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)運營的一線實戰(zhàn)洞察。

YOLOv1原理精講:從網(wǎng)格編碼到三路損失的手工實現(xiàn)

YOLOv1原理精講:從網(wǎng)格編碼到三路損失的手工實現(xiàn) 簡介本資源是一份面向深度學習初學者與計算機視覺開發(fā)者的YOLOv1實戰(zhàn)訓練指南聚焦于如何基于Keras框架快速構(gòu)建并訓練自定義目標檢測模型。資源提供完整可運行的Keras_YOLOv1實現(xiàn)含darknet19網(wǎng)絡(luò)定義、train/test腳本及README說明配套圖像預處理示例jpg、數(shù)據(jù)列表配置txt和模型訓練/測試代碼py覆蓋數(shù)據(jù)準備、模型搭建、訓練調(diào)優(yōu)到結(jié)果可視化全流程。壓縮包共11個文件含3個Python核心腳本、4張示例圖像原始與檢測結(jié)果對比、3個文本配置文件及1份Markdown說明文檔總大小僅128KB輕量易解壓適合本地快速驗證與二次開發(fā)。目前已有110人學習下載讀者可直接復用目錄結(jié)構(gòu)與代碼模板省去環(huán)境適配與基礎(chǔ)框架搭建時間尤其適用于課程設(shè)計、小規(guī)模工業(yè)檢測場景或YOLO算法演進原理研究。1. 為什么還在用 YOLOv1不是為了懷舊而是為了“看懂目標檢測的骨架”你可能在 GitHub 上刷到過一堆標著 “YOLOv5/v8/v10 最新版”的倉庫點進去全是自動標注、一鍵訓練、WebUI 可視化——但當你被導師問“YOLOv1 的損失函數(shù)為什么分坐標、置信度、類別三部分計算”“S×S 網(wǎng)格怎么對應(yīng)到原始圖像坐標”時卻卡在了反向傳播的黑匣子門口。這套基于 Keras 實現(xiàn)的 YOLOv1非官方復現(xiàn)但結(jié)構(gòu)清晰、注釋完整不是為工程落地而生而是為“親手把目標檢測從頭擰緊每一顆螺絲”而設(shè)計。它不追求 mAP 多高但強制你手寫grid_cell_to_bbox()、手動拆解loss_coord和loss_conf、逐層調(diào)試conv4 → fc5 → output的 shape 變化。適合某高校計算機視覺課設(shè)、畢設(shè)中需要完整展示算法原理→代碼實現(xiàn)→訓練驗證閉環(huán)的學生也適合想甩掉 PyTorch 自動求導依賴、真正吃透 anchor-free 檢測范式底層邏輯的初階工程師。它不幫你省時間但它能讓你在答辯時指著 loss 曲線說清楚“這里第 37 輪震蕩是因為我在compute_iou里漏判了邊界框歸一化導致 conf_loss 突增”——這種確定性就是它存在的全部理由。2. 總體架構(gòu)設(shè)計Keras 函數(shù)式 API 構(gòu)建的四層結(jié)構(gòu)與數(shù)據(jù)流閉環(huán)這套方案沒有采用 Keras Sequential 模型而是嚴格使用函數(shù)式 APIFunctional API目的很明確讓每一層輸入輸出 shape 可追溯、梯度流向可打斷、中間特征圖可提取。整個網(wǎng)絡(luò)被劃分為四個邏輯層每層承擔明確職責且彼此解耦——這意味著你可以單獨替換 backbone比如把原始的 24 層卷積換成 ResNet18 提取器而不影響后續(xù) detection head 的 loss 計算邏輯。2.1 輸入預處理層固定尺寸 歸一化 標簽編碼的三步不可逆操作YOLOv1 對輸入尺寸極其敏感必須統(tǒng)一為 448×448原始論文設(shè)定。這不是為了兼容性而是因為其 S7 的網(wǎng)格劃分直接綁定圖像寬高比。預處理代碼如下def preprocess_image(image_path, label_path, input_size448, S7, B2, C20): # 1. 讀取并縮放雙線性插值保持比例 img cv2.imread(image_path) img cv2.cvtColor(img, cv2.COLOR_BGR2RGB) img_resized cv2.resize(img, (input_size, input_size)) # 2. 歸一化到 [0,1]Keras 默認要求 img_normalized img_resized.astype(np.float32) / 255.0 # 3. 解析 label 文件PASCAL VOC 格式 .xml 或自定義 .txt # 假設(shè) label_path 是 .txt每行: class_id x_center y_center width height (歸一化后) boxes [] with open(label_path, r) as f: for line in f.readlines(): parts line.strip().split() cls_id int(parts[0]) x, y, w, h map(float, parts[1:5]) # 注意YOLOv1 要求 bbox 坐標是相對于整張圖的絕對比例不是 grid cell boxes.append([cls_id, x, y, w, h]) # 4. 