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PyTorch的混凝土裂縫識(shí)別:CNN二分類實(shí)戰(zhàn)指南

基于PyTorch的混凝土裂縫識(shí)別:CNN二分類實(shí)戰(zhàn)指南 最近不少做計(jì)算機(jī)畢設(shè)的同學(xué)來問我同一個(gè)問題深度學(xué)習(xí)方向的課題選什么既能讓數(shù)字說話、又不用在答辯臺(tái)上被問穿底我給出的回答里總有一個(gè)用Python的PyTorch框架訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)做混凝土是否含有裂縫的識(shí)別。這個(gè)課題有意思的地方在于它不屬于純算法玩具題而是有真實(shí)工程背景的視覺分類任務(wù)——輸入一張混凝土表面圖像模型判斷是否存在裂縫。對(duì)畢設(shè)來說難度適中、公開數(shù)據(jù)可獲取、技術(shù)鏈路完整還能夠在模型改進(jìn)和可視化上做出不少讓評(píng)委眼前一亮的點(diǎn)。這篇文章我就把這個(gè)項(xiàng)目從數(shù)據(jù)準(zhǔn)備、模型搭建、訓(xùn)練調(diào)參到答辯展示的完整鏈條講透。我會(huì)把每個(gè)環(huán)節(jié)的為什么這樣做也一并說清楚而不是只丟給你一段能跑通的代碼。畢竟畢設(shè)答辯時(shí)評(píng)委最常問的不是你的準(zhǔn)確率是多少而是你為什么這么設(shè)計(jì)、這個(gè)指標(biāo)說明了什么、你有沒有踩過坑。文章里的內(nèi)容基于我實(shí)際復(fù)現(xiàn)和帶實(shí)驗(yàn)時(shí)的經(jīng)驗(yàn)?zāi)阍谧约簞?dòng)手時(shí)可以參考但也要結(jié)合自己的數(shù)據(jù)集和實(shí)驗(yàn)環(huán)境調(diào)整。1. 破題與選題背景為什么裂縫識(shí)別是畢設(shè)的好賽道1.1 混凝土裂縫檢測(cè)的工程剛需混凝土結(jié)構(gòu)在橋梁、隧道、大壩、建筑外墻里無處不在而裂縫是結(jié)構(gòu)健康狀態(tài)最直觀的表征之一。傳統(tǒng)檢測(cè)高度依賴人工目檢效率低、主觀性強(qiáng)一些高空或高危環(huán)境人根本過不去。把看圖判斷裂縫這件事交給深度學(xué)習(xí)模型來自動(dòng)化正是工業(yè)界實(shí)實(shí)在在的痛點(diǎn)。這個(gè)工程背景對(duì)畢設(shè)非常重要因?yàn)樗馕吨愕捻?xiàng)目不是自娛自樂而是有落地價(jià)值的。答辯時(shí)你只需要一句話交代痛點(diǎn)——傳統(tǒng)人工巡檢效率低且主觀我想用卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)混凝土裂縫的自動(dòng)識(shí)別——比泛泛說我訓(xùn)練了一個(gè)分類器有說服力得多。1.2 深度學(xué)習(xí)做裂縫識(shí)別的底層邏輯為什么要用卷積神經(jīng)網(wǎng)絡(luò)而不是傳統(tǒng)圖像處理這是很多評(píng)委必問的問題。你要能講清楚傳統(tǒng)方法依賴Canny邊緣檢測(cè)、Sobel算子這類手動(dòng)設(shè)計(jì)的特征提取器再配合閾值、形態(tài)學(xué)操作做判斷。這類方法的致命弱點(diǎn)是閾值敏感、對(duì)光照變化和復(fù)雜背景極度脆弱換個(gè)現(xiàn)場(chǎng)就失效了。卷積神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式完全不同。它從大量標(biāo)注數(shù)據(jù)中自動(dòng)學(xué)習(xí)特征淺層卷積核學(xué)到邊緣、紋理深層卷積核學(xué)到裂縫特有的細(xì)長形態(tài)和局部模式。整個(gè)過程是數(shù)據(jù)驅(qū)動(dòng)的不需要人工設(shè)計(jì)特征。用一句話概括就是傳統(tǒng)方法在告訴機(jī)器裂縫長什么樣深度學(xué)習(xí)讓機(jī)器自己看明白裂縫長什么樣。這個(gè)區(qū)別是理解整個(gè)項(xiàng)目的鑰匙。1.3 任務(wù)定位二分類而非檢測(cè)或分割很多初學(xué)者會(huì)把裂縫識(shí)別的任務(wù)目標(biāo)搞混。這里要明確一點(diǎn)本項(xiàng)目做的是圖像二分類輸入一張圖片輸出含裂縫或不含裂縫的概率。它不做裂縫位置的框定也不做每個(gè)像素的語義分割。這個(gè)定位非常重要。二分類是計(jì)算機(jī)視覺里最基礎(chǔ)的任務(wù)技術(shù)鏈路短、評(píng)價(jià)標(biāo)準(zhǔn)清晰非常適合作為畢設(shè)的工作量主體。而且它不是一個(gè)死胡同——你可以在這個(gè)基礎(chǔ)上橫向擴(kuò)展。比如把分類結(jié)果進(jìn)一步做成裂縫寬度估算、裂縫區(qū)域標(biāo)注那就是從分類走向回歸或分割工作量可以自然疊加。2. 數(shù)據(jù)籌備與預(yù)處理決定模型上限的環(huán)節(jié)2.1 數(shù)據(jù)從哪來、要多少、怎么篩選混凝土裂縫識(shí)別的公開數(shù)據(jù)集在網(wǎng)絡(luò)上是可以找到的。這類數(shù)據(jù)集的常見形式是從混凝土表面拍攝的各類圖像已經(jīng)裁剪成大小一致的ROI區(qū)域并按有裂縫/無裂縫分好了文件夾。數(shù)據(jù)規(guī)模一般從幾千到幾萬張不等。有兩點(diǎn)我要特別提醒。第一公開數(shù)據(jù)集的干凈程度參差不齊下載后必須人工抽檢把明顯標(biāo)錯(cuò)的樣本清理掉第二即便數(shù)據(jù)集自帶標(biāo)注你也要注意類別分布。理想狀態(tài)下正負(fù)樣本接近一比一如果某個(gè)類特別多后面訓(xùn)練時(shí)容易出現(xiàn)偷懶行為——模型把所有樣本都判成多數(shù)類也能拿到很高準(zhǔn)確率。我建議的數(shù)據(jù)使用量是每類五千到一萬張起步。如果數(shù)據(jù)量明顯不夠就要靠下一節(jié)的增強(qiáng)策略來補(bǔ)。不過對(duì)于二分類這種相對(duì)簡單的任務(wù)配合預(yù)訓(xùn)練模型幾千張每類一般已經(jīng)能訓(xùn)練出可用的效果。2.2 圖像尺寸與輸入策略公開數(shù)據(jù)集里的圖像尺寸通常比較統(tǒng)一但不同數(shù)據(jù)源之間可能有差異。PyTorch里的數(shù)據(jù)加載流程中一般會(huì)通過transforms.Resize統(tǒng)一縮放到某個(gè)固定尺寸。尺寸選擇上常見的是224乘以224或256乘以256。為什么偏偏是這些數(shù)字因?yàn)镮mageNet預(yù)訓(xùn)練模型默認(rèn)輸入就是224/256你選擇這個(gè)尺寸才可以直接加載預(yù)訓(xùn)練權(quán)重做遷移學(xué)習(xí)。如果完全不使用預(yù)訓(xùn)練模型、從頭手寫小網(wǎng)絡(luò)選更小尺寸也問題不大。但需要注意CNN里卷積和池化會(huì)不斷降低特征圖分辨率輸入太小會(huì)導(dǎo)致深層特征過于粗糙輸入太大又浪費(fèi)顯存和算力。2.3 數(shù)據(jù)集劃分小心看不見的數(shù)據(jù)泄漏訓(xùn)練集、驗(yàn)證集、測(cè)試集的劃分建議采用6:2:2或7:2:1。這個(gè)比例本身沒有絕對(duì)標(biāo)準(zhǔn)但有一個(gè)常見陷阱如果你對(duì)整張大圖做了滑窗裁剪裁剪出的patch之間有大量重疊隨機(jī)打散劃分時(shí)同一張?jiān)紙D的patch可能同時(shí)出現(xiàn)在訓(xùn)練集和測(cè)試集里。這會(huì)導(dǎo)致一種假象驗(yàn)證集、測(cè)試集準(zhǔn)確率都非常高但模型真正面對(duì)獨(dú)立場(chǎng)景時(shí)表現(xiàn)平庸。因?yàn)闇y(cè)試集中包含了與訓(xùn)練樣本高度相似的patch信息泄露了特征。正確的做法是按照原始圖像的來源分組保證一個(gè)原始來源的patch只出現(xiàn)在一個(gè)集合里。這種細(xì)節(jié)答辯時(shí)主動(dòng)講出來反而是加分項(xiàng)。2.4 數(shù)據(jù)增強(qiáng)有邊界地?zé)o中生有數(shù)據(jù)增強(qiáng)是深度學(xué)習(xí)項(xiàng)目里性價(jià)比最高的環(huán)節(jié)之一?;A(chǔ)操作包括隨機(jī)水平/垂直翻轉(zhuǎn)、隨機(jī)旋轉(zhuǎn)、隨機(jī)亮度對(duì)比度擾動(dòng)、隨機(jī)裁剪、添加少量噪聲。