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。

基于CNN的海洋殼類生物識(shí)別:從數(shù)據(jù)準(zhǔn)備到模型調(diào)優(yōu)全攻略

基于CNN的海洋殼類生物識(shí)別:從數(shù)據(jù)準(zhǔn)備到模型調(diào)優(yōu)全攻略 開頭如果你正在準(zhǔn)備課程設(shè)計(jì)或畢業(yè)設(shè)計(jì)手頭分到的題目恰好是“基于機(jī)器學(xué)習(xí)的CNN卷積神經(jīng)網(wǎng)絡(luò)對海洋殼類生物識(shí)別”你大概率會(huì)經(jīng)歷這樣一段心路歷程先覺得題目挺有意思再發(fā)現(xiàn)公開數(shù)據(jù)集不好找然后糾結(jié)于網(wǎng)絡(luò)結(jié)構(gòu)到底怎么選最后被訓(xùn)練時(shí)的過擬合和類別不平衡折磨到懷疑人生。這個(gè)題目我前后完整做過兩輪一次是幫某高校的同學(xué)調(diào)代碼一次是自己重新跑通了整個(gè)流程中間踩過的坑確實(shí)不少。這篇文章就把整個(gè)項(xiàng)目的完整鏈路拆開講清楚從數(shù)據(jù)集準(zhǔn)備、網(wǎng)絡(luò)選型、訓(xùn)練調(diào)參到最后的評估分析和常見問題排查每個(gè)環(huán)節(jié)我都會(huì)給出可以直接照抄的做法和參數(shù)也會(huì)解釋背后的原理。無論你是剛接觸深度學(xué)習(xí)的小白還是已經(jīng)跑過幾個(gè)分類項(xiàng)目的同學(xué)這篇文章都能幫你少走彎路把項(xiàng)目做成答辯時(shí)拿得出手的樣子。1. 為什么殼類識(shí)別適合用CNN來做——項(xiàng)目思路拆解1.1 題目的本質(zhì)是什么先把這個(gè)題目拆開看?!盎跈C(jī)器學(xué)習(xí)的CNN卷積神經(jīng)網(wǎng)絡(luò)”這句話說出來有點(diǎn)繞但本質(zhì)就一句話用卷積神經(jīng)網(wǎng)絡(luò)對圖像進(jìn)行分類把一張包含海洋殼類生物的圖片識(shí)別成正確的類別比如扇貝、牡蠣、蛤蜊、花甲、貽貝、海螺、鮑魚等等。為什么導(dǎo)師愛出這類題目因?yàn)樗诩夹g(shù)難度和應(yīng)用價(jià)值之間找到了一個(gè)很好的平衡點(diǎn)。海洋殼類生物的識(shí)別在漁業(yè)資源統(tǒng)計(jì)、海洋生態(tài)監(jiān)測、水產(chǎn)養(yǎng)殖管理、海鮮市場自動(dòng)結(jié)算等場景里都有真實(shí)需求。如果純靠人工識(shí)別既費(fèi)時(shí)又容易疲勞出錯(cuò)尤其是初學(xué)者面對幾十種外觀相似的貝殼時(shí)常常分不清花甲和蛤蜊、牡蠣和扇貝的細(xì)微差別。而CNN恰好擅長從圖像中自動(dòng)提取紋理、邊緣、形狀、顏色分布這些特征把它作為課題來做既能體現(xiàn)工程能力又有明確的落地場景答辯的時(shí)候也容易講清楚“你為什么要做這件事”。1.2 為什么是CNN而不是傳統(tǒng)方法很多課程設(shè)計(jì)題目里既寫了“機(jī)器學(xué)習(xí)”又寫了“CNN”有些同學(xué)會(huì)困惑傳統(tǒng)機(jī)器學(xué)習(xí)不是也做圖像識(shí)別嗎比如用HOG特征SVM或者顏色直方圖隨機(jī)森林為什么非得用CNN我從實(shí)際效果出發(fā)說一個(gè)樸素的結(jié)論傳統(tǒng)方法在簡單場景下確實(shí)可行比如純色背景下的單品種分類但一旦背景復(fù)雜、光照變化大、物體之間有遮擋傳統(tǒng)方法提取的“手工特征”就非常脆弱。想象一下你要區(qū)分兩種顏色紋理特別接近的貝殼HOG特征抓的是梯度方向如果兩種貝殼輪廓相近但花紋不同HOG基本就沒區(qū)分度了顏色直方圖更不靠譜同一種貝類在不同海域、不同光照下拍出來的顏色差異可能比不同種類之間的差異還大。CNN的核心優(yōu)勢是“端到端”學(xué)習(xí)——它不靠人來設(shè)計(jì)特征而是通過卷積核自動(dòng)從數(shù)據(jù)中學(xué)習(xí)特征。淺層卷積核學(xué)到的可能是邊緣、角點(diǎn)、顏色斑塊深層卷積核學(xué)到的就是“這種紋理屬于什么貝殼”這類語義特征。這就像一個(gè)經(jīng)驗(yàn)豐富的漁民他看一個(gè)貝殼不是只看顏色而是看形狀、紋路、光澤、厚度這些綜合信息CNN就是在模擬這種綜合判斷能力。所以這個(gè)題目選CNN本質(zhì)上不是在“趕時(shí)髦”而是圖像分類任務(wù)里最合理的方案。1.3 完整技術(shù)路線總覽整個(gè)項(xiàng)目的技術(shù)路線可以概括為五個(gè)環(huán)節(jié)采集與整理數(shù)據(jù)集、圖像預(yù)處理與增強(qiáng)、搭建CNN模型、訓(xùn)練與調(diào)參、評估與結(jié)果分析。聽起來很常規(guī)但每個(gè)環(huán)節(jié)在這個(gè)具體題目下都有它的特殊性。比如說數(shù)據(jù)集環(huán)節(jié)貓狗分類可以直接下載現(xiàn)成的數(shù)據(jù)集但“海洋殼類生物”沒有一個(gè)非常統(tǒng)一、帶好標(biāo)注的公開數(shù)據(jù)集你更可能需要自己從多個(gè)來源收集、清洗、標(biāo)注這本身占掉整個(gè)項(xiàng)目約一半的工作量。再比如模型環(huán)節(jié)貝殼類圖像的類別之間相似度高、類內(nèi)差異也不小同一品種可能從小長到大外形差異很大這就要求模型具備足夠的特征提取能力但你的訓(xùn)練數(shù)據(jù)量又可能不足以支撐一個(gè)特別深的網(wǎng)絡(luò)所以怎么在“容量”和“數(shù)據(jù)”之間取得平衡是貫穿始終的核心矛盾。還有一點(diǎn)容易被忽視評估環(huán)節(jié)。這個(gè)題目的類別往往是不均衡的。有些種類圖片多、有些種類圖片特別少這時(shí)候光看準(zhǔn)確率會(huì)掩蓋很多問題必須結(jié)合混淆矩陣、精準(zhǔn)率、召回率、F1分?jǐn)?shù)做綜合分析。這些我會(huì)在后面的章節(jié)逐一展開。2. 數(shù)據(jù)準(zhǔn)備階段最容易踩的坑——從采集到增強(qiáng)2.1 數(shù)據(jù)從哪來先解決最頭疼的問題海洋殼類生物的數(shù)據(jù)集從哪里找。我試過幾條路分別說下感受。第一條路是公開數(shù)據(jù)集。像ShellImageNet、一些海洋生物識(shí)別競賽的數(shù)據(jù)集可以試試但要做好心理準(zhǔn)備。有的數(shù)據(jù)集只包含少數(shù)幾個(gè)大類有的標(biāo)注質(zhì)量參差不齊一張圖上可能有多只貝殼只有其中一個(gè)被框出來作為標(biāo)簽。如果你不仔細(xì)清洗模型學(xué)到的就是“圖片中有貝殼”而非“圖片中的主要物體是A類”這對分類任務(wù)來說是致命的。第二條路是網(wǎng)絡(luò)圖片抓取。比如從圖庫網(wǎng)站按關(guān)鍵詞下載“扇貝”“牡蠣”“花甲”等圖片這條路速度快但很考驗(yàn)?zāi)愕那逑茨芰ΑK阉饕婺芩训酱罅慨嬞|(zhì)模糊、角度刁鉆、甚至混入無關(guān)內(nèi)容的圖片一張一張篩會(huì)很痛苦但不篩的后果更痛苦——模型會(huì)把背景當(dāng)特征學(xué)。第三條路是自行拍攝。如果條件允許去海鮮市場拍是效果最好的方式可以控制背景、光照、拍攝角度。當(dāng)年某高校有同學(xué)就是帶著手機(jī)去市場蹲了一下午拍了兩千多張數(shù)據(jù)質(zhì)量比網(wǎng)上找的高出一大截。但這種方式耗時(shí)耗力對大多數(shù)人來說只適合作為補(bǔ)充。綜合來看我的建議是以公開數(shù)據(jù)集或網(wǎng)絡(luò)圖片為基礎(chǔ)用自行拍攝補(bǔ)充弱勢類別然后花時(shí)間做一輪嚴(yán)格的人工清洗。清洗的標(biāo)準(zhǔn)就一條圖片主體是否清晰、單一、符合類別標(biāo)簽。模糊的、多只混在一起的、只有部分殼體的寧可刪掉也不要留。提示數(shù)據(jù)質(zhì)量永遠(yuǎn)比數(shù)據(jù)數(shù)量重要。100張清晰的扇貝特寫效果大概率好過300張背景雜亂、內(nèi)容含糊的扇貝圖片。2.2 標(biāo)注與類別的確定類別數(shù)量這個(gè)問題課程設(shè)計(jì)一般做到8到15類比較合適太多了數(shù)據(jù)收集工作量大模型分類難度也高太少了又顯得工作量不足。我當(dāng)時(shí)用的是10類扇貝、牡蠣、蛤蜊、花甲、貽貝、海螺、鮑魚、毛蚶、蟶子、螺螄。