓(xùn)練INPUT.MIN_SIZE_TRAIN設(shè)一個(gè)范圍比如(640, 800, 1000)讓模型見(jiàn)到不同尺度的目標(biāo)。早停驗(yàn)證集AP連續(xù)幾次不提升就停不要死磕MAX_ITER。交叉驗(yàn)證如果數(shù)據(jù)量實(shí)在少用5折交叉驗(yàn)證取平均結(jié)果更可靠。我在一個(gè)只有300張圖的缺陷檢測(cè)項(xiàng)目里用R50微調(diào)加強(qiáng)增強(qiáng)最終AP50到了0.78。如果從頭訓(xùn)練AP50只有0.52。預(yù)訓(xùn)練權(quán)重的價(jià)值在小數(shù)據(jù)集上體現(xiàn)得淋漓盡致。6.4 后續(xù)擴(kuò)展方向detectron2的生態(tài)還在持續(xù)演進(jìn)。如果你已經(jīng)跑通了基礎(chǔ)流程可以考慮幾個(gè)擴(kuò)展方向自定義backbone比如換成EfficientNet或Swin Transformer、自定義數(shù)據(jù)增強(qiáng)針對(duì)特定場(chǎng)景設(shè)計(jì)增強(qiáng)策略、模型蒸餾用大模型教小模型兼顧精度和速度、半監(jiān)督訓(xùn)練利用未標(biāo)注數(shù)據(jù)提升效果。這些方向每一個(gè)都?jí)驅(qū)懸黄L(zhǎng)文但核心思路是一致的理解框架的擴(kuò)展點(diǎn)在合適的位置插入自己的邏輯。detectron2的模塊化設(shè)計(jì)讓這些擴(kuò)展變得相對(duì)容易這也是它比很多“一體化”框架更值得深入的原因。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
精品久久久久久久久久久久人妻| 欧美激情五月天| 婷婷激情六月天视频| 久久久久久久合一狠狠做深爱| 丁香激情五月少妇| 亚洲色综合| 五月婷婷激情网| 人人插操| 婷婷的99视频网站| 五月综合缴情网| 人人摸人人| 99综合网| 色天堂操| 99热这里只有精品13| 色婷婷狠狠| 综合久久婷婷| 九月婷婷综合在线| 色色色色色色色综合| 999热成人在线综合网| 亚洲六月婷婷| 草草女人亚洲| 婷婷在线精品| 成人丁香五月天| 亚洲成人免费电影| 免费看片在线观看| 色婷婷五月天成人网| 丁香五月六月综合欧美| 99国产精品白浆在线观看免费| 久久婷婷草| 激情无码五月天| 丁香婷婷基地| 国产精品18久久久| AV伊人青草丁香六月| 九九机热| 少妇真实被内射视频三四区| 五月丁香av中文| 99热精地址| 婷婷五月天激情四射| 亚洲99热| 五月婷婷丁香五月亚洲色| 六月婷婷在线| 在线中文AV| 91婷婷在线| 丁香五月婷婷成人网| 久99久精品视频| 丁香五月婷婷激情97| 67194成I人在线观看线路1| www.丁香黄色五月天人与| 99在线视频资源| 精品亚洲国产成AV人片传媒| 婷婷色激情网| 天天色图| 久久久五月婷婷| 婷婷伊人久久综合| 欧美成人猛片AAAAAAA| 成人Av在线大片| 久久草婷婷丁香网站| 99热大香蕉| 久久综合66| 99热九九这里只有精品10| 婷婷六月色| 色五月综合激情网| 很很干五月天| 99网| 五月天婷a在线| 激情五月丁香婷婷| 99热官网精品在线| 亚洲欧美国产高清vA在线播放| 亚洲色五月| 久久久宗合| 涩婷婷五月天| 91热视频| 99热在线观看这里只有精品| 日韩AV在线影片| 激情综合五月| 亚洲欧美婷婷五月色综合| 综合日本婷婷| 婷婷五月天六点丁香五月| 做爰丰满少妇1313| 激情五月婷婷伊人| 国产露脸150部国语对白| 色综合网址| 丁香五月天社区| 香蕉五月婷婷| WWW.