但裂縫識(shí)別有個(gè)特殊性裂縫是細(xì)長結(jié)構(gòu)語義對(duì)空間形態(tài)非常敏感。極端的拉伸、極端的寬高比例變化可能讓裂縫變得完全不像是裂縫反而給模型引入錯(cuò)誤的先驗(yàn)。我的實(shí)踐經(jīng)驗(yàn)是旋轉(zhuǎn)角度控制在15度以內(nèi)、亮度擾動(dòng)幅度在0.8到1.2之間比較穩(wěn)妥重度增強(qiáng)反而可能讓訓(xùn)練loss抖動(dòng)劇烈。提示數(shù)據(jù)增強(qiáng)的本質(zhì)是引入先驗(yàn)知識(shí)。你要讓模型對(duì)真實(shí)世界中可能出現(xiàn)的拍攝變化不敏感但不要讓它學(xué)習(xí)到現(xiàn)實(shí)中不存在的畸形形態(tài)。3. 模型選型與網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)從零搭建還是用預(yù)訓(xùn)練3.1 三路線對(duì)比手寫淺層CNN、經(jīng)典預(yù)訓(xùn)練模型、輕量化網(wǎng)絡(luò)很多學(xué)生糾結(jié)模型選型其實(shí)核心就三條路線我直接給對(duì)比路線代表結(jié)構(gòu)參數(shù)量訓(xùn)練難度精度上限答辯價(jià)值手寫淺層CNN3至5個(gè)卷積塊加全連接幾十萬到幾百萬低容易收斂中等偏上能講清結(jié)構(gòu)原理經(jīng)典預(yù)訓(xùn)練遷移ResNet18/ResNet50千萬級(jí)低收斂快高成熟穩(wěn)定改動(dòng)空間大輕量化/改進(jìn)網(wǎng)絡(luò)MobileNetV3、EfficientNet百萬級(jí)中高可做創(chuàng)新點(diǎn)對(duì)比實(shí)驗(yàn)個(gè)人建議畢設(shè)主線選擇路線二用ResNet18或ResNet50做遷移學(xué)習(xí)。理由有兩條。其一ResNet的殘差結(jié)構(gòu)是深度學(xué)習(xí)經(jīng)典范式你可以在答辯時(shí)把殘差連接的意義講清楚——它解決了深層網(wǎng)絡(luò)梯度消失和退化問題這是評(píng)委希望你掌握的。其二預(yù)訓(xùn)練權(quán)重提供了良好的初始化讓模型從一開始就有不錯(cuò)的特征提取能力訓(xùn)練時(shí)間和數(shù)據(jù)需求量都大幅降低。3.2 遷移學(xué)習(xí)在畢設(shè)里的性價(jià)比之王地位為什么不建議從頭訓(xùn)練一個(gè)深層網(wǎng)絡(luò)因?yàn)槟愕臄?shù)據(jù)量撐不起來。ImageNet那一千多萬張圖像訓(xùn)練出的參數(shù)不是幾萬張混凝土圖就能從頭學(xué)出來的。遷移學(xué)習(xí)的思想是模型在ImageNet上學(xué)到的邊緣、紋理、形狀等通用特征可以直接搬運(yùn)到裂縫識(shí)別任務(wù)中你只需要在高層做微調(diào)。實(shí)操層面我建議分兩步走前期凍結(jié)預(yù)訓(xùn)練模型的大部分層只訓(xùn)練最后的全連接分類層這叫做特征提取器模式等到損失不再明顯下降再解凍部分深層用較小的學(xué)習(xí)率做全局微調(diào)。這種兩階段策略比直接從頭開始訓(xùn)練穩(wěn)定得多而且基本不會(huì)跑飛。3.3 想加工作量注意力機(jī)制和輕量化改進(jìn)是兩條捷徑如果導(dǎo)師要求畢設(shè)里體現(xiàn)一定創(chuàng)新性你不必設(shè)計(jì)一個(gè)全新的網(wǎng)絡(luò)結(jié)構(gòu)那對(duì)本科生來說風(fēng)險(xiǎn)太高。穩(wěn)妥的改進(jìn)方向是用以下兩類小改動(dòng)第一類是注意力模塊。在ResNet的每個(gè)殘差塊后面插入Squeeze-and-Excitation模塊也就是SE模塊。它通過全局平均池化得到每個(gè)通道的權(quán)重再對(duì)通道重新加權(quán)。直觀地說它讓模型更關(guān)注哪些通道對(duì)判別裂縫更重要。這個(gè)改動(dòng)只有幾十行代碼但確實(shí)能在實(shí)驗(yàn)中看到準(zhǔn)確率或F1指標(biāo)有可感知的提升。第二類是輕量化改造。把普通卷積替換為深度可分離卷積參考MobileNet的思路大幅降低參數(shù)量。然后你可以做一組對(duì)比實(shí)驗(yàn)標(biāo)準(zhǔn)ResNet18與輕量化改進(jìn)版在精度和推理耗時(shí)上的差異。這種對(duì)比本身就是好素材答辯時(shí)評(píng)委非常吃這一套。3.4 輸出層設(shè)計(jì)兩類輸出和兩類損失函數(shù)二分類任務(wù)的輸出層有兩種常見做法需要你自己心里有數(shù)。第一種是輸出兩個(gè)節(jié)點(diǎn)接CrossEntropyLoss推理時(shí)用softmax得到兩個(gè)類別的概率。第二種是只輸出一個(gè)節(jié)點(diǎn)接BCEWithLogitsLoss推理時(shí)用sigmoid把輸出映射到0到1之間大于0.5判為正類。兩種數(shù)學(xué)上等價(jià)的但要注意BCE版本最后一層不需要激活函數(shù)因?yàn)锽CEWithLogitsLoss內(nèi)部已經(jīng)包含了sigmoidCrossEntropy版本也不要手動(dòng)再接softmax因?yàn)镻yTorch的CrossEntropyLoss同樣把softmax內(nèi)置了。這個(gè)細(xì)節(jié)看似太小但實(shí)際項(xiàng)目中很常見。很多人踩過我加了softmax又用了CrossEntropyLoss為什么結(jié)果很差的坑。要記住PyTorch的這兩個(gè)損失函數(shù)都內(nèi)置了激活步驟你只需要給模型原始輸出logits。4. 訓(xùn)練流程與關(guān)鍵配置讓模型真正收斂4.1 環(huán)境準(zhǔn)備與依賴清單整個(gè)項(xiàng)目在PyTorch生態(tài)下非常順依賴項(xiàng)也就這幾個(gè)torch、torchvision、opencv-python、numpy、matplotlib、scikit-learn、tensorboard可選用來畫曲線。如果你在本地沒有合適的GPU可以用云端的免費(fèi)GPU環(huán)境或CPU跑小模型。但要注意ResNet18在CPU上訓(xùn)練一個(gè)epoch可能要幾分鐘到十幾分鐘如果數(shù)據(jù)上萬張CPU訓(xùn)練會(huì)讓你崩潰。我的建議是代碼開發(fā)和調(diào)試階段用CPU正式訓(xùn)練用GPU。4.2 訓(xùn)練腳本核心邏輯示例下面給一個(gè)精簡但能直接跑通流程的PyTorch訓(xùn)練腳本骨架。注意這只是一個(gè)框架你需要根據(jù)自己的數(shù)據(jù)集路徑做調(diào)整import torch import torch.nn as nn from torch.utils.data import DataLoader, Dataset import torchvision from torchvision import transforms from sklearn.metrics import accuracy_score, confusion_matrix transform_train transforms.Compose([ transforms.Resize((224, 224)), transforms.RandomHorizontalFlip(p0.5), transforms.RandomRotation(degrees10), transforms.ColorJitter(brightness0.2, contrast0.2), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) transform_test transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) # 使用ImageFolder加載按類別分好的目錄結(jié)構(gòu) train_dataset torchvision.datasets.ImageFolder(rootdataset/train, transformtransform_train) val_dataset torchvision.datasets.ImageFolder(rootdataset/val, transformtransform_test) train_loader DataLoader(train_dataset, batch_size32, shuffleTrue, num_workers2) val_loader