確定好類別后要注意確保每張圖都確實(shí)是“單一類別主體”。最好把所有圖片按類別建好文件夾文件夾名就是類別名然后用腳本做二次校驗(yàn)。我還會(huì)統(tǒng)計(jì)每個(gè)類別的圖片數(shù)量選一個(gè)數(shù)量最少的類別作為基準(zhǔn)保證各類別數(shù)量差距控制在3倍以內(nèi)。比如某個(gè)類別只有150張其他類別最好不要超過450張否則類別不平衡的問題會(huì)很嚴(yán)重后面訓(xùn)練和評估都會(huì)很痛苦。2.3 圖像預(yù)處理細(xì)節(jié)預(yù)處理這一步看起來簡單但直接影響訓(xùn)練效果。以下是我實(shí)踐下來比較穩(wěn)的一套流程圖片尺寸統(tǒng)一縮放到224x224這是多數(shù)預(yù)訓(xùn)練模型的默認(rèn)輸入尺寸??s放時(shí)注意比例變形的問題——貝殼類物體是長條形的直接拉伸會(huì)把形狀比例搞亂比如蟶子本來是細(xì)長的拉伸成正方形看起來就像另一個(gè)物種。我的做法是先等比縮放讓短邊到達(dá)224然后從中心裁剪出224x224的區(qū)域。這樣做會(huì)損失一點(diǎn)邊緣信息但對大多數(shù)圖片來說主體都集中在中心區(qū)域影響不大。歸一化也很關(guān)鍵。PyTorch里如果用ImageNet預(yù)訓(xùn)練模型就要按ImageNet的均值和標(biāo)準(zhǔn)差做標(biāo)準(zhǔn)化這些數(shù)值是固定的直接用就行。不用預(yù)訓(xùn)練模型的話可以用自己數(shù)據(jù)集的均值和標(biāo)準(zhǔn)差但千萬不能跳過這一步否則輸入像素值范圍不統(tǒng)一網(wǎng)絡(luò)收斂會(huì)明顯變慢。還有個(gè)細(xì)節(jié)值得提數(shù)據(jù)集的劃分要按類別分層隨機(jī)劃分不能簡單全體隨機(jī)。因?yàn)槟愕牟牧蟻碓磸?fù)雜同一個(gè)來源的圖片可能在背景、色調(diào)上高度相似如果不分層劃分可能某一類圖片只在訓(xùn)練集里出現(xiàn)驗(yàn)證集和測試集里該類別占比失衡評估結(jié)果就會(huì)失真。一般建議訓(xùn)練集70%驗(yàn)證集15%測試集15%并且固定隨機(jī)種子保證實(shí)驗(yàn)可復(fù)現(xiàn)。2.4 數(shù)據(jù)增強(qiáng)怎么做不過度數(shù)據(jù)增強(qiáng)本質(zhì)上是“故意制造更多訓(xùn)練樣本”。貝殼識(shí)別這個(gè)場景增強(qiáng)策略比一般自然圖像分類要保守一些因?yàn)樵鰪?qiáng)太狠會(huì)破壞物種特征。我踩過的一個(gè)坑是把旋轉(zhuǎn)角度設(shè)得過大結(jié)果海螺旋轉(zhuǎn)180度之后從外觀上看起來和另外一個(gè)類別極其相似模型直接學(xué)出了“混淆特征”。我的推薦組合是這樣的隨機(jī)水平翻轉(zhuǎn)概率0.5隨機(jī)旋轉(zhuǎn)幅度在[-15度, 15度]之間隨機(jī)亮度/對比度/飽和度調(diào)整幅度在0.8到1.2之間隨機(jī)縮放裁剪這個(gè)用PyTorch的RandomResizedCropscale范圍設(shè)0.8到1.0再加一個(gè)RandomAffine的輕微平移。不要用太激進(jìn)的色彩抖動(dòng)。有些同學(xué)喜歡把hue值拉得很大結(jié)果花甲原本灰色的殼被增強(qiáng)成彩色這種失真樣本反而干擾學(xué)習(xí)。記住增強(qiáng)的目的是模擬現(xiàn)實(shí)拍攝中的合理變化不是制造科幻圖片。訓(xùn)練時(shí)如果發(fā)現(xiàn)增強(qiáng)后的圖片“人眼都認(rèn)不出來”那這個(gè)增強(qiáng)策略就要調(diào)整。3. CNN網(wǎng)絡(luò)結(jié)構(gòu)怎么選——從零訓(xùn)練還是遷移學(xué)習(xí)3.1 經(jīng)典CNN結(jié)構(gòu)是如何工作的在動(dòng)手選網(wǎng)絡(luò)之前先把CNN的基本結(jié)構(gòu)理清楚。一個(gè)典型的圖像分類CNN由三個(gè)部分組成卷積層負(fù)責(zé)特征提取池化層負(fù)責(zé)特征壓縮全連接層負(fù)責(zé)最終分類決策。卷積層可以理解成“拿著一個(gè)放大鏡在圖片上滑動(dòng)”每次看到一小塊區(qū)域提取這塊區(qū)域的局部模式。多個(gè)卷積核疊加就相當(dāng)于用不同角度去觀察同一塊區(qū)域有的關(guān)注邊緣有的關(guān)注紋理有的關(guān)注顏色分布。這些信息一層層往上傳遞低層的微觀特征逐漸組合成高層的語義特征最后全連接層根據(jù)這些語義特征輸出每個(gè)類別的概率。池化層的作用是“降維但保關(guān)鍵信息”它把一大塊區(qū)域匯總成一個(gè)元素既減少了計(jì)算量又讓模型對物體的位置變化不那么敏感。比如扇貝無論出現(xiàn)在圖片左側(cè)還是右側(cè)經(jīng)過池化后它的特征表達(dá)都能基本保持一致。理解這些對項(xiàng)目有什么實(shí)際幫助當(dāng)你發(fā)現(xiàn)模型識(shí)別不準(zhǔn)某類貝殼時(shí)你需要判斷是特征提取能力不足還是分類決策有問題。前者可能要換更深的網(wǎng)絡(luò)或增加卷積核數(shù)量后者可能需要調(diào)整全連接層結(jié)構(gòu)或加Dropout。如果不懂底層結(jié)構(gòu)就只能瞎試參數(shù)效率非常低。3.2 從零訓(xùn)練還是用預(yù)訓(xùn)練模型這是整個(gè)項(xiàng)目中最需要做決策的一個(gè)點(diǎn)。從零訓(xùn)練一個(gè)網(wǎng)絡(luò)意味著所有參數(shù)都從隨機(jī)初始化開始學(xué)遷移學(xué)習(xí)則是加載一個(gè)在ImageNet上預(yù)訓(xùn)練好的模型把它的特征提取能力借過來只針對我們的任務(wù)“微調(diào)”。對于這個(gè)題目我強(qiáng)烈推薦遷移學(xué)習(xí)除非你有特別充分的理由比如要求完全手寫網(wǎng)絡(luò)結(jié)構(gòu)。原因很簡單數(shù)據(jù)量不夠。ImageNet上訓(xùn)練過的模型底層卷積核已經(jīng)學(xué)會(huì)了豐富的通用特征——邊緣、紋理、顏色漸變等等。貝殼的識(shí)別很大程度上依賴這些底層特征所以即便Shellfish數(shù)據(jù)本身量不大底層特征也能“復(fù)用”。你只需要讓模型在高層特征上適配貝殼任務(wù)就行。用ImageNet預(yù)訓(xùn)練模型一般效果能比從零訓(xùn)練高出10到20個(gè)百分點(diǎn)這在答辯中是質(zhì)的差別。當(dāng)然如果學(xué)校要求必須手寫網(wǎng)絡(luò)結(jié)構(gòu)那也不是不行。我后面會(huì)給出一個(gè)能用的自定義小模型方案。3.3 常用模型選型對比與推薦如果決定用遷移學(xué)習(xí)可選模型很多。我把主流模型在這個(gè)任務(wù)上的表現(xiàn)梳理一下。ResNet18是最輕量級的選擇參數(shù)量約1120萬訓(xùn)練速度快對顯存要求低特征提取能力對于貝殼分類這種中等難度任務(wù)完全夠用。缺點(diǎn)是準(zhǔn)確率上限略低于更深模型。ResNet50更穩(wěn)妥殘差連接讓深度網(wǎng)絡(luò)不那么容易梯度消失訓(xùn)練效果通常優(yōu)于ResNet18但顯存和訓(xùn)練時(shí)間也相應(yīng)增加。MobileNetV3是輕量化設(shè)計(jì)的典型計(jì)算量非常小如果之后想把模型部署到手機(jī)端或嵌入式設(shè)備上它是最佳選項(xiàng)。準(zhǔn)確率在數(shù)據(jù)集不是特別難的情況下表現(xiàn)也不錯(cuò)基本是“性價(jià)比之王”。EfficientNet系列則在參數(shù)效率和精度之間取得了很好的平衡EfficientNet-B0就能和ResNet50打得有來有回但它的輸入預(yù)處理有點(diǎn)特殊需要按照官方推薦設(shè)置縮放和歸一化參數(shù)。我的建議是如果你的訓(xùn)練設(shè)備顯卡顯存不超過6GB優(yōu)先用ResNet18或MobileNetV3顯存在8GB以上直接上ResNet50想追求更極致的精度再試EfficientNet-B0但要注意它訓(xùn)練收斂稍微慢一些。3.4 自定義小模型的可行性方案萬一必須從零手寫結(jié)構(gòu)我提供一個(gè)我自己實(shí)測過、可以在小數(shù)據(jù)集上收斂的輕量網(wǎng)絡(luò)配置。