婷婷| 日hao1区| 99九九在线视频| 亚洲综合欧美色丁香婷婷888月图片 | 99在线观看| 99色综合网| 久久精品系列| 51成人| 天天插天天日| 久久九九国产| 久久网日本| 九月综合| 人妻熟妇国产精品| 人人玩人人橾| 丰满老熟妇BBBBB搡BBB | 看逼中文字幕| 亚洲人人操| 啪精品| 五月婷婷综合在线视频小说| 九九re视频在线视频| 久久免费婷婷视频| 欧美激情久| 六月丁香VA| 丁香六月婷婷社区| 伊人久久大香线蕉av最新| 色九月欧美| 亚洲欧美丁香五月天亚洲欧美| 潮汕成人AV片在线| 久碰婷婷视频| 久久久婷| 疯狂做受XXXX高潮A片| 伊人六月丁香婷婷| 国产精品成人网站| 97碰久久| 六月欧美综合色情| 精品久9| 5月丁香六月婷婷| 高清a片基地| 丁香五月中文字幕久色| 综合五月丁香97| 激情综合网激情五月天| 婷婷五月天丁香| 九九精品热| 思思久久99热| 超碰人妻公开在线| 99色五月| 亚洲色碰| 丁香五月激情综合在线观看| 青青久久91| 亚洲无码99| 精品99在线| 亚洲精品电影| 精品福利911| 99青青草99| 激情亚洲网| 色婷婷色综合激情91| 久久Xx| 亚洲啪视频| 亚洲九区| 久久婷婷五月免费视频| 婷婷伊人綜合中文字幕| 碰99在线| 六月婷婷激情| 婷婷色五月情| 在线观看中文字幕亚洲| 国产黄大片在线观看画质优化| 狠狠干五码| 9 9 9色色| 婷婷六月色开| 天天爽夜夜爽天天爽夜夜爽| 99九九综合久久九九| 思思热视频在线| 五月丁香999| 激情综合丁香| 五月激情影院| 狠狠干天天日| 丁香五月第九色| 99国产小视频免费观看| 深爱激情综合网| 色色色色综合网| 激情综合网激情五月婷婷| 青青草成人网| 凹凸探花电影| 99熟女啪啪视频| 九九精品热播| 九九色大香蕉| 99燥99日| 婷婷射图| 97五月天婷婷| 天天日天天添| 欧美啪啪五月天| 丁香五月社区| 五月丁香激情综合| 天天碰天天插天天操| 丁香六月激情综合网| 亚洲激情综合| 久久这里只有精品99| 亚洲精品色色| 色婷婷情片| 天天做天天爽| 99人妻碰碰碰久久久久视| 色之综合网| 97超碰色| 日本熟妇乱妇熟色A片蜜桃| 色七七色九九| 啪啪啪五月天| 激情五月天婷婷激情| 狠狠色婷| 99热这里只有精| 六月丁香激情| 这里只有免费的精品| 婷婷五月色综合| 极品人妻VIDEOSSS人妻| 综合激情婷婷| 久久丁香综合| 九九免费精品| 啪啪五月天啪啪| 九九久久综合| 丁香五月天激情综合| 五月婷婷色丁香| 国产精品色婷婷99久久精品| 中文字幕综合色| www激情| 99热这里只有精品86| 丁香六月婷婷一区| 天天久综合网永久入口17v| 婷婷五月激情欧美大胆视频| 99精品久久| 欧美性爱中文字幕| 五月综合无码| 丁香六月激情网C0W| 久久99热只有精品| 五月婷婷久久综合| 9l视频自拍9l九色9l成人| 中文字幕无线久必| 欧美成人精品三区综合A片| 区美毛片子| 九一99| 久er7久热| 久久久宗合| 婷婷丁香大香蕉| 精品夜夜澡人妻无码AV| 超碰狠狠操| 99精品自拍| 激情五月丁香亭亭| 色婷婷丁香五月天在线观看| 夜夜爽天操| 五月婷婷亚洲综合网| 二色av| 操人91| 天天婷婷| 激情五月开心五月丁香五月| 播四月婷婷六月丁香| www.五月天。