DataLoader(val_dataset, batch_size32, shuffleFalse, num_workers2) model torchvision.models.resnet18(weightstorchvision.models.ResNet18_Weights.IMAGENET1K_V1) model.fc nn.Linear(model.fc.in_features, 2) # 替換最后一層為二分類 device torch.device(cuda if torch.cuda.is_available() else cpu) model model.to(device) criterion nn.CrossEntropyLoss() optimizer torch.optim.Adam(model.parameters(), lr1e-4, weight_decay1e-4) scheduler torch.optim.lr_scheduler.ReduceLROnPlateau(optimizer, modemin, patience3, factor0.5) epochs 30 best_acc 0.0 for epoch in range(epochs): model.train() running_loss 0.0 for images, labels in train_loader: images, labels images.to(device), labels.to(device) optimizer.zero_grad() outputs model(images) loss criterion(outputs, labels) loss.backward() optimizer.step() running_loss loss.item() * images.size(0) train_loss running_loss / len(train_dataset) model.eval() val_preds [] val_labels [] with torch.no_grad(): for images, labels in val_loader: images images.to(device) outputs model(images) _, preds torch.max(outputs, 1) val_preds.extend(preds.cpu().tolist()) val_labels.extend(labels.tolist()) val_acc accuracy_score(val_labels, val_preds) scheduler.step(train_loss) print(fEpoch {epoch1}/{epochs}, Loss: {train_loss:.4f}, Val Acc: {val_acc:.4f}) if val_acc best_acc: best_acc val_acc torch.save(model.state_dict(), best_model.pth)這段代碼的每一步都有講究。比如用model.fc nn.Linear(...)替換最后一層是因?yàn)轭A(yù)訓(xùn)練模型原本的1000類輸出與我們的二分類不匹配用ReduceLROnPlateau是因?yàn)樗茉隍?yàn)證集指標(biāo)不降時(shí)自動(dòng)降低學(xué)習(xí)率比固定步長衰減省心只在驗(yàn)證集準(zhǔn)確率提升時(shí)保存模型是為了防止最后一個(gè)epoch的權(quán)重反而不是最好的。4.3 訓(xùn)練中的動(dòng)態(tài)觀測(cè)與loss曲線解讀訓(xùn)練不是把代碼跑完就完事你要會(huì)看曲線。訓(xùn)練時(shí)建議同時(shí)記錄訓(xùn)練集loss和驗(yàn)證集準(zhǔn)確率至少每兩個(gè)epoch輸出一次。正常收斂的曲線是訓(xùn)練loss平滑下降驗(yàn)證集準(zhǔn)確率逐漸上升并趨于平穩(wěn)。如果訓(xùn)練loss持續(xù)下降但驗(yàn)證準(zhǔn)確率不升反降恭喜你過擬合開始了。如果loss在你調(diào)整參數(shù)后依然不降或一開始就是nan優(yōu)先檢查學(xué)習(xí)率是否過大、數(shù)據(jù)標(biāo)簽是否錯(cuò)亂、歸一化參數(shù)是否匹配。TensorBoard可以幫你實(shí)時(shí)看曲線。不想折騰的話matplotlib手動(dòng)保存曲線圖也足夠畢設(shè)論文里需要的就是最后那張訓(xùn)練曲線圖。4.4 防過擬合的整套組合拳過擬合在裂縫識(shí)別項(xiàng)目里很容易發(fā)生因?yàn)榱芽p圖像形態(tài)相對(duì)單一。我常用的組合拳按照優(yōu)先級(jí)排序是數(shù)據(jù)增強(qiáng)打底、Dropout和權(quán)重衰減輔助、早停兜底。數(shù)據(jù)增強(qiáng)的作用前面已經(jīng)說過是最有效的正則化手段。權(quán)重衰減即L2正則化在Adam優(yōu)化器里對(duì)應(yīng)weight_decay參數(shù)一般設(shè)置在1e-4到1e-5之間。Dropout通常加在全連接層之前但預(yù)訓(xùn)練模型里很少加如果你手寫淺層CNN可以在兩個(gè)全連接層之間加一個(gè)nn.Dropout(p0.5)。早停指的是驗(yàn)證集指標(biāo)連續(xù)若干個(gè)epoch沒有提升就提前終止訓(xùn)練防止無意義的繼續(xù)跑。4.5 訓(xùn)練配置中的常見錯(cuò)誤訓(xùn)練配置里最容易被忽視的是隨機(jī)種子固定。PyTorch的很多操作帶有隨機(jī)性如果不固定隨機(jī)種子每次跑出來的結(jié)果都會(huì)小幅波動(dòng)。你論文里寫的那張結(jié)果表今天跑一遍是95.2%明天跑一遍變成94.5%這種不穩(wěn)定的數(shù)據(jù)拿到答辯臺(tái)上容易被追問。固定隨機(jī)種子的方式很簡單import random import numpy as np def set_seed(seed42): random.seed(seed) np.random.seed(seed) torch.manual_seed(seed) torch.cuda.manual_seed_all(seed) torch.backends.cudnn.deterministic True torch.backends.cudnn.benchmark False每次實(shí)驗(yàn)前調(diào)用set_seed()得到的指標(biāo)才是可復(fù)現(xiàn)的。這一點(diǎn)我在實(shí)際項(xiàng)目中吃過虧有一次調(diào)了一晚上參數(shù)最后發(fā)現(xiàn)是隨機(jī)種子沒固定前幾次的提升完全來自運(yùn)氣。固定種子之后那些改進(jìn)的效果立刻現(xiàn)了原形。5. 評(píng)估指標(biāo)與可視化答辯時(shí)拿得出手的圖5.1 準(zhǔn)確率并不是唯一指標(biāo)很多畢設(shè)論文從頭到尾只報(bào)告一個(gè)準(zhǔn)確率這在答辯時(shí)很容易被一票否決。準(zhǔn)確率高不代表模型好用。假設(shè)數(shù)據(jù)集里負(fù)樣本占80%模型只需把所有圖都判為負(fù)類準(zhǔn)確率就有80%。但在裂縫檢測(cè)的真實(shí)場(chǎng)景里這種模型一個(gè)裂縫都發(fā)現(xiàn)不了完全不可用。混凝土裂縫檢測(cè)里漏檢是比誤報(bào)嚴(yán)重得多的錯(cuò)誤。把人話翻譯一下把安全區(qū)域誤判為有裂縫最多浪費(fèi)一次現(xiàn)場(chǎng)復(fù)核的人力把真實(shí)裂縫漏掉可能導(dǎo)致結(jié)構(gòu)安全隱患被忽略。所以你應(yīng)該重點(diǎn)看召回率也就是所有真實(shí)裂縫圖里模型找回了多少。同時(shí)用F1分?jǐn)?shù)來平衡精確率和召回率。5.2 混淆矩陣與分類報(bào)告混淆矩陣和classification_report是答辯時(shí)最有說服力的圖表。