這個(gè)方案是“三卷積兩全連結(jié)構(gòu)”第一個(gè)卷積層32個(gè)卷積核卷積核大小為3x3接ReLU和2x2最大池化第二個(gè)卷積層64個(gè)卷積核同樣3x3接ReLU和池化第三個(gè)卷積層128個(gè)卷積核再接池化然后拉平接一個(gè)256維的全連接層最后接類別數(shù)的輸出層。每個(gè)卷積層中間加上BatchNorm全連接層之間加Dropout(0.5)。這套結(jié)構(gòu)總參數(shù)量大約幾十萬級別相比動(dòng)輒上千萬的預(yù)訓(xùn)練模型輕得多在幾百張圖片的數(shù)據(jù)集上有能力收斂。但實(shí)事求是地講它的準(zhǔn)確率上限確實(shí)不如預(yù)訓(xùn)練模型一般能跑到80%到85%左右就不錯(cuò)了。如果答辯時(shí)允許對比實(shí)驗(yàn)可以把“自定義小模型”和“預(yù)訓(xùn)練模型”做一個(gè)消融對比證明遷移學(xué)習(xí)的優(yōu)勢這反而是一個(gè)加分項(xiàng)。4. 訓(xùn)練過程與關(guān)鍵參數(shù)調(diào)優(yōu)——從loss曲線到最終收斂4.1 超參數(shù)如何初始化訓(xùn)練開始前需要先定幾個(gè)關(guān)鍵超參數(shù)batch size、學(xué)習(xí)率、優(yōu)化器、訓(xùn)練輪數(shù)。我的默認(rèn)配置是這樣的。Batch size設(shè)為32。如果顯存不夠就降到16梯度累積到32的等效效果也行。批次太小會(huì)讓梯度估計(jì)噪聲大訓(xùn)練曲線抖得厲害批次太大會(huì)讓模型陷入尖銳最小值泛化能力反而下降32是起步很穩(wěn)的值。優(yōu)化器優(yōu)先用Adam初始學(xué)習(xí)率1e-4。Adam的自適應(yīng)學(xué)習(xí)率機(jī)制讓它在不熟悉的任務(wù)上比SGD穩(wěn)定得多新手不容易翻車。如果你用的是SGD加動(dòng)量學(xué)習(xí)率初始值要設(shè)到1e-2或1e-3同時(shí)配合CosineAnnealing學(xué)習(xí)率調(diào)度這個(gè)組合調(diào)好了效果更好但需要更多調(diào)試經(jīng)驗(yàn)初學(xué)者我不推薦一上來就碰。訓(xùn)練輪數(shù)先設(shè)50輪但配合“早停”機(jī)制。我的做法是每一輪訓(xùn)練結(jié)束后用驗(yàn)證集做一次評估如果驗(yàn)證集準(zhǔn)確率連續(xù)8輪沒有提升就停止訓(xùn)練并保存歷史最優(yōu)模型。注意保存模型時(shí)一定要保存“驗(yàn)證集準(zhǔn)確率最高”的那個(gè)epoch的權(quán)重而不是最后一個(gè)epoch。最后一輪的模型往往已經(jīng)過擬合了我用這個(gè)方式至少提升了3到5個(gè)百分點(diǎn)的測試準(zhǔn)確率。4.2 學(xué)習(xí)率與優(yōu)化器選擇背后的邏輯為什么要單獨(dú)解釋這個(gè)因?yàn)閷W(xué)習(xí)率的設(shè)置直接影響整個(gè)訓(xùn)練的成敗。如果學(xué)習(xí)率太大loss會(huì)在某個(gè)值附近劇烈震蕩就是不下降如果學(xué)習(xí)率太小模型學(xué)得比蝸牛還慢訓(xùn)練50輪可能還在原地打轉(zhuǎn)。你可以把學(xué)習(xí)率理解成“下山時(shí)每一步邁多大”。預(yù)訓(xùn)練模型已經(jīng)站在一個(gè)離谷底很近的地方你只需要小步試探所以學(xué)習(xí)率要比從零訓(xùn)練小很多。用1e-4到1e-5這個(gè)區(qū)間通常比較安全。如果你發(fā)現(xiàn)訓(xùn)練一開始loss就飆高先檢查是不是學(xué)習(xí)率設(shè)置過大、數(shù)據(jù)歸一化漏掉了或者標(biāo)簽錯(cuò)位了反而不用急著調(diào)網(wǎng)絡(luò)結(jié)構(gòu)。關(guān)于Adam和SGD的選擇另一個(gè)實(shí)用技巧是先用Adam跑出當(dāng)前數(shù)據(jù)的“性能上限”最后再用SGD加余弦退火做最后沖刺有時(shí)候能再提升一點(diǎn)準(zhǔn)確率。這個(gè)方法不是必須的但如果你時(shí)間充裕值得一試。4.3 過擬合的識(shí)別與應(yīng)對課程設(shè)計(jì)項(xiàng)目里過擬合是最常見的現(xiàn)象尤其在數(shù)據(jù)集規(guī)模小的情況下。它的典型特征是訓(xùn)練集loss持續(xù)下降準(zhǔn)確率一路走高但驗(yàn)證集loss先降后升準(zhǔn)確率上升到某個(gè)點(diǎn)就開始下降或停滯。怎么識(shí)別最簡單的方法是每輪訓(xùn)練后記錄train_loss和val_loss并繪制兩條曲線。如果兩條曲線從一開始就分道揚(yáng)鑣說明模型容量過大或數(shù)據(jù)量太少需要加正則化如果前期同步下降、后期val_loss開始反彈說明訓(xùn)練后期在死記硬背訓(xùn)練集需要早?;蚋鼜?qiáng)的數(shù)據(jù)增強(qiáng)。應(yīng)對手段我按優(yōu)先級排序第一加強(qiáng)數(shù)據(jù)增強(qiáng)這是治本的方式讓模型見識(shí)更多變化第二增加Dropout比例全連接層從0.3提到0.5是立竿見影的第三降低學(xué)習(xí)率讓模型學(xué)慢一點(diǎn)減少對訓(xùn)練集細(xì)節(jié)的記住第四把ResNet18換成MobileNetV3減小模型容量以匹配數(shù)據(jù)規(guī)模。前兩個(gè)手段通常就能解決問題最后的手段需要謹(jǐn)慎使用別為了防過擬合犧牲太多擬合能力。4.4 訓(xùn)練過程中容易出現(xiàn)的問題我在這個(gè)項(xiàng)目里遇到過幾個(gè)比較典型的訓(xùn)練異常這里列出來供你對照參考。Loss變成NaN本質(zhì)上是因?yàn)橛?jì)算過程中出現(xiàn)了數(shù)值溢出常見原因是學(xué)習(xí)率過大、數(shù)據(jù)里有異常值比如像素值未歸一化、或者損失函數(shù)計(jì)算方式有問題。先檢查歸一化再把學(xué)習(xí)率降到1e-5一般能解決。訓(xùn)練loss不下降首先排除是不是數(shù)據(jù)沒喂對比如標(biāo)簽錯(cuò)位、增強(qiáng)后圖片通道數(shù)不對。我排查的順序是打印一個(gè)batch的樣本人工檢查圖片和標(biāo)簽是否對應(yīng)再檢查模型的輸出維度是否等于類別數(shù)最后再考慮學(xué)習(xí)率問題。驗(yàn)證集準(zhǔn)確率震蕩劇烈如果epoch間的準(zhǔn)確率波動(dòng)超過5%往往是batch size太小、或者訓(xùn)練和驗(yàn)證數(shù)據(jù)分布不一致。檢查數(shù)據(jù)集劃分有沒有缺口或者有無某個(gè)類別的圖片全部混進(jìn)了驗(yàn)證集。4.5 一個(gè)完整的訓(xùn)練配置參考我把一套自己實(shí)測穩(wěn)定的配置寫成代碼片段你可以直接拿去改。這里用PyTorch框架因?yàn)檎n程設(shè)計(jì)的常見基礎(chǔ)就是它。import torch import torch.nn as nn import torch.optim as optim from torchvision import models, transforms # 數(shù)據(jù)預(yù)處理 train_transform transforms.Compose([ transforms.Resize(256), transforms.RandomResizedCrop(224, scale(0.8, 1.0)), transforms.RandomHorizontalFlip(), transforms.RandomRotation(15), transforms.ColorJitter(brightness0.2, contrast0.2, saturation0.2, hue0.05), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) val_transform transforms.Compose([ transforms.Resize(256), transforms.CenterCrop(224), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) # 模型加載預(yù)訓(xùn)練ResNet50微調(diào) model