com| 99免费成人网| 天天玩天天摸| 五月丁香在线视频观看| 婷婷五月天受日本法律保护| 国产超碰在线| 99色综合网| 操操国产| 超碰在线人人| 免费黄色片子| 噜噜噜噜噜久| 玖月婷婷爱丁香| ay2区| 丁香五月综合高清在线| 五月激情丁香五月| 密黄站| 99综合网| wwW天天干| 亭亭丁香aV| 丁香色五月直播| 99er日韩| tingtingjiqingwuyue| 激情婷婷五月久久| 26uuu四色| 人妻系列久久久久久久久久久| 久久中文人妻系列| 精品一二三区久久AAA片| 五月丁香 啪啪| 欧美偷偷操| 久久女伦| 激情五月图| 91婷婷在线| 色三级色三级| 五月婷婷六月激情| 99热这里只有精品热| 精品人妻午夜一区二区三区四区| 九九精品在线网| 九一娱乐在线观看视频| 五月婷视频| 狠狠色五月| 国产婷婷综合| 久激情网| 色婷婷香蕉| 99色视| 99视频在线精品| 亚洲综合激情五月天婷婷| 99re8在这里只有精品| 久久激情五月网| 国产99久9在线+|+传媒| www.com亚洲网站在线免费| 99热欧美偷拍| 丁香五月婷婷五月天在线| 色欲Av五月天| 怡红院精品视频久久久久久久久| 五月婷婷在线综合| 亭亭色网| 另类图片五月天| 免费观看欧美成人AA片爱我多深 | 日本婷婷综合精品| 青青草视频福利| 亚洲婷婷激情五月天| 五月天影院| 久久综合人妻| 9久久精品| 2022久久婷婷| 色色色99| 色五月婷婷丁香婷婷| 激情播丁香| 久久99久久久| 影音先锋色婷婷| 99re熱| 日本欧美成人片AAAA| 五月婷婷六月激情网| 香蕉久久五月| 天天做天天爱天天要| 97干网站| 亚洲乱码日产精品BD| 丁香六月婷婷综合在线| 99久在线观看| 六月婷婷五月丁香| 99re热在线视频观看| 亚洲天堂99| 精品影院| 综合网啪| 五月婷婷久久内射| 九色91视频| 欧美内射AAAAAAXXXXX| 69色色视频| 91婷婷色 | www.夜夜操| 成人噜噜网| 超碰啪啪网| 超碰九色| 五月婷婷第四色| 九久9精品| 亚洲综合草草| 色天堂婷婷| 久久丁香网| 九九热在线精品| 99色色视频| 任我肏| 国产毛片精品一区二区色欲黄A片| 久色精品| 国产操B视频| 亚州精品色情无码A片| 综合五月丁香久久| 色情婷婷五月天| 99热在线精品观看| 亚洲综合五月天婷婷| 九九激情视频| 色婷婷婷av | 思思久久青草热| 五月婷婷69| 色色日本| 久久婷婷五| 伊人婷婷五月天| 六月婷婷色五月| 五月丁香综合激情网| 五月在线| 五月婷婷色白丝| 激情综合网丁香| 小视频一区 | 91丁香婷婷综合久久欧美| 综合99视频| 777久久精品| 天天婷婷色六月| 91色呦哟| 欧美精品999| 激情五月综合网最新 | 激情婷婷丁香五月| 五月丁香五月婷婷| 丝袜大香蕉| 五月天之色情综合网| 亚洲欧美在线观看| 超碰精品在线| www.99热这里只有精品| 久久婷婷五月天激情四射| 99成人免费热视频| 99色看| 99激情网| 日本99久久| 伊人玖玖网| 久久婷婷大香蕉| 丰满少妇猛烈A片免费看观看| 欧洲亚洲免费视频9| 久久婷婷激情视频| 激情网婷婷婷| 婷婷五月18永久免费视频| 丁香五月天天日| 在线另类| 91色综合| 亚洲激情av| 91黄操| 99热久久日本| 日本99色| 99啪啪网| 综合激情九月婷婷,激情综合婷婷中文字| 影音先锋日本三级资源| 久久9热好| 无码人妻少妇色欲AV一区二区 | 五月丁婷婷| 九九久久综合| www.jiujiujiu| 99热这里精品| www91色网站| 伊人丁香花综合影院| 婷婷爱五月| 激情六月丁香| 成人网站免费在线播放| 色情五月天丁香社区| 九九性视频| 国产精品天天狠天天看| 丁香六月婷婷高清| 成人午夜天| 91九色欧美| 亚洲色就是色色色| 97搞在线| 岛国资源站| 色婷亚洲五月丁香| 激情AV| 丁香五月电影| 日本精品。999| 操逼福利视频| 深爱五月激情五月| 97干免费视频| 色丁香五月婷婷| www.