它們把四類預(yù)測(cè)情況清清楚楚列出來TP實(shí)際有裂縫預(yù)測(cè)也有裂縫TN實(shí)際無裂縫預(yù)測(cè)也無裂縫FP實(shí)際無裂縫但預(yù)測(cè)有裂縫誤報(bào)FN實(shí)際有裂縫但預(yù)測(cè)無裂縫漏檢代碼上用scikit-learn幾行就能生成from sklearn.metrics import classification_report, confusion_matrix import matplotlib.pyplot as plt import numpy as np cm confusion_matrix(val_labels, val_preds) report classification_report(val_labels, val_preds, target_names[無裂縫, 有裂縫]) print(report) plt.figure(figsize(6, 5)) plt.imshow(cm, interpolationnearest, cmapplt.cm.Blues) plt.colorbar() tick_marks np.arange(2) plt.xticks(tick_marks, [無裂縫, 有裂縫]) plt.yticks(tick_marks, [無裂縫, 有裂縫]) plt.xlabel(預(yù)測(cè)標(biāo)簽) plt.ylabel(真實(shí)標(biāo)簽) for i in range(2): for j in range(2): plt.text(j, i, str(cm[i][j]), hacenter, vacenter) plt.savefig(confusion_matrix.png, dpi150, bbox_inchestight)這張圖放到論文里、答辯PPT里都非常直觀。你要能看著這張圖解釋模型的誤報(bào)主要來自哪些樣本漏報(bào)主要集中在哪些形態(tài)的裂縫。5.3 ROC曲線與AUC評(píng)價(jià)任意閾值下的能力ROC曲線的橫軸是假正例率縱軸是真正例率它刻畫的是模型在不同判定閾值下的整體表現(xiàn)。AUC則是曲線下面積越高代表模型區(qū)分正負(fù)樣本的能力越強(qiáng)。二分類任務(wù)畫ROC曲線的代碼是標(biāo)準(zhǔn)的from sklearn.metrics import roc_curve, auc # 用模型輸出的概率而不是類別標(biāo)簽 probs [] model.eval() with torch.no_grad(): for images, _ in val_loader: images images.to(device) # 對(duì)二分類取正類概率若輸出兩節(jié)點(diǎn)用softmax取第1列 outputs model(images) p torch.softmax(outputs, dim1)[:, 1].cpu().numpy() probs.extend(p) fpr, tpr, _ roc_curve(val_labels, probs) roc_auc auc(fpr, tpr) plt.figure(figsize(6, 5)) plt.plot(fpr, tpr, labelfROC (AUC {roc_auc:.4f})) plt.plot([0, 1], [0, 1], r--, label隨機(jī)猜測(cè)) plt.xlabel(假正例率 (False Positive Rate)) plt.ylabel(真正例率 (True Positive Rate)) plt.legend() plt.savefig(roc_curve.png, dpi150, bbox_inchestight)答辯時(shí)你可以提一句AUC為0.98意味著隨機(jī)抽一個(gè)有裂縫樣本和一個(gè)無裂縫樣本模型給出正確排序前者概率更高的概率是98%。這句話一出口評(píng)委就知道你不只是會(huì)跑代碼。5.4 Grad-CAM類激活圖讓模型解釋自己的判斷依據(jù)這是我認(rèn)為整個(gè)項(xiàng)目里性價(jià)比最高的可視化。Grad-CAM的核心思想是利用最后一層卷積特征圖的梯度計(jì)算出每個(gè)通道對(duì)分類結(jié)果的重要性權(quán)重然后生成一張熱力圖顯示模型在做決策時(shí)主要看了圖像的哪些區(qū)域。如果你給模型輸入一張含裂縫的圖像Grad-CAM熱力圖高亮區(qū)域應(yīng)該集中在裂縫上而不是圖像角落的陰影或雜物。這就提供了模型決策的可解釋性證據(jù)說明模型確實(shí)是看裂縫而不是在找顏色統(tǒng)計(jì)規(guī)律。Grad-CAM的實(shí)現(xiàn)思路大致是對(duì)指定卷積層輸出做前向拿到特征圖對(duì)目標(biāo)類別的得分做反向傳播拿到梯度把梯度和特征圖做加權(quán)求和經(jīng)過ReLU和歸一化得到熱力圖。具體代碼我建議你參考PyTorch官方社區(qū)里的一些實(shí)現(xiàn)再結(jié)合自己的模型結(jié)構(gòu)調(diào)整。這個(gè)可視化圖放到論文里比任何指標(biāo)都能打動(dòng)評(píng)委。經(jīng)驗(yàn)如果Grad-CAM熱力圖不集中在裂縫上反而到處亂高亮說明模型沒有真正學(xué)到裂縫特征這時(shí)候你再高的準(zhǔn)確率也要打個(gè)問號(hào)。這也是你排查模型學(xué)偏問題的利器。5.5 典型誤判案例分析把模型預(yù)測(cè)錯(cuò)的圖片單獨(dú)篩出來分析它們的共同特征這是體現(xiàn)工作量和對(duì)問題理解深度的地方。我復(fù)現(xiàn)時(shí)看到的誤判樣本主要有三類。第一類是假陽性樣本無裂縫圖像里恰好有模板接縫、排水管陰影、鋼筋銹跡模型把它們的紋理誤判成裂縫。第二類是假陰性樣本裂縫非常細(xì)、對(duì)比度極低人眼都要湊近看才能確認(rèn)模型直接漏掉了。第三類是模糊樣本拍攝時(shí)失焦或強(qiáng)光反光圖像本身信息量不足任何模型都很難判斷。這三類誤判對(duì)應(yīng)三種改進(jìn)方向假陽性多說明數(shù)據(jù)集里類裂縫干擾物不足需要擴(kuò)充負(fù)樣本假陰性多說明細(xì)裂縫特征沒有被充分學(xué)到可以嘗試增強(qiáng)細(xì)裂縫樣本或提升輸入分辨率模糊樣本多則說明采集質(zhì)量才是天花板不是模型問題。你把這些分析寫進(jìn)論文評(píng)委就無話可說了。6. 踩坑實(shí)錄訓(xùn)練崩掉與指標(biāo)虛高的瞬間6.1 坑一圖像和標(biāo)簽順序錯(cuò)亂loss紋絲不動(dòng)一次訓(xùn)練時(shí)我注意到訓(xùn)練loss始終在0.69附近震蕩準(zhǔn)確率也卡在50%。排查到最后問題出在數(shù)據(jù)讀取階段某個(gè)加載腳本使用os.listdir()直接掃文件夾而文件系統(tǒng)的返回順序每次運(yùn)行都可能不同導(dǎo)致圖片和標(biāo)簽在第幾個(gè)epoch之后就對(duì)不上了。這個(gè)問題的隱蔽性在于它不一定每次復(fù)現(xiàn)可能前幾個(gè)epoch正常后面開始亂。解決方式也很簡單不要依賴listdir的順序用torchvision.datasets.ImageFolder它會(huì)基于文件夾結(jié)構(gòu)自動(dòng)維護(hù)標(biāo)簽映射或者自定義Dataset類時(shí)在初始化階段固定類別的索引表而不是動(dòng)態(tài)排序。6.2 坑二訓(xùn)練和推理時(shí)的預(yù)處理不一致還有一個(gè)我印象很深的翻車經(jīng)歷訓(xùn)練時(shí)用了ImageNet的mean和std做歸一化準(zhǔn)確率一路漲到95%。但到了推理階段我寫了一段簡化代碼加載圖片之后直接ToTensor()忘了歸一化結(jié)果同樣的模型在測(cè)試集上準(zhǔn)確率掉到了60%多。原因其實(shí)很簡單模型訓(xùn)練時(shí)看到的圖像是減均值除方差之后的分布推理時(shí)如果輸入分布完全不同模型的表現(xiàn)自然崩潰。這個(gè)問題出現(xiàn)的頻率遠(yuǎn)比你想象得高因?yàn)橛?xùn)練代碼和部署代碼常常分開寫兩邊大概率會(huì)有差異。排查思路也很簡單把一段輸入圖像直接打印出來看像素值范圍。如果訓(xùn)練流水線里像素值在-2到2之間而推理流水線在0到1之間那就是預(yù)處理不一致趕緊對(duì)齊。6.3 坑三類別不平衡與懶惰模型雖然裂縫識(shí)別數(shù)據(jù)集通常相對(duì)平衡但有些公開數(shù)據(jù)源的負(fù)樣本明顯多于正樣本或者反過來。模型遇到明顯不平衡時(shí)會(huì)走捷徑把所有樣本都判為多數(shù)類因?yàn)檫@樣整體的準(zhǔn)確率損失更小。應(yīng)對(duì)策略有兩個(gè)一是給DataLoader設(shè)置WeightedRandomSampler讓每個(gè)batch里正負(fù)樣本比例均衡二是對(duì)損失函數(shù)設(shè)置類別權(quán)重比如CrossEntropyLoss(weighttorch.tensor([0.5, 2.0]))表示正類分錯(cuò)要付出4倍代價(jià)。我的建議是優(yōu)先用加權(quán)采樣因?yàn)樗跀?shù)據(jù)層面就保證了均衡對(duì)模型訓(xùn)練過程更自然。