編碼為 (S, S, 5*B C) 的 label tensor label_tensor np.zeros((S, S, 5*B C)) for box in boxes: cls_id, x, y, w, h box # 計算該 bbox 中心點落在哪個 grid cell (i, j) i int(y * S) # 行號y 方向 j int(x * S) # 列號x 方向 if i S or j S: continue # 邊界溢出跳過真實項目中應(yīng)做裁剪或警告 # 歸一化中心坐標到 grid cell 內(nèi)部 [0,1] x_cell S * x - j y_cell S * y - i # 寬高保持原始比例相對整圖 w_cell w h_cell h # 填充 label_tensor前 5*B 位存 B 個 bbox 的 (x,y,w,h,conf)后 C 位存 one-hot 類別 for b in range(B): if label_tensor[i, j, 4 b*5] 0: # 找第一個空置信度位 label_tensor[i, j, b*5:(b*54)] [x_cell, y_cell, w_cell, h_cell] label_tensor[i, j, 4 b*5] 1.0 # 置信度 1有物體 break # 類別 one-hotC20此處簡化為單類實際需擴展 label_tensor[i, j, 5*B int(cls_id)] 1.0 return img_normalized, label_tensor提示這段代碼里的i int(y * S)是關(guān)鍵陷阱點。很多初學者誤用i int(y)導致 grid cell 索引錯亂。YOLOv1 的(x,y)是歸一化到[0,1]的乘以S才得到 cell 索引。我一般會在preprocess_image后加一句assert np.sum(label_tensor[..., 4]) 0確保至少有一個置信度被激活否則訓練必然失敗。2.2 Backbone 特征提取層24 層卷積 池化的經(jīng)典 VGG 風格設(shè)計原始 YOLOv1 使用 24 層卷積前 20 層 ImageNet 預訓練后 4 層隨機初始化本方案完全復現(xiàn)該結(jié)構(gòu)但用 Keras 層級顯式聲明便于調(diào)試def build_backbone(input_tensor): # 輸入(None, 448, 448, 3) x Conv2D(64, (7, 7), strides(2, 2), paddingsame, nameconv1)(input_tensor) # 224x224 x BatchNormalization()(x) x LeakyReLU(alpha0.1)(x) x MaxPooling2D((2, 2), strides(2, 2))(x) # 112x112 x Conv2D(192, (3, 3), paddingsame, nameconv2)(x) # 112x112 x BatchNormalization()(x) x LeakyReLU(alpha0.1)(x) x MaxPooling2D((2, 2), strides(2, 2))(x) # 56x56 # 后續(xù) 5 組 convpool最終輸出 7x7x1024 特征圖 # 代碼略共 24 層卷積詳見 model.py 中 build_backbone 函數(shù) return x # 輸出 shape: (None, 7, 7, 1024)這個 backbone 的輸出尺寸必須是(7,7,1024)這是硬性約束。因為 YOLOv1 的 detection head 直接在此基礎(chǔ)上接全連接層將(7,7,1024)flatten 成(1, 7*7*1024)再映射到(1, 7*7*(5*220)) (1, 1470)。任何尺寸偏差都會導致Dense層報錯。這也是為什么不能隨意替換 backbone —— 除非你同步修改后續(xù)的 reshape 和 dense 層參數(shù)。2.3 Detection Head 層從特征圖到預測張量的降維與解耦Backbone 輸出(7,7,1024)后Detection Head 并非簡單接一個 Dense 層而是分兩步走先用GlobalAveragePooling2D或Flatten降維再用兩個全連接層過渡最后輸出(7,7,1470)張量。