久久99| 久久久久9| 丰满少妇猛烈A片免费看观看| 国产毛片精品一区二区色欲黄A片| 99国产精品白浆在线观看免费| 天天干天天做| 色色97丁香婷婷五月天| 91九色大屁股| 激情文学 综合 色| 国产一级婬片毛片| 五月婷婷官网色| 色五月激情| 色中色综合| 99热精品免费| 婷婷五月欧美| 婷婷涩涩五月天| 9l视频自拍九色9l视频自拍九色9l社区| 色色五月天丁香| 五月欧美色播| 天天五月情| 色色色在线观看| 久久伊人大香蕉| 色色99| 日韩专区五月天婷婷丁香| 免费色婷婷| 国产精品电影网| 色婷婷综合在线| 色播五月综合网| 日本久久婷婷| 综合AV网| 99爱在线视频| 国产精品久久99| AA片在线观看视频在线播放| 久久丁香五月婷| 婷婷操超碰| 丁香婷婷影院| 99久久免费精品| 激情五月天99色| 99亚洲天堂| 色色影院aaaav| 久大香蕉| 日日干夜夜撸夜夜骑| 亚洲天堂aaaa| 99欧美| 91fuliwang| 91热在线| 婷婷五月天BBw| 99热精品在线播放| 色综合播放| 99ri在线观看视频| 99热只有这里才是精品| 涩五月婷婷| 亚洲视频在线网| 久久久激情| 人人操人人爱丁香五月| 日本人妻A片成人免费看片| 欧美日韩国产成人在线| 丁香五月花婷婷开心| 婷婷五月天激情基地| 五月天激情小说| 一区二区传媒视频| 婷婷深爱五月天在线| 丁香五月成人| 久久色情| 午夜成人网站在线观看| 狠婷婷五月| 日韩九九| 97婷婷狠狠久久综合9色| 欧美黑人巨大猛烈cuckold| 无码动漫av| 人妻无码视频网| 五月天开心色情网| 狠狠五月天| 免费视频WWW在线观看网站| 九九色之九九色之88| 狠狠狠人妻| 婷婷综合五月| 九九 激情 网| 丁香五月天网友自拍啪啪啪视频| 丁香五月影院| 色狠狠五月天| 99久.| 激情超碰网| WWW五月天| 九九激情| 婷婷丁香六月| 久久久久亚洲AV成人无码电影| 激情综合文学| 色狠狠六月| 99久久9| 五月激情射| 亚洲AV成人无码久久精品老人法拉利| 99网| 思思久ren热| www.zbzhongsen.com| 99精品视频推荐| 激情五月亚洲| 日日夜夜婷婷| 婷婷五月激情欧美大胆视频| 丁香六月狠狠| 丁香婷婷人妻| 久久综合性| 91狠狠色色丁香婷婷综合久久| 91免费啪视频| 中文字幕中文有码在线| 五月激情综合网| 婷婷网五月天| 亚洲色视频| 日韩久热| 伊人久久艹| 狠狠色丁香久久婷婷综合五月| 色播五月丁香| 天天性视频| 成人视屏在线观看| 色五月激情综合网| 99热这里精品| 亚洲热手机在线观看| 婷婷久久网| 日韩九区| 五月花激情| 婷婷色啪| 丁香激情久久| 九月丁香| 九九这里只有精品| 99激情视频热| 色婷婷五月天偷拍| 热久久成人| 涩综合在线 | 99热日韩这里只有精品| 色欲婷婷夜夜| 婷婷五月天xxx| 婷婷瑟五月天久久综合| 久久这里只有精品16| 色色99色色| 狠狠色狠狠鲁| 国语精品探花| 日日操天天爽| 久久久五月激| 国产全是老熟女太爽了| 久久99久久99精品免观看软件| 超碰只有精品在线| 另类综合婷婷五月天欧美视频| 久久99久久99久久99| 可以免费看的av网站| 爱操天堂| 欧美乱码国产一级A片| 日韩色五月| 91久久久久久| 插插插色综合网| 九九99精品视品| 老司机日日夜夜青草| 人人操 色| 色婷婷a v| 婷婷六月丁香在线| 五月丁香婷婷免费视频| 五月婷婷在线免费| 97色色色色色| 黃色三级三级三级三级 qixing300.shrkbk.com www.jinbozs.com tianmiaosw.com | 久久久久久久人妻| 婷婷丁香91综合| 九月丁香很很色| 丁香五月在线观看综合| 蜜臀99久久精品久久久久| 色婷婷久久| www99热| 日日鲁鲁鲁夜夜爽爽狠狠视频97| 色五月婷婷影院| 色婷婷69| 欧美大肥婆大肥BBBBB| 五月婷婷福利| 激情久久肏屄视频| 色五月激情五月| 涩五月色婷婷| 久久久人妻久久久| av超碰在线| 久久婷婷五月天激情新地址| 色天堂婷婷| AV操操操| 色 色 色综合com| 香蕉久久国产AV一区二区| 丁香亚洲色综合| www.