models.resnet50(weightsmodels.ResNet50_Weights.IMAGENET1K_V1) num_features model.fc.in_features model.fc nn.Linear(num_features, 10) # 10個(gè)類別 # 訓(xùn)練參數(shù) optimizer optim.Adam(model.parameters(), lr1e-4) scheduler optim.lr_scheduler.StepLR(optimizer, step_size20, gamma0.1) criterion nn.CrossEntropyLoss() best_val_acc 0.0 patience 8 wait 0 for epoch in range(50): model.train() running_loss 0.0 for images, labels in train_loader: optimizer.zero_grad() outputs model(images) loss criterion(outputs, labels) loss.backward() optimizer.step() running_loss loss.item() model.eval() val_acc 0.0 total 0 with torch.no_grad(): for images, labels in val_loader: outputs model(images) _, predicted torch.max(outputs, 1) val_acc (predicted labels).sum().item() total labels.size(0) val_acc val_acc / total scheduler.step() if val_acc best_val_acc: best_val_acc val_acc torch.save(model.state_dict(), best_model.pth) wait 0 else: wait 1 if wait patience: print(fEarly stopping at epoch {epoch}) break print(fEpoch {epoch}: loss{running_loss:.4f}, val_acc{val_acc:.4f})注意幾個(gè)小點(diǎn)CrossEntropyLoss內(nèi)部已經(jīng)包含了softmax所以模型最后一層直接輸出原始logits就行不要自己額外接softmax再做損失計(jì)算scheduler的step要在每次epoch結(jié)束后調(diào)用模型保存用state_dict而不是整個(gè)對象加載時(shí)要先load這個(gè)state_dict再model.eval()。5. 評估別只看準(zhǔn)確率——混淆矩陣和錯(cuò)誤分析5.1 為什么準(zhǔn)確率會(huì)騙人很多同學(xué)訓(xùn)練完第一反應(yīng)就是打印一行的測試集準(zhǔn)確率然后看個(gè)數(shù)字就收工。但在這個(gè)題目上準(zhǔn)確率真的會(huì)騙人。假如你有10個(gè)類別其中“蛤蜊”圖片占全部數(shù)據(jù)的30%而“鮑魚”只占3%一個(gè)把所有圖都判斷為“蛤蜊”的模型準(zhǔn)確率也能有30%。如果分布在訓(xùn)練和測試階段比例懸殊這個(gè)數(shù)字更沒有參考意義。所以第一步要做的是計(jì)算每個(gè)類別的精準(zhǔn)率、召回率和F1分?jǐn)?shù)。精準(zhǔn)率是“模型認(rèn)為是某類的結(jié)果中有多少是真的這類”召回率是“這類樣本中有多少比例被正確識(shí)別出來”。這兩個(gè)指標(biāo)會(huì)暴露模型的真實(shí)偏好有些類別模型的召回率高但精準(zhǔn)率低說明它傾向于“什么都往里裝”有些類別精準(zhǔn)率高但召回率低說明它謹(jǐn)慎但容易漏檢。5.2 混淆矩陣怎么用混淆矩陣是評估分類模型最直觀的工具它把每個(gè)類別的真實(shí)標(biāo)簽和預(yù)測結(jié)果做成一個(gè)二維方陣。對角線上的數(shù)字越大越好對角線之外的格子則顯示了具體哪些類別之間容易混淆。在殼類識(shí)別里混淆矩陣的價(jià)值尤其大。貝殼類之間的外觀相似性很高尤其是顏色接近、紋理相近的類別。比如花甲和蛤蜊形狀都是橢圓形表面都有類似的放射紋牡蠣和扇貝都有比較明顯的不規(guī)則外殼海螺和螺螄雖然大小差異很大但在某些拍攝角度下輪廓線條非常接近。當(dāng)我第一次畫混淆矩陣時(shí)發(fā)現(xiàn)“花甲”被錯(cuò)判成“蛤蜊”的比例高達(dá)20%這說明模型在兩種類型的紋理細(xì)節(jié)上區(qū)分還不夠。這時(shí)候就有針對性的方案增加這兩種類別在訓(xùn)練集中的比例、對這兩種類別的圖片做更細(xì)的CRP數(shù)據(jù)增強(qiáng)、或者從網(wǎng)絡(luò)底層為它們增加一個(gè)二分類器做輔助判斷。沒有混淆矩陣的指引這些優(yōu)化是無從下手的。用PyTorch畫混淆矩陣并不復(fù)雜核心步驟是在測試集上跑一遍模型把每個(gè)樣本的真實(shí)標(biāo)簽和預(yù)測標(biāo)簽分別存進(jìn)兩個(gè)列表再用sklearn的confusion_matrix函數(shù)生成矩陣最后用matplotlib的imshow或seaborn的heatmap畫出來。你要是不知道從哪里入手我可以給你一個(gè)簡化版的代碼骨架from sklearn.metrics import confusion_matrix import numpy as np import matplotlib.pyplot as plt import seaborn as sns # 假設(shè)你已得到真實(shí)標(biāo)簽列表 y_true 和預(yù)測標(biāo)簽列表 y_pred cm confusion_matrix(y_true, y_pred) plt.figure(figsize(10, 8)) sns.heatmap(cm, annotTrue, fmtd, cmapBlues) plt.xlabel(Predicted) plt.ylabel(True) plt.show()5.3 錯(cuò)誤案例分析的價(jià)值比混淆矩陣更進(jìn)一步的是對錯(cuò)誤樣本做逐例分析。我建議把預(yù)測錯(cuò)誤的圖片單獨(dú)拎出來按照“真實(shí)類別”和“預(yù)測類別”分組保存然后人工看一遍你會(huì)發(fā)現(xiàn)幾個(gè)高頻錯(cuò)誤模式。一種常見的錯(cuò)誤模式是背景干擾。比如“扇貝”的圖片背景里恰好有一塊紋理像“牡蠣”外殼的石頭模型就被帶偏了。這類錯(cuò)誤說明模型確實(shí)學(xué)到了背景特征數(shù)據(jù)增強(qiáng)或者更換訓(xùn)練集可以改善。另一種錯(cuò)誤模式是拍攝角度導(dǎo)致的形態(tài)失真。有些貝殼在不同角度下呈現(xiàn)完全不同的形狀比如從正上方看是圓形從側(cè)面看是長條形。如果訓(xùn)練集會(huì)此類角度分布不均勻模型就會(huì)對某個(gè)角度產(chǎn)生偏好實(shí)際測試時(shí)一旦遇到新角度就容易出錯(cuò)。此時(shí)可以考慮增加多角度拍攝的樣本或者利用自定義網(wǎng)絡(luò)在輸入階段加一個(gè)“多尺度特征”的處理。把這些錯(cuò)誤案例整理成PowerPoint答辯時(shí)放出來再配上一句“我針對這一類錯(cuò)誤做了哪些優(yōu)化”說服力絕對比單純報(bào)一個(gè)準(zhǔn)確率數(shù)字強(qiáng)得多。這也是課程設(shè)計(jì)和畢業(yè)設(shè)計(jì)在評審時(shí)特別看重的東西他不是只看你跑通了代碼而是看你有沒有分析問題、迭代優(yōu)化。5.4 消融實(shí)驗(yàn)與對比基線這個(gè)環(huán)節(jié)屬于“加分項(xiàng)”。如果你時(shí)間充足可以設(shè)計(jì)一組簡單的對比實(shí)驗(yàn)證明你的選擇是合理的。我的建議是三組對比第一組用從零訓(xùn)練的ResNet18第二組用微調(diào)的ResNet18第三組用微調(diào)的ResNet50。三組使用相同的數(shù)據(jù)劃分、相同的訓(xùn)練參數(shù)只看準(zhǔn)確率和F1分?jǐn)?shù)的差異。