6.4 坑四模型記住了背景噪聲而不是裂縫有一次模型在訓(xùn)練集和驗(yàn)證集上都表現(xiàn)不錯(cuò)但我把Grad-CAM熱力圖一畫就發(fā)現(xiàn)問題了模型關(guān)注的區(qū)域不在裂縫上而在每張圖的角落——原來數(shù)據(jù)集的無裂縫類圖像是在固定角落放了水印或時(shí)間戳模型學(xué)到了有角落標(biāo)記就是無裂縫這種荒謬規(guī)律。這就是典型的捷徑學(xué)習(xí)問題。深度學(xué)習(xí)模型極其擅長尋找訓(xùn)練數(shù)據(jù)里的隱藏相關(guān)信號(hào)。驗(yàn)證方式就是可視化你永遠(yuǎn)不要只靠準(zhǔn)確率數(shù)字做判斷。解決方式是檢查數(shù)據(jù)里是否存在與類別強(qiáng)相關(guān)的背景干擾比如水印、光源方向、拍攝設(shè)備差異必要時(shí)對(duì)這些空間位置做裁剪或遮擋。6.5 坑五顯存溢出(OOM)訓(xùn)練時(shí)遇到OOM是最容易處理但最容易慌的場(chǎng)景。常見原因無非三點(diǎn)batch size太大、輸入分辨率太高、模型太大。排查順序是先降低batch size看能否跑通如果還不行就降低輸入分辨率最后再考慮換輕量模型。如果你想兼顧大batch size和有限的顯存可以試試PyTorch自帶的混合精度訓(xùn)練。只需要在訓(xùn)練循環(huán)里用torch.cuda.amp.autocast()包裹前向和反向過程再用GradScaler()縮放梯度。這個(gè)技巧能在不犧牲訓(xùn)練效果的前提下把顯存占用降一半左右。6.6 坑六標(biāo)注里的標(biāo)簽噪聲公開數(shù)據(jù)集的標(biāo)簽質(zhì)量同樣值得懷疑尤其是那種從拍攝視頻自動(dòng)裁剪生成的數(shù)據(jù)集。分辨率極低的小圖裂縫可能只占幾個(gè)像素標(biāo)注者可能漏標(biāo)也可能把真實(shí)裂縫標(biāo)為無裂縫。訓(xùn)練時(shí)這些錯(cuò)誤標(biāo)簽會(huì)讓模型無所適從表現(xiàn)為loss下降緩慢、驗(yàn)證集指標(biāo)忽高忽低。我最推薦的做法是抽一個(gè)訓(xùn)練周期結(jié)束后把預(yù)測(cè)置信度極高但預(yù)測(cè)錯(cuò)誤的樣本打印出來人工看一遍。置信度高卻錯(cuò)了大概率是標(biāo)簽本身就是錯(cuò)的。花一個(gè)小時(shí)清理標(biāo)簽比盲目調(diào)參有效得多。7. 答辯呈現(xiàn)策略與實(shí)際項(xiàng)目組織經(jīng)驗(yàn)7.1 從模型跑通了到把項(xiàng)目講清楚答辯和寫代碼是兩個(gè)完全不同的能力。評(píng)委不一定有時(shí)間細(xì)讀你的代碼但一定會(huì)通過PPT和現(xiàn)場(chǎng)表述判斷你項(xiàng)目水平和投入程度。我的建議是采用一條清晰的敘事線痛點(diǎn)與背景、數(shù)據(jù)分析與預(yù)處理、方案選型對(duì)比、實(shí)驗(yàn)過程與結(jié)果分析、創(chuàng)新點(diǎn)與可擴(kuò)展方向。每一個(gè)環(huán)節(jié)都要能回答為什么。為什么用ResNet18而不是ResNet50可以說裂縫二分類任務(wù)復(fù)雜度有限ResNet50在精度上不占明顯優(yōu)勢(shì)但參數(shù)量和推理時(shí)間翻倍我做了對(duì)比實(shí)驗(yàn)確認(rèn)ResNet18已經(jīng)滿足需求。這種回答既展示你對(duì)比過又展示你有工程權(quán)衡意識(shí)。7.2 讓工作量顯性化畢設(shè)評(píng)審里最怕的不是項(xiàng)目做得簡單而是做了很多卻讓人感覺不出。項(xiàng)目目錄要組織清晰建議包含data_preprocess/數(shù)據(jù)清洗和統(tǒng)計(jì)、models/網(wǎng)絡(luò)定義、train.py訓(xùn)練入口、evaluate.py評(píng)估與可視化、utils/通用工具、README.md運(yùn)行說明。README里寫清環(huán)境配置、數(shù)據(jù)格式、運(yùn)行步驟讓評(píng)委覺得你交付的是完整工程而不只是一個(gè)腳本。7.3 可擴(kuò)展方向幾句話讓項(xiàng)目活起來答辯最后評(píng)委常問未來可以怎么發(fā)展。這時(shí)候你要亮出你思考過但來不及做的東西而不是說如果時(shí)間更多我會(huì)繼續(xù)調(diào)參。對(duì)裂縫識(shí)別項(xiàng)目合理的擴(kuò)展方向包括把二分類升級(jí)為裂縫像素級(jí)分割使用U-Net或DeepLabV3做語義分割這會(huì)引入逐像素標(biāo)注數(shù)據(jù)的準(zhǔn)備問題和更強(qiáng)的計(jì)算需求把靜態(tài)圖片識(shí)別擴(kuò)展到視頻流實(shí)時(shí)檢測(cè)需要引入ONNX或TensorRT做推理加速引入裂縫寬度、長度的回歸估計(jì)從檢測(cè)有沒有走向評(píng)估有多嚴(yán)重。任何一個(gè)方向都能體現(xiàn)你對(duì)整個(gè)技術(shù)棧的深入理解。7.4 我復(fù)現(xiàn)這個(gè)項(xiàng)目后最想告訴你的事整個(gè)項(xiàng)目走下來我覺得最有價(jià)值的能力不是調(diào)包和跑模型而是建立數(shù)據(jù)-模型-評(píng)估的閉環(huán)思維。數(shù)據(jù)決定上限模型負(fù)責(zé)逼近這個(gè)上限評(píng)估讓你知道逼近了多少。所有訓(xùn)練技巧本質(zhì)上都是在這三個(gè)環(huán)節(jié)之間找平衡。一個(gè)模型效果不好不一定是網(wǎng)絡(luò)結(jié)構(gòu)的問題可能數(shù)據(jù)就有嚴(yán)重缺陷也可能是評(píng)估方式掩蓋了真實(shí)水平。如果你在做這個(gè)畢設(shè)我的建議是先花兩到三天把數(shù)據(jù)徹底看一遍。統(tǒng)計(jì)各類數(shù)量、隨機(jī)抽樣打印圖片、記錄圖像的共性干擾。這個(gè)前置工作看似枯燥但能在后面幫你省下大量調(diào)參時(shí)間。很多人一上來就抱著模型調(diào)學(xué)習(xí)率折騰三天最后發(fā)現(xiàn)數(shù)據(jù)集本身就有問題那才是真正的浪費(fèi)時(shí)間。另外一個(gè)實(shí)操層面的大實(shí)話是運(yùn)行實(shí)驗(yàn)時(shí)一定把時(shí)間戳加進(jìn)日志或模型文件名。比如checkpoints/resnet18_20250107_1330.pt不要用model_final.pt這種名字。你后續(xù)想對(duì)比幾次實(shí)驗(yàn)時(shí)會(huì)發(fā)現(xiàn)光是重命名就能救你的命。這個(gè)習(xí)慣看起來微不足道但我見過太多同學(xué)訓(xùn)練了三五個(gè)模型之后完全分不清哪個(gè)文件對(duì)應(yīng)哪組參數(shù)了。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
色五月天综合| 综合激情五月天| 亚洲最大成人综合网720P| 久久码久久无清| 伊人婷婷五月天av| 99碰碰碰| 丁香久月| 大香蕉精品视频| 亚洲一区二区无遮挡A片| 成人网丁香五月| 婷婷色五月天在线| 色综合视频| 久久这里有精品| 91丨人妻丨国产丨丝袜| 色九月婷婷丁香| 91在线操| 久久99精品久久只有精品| 色婷婷久久综合| 综合五月丁香六月婷婷| 五月丁香爱婷婷深深| 淫视馆aV二区一区| RenRenSe在线视频网站| 怡春院天天干| 色色色99| 欧美婷| 亚洲精品又粗又大又爽A片| 五月天久久成人| 热思思| 久久婷婷五月综合网| 色5月婷婷| 色天使久久综合| 婷婷五月情天| 超碰免费人妻| 无码激情AAAAA片-区区| 天天澡天天狠天天天做| 九九热精品| 日日干日日| 九热网站| 欧美性猛交99久久久99| 在线五月色播| 2021日韩无码| 丁香在线视频| 婷婷综合五月天亚洲综合| 日本97久久久精品| 99精品视频网| 五月天婷婷激情小说电影| 亚洲av无码精品色午夜| 丁香五月性| 天天操夜夜玩!