激情| 拳交大逼| 成人做爰A片免费看视频| 在线亚洲综合网| 啪啪啪大香蕉| 亚洲va欧洲va国产va不卡| 欧美色五月| 91九色偷拍| 久/久精品99看9| 天天色综网| 激情小说五月天社区丁香 | 加勒比色色| 天堂亚洲 在线| 99色综合网| xfplayav在线| 91狠狠综合久久久| 六月丁香婷婷大香蕉| 久久亚洲色导航| 日韩久操婷婷| 久久久久久久人妻| 丁香婷婷色色| 五月婷婷伊人久久| 丁香五月婷婷久久综合激情网 | 激情小说视频图片| 91尤物九色在线| 婷婷桃色网| 永久免费一区二区三区| 五月丁香在线偷拍视频| 激情婷婷五月天| 日本情色一区二区| 婷婷成人小说综合| 五月婷婷啪啪| 五月丁香日本一抹本| 伊人玖玖婷婷| 婷婷丁香综合色AV| 婷婷五月天电影在线| 亚洲综合婷婷| 亚洲色综合| 婷婷精品性视频| Www.sesese丁香| 97人人操| 天天色噜| 综合五月丁香六月婷婷| 另类婷婷丁香| 99久久丝| 九九黄色网| 五月丁香九九| 91av无码| 久久婷综| 色啦啦视频| 国产人妻人伦精品一区二区| 综合色图区| 色五月婷婷影院| 日本社区五月天激情| 五月丁香天天| 婷婷丁香五月天色播网站| 婷婷色情网| 影音先锋 一区| 五月大香蕉| 久9久9久9久9久9久9| 玖玖99免费视频| 丁香五月天激情四射网| 亚洲午夜一区二区| 99男人天堂| 97干在线观看视频| 91精品婷婷国产综合| 亚洲欧美一区二区三区四区爱爱动图| 五月天啪啪网| 婷婷五月天 偷拍| 8区视频在线| 超碰成人av| 99热99| 六月丁香婷婷综合影院| 996热re视频在线观看视频| 人妻激情久久| 综合欧美五月婷婷| 婷婷99视频全集高清| 国产午夜成人免费看片无遮挡| 色婷婷av在线观看| 国产精品久久久久9999小说| 婷婷五月天伊人| 9久热| 婷婷亚洲综合| 另类视频在线| 成人做爰A片免费看视频| 天天插综合| 97热这里只有精品| 国产67194| 4399在线观看免费高清黄色视频| 亚洲激情在线| www.狠狠狠.com| 超碰操日| 97热精品| 久久久久婷婷五月热综合| 中文字幕日产A片在线看| 激情五月天啪啪| 婷婷丁香激情五月| 丁香色五月天| 1024手机在线观看看片_日韩精品| 人妻肉射免费观看| 九九色综合| 婷婷97狠狠干| 99精品在线| 色情五月天视频网| 五月婷婷综合激情网| 丁香六月婷婷综合欧美| 国产精品爽爽久久久久久| 婷婷五月在线| 激情五月开心五月丁香五月| aaa久久久| 日本激情综合| 五月婷婷av| 99色综合久久| 亚洲亚洲人成综合网络| 国产日比| 欧美丁香五月| 婷婷伊人网| 人妻 性久久久久久| 99亚洲精品视频在线观看| 五月婷婷六月丁香玖玖玫瑰91| 日韩啪啪视频| 99九九精品| 狠狠狠狠狠| 久久这里有精品视频在线免费观看| av在线资源| 超碰永久在线| 99亚洲天堂| 婷综合| 色色免费网战视频| 思思热久久艹| 色五月色情| 人人澡玖玖一| 亚洲99热| 小视频aaa久久久| 国产原创视频91九色| 97碰碰在线观看视频| 爆乳熟女一区二区三区爆乳| 色爱综合网| 日本99视频| 91男同| 开心五月婷婷在线视频免费观看| 免费AV黄在线播放| 丁香五月婷婷总啪啪| 久久五月丁香婷婷| 色丁香五月婷婷| 亚洲激情综| www久| 99亚洲精品| 日韩五月婷婷| 久9久9热久热| 久久久9久| 五月天婷婷免费视频| 日本丰满久久| 婷婷五月开心中文字幕在线| 26uuu最新地址| 操逼福利视频| 超级黄色片| 精品无码久久久久久久久| 丁香五月婷婷色情综合| 