本方案采用更魯棒的Flatten Dense組合并顯式分離坐標、置信度、類別分支def build_detection_head(backbone_output, S7, B2, C20): x Flatten()(backbone_output) # (None, 7*7*1024) (None, 49*1024) x Dense(4096, activationleaky_relu, namefc1)(x) # 4096 是原文設(shè)定 x Dropout(0.5)(x) x Dense(S*S*(B*5 C), activationlinear, nameoutput)(x) # 輸出 1470 維 # 關(guān)鍵reshape 回 (S, S, B*5 C) 以便后續(xù) loss 計算 output_tensor Reshape((S, S, B*5 C))(x) # 分離預測每個 cell 預測 B 個 bbox每個 bbox 5 維 (x,y,w,h,conf) C 維類別 # 這里不立即拆分留到 loss 函數(shù)中按索引取保證梯度連貫 return output_tensor注意Reshape((S, S, B*5 C))這一步。很多同學在這里用tf.reshape或K.reshape導致模型無法保存必須用 Keras 原生Reshape層。另外B*5 C 2*5 20 30所以最終輸出張量 shape 是(None, 7, 7, 30)而非(None, 1470)—— 這是后續(xù)所有 loss 計算和 NMS 的基礎(chǔ)維度。2.4 損失函數(shù)層坐標、置信度、類別三路 loss 的手工拼裝與加權(quán)YOLOv1 的 loss 是其靈魂所在也是最容易翻車的地方。它不是單一 MSE而是三部分加權(quán)和loss_coord: 僅對負責預測該物體的 grid cell 中的 bbox 計算即I_obj^ij 1的 cell且只計算(x,y,w,h)不包括 confloss_conf: 對所有 cell 計算但正樣本有物體用(C_i - C_i_hat)^2負樣本無物體用λ_noobj * (0 - C_i_hat)^2loss_class: 僅對有物體的 cell 計算類別預測誤差。本方案將 loss 封裝為自定義 Keras loss 函數(shù)關(guān)鍵代碼如下def yolo_v1_loss(y_true, y_pred): # y_true: (None, 7, 7, 30), y_pred: (None, 7, 7, 30) S, B, C 7, 2, 20 lambda_coord 5.0 lambda_noobj 0.5 # 1. 提取真實標簽中的 object mask: (None, 7, 7) # y_true[..., 4] 和 y_true[..., 9] 分別是兩個 bbox 的置信度原文中只用第一個 # 實際我們只關(guān)心是否有物體取 max(4,9) 0 即認為該 cell 有物體 obj_mask tf.reduce_max(y_true[..., 4::5], axis-1) # (None, 7, 7) obj_mask tf.expand_dims(obj_mask, axis-1) # (None, 7, 7, 1) # 2. 坐標 loss只對 obj_mask1 的 cell 計算 (x,y,w,h) # 注意w,h 用 sqrt 計算避免大 bbox 梯度爆炸 coords_true y_true[..., :4*B] # (None, 7, 7, 8) coords_pred y_pred[..., :4*B] # (None, 7, 7, 8) loss_coord lambda_coord * tf.reduce_mean( obj_mask * tf.square(tf.sqrt(coords_true[..., 2:4*B:5]) - tf.sqrt(coords_pred[..., 2:4*B:5])) obj_mask * tf.square(coords_true[..., :4*B:5] - coords_pred[..., :4*B:5]) ) # 3. 置信度 loss正樣本用 obj_mask負樣本用 (1-obj_mask) conf_true y_true[..., 4:B*5:5] # (None, 7, 7, 2) conf_pred y_pred[..., 4:B*5:5] # (None, 7, 7, 2) loss_conf_obj tf.reduce_mean(obj_mask * tf.square(conf_true - conf_pred)) loss_conf_noobj lambda_noobj * tf.reduce_mean((1 - obj_mask) * tf.square(conf_pred)) loss_conf loss_conf_obj loss_conf_noobj # 4. 類別 loss只對 obj_mask1 的 cell 計算 C 維 one-hot class_true y_true[..., B*5:] # (None, 7, 7, 20) class_pred y_pred[..., B*5:] # (None, 7, 7, 20) loss_class tf.reduce_mean(obj_mask * tf.square(class_true - class_pred)) return loss_coord loss_conf loss_class注意這段代碼里coords_true[..., 2:4*B:5]的切片邏輯極易出錯。