| 国产女18毛片多18精品| 九色PORNY9l原创自拍| 五月六月丁香婷婷在线观看| 亚洲有码在线视频| 丁香婷婷激情| 五月婷婷综合在线视频小说| 天天拍夜夜撸| 99久久五月婷婷| 国产精品色婷婷99久久精品| 色久婷婷网| 日本97在线看片| 91激情五月开心| 五月久久婷婷丁香| 婷久久久| 亚洲另类在线观看| 亚洲精品国产setv| 五月天另类小说| 日韩性视频| 白人荫道BBWBBB大荫道| 亚洲激情婷婷| 五月丁香亭亭| 日日夜夜噜噜爽爽| 婷婷五月激情网站| 婷婷涩涩五月天| 搡BBBB搡BBB搡18| 五月婷婷六月丁香在线| 99这里只有精品8| 丁香五月婷婷少妇| 国产无套精品一区二区| 婷婷综合| 五月婷在线| 色婷婷婷综合五月天| 99国产97在线,| 色综合久久综合中文综合网| 操操操AV| 日本精品。999| 婷婷五月丁香A∨| 亚州色色色| 99r这里| 激情四射五月天| 成人无码精品1区2区3区免费看| 久久综合激情婷婷激情| 丁香婷婷久久激情| 婷婷五月天成人| 日本在线观看aaa 99| 久久这里只精品| 天天草天天摸| 婷婷丁香在线播放| 亚洲色色色色| 大狠狠在线| 97人人干人人操| 欧美日韩中国| 墨西哥毛片内射精| 久久3级片| 亚洲九区| 亚洲国产99| 激情五月婷婷网| 色情·com| 五月丁香六月激情综合| 久久影视婷婷五月| 人操人| 中国丰满熟女A片免费观| 色丁香五月天| 久久综合中文字幕| 99热免费精品| 噜噜操操| 婷婷成人视频| 五月丁香婷婷激情在线| 五月婷婷欧洲| 久久黄色片| 五日激情综合| 99热99色| 五月天激情av| 色色aⅤ網| 国产在线6| 97操视频| 综合九色| 中国女人内射6XXXXX| 欧美色图天堂网| 激情99| 久热这里只有精品99re| 丁香五月天啪啪a日本| 开心五月天激情| 丁香五月瑟瑟| 超碰色碰碰| 懂色av粉嫩av蜜臀av| 美日韩成人| 啪啪91| 色欲丁香| 五月丁香大香蕉| 婷婷五月天在线观看| 五月激情婷婷综合| 九九激情综合| 92久久| 久久久久亚洲AV无码网影音先锋| 五月天开心色情网| 欧洲永久精品| 天天搽天天射| 天天色色婷婷| 综合图区激情| 色色日本| 中文字幕在线日亚洲9| 9精品在线| 91丨九色丨白浆| 能看的av网站| 99久久9| 久久久18| 成人午夜天| 亚洲熟妇AV乱码在线观看| 精品欧美一区二区三区久久久| 大学生高潮无套内谢视频| 色婷视频| 色色9 9| 久久99免费视频网站| 激情婷婷黄色五月| 五月丁香操婷逼| 色播婷婷大香蕉| 日本69日人视频| 亚洲精品色色| 欧美va欧美va差| 99热只有精| 色色色色色色色色网站| 大香蕉av在线| 九九爱激情| 五月丁香色色色| 色婷婷色| 欧美激情丁香五月天久久婷婷一区| 五月丁香网站在线播放| 色综合色色色色色| 日韩在线视频网站| 国产乱妇乱子在线播视频播放网站| 日碰日| 青青草婷婷久久| 久久天堂| 久久五月丁香六月婷| 五月丁香六月色婷婷| 五月久久亚洲| 九九综合精品| 色色亚洲99com| 色婷婷精品视频在线播放| 丁香五月停停基地| 五月丁香爱婷婷深深| 人人天堂操| 欧美黄色韩日网| 超碰人人在线| 婷婷五月天亚洲综合网| 久久久激情视频| 色五月婷婷在线视频| 丁香五月婷婷色偷偷| 色一情一乱一乱一区91| 黄急一级视频| 国产激情av| 精品网站99| 丁香五月开心婷婷| 五月婷丁香| 综合另类激情| 日本色色图| 五月丁香黄色| 思思精品视频| 在线视频激情网站| 五月天激情.com| 国产五月天欧美色| 欧美搡BBBBB摔BBBBB| 日本色色影院| 色欲婷婷夜夜| 欧美Va日本Va| 亚洲V国产V欧美V久久久久久| www久久久久久| 婷婷丁香五月天哟啪| 热成人网| 久久亚洲婷婷| 五月丁香婷婷中文| 色偷偷五月天| 国内一级片| 在线另类视频| 亚洲激情婷婷| 丁香五月激情综合久久| 五月丁香婷婷五月色| 婷婷性色| 激情98色婷婷五| 超碰人人操人人干| 亚洲va成人va成人va在线观看| 婷婷色综合| www.色婷婷.com| 亚洲中文乱字字幕线在永久| 狠狠干狠狠色| 亚洲人妻av| 久热A| 五月天丁香网站| 182.t午在线观看| 欧美va亚洲va| 超碰人人干| 日本97在线观看| 99 频99热国里只有精品| 丁香婷婷91在线观看视频| 久久R激情| 午夜丁香| 97婷婷色| 日韩综合网络男女香蕉a片| 思思精品久久艹| 色色色综合网| 色欲婷婷五月天| 99久久网站| 日本久久九| 激情网 五月天| 99久久婷婷| 大香蕉狠狠爱主页| 免费播放片大片| 91免费试看| 天天爽日日搞| 丁香五月花| 日本a片网址| 亚洲99综合| 色色色色色五月| 丁香五月天欧美| 国产免费AV网站| 色一情一乱一乱一区9| 五月婷视屏在线观看| aV直接看| 日本熟女内射| 狠狠色丁香久久综合婷婷亚洲成人福利| 密乳视频| 婷婷5月久久综合网站| 丁香久久AV| 97色色网| 天插天啪天啪天啪| 97碰 在线视频观看| 怡红院院在线导航网 | 五月天综合色| 性爱视频99| 久久99免费视频网站| 日日操日日爽| 色色五月天com| 亚洲一区二区无码蜜乳av| 八戒青柠影视剧在线观看| 亚洲日本激情| 婷婷在线精品| 99热精品一区| 99精品网址| 日日插日日干| 天堂综合久| 荷兰av一级| 久久精品91视频| 99久久久久久| 一起草av| 亚洲乱码日产精品BD| 久久视频这里都是精品| 婷婷五月色| 丁香五月大片| 97碰91| www激情婷婷com| 狠狠色噜噜色狠狠狠综合色 | 久久久18| 青草青草视频2免费观看| 五月婷婷少妇之| 国产精品色| 五月丁香WWW| 国产SUV精品一区二区883| 色色婷婷综合网| 日韩AC在线免费观看| Www.激情| 91黄址| 在线中文字幕视频| 国产又黄又爽又激情不遮挡视频在线观看| 午夜激情四射影院| 久久久婷婷婷| 色色色色色色色色色999| 影音先锋男士资源网一区| 天天狠狠夜夜狠狠2023| 色综合网上班开心婷婷久久| 婷婷五月色播天| 9999色色色色| 超碰成人影视| 一级性爱视频| 婷婷五月综合啪| 伊人久久综合| 99自拍视频在线| 天天干天天操天天上| 亚洲色图在线视频| 激情五月天网| 婷婷五月丁香伊人| 亭亭玉立国色天香| 色婷大香蕉| 五月色网| 婷婷久久草| 综合色情网| 精品成人无码A片观看香草视频| 99爱在线观看视频| 天天做天天视天天谢| 色婷婷性爱网| 大香蕉久久久| 五月天婷婷中文字幕在线播放| 国产资源在线视频| 99精品偷自拍| 丁香五月综合激情啪啪| 五月婷婷啪啪网| 涩九九九九| 99热在线观看| 色久九| 色婷婷成人影片| 91久久18| 成人做爰A片免费看视频| 97色色视频| 久久国产精品乱子伦_靑青草…| 欧美精品狠狠色丁香婷婷| 久久久8| 九九九九九九九热| 99思思在线视频| 激情五月九九九| 色婷婷狠狠18禁| 狠狠草在线观看| 色9色| 97婷婷在线| 国产精产国品一二三在观看| 激情第四色| 夜夜做天天爽| 五月丁香久久| 亚洲小电影在线观看黄999| 久久精品凹凸分类| 精品色色| 天天干天天拍| 人妻VideOssS人妻高清| 激情五月丁香在线观看直播| 九色在线观看91av| 日韩99无码| 色婷綜合网| 免费AV在线| 久婷婷视平| h在线看免费版在线看| 五月婷婷视频在线观看| 狠狠色噜噜狠狠| 五月丁香网av| 99re在线视频精品,这里只有精品18,| AV在线不卡播放| 天天操综合网| 婷婷六月丁香五月| 激情图片婷婷| 婷婷六月综合基地| 婷婷激情小说| 五月六月婷婷| 夜夜骑天天玩天天日| 五月丁香六月婷婷亚洲激情综合| 婷婷五月天成人五月天| 亚洲思思热久| 超碰免费在线| 亚洲色色色色色色色色色| 久热视频97AV在线观看| 3p九色在线| 97色吧| 久久婷婷91| 五月婷婷六月丁香激情| 久久丁香五月婷| www.狠狠干| 思思久久99热| 五月天婷婷一起草| 久热2025无码| 操人妻90p| 97干在线| 亚洲中文丁香| 综合激情五月丁香9999久久精| 婷婷伊人网| 色天堂在线| 九月丁香八月婷婷久久综合久97| www.99热在线| 黄色五月婷婷| 久热这里只有精品性色AV| 九九热超碰| 欧美性爱一区| 婷婷综合精品| www色色com| 综合久久综合综合| 九月婷婷色色| 五月婷婷黄色| 99re思思热在线视频| 一级片sese片.COM| www..com色爱| 热99精品视频| 五月天婷婷综合| 精品色色| 97干在线视频| 五月天久久久| 色婷青青| 日本黄色精品| 性高潮久久久久久-九九九九九九九九九九热-成人AV | 99色性爰网络| 婷婷五月天伊人| 伊人久久艹| 夜精品无码A片一区二区蜜桃| 国产毛多水多女人A片| AA片在线观看视频在线播放| 九九色插| 丁香五月欧美色综合| 1区2区视频| 久久婷婷五月综合成人d啪| 中美日韩成人在线| 婷婷五月 丁香六月| 亚洲 小说 欧美 激情 另类| 黄色激情五月天| 欧美激情五月天| 五月丁香啪啪激情| 久久综合99| 91精品久久久久久综合五月天| 99精品偷自拍| 日本三级片片| 婷婷色婷婷亚洲成人| 婷婷五月天伦理| 亚洲狠狠狠| 久久Xx| 色婷婷狠狠18禁| 99综合网| 欧美久久久久久久久中文字幕| 免费黄色AV| 久久综合丁香五月| 久久成人天| 天天色天天日天天舔| 网站免费一站二站| 五月婷婷av| 日本熟妇乱妇熟色A片蜜桃| 五月停视频天堂| 超碰国产在线观看| 婷婷另类开心| 久久久久人妻精品| 激情五月天网| 色欲婷婷五月天丁香| 99免费成人网| WWW.