99re熱| 久久99免费视频网站| 狠狠插狠狠操| 99精品视频网站| 伊人五月天日日夜夜久久久天天| 色综合久久8| 色五月婷婷色| 五月丁香婷婷爱| 啪啪激情网站| 久久97| 国产亚洲av片| 国产乱子轮XXX农村| 久久多色| 久久五月天婷婷| 99久久成人| 色色综合成人网| 91碰超| 亚洲综合欧美色丁香婷婷888月图片| 六月激情久久婷婷| 久久视频婷婷| 天天草人人摸| 色五月丁香伊人| 婷婷综合五月天| 夜夜穞天天穞狠狠穞AV美女按摩| 日本天堂网站99| 97av在线视频| 五月天激情站| 午夜婷婷久久| 久久38视频| 思思99精品视频在线观看| 五月天激情小说网| 日本不卡高字幕在线2019| 婷婷综合日本| 天天日天天日天天搞| 九九热精品视频| 五月天停停日日| 色区域网站视频| 日韩成人精品中文字幕| 婷久久高清| 99久久精| 亚洲视频图片婷婷五月| 五月婷婷啪啪综合网| 伊人综合网站| 777精品久无码人妻蜜桃| 在线日本www| 国产激情综合五月久久| 丁香婷婷六月天| 丁香综合婷婷开心激情网| 97干在线| 99久久久免费| 婷婷五月天久久久| 99热在线观看| 色色婷婷五月天| 激情久久五月天| 五月丁香激情综合啪啪| www91在线| 婷婷狠狠爱| 丁香六月欧美| 婷婷伊人綜合| 色婷婷aV四虎| 99视频在线啪| 成人一区在线观看| 伊人婷婷色| 婷婷五月天影院| 18av天堂| 丁香激情六月天婷婷| 婷婷激情综合网| 99日韩网站| 裸体美女丁香五月天。| 国产精品美女| 国产亚洲色婷婷久久99精品91| 九九热在线视频观看| 精品人妻伦一二三区久久| 第九色区av天堂| 国产内射婷婷| 久久久久五月丁香| www.91操| 天天日日天天| 色综合久久伊伊婷婷五月| 亚洲色色色色| 日本女人久久| 99色色网| 久婷视频| 99热主页日本| 色五月婷婷在线视频| 色5月婷婷| 色婷婷69| 五月天激情网站| 日本天堂久久| 五月6香色婷婷视频| 久久99这里只有精品视频| 日日操夜夜爽| 伊人久久婷婷| 成人资源在线| 开心婷婷五| 亚亚州久久高潮| 天天干天天操天天拍| tingtingcaobi| 99精品一二三四视频| 色综合五月婷婷狠狠干| 五月丁香影院| 国产又色又爽又黄又免费| 婷婷性爱视频在线| 婷婷五月天激情偷拍| 久久精彩视频| 99精品国产在热久久| 9月色婷婷| 六月丁香深深爱| 久久综合激情| 五月色丁香婷婷综合| 激情综合五月激情| 五月停停999| 免费观看全黄做爰的视频| 午夜成人综合| 亚洲aV写真天天综合网久久| 久久婷婷视频| 噜噜干日本| 色色色综合色| 丰满少妇猛烈A片免费看观看 | 日本一级一片免费视频| 五月丁香五月天现场视频| 久久97| www.五月婷| 精品人妻久久久久久久| 亚洲成人网站在线观看| 超碰女人天堂| 五月丁香婷婷综合视频| 国产探花一片区| 俺也去综合| 五月婷婷六月丁香| 天堂久久精品| 91ncm视频| 雪千夏麻豆| 这里只有精品视频一区| 国外亚洲成AV人片在线观看| 欧美狠狠草| 九九九色综合| 日韩综合久久| 日韩九区| 中文字幕成人| 婷婷五月天黄色| 伊人色综合影院视频| 日本三级中文字幕| 91精品在线看| 天天干天天干天天干天天干天天干| 伊人久久大香线蕉av一区| 狠狠搞亚洲| 久久婷婷五月综合啪| 久久久99免费视频| 色九月婷婷综合| 91久久久久久久久| 日良久久| 亚洲精品色| 99热99思午夜精品| 免费观看全黄做爰的视频| 99国产小视频免费观看| 202丰满熟女妇大| 亚洲一区二区无码蜜乳av| av在线免费播放观看| 婷婷五月天亚洲精品| 97操资源婷婷| 色五月婷婷老师| 六月婷久久| 涩涩五月天| 婷婷色五月天综合网| 99ri6在线视频| 六月丁香激情| 激情综合五月| 