這三組對比能回答兩個(gè)問題遷移學(xué)習(xí)到底帶來了多少提升更深的模型在這個(gè)數(shù)據(jù)集上有沒有優(yōu)勢我實(shí)測的結(jié)果是從零訓(xùn)練ResNet18的準(zhǔn)確率約76%微調(diào)ResNet18約88%微調(diào)ResNet50約91%。這三個(gè)數(shù)據(jù)放在報(bào)告里根本不需要你自己吹評審老師自己就能看出設(shè)計(jì)脈絡(luò)。6. 常見問題與排查技巧實(shí)錄——給后來者的一份避坑清單6.1 訓(xùn)練集很小準(zhǔn)確率提不上去怎么辦有不少同學(xué)反饋說自己只收集到兩三百張圖片網(wǎng)絡(luò)再怎么調(diào)也突破不了85%。這種情況的共同問題是數(shù)據(jù)集太小靠增網(wǎng)結(jié)構(gòu)已經(jīng)不能解決。我的建議是優(yōu)先放棄高參數(shù)預(yù)算的模型轉(zhuǎn)而用MobileNetV3Small這樣的輕量級網(wǎng)絡(luò)它參數(shù)量少過擬合風(fēng)險(xiǎn)更低在這個(gè)數(shù)據(jù)規(guī)模下反而可能表現(xiàn)更好。同時(shí)數(shù)據(jù)增強(qiáng)的幅值可以稍微放寬松一點(diǎn)比如ColorJitter的亮度從0.2提到0.3Rotation從15度提到20度給模型創(chuàng)造更多“偽樣本”。如果條件允許還有一個(gè)更實(shí)用的方案用數(shù)據(jù)增強(qiáng)庫做在線擴(kuò)充每輪訓(xùn)練的圖片都不同從而間接讓模型看到更豐富的變化。這不是真正增加數(shù)據(jù)集但對提升泛化能力有幫助。6.2 模型在訓(xùn)練集上表現(xiàn)好驗(yàn)證集上卻很差這種癥狀幾乎就是過擬合的典型畫像。回想一下你的設(shè)置epochs是否設(shè)得太大有沒有早停機(jī)制Dropout比例是不是為0數(shù)據(jù)增強(qiáng)有沒有加上去如果三問全中那問題就很明白了。我的排查過程一般按這個(gè)順序來命中率很高第一步加上早停第二步加Dropout(0.5)第三步增強(qiáng)數(shù)據(jù)增強(qiáng)策略做完這三件事絕大多數(shù)過擬合都能緩解。6.3 驗(yàn)證集準(zhǔn)確率正常到測試集上突然掉了這個(gè)現(xiàn)象通常指向數(shù)據(jù)分布不一致。比如驗(yàn)證集和訓(xùn)練集都來自同一個(gè)來源背景和拍攝條件高度相似但測試集是另一個(gè)來源的網(wǎng)絡(luò)圖片背景不同測試準(zhǔn)確率自然掉。解決辦法是在劃分?jǐn)?shù)據(jù)集時(shí)盡量打亂所有來源的圖片再按類別分層隨機(jī)劃分保證三個(gè)集合的圖片來源分布一致。還有一個(gè)容易忽略的點(diǎn)測試圖片輸入模型前一定要做和驗(yàn)證集完全一樣的預(yù)處理流程少了歸一化或縮放不一致效果都會(huì)明顯打折。6.4 顯存不夠用怎么辦顯卡顯存小于4GB的時(shí)候加載ResNet50和一批32張224x224的圖片確實(shí)可能OOM。我的建議是依次嘗試三招一、把batch size降到8或16二、把輸入圖片從224x224降到192x192這在大多數(shù)場景下對準(zhǔn)確率影響很小三、如果還不行就換MobileNetV3或ShuffleNetV2它們的顯存占用遠(yuǎn)低于ResNet。還有一招比較冷門使用梯度累積。即batch_size8的情況下每4個(gè)batch做一次優(yōu)化器更新效果等同于batch_size32。這個(gè)辦法能讓你在小顯存上跑出大batch的效果代碼實(shí)現(xiàn)也不復(fù)雜把optimizer.zero_grad()移到每4步執(zhí)行一次就行。6.5 訓(xùn)練時(shí)間太長怎么辦如果你只有一塊中低端顯卡訓(xùn)練50輪ResNet50可能要兩三個(gè)小時(shí)這個(gè)時(shí)間對課程設(shè)計(jì)來說還能接受但如果你想多跑幾組對比實(shí)驗(yàn)就會(huì)覺得很煎熬。我的建議是先用50張圖片做一輪“冒煙測試”確認(rèn)代碼能跑通、loss能下降再全量訓(xùn)練。這個(gè)測試能幫你省下大量調(diào)試時(shí)間。正式訓(xùn)練時(shí)如果只是想看趨勢可以只跑30輪如果要最終結(jié)果再跑滿早停機(jī)制允許的最多輪數(shù)。6.6 一點(diǎn)額外的實(shí)操心得最后分享幾個(gè)細(xì)節(jié)經(jīng)驗(yàn)雖然看起來不起眼但實(shí)際項(xiàng)目中影響很大。第一在每個(gè)epoch結(jié)束后除了保存模型我還要把訓(xùn)練集和驗(yàn)證集的loss、準(zhǔn)確率寫進(jìn)一個(gè)CSV文件或者記錄在日志里。訓(xùn)練結(jié)束之后用這個(gè)文件畫曲線比從終端里翻打印信息靠譜一百倍。第二模型訓(xùn)練結(jié)束后可以用Grad-CAM熱力圖可視化幾張測試圖片的決策依據(jù)看看模型究竟在關(guān)注貝殼的哪個(gè)部位。這對答辯時(shí)解釋模型行為很有幫助比如展示“模型之所以能把扇貝和海螺區(qū)分開是因?yàn)樗陉P(guān)注殼頂?shù)姆派渚€”。Grad-CAM的實(shí)現(xiàn)并不復(fù)雜網(wǎng)上也有很多現(xiàn)成代碼。第三課程設(shè)計(jì)答辯時(shí)評審老師絕大多數(shù)不會(huì)深究你模型實(shí)現(xiàn)的所有細(xì)節(jié)但他們一定會(huì)問“你做的這個(gè)東西到底有什么實(shí)際應(yīng)用”建議你提前準(zhǔn)備一兩個(gè)應(yīng)用場景比如“可以用于海鮮市場的自動(dòng)結(jié)算臺(tái)通過攝像頭識(shí)別殼體類別幫助結(jié)算”或“可以用于海洋生態(tài)調(diào)查中的殼體樣本自動(dòng)歸類”。有一個(gè)清晰的應(yīng)用落地陳述整個(gè)項(xiàng)目的完成度會(huì)瞬間被拉高。做這個(gè)項(xiàng)目的整個(gè)過程我最深的體會(huì)是千萬不要把“跑通代碼”當(dāng)成目標(biāo)。跑通只是一個(gè)起點(diǎn)真正讓你有收獲的是后面那段“數(shù)據(jù)清洗、調(diào)參、分析錯(cuò)誤、再調(diào)”的循環(huán)。我第一次做這個(gè)題目的時(shí)候最痛苦的不是代碼寫不出來而是面對一個(gè)89%的準(zhǔn)確率不知道下一步該干什么。后來學(xué)會(huì)了看混淆矩陣、看錯(cuò)誤樣本、查損失曲線才真正有了“調(diào)模型是科學(xué)而不是玄學(xué)”的感覺。如果你在做的過程中也卡在某個(gè)準(zhǔn)確率上不去不妨停下來先去把你的驗(yàn)證集錯(cuò)誤圖片一張張看過去答案往往就藏在那些照片里。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
日屌日日操日日色| 婷婷碰碰| 91九色在线| 婷婷丁香六月影视| 大香蕉伊人99| 日本操天堂| 久热这里只有精品6| 香蕉婷婷色五月| 天堂五月婷婷| 激情五月婷婷| 日本一毛片| 中文字幕色色色| 国产在线黄色| 久久丁香九| 日韩日比视频在线| 香蕉中文在线| 欧美图片丁香五月天| 被强行糟蹋的女人A片| 五月婷婷人人人操| www.五月天色色色| 久久狠狠干| 丁香婷婷五月份| 国产婷婷久久| 97人人操人人爽| 婷婷九九视频| 亚洲五月激情| 天天综合情| 美女黄频aⅴ视频| 亚洲色99| 五月天激情美女久久| 婷婷色色网站| 97碰碰在线看视频免费| 色色婷| 九九99免费视频| 久久99综合网| 99热精品10| 久热这里精品免费| 亚洲五月天另类小说图片| 婷婷精品免费久久| 91日本在线观看| 九月婷婷综合| 婷婷激情五月呦呦| 停停五月色宗合| 任你爽精品免费视频6| 思思久日精品视频| 啪啪综合网| 99综合在线| 在线播放中文字幕| 538在线精品| 亚洲图色五月天| 久久精品日| 亚洲avjiujiur91| 激情六月综合| 亚洲偷| 国产ava| 日本99视频| 色婷婷久久综合久色| 六月婷婷狠狠色在线观看| 激情黄色五月天| 婷婷五月成人| 久热 91| 99精品在线下载| 狠狠色噜噜狠狠狠888了| 色婷婷丁香五月色综合网| 色婷婷亚洲精品天天综| 婷婷五月激情丁香| 思思视频这里是精品| 99色网站| wuyuedingxiang99| 五月婷婷激情网| www.