色婷婷.COM| 狠狠色成人影片| 天天综合网站| WWW.五月com| 婷婷黄色| 99re热免费观看视频精品| 人妻AV在线观看| 九九视频在线观看视频6| 成人免费视频一区| 激情5月婷婷狠狠干| 久久六月综合| 八戒青柠影视剧在线观看| 五月丁香最新| 婷婷丁香一月| 91精品久久久久久77777| 欧美槡BBBB槡BBB少妇| 成人在线观看一区| 婷婷一本和五月丁香| 婷婷.com| 亚洲久热| 超碰在线精品| 深爱激情丁香| 婷婷97色| 亚洲精品国产成人AV在线| 这里只有国产精品在线| 色天堂A| 激情内射人妻1区2区3区| 成人AV中文字幕| 涩涩涩,com| 国产色色色色| 久久HD| 日本一级大片| 这里只有精品视频在线看| 九九精品热| 超碰在线观看成人视| 五月天激情偷拍| 色婷婷亚洲婷婷在线观看| 日韩成人精品中文字幕| 奇米影视777在线_在线观看午夜_h小视频在线观看_岛国大片 | 五月婷婷爽爽爽| 色婷婷久久综合| 丰满熟女人妻一区二区三| 思思久久99热只有频精品66| 热中文字幕| 亚洲精品99| 久久婷综| 五月天激情婷婷五月天久久| 99婷婷| 综合性爱网| 成人视频婷婷| AV片在线观看| 人妻久久久久久久久妻久久久久| 久久这里只有精品99| 五月香蕉网| 天天天天天天天操| 97超碰婷婷五月天| 五月www| 五月丁香| 色综合久久88色综合天天99| 26uuu精品一区二区| 五月天综合在线网| 五月婷婷之激情五月| 久久99网| 日韩av网站在线观看| 久久视频在线| 91人无码久久久久久| 好激情在线综合网| 99re8热精品免费视频| 九九热10| 婷婷综合| 丁香 婷婷 激情 综合 五月| 九九这里都是精品| 婷婷五月天影院| 亚洲啪啪网| 亚洲成人九九九| 永久精品| 丁香婷婷超碰| 天天日夜夜帕| 九九热91| 欧美综合123区| www.久久久久久久| 玖玖资源在线视频| 久久6这里只有精品| 亚洲综合在线视频| 丁香五月AV在线| 九九亚洲视频| 色婷婷丁香五月在线| 色婷婷小说| 精品福利911| 日日操天天操| 午夜理论片最新午夜理论剧| 久久综合五月天| 99人这里只有精品| 成人综合视频网址| 毛片色五月| 九色在线观看91av| 五月婷婷激情综合av| 日韩一级网站| 99热这里有精力| 欧美啪啪网| 九月激情综合| 久久机热这里只有精品免费视频| 俺去也五月| 五月天激情美女久久| 无码人妻一区二区一牛影视| Www.激情| 亚洲成人AV在线播放| 色玖玖| 色久婷婷网| 青青草大香| 丁香六月无码播放| 性视频久久| 欧美色五月| 国产色色网站网址| 五月停亭久久电影| 99热亚洲| 亚洲国产色婷婷| 成人国产欧美大片一区| 婷婷亚洲五月| 色色色777| 农村熟妇高潮精品A片| 五月天婷婷丁香社区| 日日夜夜亚洲一区| 91婷婷在线| 99人这里只有精品| 丁香九月综合在线| 丁香婷婷九月| 天干天天干天天天天天| 丁香五月九九| 97五月天| 99热精品在这里| 爱射综合| 久久久精品婷婷五月天| 五月丁香婷婷成人网| 级情九色| 99热香港| 久久丁香五月| 五月婷天天搞视频| 91se在线观看| 强辱丰满人妻HD中文字幕| 91人人爽久久涩噜噜噜| 欧美五月丁香啪啪响视频| 91精品刘玥| 人人97碰| 婷婷五月天成人基地| 久久网日本| 97色色网| 成人五月天丁香婷| 思思精品久久艹| 91色涩| 日韩av手机在线观看| 狼人婷婷综合| 婷婷五月天影视网址| 97碰在线免费观看| 99干日日干| 丁香 亚洲 久久| 婷婷丁香五| 九月综合| 午夜伊人大香蕉| 色婷网| 五月天电影网| 五婷婷综合网| 99色色视频| 五月婷婷天天| 九九免费在线视频| 天天日天天舔天天摸| 亚洲无码AV片| 欧洲电影在线观看免费版英语版| 亚洲激情五月| www.丁香黄色五月天人与| 国产综合色婷婷精品久久| 97超级啪啪在线观看| 久久xx| 激情五月影院| 九九热在这里只有精品| 久久九九怡红院| 偷偷操九九| 九九久久综合| 亚洲综合无码| 99爱视频在线免费观看| 91精品久久久久久77777| 亚洲激情久久| 激情六月天| 在线色五月婷婷| 开心五月婷婷婷美女| 九色在线五月婷婷网址| 9+1视频网址| 91婷婷色五月| 色色色色色网| 欧美私人家庭影院| 99免费视频网| 日韩99色| 玖玖婷婷五月| 成人久碰| 九九久久99| 影音先锋激情网| 99热在线播放| 激情综合五月| 26UUU欧美| 色婷婷在线视频久| 91呦呦呦| 搡BBBB搡BBB搡五十| 人人摸人人搞| 五月丁香欧美综合| 思思热高清在线观看| 婷婷五月丁香激情色情| 天天色月| 午夜成人综合| 婷婷伊人网| 9久精品视频| 亚洲av日韩无码| 激情五月天啪啪| 九九热在线99| 日日噜噜夜夜狠狠久久丁香五月| 久热超碰| 五月丁香六月婷综合成人综合 | 第四色色六月色综合| 婷婷五月综合在线| 大香蕉欧美在线| 久久99免费视屏| 高清 码 免费看片短视频| 久久免费高| 婷婷丁香五月综合久久| 日噜噜色| 91久久久久| 亚洲在线网站| 丁香婷婷九月在线| 色五月色开心开心五月| 午夜激情四射影院| www.com.色色| 婷婷操久久| 五月婷婷色影院| 99热国产精品| 婷婷久久网| 欧美激情五月天婷婷| 激情婷婷五月女| 婷婷的五月天另类视频| 激情二色月| 思思久久青草热| 91精品综合久久久久久五月丁香 | 五月天综合久久丁香91| 亚洲AV人人操| 久久视屏这里只有久久| 一本久久亚洲五月婷婷| 激情综合自拍五月婷婷色五月| 久久99热免费| 五月婷婷六月丁香激情综合网| 婷婷五月天伊人在线| 色色色精品无码区| 综合五月天天天天天五月| 天天干天天爽天天操| 婷婷五月天国产| 另类专区在线| 五月丁香在线| 日本www免费九九| 青草青草久9视频在线视频| 第四色五月婷婷| 色亚洲无码| 伊人五月人妻精品| 色色色色色色97| 色五月亚洲| 99操视频| 免费视频WWW在线观看网站| 波多野结衣不卡AV| 狠狠久久婷| 97人人操人人爽| 天天肏天天插| 天天日,天天插| 网色99| 五月丁香网站| 色久一| 久久婷婷五月丁香网| 5月丁香婷婷| 天天做 天天爱| 五月婷婷深深爱| 日日夜夜天天| 色婷婷av综合网| 婷婷五月AV| 深爱丁香激情| 久久性操| 日韩AV无码影片| 婷婷国产五月天17c| 99热综合在线| 亚洲综合婷婷| 五月丁香婷婷久久| 婷婷五月丁香图片人人操| 97五月久久丁香婷婷| 5月婷婷6月丁香aV| 天天在线XXX| 少妇被躁爽到高潮无码文| 第四色网婷婷| 亚洲XX日本| 久久人妻视频| 香蕉97碰碰碰欧美| 国产成人AV在线| 国模淫穴色图| AVDV久久| 五月婷婷亚洲色图| 亚洲性爱干干| 成人在线综合| 久热9| 久婷婷五月天影院| 色五月视频,小说| 久久这里有精品| 婷婷五月综合色中文字幕| 色综合色综合色综合高潮| www热久久yy9| 亚洲AV日韩在线观看| 狠狠干五月天婷婷网| 婷婷激情六月| 韩国中文字幕91| 色噜噜狠狠色综合无码久久欧美| 99A片| 大香蕉久久青青| 婷婷丁香五月天婷婷| 99九九精品视频| 大香蕉综合网| 99热亚洲综合| 亚洲VA在线| 超碰九色| 色婷婷色九月| 综合色五月| 国产av一区二区三区| 丝袜大香蕉| 国产精品色婷婷久久久精品| 色吧网综合| 亚洲激情电影五月天色婷婷丁香一起草| AV操逼网| 婷婷综合一二三| 六月婷色六月| 亚洲综合色网| 91狠狠色丁香婷婷综合久久| 另类 在线| 超碰京东热av男人的天堂| 色婷婷a三区麻| 夜夜操狠狠操| 成人五月天在线观看| 九九九色综合| 五月天停婷基地| 亚洲欧美999| 538在线精品| 99热只有精品在线播放| www.99久| 综激情网| 26uuu另类亚洲欧美日本一| 国产美女无遮挡裸体毛片A片 | 另类图片色五月| 亚洲成人网站在线| 91干99| 欧美天天综合网站上去吧| 五月婷婷在线视频| 婷婷激情中文综合| 婷婷亚洲色| 五月天婷婷激情在线色图| 夜夜操天天爽| 国产黄色在线观看| 久久久久这里都是精品| 91男同| 久久婷婷五| 欧美激情综合五月色丁香| 婷婷在线日韩综合| 国产一二三四五六七八视频| 偷拍九九热| 五月天激情婷婷丁香| 久久精品A片777777| 五月色婷婷综合丁香精品无遮挡| 中文字幕按摩做爰| 成人婷婷深爱综合网| 午夜69成人做爰视频| 五月激情综合婷婷| 91av传媒高清在线视频网| 丁香婷婷啪啪啪| 激情五月婷婷丁香| www.婷婷网| 精品国产乱码久久久久夜深人妻| 五月丁香婷婷综合在线| 国产成人精品亚洲线观看| www.