噜噜视频| Jh7Uf088VHafNm| 97偷拍在线视频| 九月综合| 久久五月天精品视频| se色婷婷视频| 久久在线大香蕉| 性爱AV天堂| 国产AV一区二区三区最新精品| 国产精品久久久丁香五月八戒视频| 99天堂网最新| 丁香六月婷| 婷婷深爱五月天在线| 色99综合色88| 一区视频网站| 久久五月丁香六月婷| 91久久九九| 99爱视频免费| 成人综合伍月天| 91人人爽狠狠狠| 一区二区成人电影免费播放| 97超碰在线免费观看| 丁香伊人激情| 视频在线免费观看欧洲乱码| 亚洲色在线观看| 婷婷香五月综合激情| av线电影| 五月天色色无码| 色偷偷色婷婷| 色婷婷a三区麻| 狠狠干狠狠操狠狠爱| 国产激情综合五月久久| 日本色色色| 激情久久天天| 九九热这里有精品视频| 日本久久爽| 99re在线免费视频| 人妻丰满精品一区二区A片| 99热天堂| 五月婷婷在线综合| 蜜乳A√| 欧美性二区| 红桃91人妻爽人妻爽| 人妻操逼视频| 婷婷五月天激情电影小说| 99热福利| 久久网日本| 丁香五月天天| 超级碰碰99| 97在线观看| 五月婷丁香| 精品久久久人妻| 九月婷婷色色| 色色色热热热| 五月婷婷开心综合| 91大屁股| 亚洲五月综合色播| 视频这里只有精品| 中文字幕综合网| 性爱五月丁香| 99热欧美精品| 五月丁香亭亭A片| 人妻激情久久| 日日噜噜夜夜狠狠久久丁香五月| 日本99视频| 深爱激情综合| www.激情| 亚洲天堂99| av在线资源| 综合网色| 99re8在这里只有精品| 99爱爱| 五月激情啪啪啪| 9色在线视频| 爱婷婷都市激情| 五月婷婷之婷婷| 激情婷婷五月| 五月丁香婷婷欧美| 激情综合色婷婷六月天| 国产午夜精品久久久观看| 亚洲AV成人无码久久精品老人法拉利| 思思热再线视频| 久久九九蜜| 丁香五月婷婷六月| 99这里有精品| 91久久久久久久久久久| 久久婷婷五月综合激情国产| 久久婷婷国产| 五月天伊人| 色一情一乱一伦一区二区三区| 亚洲中文字幕在线观看| 97啪在线观看视频| 丁香五月婷婷亚洲另类| 五月婷婷偷拍| 丁香六月婷婷激情综合| 婷婷在线五月天观看| 婷婷五月天,影院| 色五月婷婷内射| 五月婷婷综合激情| 开心五月网 | 久久大大香| 5月婷婷综合| 人妻九九九九| 五月四色激情| 大伊香蕉玖玖爱| 99国产小视频| 香蕉久久av一区二区三区 | 九九这里有精品| 黄色av网站在线免费播放| 欧洲亚洲免费视频区| 1024国产| 色色色区| 亚洲视频伍月婷婷| 五月天丁香久久综合| 五月六月激情婷婷| 狠狠操狠狠插| 99亚洲综合| 9l视频自拍9l九色成人| 狠狠爱婷婷| 狠狠色丁香| 婷婷五月丁香色综合| 丁香五月在线| 黑人无码一区| 色五月婷婷91| 激情五月综合网最新| 99在线免费视频| 久久99精品九九久久久婷婷| 久热中文字幕| 五月婷婷与六月丁香图片激情| 久色激情| 欧美久人人| 综合色影院| av国产精品偷| 五月丁香婷婷色色| 婷婷九月激情| 少妇人妻偷人精品无码视频新浪| 狠狠五月天激情| 国产精品国产| 精品人妻伦一二三区久久| 天天色爽| 人妻在线观看视频| 六月色色| m色激情网| 99手机在线精品视频| www激情| 99re思思热久久| 婷婷综合天堂| 五月天婷婷久久视频| 狠婷婷五月| 亲子乱AV一区二区三区下载| 91超碰在线播放| 99re99热| 九九婷婷激情综合网| 天天插天天很| 婷婷色偷拍| 99在线观看精品视频| 婷婷五月天熟妇| 色婷婷色情| 蜜臀AV在线观看| 久久色亭亭五月天| CAoub青青超碰| 亚洲天天操| 婷婷六月天激情| 五月激情丁香五月宗合| 综合性爱网| 啪啪视频99| 色欲久久综合| 五月天亚洲色| 久久狠色噜噜狠狠狠狠97| 99视频啪啪| 黄色热99| 