色婷婷| 91精品国产色猫| 五月天另类综合网| 青青草五月天| 亚洲激情免费久久| 日日操日日撸| 欧美97p| 91精品婷婷国产综合久久| 九月婷婷综合| 激情黄色五月天| 91无码高清| 99啪啪视频| www色五月天| 五月丁香婷婷成人网| 婷婷激情综合色五月久久91| 婷婷五月天激情文学小说| 五月天综合在线观看| 屁股翘好撅高迎合跪趴| 丁香六月激情国产| 五月天社区| 久久99视频| 日本综合久| 色色色热| 爱婷婷久久视频| 久久精品无码一区| 天天做天天爱天天玩夜夜爽| 野外99热| 99热日本| 激情五月天噢美| 这里有精品| 开心激情色婷婷五月天| www.天天干| 97ai婷婷| 婷婷色婷婷| 婷婷五月天伊人| 激情五月天婷婷直播| 深爱激情五月婷婷| 大香蕉五月丁香| 中文字幕按摩做爰| 丁香桃色网| 免费在线a| 97色欧美| 丁香六月激情蜜桃| 国产精品A片在线| 深爱婷婷丁香五月激情| 99久热这里有精品| 色播婷婷五月天| 亚洲精品一区中文字幕乱码| 噜噜国产| 99色看| 人操人| AV大香蕉| 五月激情在线| 亚洲精品色色| 久久久激情视频| 婷婷五月激情小说| 欧美大香蕉视频| 九九热在线观看视频网站| 能看的AV网站| 久久婷色| 久99| 五月天激情综合首页| 午夜伊人大香蕉| 久99热| 天天天天做夜夜夜夜做| 热久久91| 久久这里这里有精品免费视频| 夜夜骑日日操| 成人五月天在线观看| www. 五月. com| 2025神马午夜福利| 婷婷丁香五月天综合激情| 丁香六月五月婷婷| 久久精品只有这| 99热九九热| 狠狠色丁香五月婷巨| 色色色com| 久色激情| 99热在线看| 九九色综合九九色| 中文字幕成人| 色啪影院| 日日撸夜夜操| 熟女强人妻一区二区三区四区无| 级人人91| 综合色在线| 亚洲操人| 亚洲色婷婷视频| 九九草热在线观看| 激情 婷婷 丁香五月天| 色婷婷婷婷| 丁香五月成人社区| 超碰狠狠色| 五月天伊人久久久久| 大香蕉婷婷| 亭亭五月基地在线| www.99在线| 呦呦v线| 四色女婷婷| 综合色久| 中文AⅤ大全| 亚洲人妻av| 伊人激情| 婷婷五月五月丁香| 七七色色综合| 妻久久久久| 99色看| 色色色国产| 亭亭玉月丁香| 婷婷在线五月综合| 九九视屏| 色婷婷综合五月| 五月丁香另类网| 丁香五月AV| 美女精品一级不卡视频| 亚洲无AV在线中文字幕| www..999热久| 成人在线日韩欧美| 久久看九九90| 五月婷AV| 狠狠色丁香五月婷巨| 99无码视频| 99久久免费精品| 欧美日韩成人一区二区| 福利视频在线播放| 激情综合五月婷婷丁香| 天天干天天干天天干天天干天天干天天 | 欧美色频| 丁香婷婷激情五月| 97丁香五月| 五月天婷婷在线观看| 99热超碰在线| 96精品国产综合久久久久久| 亚洲另类视频| 99色色色色| 中文字幕网站在线观看| 影音先锋美国A| 97色色综合| 久久黄色网扯| 日韩成人精品中文字幕| 欧美一级毛卡片无码| 色五月大香蕉| 狠狠干狠狠干| 五月天激情啪啪| 五月婷色激情五月| 一区二区免费看| 久久开心五月天激情| 久久五月视频| 日本啪啪天堂| 超碰人人超碰| 色9999日韩国产| 噜噜噜噜在线| 色吧网综合| 五月丁香色狠狠干大屄| 大香蕉在线99热| 五月丁香网中文字幕| 天天日天天干天天天| 久综合网| 色婷婷激情| 欧美97色| 久久久er热| 丁香五月婷婷激情97| 五月婷婷我| 婷婷人妻激情| 操人无码| 亚洲婷婷欧美婷婷| 69五月天视频| 婷婷五月激情五月丁香五月| 天天操人人干| 色情成人五月天| 婷婷色五天| 亚洲综合网区| 97综合色片| 国产精品第一国产精品| 99热1| 色五月激情问网站| 久久九九@| 99精品免费| 另类综合婷婷五月天欧美视频| 亚洲综合无码| 五月丁香综合网| 亚洲精品视频在线| 精品人妻一区| 激情综合网激情五月欧美| 久久久五月婷婷| 777精品久无码人妻蜜桃| 无套内射极品大美女| 色情性爱视频网址| 六月婷婷综合激情| 五婷婷综合网| 天天色视频| 激情五月深爱婷婷| 激情六月天婷婷| 99热精品一| 天天做天天干天天综合网| 五月婷婷草| 婷婷综合天堂| 91岛国片| 99热9| 97精品欧美91久久久久久久| 综合网色| www.sd-xiangsu.cpm| 久久婷婷六月| 国产又黄又爽又激情不遮挡视频在线观看| 天天婷婷天天| 色爱终和网| 国产高清精品色| 狠狠色噜噜狠狠狠888了| 色婷激情网| 天天干天天干天天干天天干天天干天天 | av中文网| 超碰中文字幕在线| 五月色色网| 亚洲av成人在线| 婷婷情色五月天| 久久婷婷网| 9久精品| 色噜噜狠狠色综| 99久久精| 九九热这里只有精品31| 欧美日韩成人在线观看| 综合网色| 丁香六月婷婷缴情欧美| 91精品又长又大又粗又爽又猛| 99毛片| 六月丁香深深爱综合网| 亚洲色A| 情趣视频66| 五月婷婷婷丁香播| 精品一二三区久久AAA片| 120分钟婬片免费看| 丁香婷婷六月婷婷六月婷婷六月婷婷| 99日逼视频| 一起草aV| 百度4399有码精品V在线观看| 婷婷九九色| 亚洲欧洲美女在线观| 精品亚洲国产成AV人片传媒| 色婷丁香91| 超碰在线观看三级片| 被强行糟蹋的女人A片| a久久| 色婷婷狠狠| 色婷婷综合久久久久| 超碰九九热| 婷婷九九| 国产精品大香蕉| 国产99久久久国产精品免费看| 色婷婷成人| 午夜不卡久久精品无码免费| 伊人九热| 丁香狠狠色婷婷| 亚韩在线视频| 综合激情网五月激情 | 五月丁香激情综合啪啪| 狠狠色婷婷| 婷婷丁香六月天| 丁香五月成人| 国内久久婷婷| 99自拍视频网站| 亚洲天99| 五月婷色丁香| 97色色网| 色婷五月天| 婷婷综合丁香| av激情在线| 99精品热| 中文网av| 色色五月天激情| 伊人婷婷五月天| AⅤ网站在线看| 婷婷五月综合免费在线| 婷婷五月激情综合| aaa日韩| 99久在线精品99re8| 热久国产| 成人.在线日韩| 日本A片一区| 123草逼网| 十月丁香婷婷| 久久久久这里只有精品| 九九久久精品| 欧美性爱日韩性爱| 久久这里都是精品视频| 99九九在线精品热动漫| 激情玖玖sh| 狠狠爱婷婷丁香| 五月色亭丁香| 综合婷婷五月天| 婷婷综合激情| 婷婷激情五月天激情小说| 五月婷啪| 夜丁香五月婷婷| 国产成人网址| 99内射视频| 高潮毛片遮挡费高一百度| 五月天婷婷五月| 美女激情综合| 永久天堂日本| 亚洲舔观看| 五月天婷婷在线观看| 婷婷婷婷色| wwww.9免费视频| 婷婷五月深情丁香深爱日韩| 婷婷五月色天| 蜜臀综合久草| caopeng超碰| 激情五月天开心| 日本熟妇乱妇熟色A片蜜桃| 婷婷爱五月| 色综合开心五月深爱五月| 久久 婷婷 五月天| 操婷婷基地| 色色色综合视频| 天天操中文字幕| 丁香花大香蕉婷婷综合| 日本美女天天日天天爽| 91超碰人人操| 999精品乱码77777| 色综合色色| 色欲一区二区三区精品A片 | 五月婷婷激情综合| 91精品又长又大又粗又爽又猛| 五月激情另类| 伊人激情| 热九九在线| 99九九在线视频| 免费碰碰视频久| 久久杏爱视频| 夜夜撸日日操| 涩五月婷婷| 色久丁香五| 欧美搡BBBBB摔BBBBB| 色婷婷av在线| 大香蕉啪啪| 天天做天天爱天天要| 少妇性BBB搡BBB爽爽爽电影| 亚洲激情网站无码| 九九这里只有精品| 天天操天天日天天爱| 久久狠狠干| 免费在线a| 狠狠久综合| 国产美女无遮挡裸体毛片A片| 久久久99久久| 大香蕉人妻| 99热综合色图| 國語久久婷| 情一色一乱一伦一91A| 99热这里只有精品在线播放| 中文字幕综合色| 五月停停丁香| 免费一区二区三区| 99热在这里只有精品| 91久久久久| 99热只有精品在线观看| 激情玖玖综合网| 天天狠狠色综合| 蜜乳av一级av| 热99AV网站| 91操女| 有哪些A片网站| 久777| 五月婷婷亞洲中文| 九九综合五月欧美| 丁香五月先锋| 日韩一级片| 狠狠色色| 五月丁综合在线观看| 欧美三级巜人妻互换| 秋霞网在线观看理论91| 色婷婷精| 26uuu精品一区二区| 五月天天综合| 婷婷基地爱| 超碰在线观看99| 成人看片网站| 色欲丁香久久| 亚洲国产网站| 久久人人看| 婷婷欧美色| 日本少妇裸体做爰高潮片| 婷婷丁香无码专区| 99热这里只有精品99| www.