色窝| 在线中文字幕免费视频| 成人丁香五月天| 国洲夜色亚热在线久久| 性色视频| 人人操操| 婷婷香蕉| 色婷婷五月基地在线| 亚洲色无码A片一区二区麻豆| www.minyis.com【JT】币址百万U预算可预付QQ2101460746 | 9 1超碰九色| 俺也去在线久久精品23欧美综合视频网站,丰满人妻一区二区三区在线视频53,丰满 | 五月丁香九九| 久久久WWW| 99这里有精品久久97| 狠狠干综合| 婷婷的五月天另类视频| 天天日色情| 五月天桃色深爱网| 婷婷中文在线| 99热综合| 99热99re6国产在线播放| 婷婷人妻激情| 婷婷五月天色色| 日韩砖区| 九色激情| 超碰操网| 丁香六月高清视频| 日韩有码一区| www.99在线| 啪啪婷婷五月天激情| 九九色婷| 99热久草| 六月亚洲婷婷6月中文字幕| 色婷五月天| 欧美va亚洲va在线播放| 影音先锋AV男人站| 日日夜夜天天| 激情五月综合网最新| 高清一区二区三区日本久| 五月综合色播播丁香婷婷| 丁香五月综合首页| 综合色播| 九九在线这里只有精品视频| 久久婷狠狠色| 国产精品激情AV久久久青桔| 日日色综合| 久久精彩免费视频精彩免费视频| 婷婷色情 | 91婷婷五月天嫩女| 啪啪综合网| 在线视频九色97| 99九九精品视频| 蜜乳A√| 99久精品视频| 青青久在线视频免费观看| 伊人9999| 婷婷丁香在线| 亚洲人成播放网站| 99热婷婷| 婷婷六月五月天综合| 久99久在线| 丁香五月综合网| 91一起艹| 夜夜天天天天天干天天爽| 久久婷婷婷| 丁香五月网络网络| 综合色婷婷| 人人爱人人草| 色爱亚洲| 五月婷伊人| 五月天激情四射网站| 亚洲国产精品二二三三区| 婷婷色五月开心五月| 五月综合亚洲| caop在线| 日韩成人影片在线观看| 99热精品在线播放| 国产美女视频久| 6080av| 超碰在线免费| 一区二区乱视频码| 精品一二三区久久AAA片| 日日噜狠狠色综合久| 青青.com| 人妻中文av| 色欲色香综合网| 久久久久人妻精选| 亚洲人人96@| www.爱婷婷.com| 色欲一区二区三区精品A片| 久久婷婷色色| 99爱视频在线观看这里只有精品| 国产欧美婷婷五月| 激情综合无码| 婷婷久久图片| 久9热视频在线| 久久98| 亚洲愉拍99热成人精品| 五月激情天天干| 夜夜噜夜夜奇| 人妻狠狠操| wWW九九在线播放| 另类国产欧美视频| 成人草榴视频| 日本狠狠干| 久久97| 九九色图| 色婷婷五月天视频在线| 色高清无码视频| 婷婷五月成年人| 久久98| 97人妻碰碰碰久久香蕉| 最新久久99视频网站| 国产真实乱对白精彩| 婷婷五月影院| 三级三久久线久久99久目本WW| 激情小说婷婷| 丁香婷婷五月| 亚洲欧美999| 五月涩涩网| 丁香香五月激情免费视频| 国产成人网站在线观看| 久大香蕉| 操逼视频一区| 97色天堂| 伊人碰碰婷婷| 久99在线| 99燥99日| 无码日本精品XXXXXXXXX| 97在线精品| 开心激情网五月天| 日本色色色| 99热爱爱干干日| 日韩超碰在线| 97干综合网| 91九色欧美| 色播五月天激情| 天天操婷婷| 第五色色色婷婷| 婷婷五月天狠狠| 丁香五月婷婷激情蜜桃| 婷婷五月色網站| 五月丁香做爱视频| 五月激情婷婷六月| 99热免费精品| 日日操日日撸| 5五月综合网亚洲| 99re热在线视频观看| 日韩在线观看亚洲| 婷婷五月丁香91| 亚洲永久免费| 狠狠做婷婷| 丁香六月婷婷色播| 丁香五月中文字幕| 激情五月丁香五月| 激情五月影院| 久久婷婷五月天| 亚洲国产精品二二三三区| 国产乱子轮XXX农村| 色婷婷六月| 99精彩视频在线观看| 9l视频自拍九色9l黑人| 色综合色色色色色色综合| 另类国产区| 久久免费9| 99热只有精品在线播放| 婷婷五月天直播| 久久人人人人妻| 亚洲成人在线五月天| 无码99| 91婷婷丁香| 天天日天天色| 久久人妻少妇嫩草AV| 五月停视频天堂| 九九激情视频| 五月丁香色色| 深爱五月激情综合| 色婷婷丁香五月色综合网| 天天干夜夜想| 99九九在线| 99热思思| 无码激情AAAAA片-区区| 91/九色黑人| 色播五月综合网| 五月丁香六月色婷| 深爱激情久久| 另类小说色婷婷| 天天插综合网| 无码激情AAAAA片-区区| 97在线日韩| 91干视频| 另类婷婷丁香| 人人摸人人搞| www.久久| 日本操B视频在线观看| 97精品综合久久内射| …亚洲黄色在线播放日韩、av中文a…| 婷婷综合| 日日肏天天操| 丁香六月婷婷综合啪啪| 六月丁香av| 色五月激情五月| 狠狠色噜噜狠狠狠狠狠色综合久久| 99碰视频| 五月情四婷婷| 79精品视频在线观看,| 色 免费网站视频| 五月丁香五月激情综合色综合| 99热这里只有精品2| 开心五月激情网| 五月天丁香婷婷网| 色婷婷在线影院| yazhou seshipin| 色色色综合色| 99精品久久| 人人爽欧美婷婷久久久五月丁香| 99色这里| 99热精品无码| 26uuu欧美| 亚洲免费在线观看岛国| 丁香五月婷婷少妇| 五月婷婷综合潮喷| 久操婷婷| 91seAV| 六月色伊人婷婷| 婷婷五月激情图片| 91精品综合久久久久久五月丁香| 97日本在线播放| 二色av| 久草xx性爱视频| 综合99久久天天综合| 久久亚洲婷婷| 久婷自拍视频| 婷婷色五月天第7色| 色婷婷AV在线| 久久婷婷七月丁香| 99欧州偷拍视频| 五月婷婷丁香综合| 我爱大香蕉| 伊人9在线| 婷婷丁香激情五月天色色| 色色丁香| 狠狠爱婷婷色| 国产精品噜噜在线视频| 激情六月丁香| 99久久人妻精品无码二区| 人人操AV| 高清无码视频网址| 人与禽A片啪啪| 91碰碰| 成人在线日韩欧美| 精品综合网在线| 九热在线这里有精品6| 五月色丁香| 天天操天天国产三级片处女学生妹| 亚洲人人96@| 99热偷拍| 狠狠久久婷婷| 99久久a线观| 天天爱天天做天天操| 超碰猛烈的性猛交| 日日操天天爽| 九九视频在线观看视频6| 色播五月婷婷| 99热新网址| 久久全色| 快色t v在线入口| 激情五月婷婷| 丁香五月激情婷婷视频| www.日韩国产| 久久99久久久久久久噜噜| 天天做天天爱天天爽夜夜揉| 亚洲bt丁香五月天婷婷激情小说| 欧美色色色| 99视频精品全部免费看| 成人丁香色| 九九色婷婷五月天| 翔田千里aV中文字幕| 99在线观看精品视频| 九色91视频| 色无码| 91超级碰人人操| 伊人婷婷色激情丁香| 婷婷激情五月| 色色吧综合| 久久新地址| 超碰在线9| 五月天 无码| 91干婷婷| 插插五月天| 中文字幕日本最新乱码视频| 色色色在线播放| 免费AV播放| 五月丁香激情片| 免费视频99| 激情五月天色| 激情五月丁香五月| 欧美 日韩 成人 在线| 在线观看亚洲视频影院| 麻豆精品| 色狠狠六月| 精品夜夜澡人妻无码AV| 久久五月人人摸| 婷婷五月花| 五月色丁香国产在线视频| 亚洲人人操| 六月丁香基地| 午夜性做爰电影| 很操日本7| 99精品丁香五月| 色区域网站视频| 天天狠狠综合精区| 九九热在这里只有精品| 五月婷婷 婷婷五月 一区二区 久久久 | 大香蕉av在线| 99精品综合| 亚洲色激婷| 国精产品一区一区三区免费视频| 五月天婷婷在看| 九九99九九精品免费| av网站中文| 久久er99热精品一区二区| 五月激情婷婷图片基地| 亚洲亚洲人成综合网络| 色婷婷五月天天天做| 亚洲情综合五月天| A网在线欧洲| 亚洲无码AV片| 9l视频自拍9l视频自拍九色学生| 五月丁香日逼| www,com,五月色色| 丁香五月综合婷婷| 色色色综合网| 亚洲99视频| 少妇大叫太大太粗太爽了A片| 第四色色六月色综合| 国产肥白大熟妇BBBB视频| 五月婷婷在线观看| 色五月大| 日本一级黄色电影| 久久五月丁香婷婷| 丰满人妻妇伦又伦精品国产| 九九综合久久| 91精品国产日韩91久久久久久国模| 久久综合中文| 五月婷婷久久综合| 五月天激情四射网站| 91性高潮久久久久久久久| 任你爽视频| 狠狠va| 一区二区你懂的| 4438激情网| 婷婷色色狠狠| 天堂伊人干| 色综合久久中文| 五月婷婷六月丁香激情深爱| 91|疯狂丨高潮丨对白| 免费看欧美成人A片无码| 性色人人爽| 色五月婷婷在线观看第一页舔| 丁香五月激情六月综合| 亚洲婷婷五月| 丁香九月激情| 天天综合网网欲色| 午夜丁香| 在线看九一V图片| 狠狠狠狠狠干| 激情综合婷婷| 超PEN精品在线| 天天肏高清在线| 五月丁香六月日逼| 日本97在线看片| 在线观看中文字幕亚洲| 婷婷黄色五月天在线视频| 九九精品系列| 色爱亚洲| 狠狠干五码| 五月婷婷99热| 六月成人网| 久久婷婷内射| w婷婷五月婷婷w| 亚洲一二三网| 色噜噜狠狠色综合日日| 丁香五月色五月婷婷宗合| 99色网站| 欧美色五月| 都市激情五月婷婷亚洲| 人妻九九九九| 久久综合婷婷激情| 丁香六月激情综合| 婷婷大美在线| 99玖玖人人| 国产婷婷色综合AV蜜臀AV| 五月丁香在线| 五月婷婷无码专区| 91久久九色| 婷婷五月成人| 久久久久网站| 狠狠狠狠狠草| 色99色| www,黄色在线,con| 大香蕉520| 婷婷亚洲欧美丁香五月| 精品婷婷五| 久久婷婷人人| 九月丁香网婷婷| 色婷婷狠狠18禁| 色色aⅤ網| 丁香五月手机在线| 99视频热99| 久热这里| 99热国内精品| 五月亭亭六月天| 最新激情五月天|