2:4*B:5表示從索引 2 開始步長為 5取4*B個元素中的 w,h 維度即索引 2,3,7,8,...。我第一次寫時漏了:5導致取了全部 8 個值loss 爆炸。建議在訓練前用model.compile(lossyolo_v1_loss, optimizeradam)后先model.evaluate(dummy_x, dummy_y)測試 loss 是否為有限值再開始正式訓練。3. 數(shù)據(jù)集構(gòu)建與標注規(guī)范從 VOC 到 YOLOv1 標簽的精準映射YOLOv1 不接受任意格式的標注它對標簽的物理意義、數(shù)值范圍、存儲結(jié)構(gòu)有強約定。本方案提供了一套完整的轉(zhuǎn)換腳本voc_to_yolo1.py但更重要的是理解“為什么這樣轉(zhuǎn)”。3.1 PASCAL VOC 標注的局限性與 YOLOv1 的適配改造VOC 的.xml文件記錄的是xminyminxmaxymax像素坐標而 YOLOv1 要求所有坐標必須歸一化到[0,1]中心點(x_center, y_center)和寬高(w, h)必須是相對于整張圖的比例每個.txt標簽文件一行一個物體格式為class_id x_center y_center w hclass_id從 0 開始且必須與classes.txt中順序嚴格一致。轉(zhuǎn)換腳本核心邏輯如下def voc_to_yolo1(xml_path, image_path, classes_file, output_txt_path): tree ET.parse(xml_path) root tree.getroot() size root.find(size) img_w int(size.find(width).text) img_h int(size.find(height).text) with open(classes_file, r) as f: classes [line.strip() for line in f.readlines()] with open(output_txt_path, w) as out_f: for obj in root.iter(object): cls_name obj.find(name).text if cls_name not in classes: continue cls_id classes.index(cls_name) xmlbox obj.find(bndbox) xmin int(xmlbox.find(xmin).text) ymin int(xmlbox.find(ymin).text) xmax int(xmlbox.find(xmax).text) ymax int(xmlbox.find(ymax).text) # 轉(zhuǎn)換為 YOLOv1 格式中心點 寬高 歸一化 x_center ((xmin xmax) / 2.0) / img_w y_center ((ymin ymax) / 2.0) / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h # 寫入class_id x_center y_center w h out_f.write(f{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}\n)提示x_center和y_center必須是(xminxmax)/2除以img_w/img_h而不是(xmin/img_w xmax/img_w)/2—— 數(shù)學等價但浮點精度下后者可能引入微小誤差在int(y * S)時導致 grid cell 錯位。我吃過這個虧一張圖里 3 個物體2 個進了正確 cell1 個因y_center差了1e-8被int()截斷到隔壁 cell訓練時該 cell 的I_obj^ij為 0但 loss 卻在懲罰它的 bbox 預測結(jié)果模型學不會定位。3.2 小樣本數(shù)據(jù)集的增強策略幾何變換優(yōu)先色彩擾動次之YOLOv1 對數(shù)據(jù)量敏感但盲目增加ImageDataGenerator的rotation_range20或shear_range0.2會破壞 bbox 的幾何一致性。本方案推薦的增強組合是必選horizontal_flipTrue鏡像翻轉(zhuǎn)不改變 bbox 語義只需 x_center 1 - x_center慎選width_shift_range0.1, height_shift_range0.1平移后需同步調(diào)整 bbox 坐標代碼已內(nèi)置禁用rotation_range,zoom_range,shear_range旋轉(zhuǎn)/縮放/錯切會扭曲 bbox 形狀YOLOv1 無 anchor 機制無法適應(yīng)形變。