五月婷婷性爱| 日韩成人AV在线| 99视频精品全部观看10| 激情五月天色爱| 天天日天天摸天天| 亚洲另类在线观看| 日韩欧美成人片| 超碰京东热av男人的天堂| 久久R激情| 日韩一区二区A片免费观看| 俺去也综合| 亚洲综合激情五月久久| 色情丁香五月婷婷精品| 九九激情视频| 激情五月丁香六月综合AVXXXX| 欧美综合在线五月天色婷婷| 亚洲 日韩色色| 五月久久噜噜| 丁香五月婷婷动漫| 99熟女视频| 综合激情五月天| 七七九九色色| 九九精品网| 天天噜| 99热色精品| 日韩成人电影在线播放| 久久九九蜜| 99爱视频免费看| 色五月丁香伊人| 六月丁香激情综合| 中文在线视频久1| 激情综合五月婷婷六月丁香| 丁香五月综合福利视频导航| AV在线大香蕉| 婷婷五月天网址| 亚洲区1| 久9综合| 99自拍视频| 婷婷五月花| 99热精这里只有精品| 九九久久五月天综合伊人| 狠狠色噜噜狠狠狠狠狠色综合久久| 五月天偷拍| av大香蕉| 日韩婷婷| h在线看免费版在线看| AV大片在线播放| 日韩精品电影| 五月婷婷综合激情| 色爱终和网| 91热在线| 五月丁香婷婷欧美色图视频五月丁香777电影 | 国产AV一区二区三区日韩| 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 | 五月天婷婷成人网| 六月丁香网| 在线99色| 五月婷婷在线网站| 丁香五月影视| 97五月婷| 狠狠色丁香五月婷巨| 五月婷婷六月丁香激情| 色色色欧美| WWW99热| 中文字幕性爱丰满| 色色A| 色九月欧美| 五月丁香无码视频| 99综合免费视频| 91高潮喷水久久久久久久久 | 337p大胆噜噜噜噜噜91Av| 丁香六月色婷婷| 日99网站| 99精品这里只有免费视频| 丁香五月婷婷影院| 国产精品天天狠天天看| 久久五月婷婷电影| 色五月在线播放| 熟妇国产| 色综合综合色| 免看黄大片AA | 草操网| 超碰色综合| 日本久久高清| 九九精品热| 婷婷五月天开心网| www.色9| 婷婷五月激情的图片| 欧美性猛交99久久久久99按摩| 五月天综合图片| 天堂A∨在线| 欧美情色一区| 成人视屏在线观看| 草AV9999| 久9无码视频| 亚洲妇女熟BBW| 99这里| 婷婷亚洲在线| 婷婷五月在线综合| 99久久婷婷精品视频| 色香欲综合| 婷婷久久图片| 97超碰婷婷五月天| 五月婷婷久久大香蕉| 五月婷丁香在线视频在线| 九色porny在线观看激情四射| 丁香五月成人网| 性色婷婷| 五月婷婷影院| 色亚洲视频| 在线观看日韩12345区| 九九精品视频在线观看| 亚洲操B视频| 亚洲综合色色色| 一级片sese片.COM| 成人 在线观看国产| 亚洲色欲AAAAAA| 99久超碰| 欧美色片中文字幕久久久久| 性综合网| 国产精品噜噜在线视频| 超碰在线99| 丁香六月天堂| 久久久久久久久月丁| 五月丁香婷在线| 在线亚洲综合| 五月天婷婷色色网| 综合激情啪啪| 看逼中文字幕| 91久久久久久| 亚洲爱爱无码婷婷色五月| 人人妖人人97| 亚洲免费婷婷| 色色色777| 91日精品| 丁香六月久久| 侠女刀之记忆电影在线看免费| 国产激情在线| 丁香激情久久| 五月丁香亭亭电影久久| 婷婷欧美激情综合| ...婷婷国产成人亚洲日韩| 欧美色五月| 白天AV月月| 高清国产AV| 婷婷五月综合在线| 五月情综合| 五月丁香婷婷婷激情爱爱| 另类激情综合| 五月婷婷丁香狠狠撸久久| 五月天色婷婷激情综合| 日韩一级网站| 9999热免费视频视频| 99re6在线视频精品免费| 99精品久久| 日韩高清成人| 五月激情六月丁香| 婷婷五月丁香伊人| 无码色色| 五月草影视| 久久激情五月天| 91精品久久久久久综合五月天| 五月天激情在线视频| 日本狠狠爽|