五月天色色.com| 大香蕉啪啪啪| 婷婷五月天a| 日韩欧美性爱| 色噜噜婷婷| VA国产在线综合网站| 亚洲愉拍99热成人精品| 五月天婷久精视频| 午夜成人天堂久久无码日韩久久| 国产毛多水多女人A片| 狠狠干伊人| 久热婷婷在线视频| 五月丁香综合激情| 79精品视频在线观看,| 色爱爱综合网| 97综合在线| 亚洲婷婷月丁香五月| 中文字幕在线视频播放| 深爱激情丁香| 人人干人人干骚美女| 欧美性生交xXxX久久久| 婷婷天天日婷婷| 亚洲精品亚洲人成人网| 亚洲欧洲中文日韩久久AV乱码| 五月丁香六月激情啪| 碰97久久| 高清资源站日A美A欧亚…| 婷婷丁香五月天激情| 99热人人| 亚洲啪啪自拍| 婷婷五月花| 婷婷五月精品中文字幕| 久久99网站| 亚洲av电影网站| 色五月综合激情| 99精品在线下载| www.maotanji.com| 五月天啪啪网| 日韩成人电影AV| 韩国激情五月天综合网| 五月色丁香国产在线视频| 婷婷综合网性| 182无码| 国产亚洲在线观看| 婷婷狠狠操| 99re久热只有精品6在线直播| 成人色色综合| 欧美综合婷婷欧美综| 极品 少妇 内射| 丁香婷婷综合激情五月色| 六月丁香久久| 久久伊人婷婷| 成人国产欧美大片一区| 丁香综合久久| 黄色AAAAA| 99精品视频免费在线播放| 99久久偷拍视频| 欧美大肥婆大肥BBBBB| 久久婷婷丁香| 99re热视频这里只精品| 美女主播野战视步页| 激情五月天色网站| 亚洲欧美综合7777色亭亭| 亚洲精品午夜国产va久久成人| 婷婷综合精品视频97| 日韩一66精品| 五月丁香啪啪啪免费看| 日本人妻A片成人免费看片| 激情婷婷丁香色五月| 国产精品久久久爽爽爽麻豆色哟哟| 久久性视频| 99色色网| 五月丁香六月激情综合| 99热九九在线| 激情综合网色播五月| www.夜夜操| 永久热91| 色情综合| 超碰9在| 六月丁香婷婷综合色播| 夜夜撸夜夜骑| 日韩一本操| 五月丁香啪啪综合| 99热在线成人网站| 国产毛片精品一区二区色欲黄A片| 在线免费观看激情视频| 91热er| 欧美色性色好| 96丁香婷婷九月蜜桃综合久久| 超碰日日操| 青草激情在线| 国产露脸150部国语对白| 免费AV在线| www.婷婷,com| 五月天综合网| 五月天婷婷色| 999婷婷综合| AV在线免费观看不卡| www,8050,午夜三级| 五月激情六月综合| 久色| 丁香婷婷色五月| 综合婷婷都市激情| 7777久久亚洲中文字幕| 色五月天激情| 9国产在线视频| 亚州精品色情无码A片| 99热都是精品| 天啪色| 精品,99| 男同91| 九月婷婷综合八月丁香在线观看 | 五月丁香六月在线| 久久月天堂| 色亚洲色宗合| 天天色情站| 精品在线网站| 五月玖玖| 超碰大香蕉网| 99综合免费视频| 久久99综合网| 98永久精品| 天天爱天天做天天操| 大香蕉视频99| 久久五月综合| 丁香天堂夜| 99热这里只有精品22| 五月停视频天堂| 最新五月天婷婷影| 九八Av| 五月丁香网站在线播放| 欧美日韩精品人妻狠狠躁免费视频| 丁香六月婷婷综情欧美| 丁香激情五月天| 色五月xxx| 婷婷五月综合激情| 开心综合激情综合| 欧美碰碰| 狠狠草狠狠草| 超级碰碰91| 91精品久久久久久77777| 日本人妻伦在线中文字幕| av婷婷丁香| 亚洲欧洲国产精品| 亚洲精品性色| 久久HD| 色综合久久之分久久| 99精品高潮| 26uuu淫色| 99这里只有| 可以免费观看的AV| 激情淫乱男女| 亚洲婷婷开心五月| 婷婷五月六月丁香| 丰满少妇乱A片无码| 婷婷激情四射五月天| 精品久久二6| 美国色五月天婷婷资源站| 五月天社区| 五月丁香 狠狠爱| 色区久久| 老师高潮流白浆喷水的A片| 丁香六月视频| 色婷另类| 夜夜躁狠狠 | 婷婷综合网| 欧美成人精品A片免费一区99| 五月婷色啪| 亚洲免费观看高清完整版AV线| 丁香五月婷婷色| 色婷婷五月天激情综合| 超碰资源在线| 亚洲V国产V欧美V久久久久久| 五月丁查人人| 婷婷六月丁香激情| 久热精彩视频98| 亚洲综合婷婷| 狠狠色综合久久| 色五月天激情| 日本偷拍九九九| 久久婷婷六月综合| 久久婷婷综合五月趴| 丁香色综合| 九九亚洲天堂| 91狠狠综合久久久久久| 婷婷色丁香六月| 九九精品网站| www.久久9| 国产午夜精品AV一区二区麻豆| 五月开心激情网| 久草视频一,二三四| yazhoujiqingav| 99热在线精品观看| 婷婷六月情| 九九视频这里是精品五月| 欧美WW在线网| 婷婷五月五月丁香| 狠狠综合网| 亚洲无线视频| 天天日夜夜拍| 1995年关宝慧版蜘蛛女| 久久五月天激情婷婷| 久婷婷五月综合欧美| Blackedraw视频一区二区| www.五月丁香| 可以免费看的AV网站| www.狠狠操.com| 黄色AV日韩| 激情综合色婷婷六月天| 亚洲婷婷丁香五月天激情小说| 国产97色在线| 久久免费丁香| 涩 五月 婷婷 狠狠| 91人在线观看| 乱精品一区字幕二区| 九九RE视频在线精品| 色停停香蕉视频| 欧美va亚洲va在线播放| 开心五月婷婷六月丁香| 5月婷婷综合| 99视频自拍| 色欲天天综合| 影音先锋噜一噜| 婷婷成人AV| 免费超碰在线| 久热久re| www.99精品视频| 超碰99成人在线| 日本三级第一页| 丁香五月激情啪啪综合| 99er在线观看| 成人国产网| 噜噜色噜噜网| 国产精品日日躁夜夜躁| 日韩欧洲亚洲| 另类色视频| 99热在线观看| 亚州操人在线视频| 香蕉久久六月| 婷婷之玖玖| 狠狠色噜噜狠| 99原创自拍视频在线观看| 欧美性猛交XXXX乱大交极品| 日韩AV免费电影在线播放| 亚洲字幕AV一区二区三区四区 | 九热视频| www.色婷婷| 日本视频99| 婷婷丁香久久| 国产精品99久久久久久久女警| 99热这里有精品| 五月婷视频| 人人干人人操外国| 亚洲熟女色| 婷婷八月激情| 日夜夜天天| 26UUU欧美| 天天操夜夜操| 天天综合色| 精品亚洲国产成AV人片传媒| 超碰免费观看| 日韩黄色电影| 天天精品视频免费观看| 亚洲精品国产A久久久久久| 婷婷色资源| wWW九九在线播放| 九玖视频这里只有精品| 天天檫天天爽| 色玖玖爱| 色色网站毛片| 97久人人| 五月天影院婷婷在线观看| 亚洲操b| 国产99久久久| 五月婷婷久久大片| 色婷天天| 五月天电影网| 99re热在线视频| 97超碰,人人舔,人人操,人人摸 | 欧美日韩123| 激情六月天| 国产超碰av| 色婷婷黄色网络| 丁香婷婷视频一区二区| 丁香五月中文字幕| 丁香婷婷激情网站| 综合激情在线| 色99欧洲色19| 性综合网| 五月丁香在线观看99| 丁香五月瑟瑟| 婷婷射综合| 新激情五月天| 草操AV在线| 五月天婷婷綜合院| 性爱技巧五月| 九九热在视频| 男女99免费视频| 91碰操| 婷婷五月 丁香六月| 亚洲综合另类| 色情婷婷久久五月天| 五月丁香六月婷婷啪啪综合| 亚亚州久久高潮| 日日夜夜天天| 五月丁香香蕉| 色私五月婷婷| 天天透天天干| 丁香五月六月婷婷综合激情| 久久99久久99久久99人受| 9色免费网| 五月天开心网| 久久xxxx| 欧美精产国品一二三区| 一本到不卡高清DVD| 99色6爱9热| 97视频91| 九热久| 色婷婷视频在线| 俺来也狠狠| 激情五月综合六月丁香婷婷狠狠干| 五月丁香啪啪综合| 久久精品综合色| 老司机伊人| AV片在线观看| 午夜国产精品AV在线播放| 俺也去色| 久久黄色免费视频| 99九九久久| 91狠狠综合久久久久久| www久久99| 伊人色综合影院视频| 亚洲激情综合| 欧美色偷拍| 看久久性爱99视频| 呦呦v线| 极品 少妇 内射| 欧美亚洲999| 天天爽在线视频| 色九月婷婷综合| 伊人九九热| 激情五月综合久久| 97日在线视频| 成人短视频在线| 五月婷婷激情刺激| 丁香 婷婷五月| 婷婷六月五月天综合| 亚洲色基地| 91操片| 这里只有精品视频222| 色五月色五天色情网| 99色五月| 丁香六月婷婷久久综合| 思思视频久久| 久久精品A片777777| 日日噜狠狠色综合久久| 日本英国美国欧美亚洲国产精亚洲日韩精品在线观看 | 夜夜撸天天日| 丁香五月婷婷色| 亚州操人在线视频| 91丨九色丨丰满人妖| 婷婷涩涩五月天| 久久久五月天| 亚洲激情 久久| 色婷婷丁香五月天在线视频| 亚洲国产精品成人va在线观看| 五月婷六月丁香| 五月婷婷免费在线观看视频| 国产色网站| 91色噜噜狠狠狠狠色综合| 色五月六月| 高清无码网址| 超碰妻人人| 沈娜娜av| 婷婷激情六月综合| 99色精品视频| 玖玖资源天天无码| 久草狼人| 激情第四色| 无码字幕中文| 久久国产AV| 亚洲AV日韩无码| 26uuu精品国产| 婷婷欧美偷拍综合| 精品九九久久| 丁香五月婷婷色情综合| 精品皮股午夜AV| 五月婷婷视频| 99色综合| 97成人视频| 91无码视频| 五月的婷婷六月丁香| 久色网| 丁香五月大片| 99热这里只有精品在线播放| 婷婷六月色开 | 狠狠色官网| 色婷婷色五月综合| 久久婷综合| 日本综合99| 91精品婷婷国产综合久久| 丁香五月天无码| 大香蕉久久久| 国内精品免费一区二区2009| 九九综合| 99热网站| 久久精品国产一区二区三区四区 | 这里只有精品视频在线| 免费操超碰| 天天在线久久综合| 久久五月网| 色www99| 97色色色色色色色| 伊人色综合网| 五月丁香婷婷成人网| 丁香五月欧美激情| 久久一热| 大地9中文在线观看免费高清| 精品人妻在线| 欧美爆乳一区二区三区| 一级黄色影片| 中文字幕av久久爽一区| 俺去也五月| 亚洲黄色网址| 99久久国产宗和精品1上映| 