增強后的圖像與標簽必須同步保存腳本augment_and_save.py會生成_aug001.jpg和_aug001.txt并確保.txt中的坐標已重算。3.3 數(shù)據(jù)集劃分與加載器Keras Sequence 的內(nèi)存友好實現(xiàn)為避免一次性加載所有圖片到內(nèi)存448×448×3×N 占用巨大本方案使用keras.utils.Sequence自定義生成器class YOLOv1DataGenerator(Sequence): def __init__(self, image_paths, label_paths, batch_size8, shuffleTrue): self.image_paths image_paths self.label_paths label_paths self.batch_size batch_size self.shuffle shuffle self.on_epoch_end() def __len__(self): return int(np.ceil(len(self.image_paths) / self.batch_size)) def __getitem__(self, index): batch_indices self.indices[index*self.batch_size:(index1)*self.batch_size] batch_images [] batch_labels [] for i in batch_indices: img, label preprocess_image( self.image_paths[i], self.label_paths[i], input_size448, S7, B2, C20 ) batch_images.append(img) batch_labels.append(label) return np.array(batch_images), np.array(batch_labels) def on_epoch_end(self): self.indices np.arange(len(self.image_paths)) if self.shuffle: np.random.shuffle(self.indices)__getitem__中調(diào)用preprocess_image是關(guān)鍵。它保證每次 yield 的都是實時處理后的(448,448,3)和(7,7,30)內(nèi)存占用恒定且支持shuffleTrue下的真隨機。4. 模型訓練與超參調(diào)優(yōu)從學習率衰減到早停策略的實戰(zhàn)配置YOLOv1 訓練不是“run train.py 等 100 epoch”而是一場與 loss 曲線的耐心博弈。本方案的train.py提供了開箱即用的配置但真正決定成敗的是以下三個超參的協(xié)同。4.1 學習率調(diào)度階梯式衰減 warmup 的雙階段控制YOLOv1 原文使用lr0.001但直接使用會導致初期 loss 震蕩劇烈。本方案采用warmup step decay# warmup前 5 個 epochlr 從 1e-5 線性升到 0.001 def warmup_step_decay(epoch): if epoch 5: return 1e-5 (0.001 - 1e-5) * epoch / 5.0 else: # 階梯衰減每 30 epoch 降為 0.1 倍 return 0.001 * (0.1 ** (epoch // 30)) lr_scheduler LearningRateScheduler(warmup_step_decay)為什么是 5 和 30因為 backbone 的 24 層卷積參數(shù)量大前 5 epoch 是讓淺層特征提取器“熱身”避免初始梯度爆炸而 30 epoch 是經(jīng)驗閾值——在多數(shù)小數(shù)據(jù)集2000 圖上loss 在此之后下降緩慢繼續(xù)訓練易過擬合。4.2 優(yōu)化器選擇Adam 優(yōu)于 SGD 的實證依據(jù)YOLOv1 原文用 SGD momentum但本方案實測 Adam 更穩(wěn)定。原因在于Adam 的自適應(yīng)學習率能更好處理loss_coord數(shù)值小、loss_conf數(shù)值大、loss_class數(shù)值中三者量綱差異beta_10.9, beta_20.999的默認設(shè)置對 YOLOv1 的梯度分布匹配度高不需要手動調(diào)momentum和nesterov。