涩综合网| av最新在线| 天天五月情| 日韩一区二区A片免费观看| 婷婷色综合| 九热免费视频| 欧美在线视频9| 一区二区三区四区无码| 日本久久网| 看婷婷五月天网| 久久狠狠干| 伊人五月综合网| 婷婷成人五月天成人文学小说| 情欲禁地| 欧韩性爱| 日韩成人AV在线播放| 久久这里只| 色婷婷激情Av久久久| 开心五月丁香综合久久| 色色亚洲| 啪啪色激情五月天| 久热无码| 久久久18| 激情五月综合| 五月丁香色色网| 五月久久婷婷| 激情丁香九九五月综合网| 九九热在线精品视频| 人妻在线网站| 亚洲色99| 丁香五月WWW| 五月丁香六月婷婷无码| 久久网址99热| 99热精品中文字幕| 婷婷五月a| 久久婷婷综合五月天| 亚洲成人av在线观看| 亚洲另类噜噜| 久久人视频| 久久美女五月天| 婷婷丁香综合| 在线观看av网站| 久久婷婷内射| 伊人干综合| 色五月综合网| 丁香五月激情网| 激情的五月婷婷蜜桃| 欧美人与性动交CCOO| 色综合色欲综合天天免费 | 丁香五月天色婷婷| 在线不卡中文字幕| 97碰碰在线看视频免费| 九月激情网| 久久草大香蕉| 五月丁香六月婷婷综合网| 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 | 超碰国产av| 91性高潮久久久久久久久| 免费九九热| 成人无码髙潮喷水A片| 日日操日日干| 亚洲a片免费观看| 射久久丁香五月| 欧美熟女99| 色五月综合网| 天天xxxxxx天天日| 激情AV中文| 伦乱天堂| 日本天天综合| 五月丁香久久激情综合| 欧美成人日韩| 精品99这里有| 五月天丁香婷婷久久九| 开心激情综合| 丁香色婷婷五月天| 婷婷五月欧美综合| 九九伦子片| 日韩成人AV在线播放| 激情婷婷五月亚洲| 97色 五月天丁香| 日日干日日| 26uuu欧美日韩| 怎么样可以看免费的一级av| 五月丁香婷婷基地| 丁香五月亚洲激情婷婷射| 国产露脸150部国语对白| 色五月婷婷五月天激情综合| 99久热在线精品| 国产精品18久久久| 激情五月丁香亭亭| 日韩色色小视频| 色色999三级片| PORNY九色9l自拍视频成人| 亚州欧美国产久精国产99综合视频| 久777| 日本系列_4页_777FP| 色五月丁香一区在线| 综合www色| 噜噜噜狠狠色综合| 色综合天天综合成人网| 久久丁香婷婷五月天| 99久久久精品| 天天色视频| 五月激情久久综合网| 欧美99热| 婷婷丁香久久网| 婷婷丁香色五月| 婷婷综合色五月天| 思思色播| se色综合网| 色一情一乱一伦一区二区三区| 婷婷五月天天天| 五月香蕉婷婷| 激情五月天啪啪| 婷婷六月激情综合| 欧美操人| 婷婷五月天电影网| 千人斩操逼| www.色9| 99久久97| www超碰| 天天做天天爱天天爽| 免费试看小视频 99| 色婷婷AAA| 精品导航在线x不卡| 丰满老熟妇BBBBB搡BBB| 91美女被操| 思思热精品在线| www.五月婷婷久久.com| 91狠狠综合久久| 色五月大香蕉婷婷| 日本WwW色偷偷丁香花久久久京东热| 99操碰| 丁香五月伊人| 日日夜夜爽爽| 日韩一66精品| 丁香婷婷六月天| 亚洲成人综合网在线免费观看| 99性爱| 激情五月天丁香| 色情五月综合婷婷| 色五月激情基地| 色五月激情问网站| 伊人久久艹| 婷婷久久影院| 亚洲a片免费观看| 成人超碰网| 久久久婷| 九九视频这里只有精品| 91色吧网| 99久在线精品99re5热视频| 日曰躁夜夜躁2026| 国产精产国品一二三在观看| 色婷婷狠狠| 五月久久婷婷丁香| 九九无码| 婷婷五月免费视频| 五月丁香淫淫婷婷婷| 五月婷六月天| 九九热99精品在线| 婷婷五月天成人动漫 | 五月婷婷丁香五月| 亚洲天堂色| 六月色丁香婷婷| 黄色片久久| 精品亚洲国产成AV人片传媒| 色一情一乱一乱一区91Av| 91精品综合久久久久久五月丁香| 26UUU欧美激情一区二区| 久操97| 99热资源在线| 丁香五月婷婷综合精品素人| 天天爽天天| 婷婷五月影院| 色婷久| 亚洲综合五月天婷婷丁香| 深爱综合网| www.夜夜操| 婷婷大乡焦噜噜| 色九亚洲| 婷婷五月色情天| 99综合| 精品色色| 涩五月婷婷| 202丰满熟女妇大| 色狠狠色噜噜AV天堂五区| 欧美丰满熟妇BBB久久久| 人妻熟女一区二区AV| 婷婷色色亚洲| 婷婷干| 欧美日韩日韩成人| 丁香五月婷婷欧美激情-中文天堂最新版在线观看 | 天天日天天插天天操| 天天天操天天天爰| 综合性视频99| 丁香五月a| 天天做天天爱天天爽| 欧美色宗和激情| 这里只有精品视频99| 4399成人黄A片| 婷婷99狠狠躁天天久久久九九九| 超碰操日| 五月丁香九九| 婷婷五月天色色| 凹凸探花电影| 99日韩网站| 激情六月丁| 深夜男女福利刺激影院一区| 91啪啪视频| 婷婷综合丁香| avv在线| www激情| 五月天婷婷六月| 五月婷婷欧美激情| 日熟女| 亚洲精品99| 99热人人艹| 91凹凸在线| 伦乱美欧| 九九热免费| 国产精品久久..4399| 2018国产大陆天天弄| 亚洲操女| 爆乳熟妇一区二区三区爆乳照片| 天天看片日日夜夜| 婷婷五月天激情综合深爱激情| 五月丁香激情综合啪啪| 国产成人网站在线观看| WWW、99热| 色狠狠综合网| 五月激情偷拍婷婷| 成人va在线播放| 色五月婷婷基地| 99视频啪啪| 久久大香蕉| av中文网站| 深爱婷婷网| 久久日本wwww色| www.日本久久videos| 五月丁香久久丝袜啪啪| 开心五月综合激情网| 91肏肏肏| 九九碰九九爱97超| 俺去也在线www色官网| 啪啪激情综合| 精品一区久热| 99精品久久| 五月天天天色| 日日夜夜天天| 伊人玖玖综合| www.狠狠狠狠| 99超级碰碰| 无码 av电影| 丁香五月香蕉| 丁香五月天网友自拍啪啪啪视频| 老司机伊人| 1囯产午夜仑鲁鲁| 免费日韩99| 99狠狠色| 97超级碰碰碰久久久| 日韩一区二区在线播放| 激情深爱五月天| 婷婷色色亚洲| 99色色爰| 久久hd| 97操碰98| 草操网| 99在线热| 狠狠久久婷| 欧美性丁香色色五月天| 色综合久| 色五月婷婷91| 亚洲激情精品| 中字幕视频在线永久在线观看免费| 婷婷人人操| 成人五月丁香花| 18av天堂| 激情六月丁香| 亚洲人成网站999久久久综合| 色亭亭五月天网扯| 伊人五月天在线| 婷婷丁香成人五月天| 九九爱激情| 久久精品国产AV一区二区三区 | 侠女刀之记忆电影在线看免费| www.黄色片-久久成人国产精品在线播放-999AV| www.seqingwuyuetian| 五月婷婷五月丁香综合| WWW.99热| 九九精彩久久| 久久538| 97在线天堂| A色色| 666555。COm毛片| 丁香五月天色| 久久久这里有精品| 婷婷无码视频| 欧美大香蕉视频| www综合久久| 五月婷婷综合精品| 久月久在线视频| 天天撸夜夜爽| 成人国产欧美大片一区| 狠狠色狠狠干| 六月综合婷婷开心伊人| 五月丁香福利| 91se在线视频| 91婷婷搞| 久久婷狠狠色| 色私五月婷婷| 999精品乱码77777| 超碰在线观看9| 4399人妻无码久久久| 色婷婷国产精品综合在线观看| 丁香婷婷成人网站| 国产在线视频1234| 99九九视频| 丁香视频| 97欧美在线| 91精品婷婷国产综合| 99色视频| 久久艹99| 欧美色色色色色| 网色99| 激情婷婷五月| 婷婷欧美激情综合| 九九热在线精品视频| 人妻五月天激情开心网| 黄桃AV无码免费一区二区三区| 啪啪干伊人婷婷| 丁香狠狠干| 99久久大片| 亚洲精品网址| 91色逼| 无码色色色色色| 99热精品免费| 视频这里只有精品16| 精品99*| 看久久性爱99视频| 丁香五月婷婷亚洲色图| 久久综合干| 欧美激情五月综合| 97色婷婷| http://www.sd-xiangsu.com/| yazhochengrenavwang| 夜夜资源站| 人人干人人干骚美女| 影音先锋美国A| 亚洲亚洲永久无码777777| 9 1在线视频| 色丁香久久| 成人必爱视| 97人碰人操| 天天色粽合合合合合合合| 久久婷婷伊人| 熟妇人妻中文字幕无码老熟妇| av九九| 91九色小视频| 这里只有精品在线观看视频| 五月婷婷丁香伦理网| 一本婷婷丁香久久 | 婷婷五月激情综合网| 婷婷五月天小说| 玖玖婷婷五月天| 免费观看全黄做爰的视频 | 亚洲天堂制| 色色色婷婷五月天| 久久婷出差欧美色两性综合网| 婷色综合| 99在线热| 色五月五月丁香| 五月天伊人久久久久| 日韩啊啊啊| 可以免费看AV网站| 97人凄人人操人人爽| 狠狠狠人妻| 97超级碰碰碰久久久| 伊人久久大香网| caopeng97日韩| 欧洲精品爱爱| 极品人妻VIDEOSSS人妻| 激情综合五月婷婷六月丁香 | 日韩高清成人| 婷婷五月丁香五月天| 伊人久久大香蕉网| 五月婷婷视频| 99热都是精品|