optimizer Adam(learning_rate0.001, beta_10.9, beta_20.999, epsilon1e-07) model.compile(optimizeroptimizer, lossyolo_v1_loss)避坑 / 常見問題 / 排查 / 注意現(xiàn)象訓練第 1 個 epoch 后loss_coord突增至1e5以上loss_conf接近 0原因preprocess_image中x_cell S * x - j計算錯誤j用了int(x * S)但x未歸一化導致x_cell為負數(shù)或 1sqrt(w)報錯梯度爆炸解決檢查preprocess_image輸入的x,y,w,h是否已歸一化加斷言assert 0 x 1 and 0 y 1現(xiàn)象val_loss持續(xù)下降但val_loss_coord卻上升原因驗證集標注中存在w或h為 0 的無效 bbox如xminxmax導致sqrt(w)為 0loss_coord計算時出現(xiàn)nanKeras 自動忽略該樣本但loss_coord分母變小數(shù)值虛高解決在voc_to_yolo1.py中加入if w 0.001 and h 0.001:過濾極小 bbox現(xiàn)象訓練 50 epoch 后所有預測 bbox 的conf都趨近于 0.5class輸出混亂原因lambda_noobj0.5過小負樣本置信度 loss 權(quán)重不足模型學會“保守預測”對所有 cell 都輸出中等 conf解決將lambda_noobj提高到1.0或2.0強制模型區(qū)分有/無物體 cell現(xiàn)象model.predict()輸出的(7,7,30)中conf值全為 0 或 1無中間值原因Dense層后未加sigmoid激活conf和class預測值未經(jīng)壓縮直接進入 loss 計算導致梯度飽和解決在build_detection_head的Dense層后對conf和class部分加sigmoidoutput_tensor tf.concat([tf.sigmoid(conf_part), tf.sigmoid(class_part)], axis-1)現(xiàn)象訓練過程 GPU 顯存占用從 2GB 漲到 12GB 后 OOM原因tf.data.Dataset或Sequence中batch_size過大且preprocess_image內(nèi)部未釋放臨時變量如cv2.imread返回的img解決preprocess_image結(jié)尾加del img, img_resized或改用tf.io.read_filetf.image.decode_jpeg由 TensorFlow 圖優(yōu)化內(nèi)存4.3 早停與模型保存基于val_loss_coord的精準干預YOLOv1 的最終目標是精確定位因此不能只看val_loss。本方案監(jiān)控val_loss_coordearly_stopping EarlyStopping( monitorval_loss_coord, # 自定義 metric需在 compile 時注冊 patience15, verbose1, modemin, restore_best_weightsTrue ) model_checkpoint ModelCheckpoint( best_yolov1.h5, monitorval_loss_coord, save_best_onlyTrue, modemin )要讓EarlyStopping識別val_loss_coord需在compile時注冊自定義 metricdef loss_coord_metric(y_true, y_pred): # 復制 loss_coord 計算邏輯返回 scalar # 代碼同 loss 函數(shù)中 loss_coord 部分略 return loss_coord_scalar model.compile( optimizeroptimizer, lossyolo_v1_loss, metrics[loss_coord_metric, accuracy] # accuracy 此處無意義僅為占位 )5. 模型推理與結(jié)果可視化從 raw output 到可交付檢測圖的全流程訓練完的.h5模型不能直接用于檢測必須經(jīng)過后處理Post-processing才能得到人類可讀的 bounding box。本方案的inference.py封裝了完整 pipeline。5.1 Raw Output 解析從(7,7,30)到候選 bbox 列表模型輸出pred model.predict(img_batch)后pred是(1,7,7,30)。解析步驟如下def parse_prediction(pred, S7, B2, C20, confidence_threshold0.3, iou_threshold0.4): # pred: (1, 7, 7, 30) pred pred[0] # (7, 7, 30) bboxes [] for i in range(S): for j in range(S): # 取該 cell 的兩個 bbox 預測 for b in range(B): # 置信度 conf pred[i, j, 4 b*5] if conf confidence_threshold: continue # 中心點相對于 cell x_cell pred[i, j, b*5] y_cell pred[i, j, b*5 1] # 寬高相對于整圖 w pred[i, j, b*5 2] h pred[i, j, b*5 3] # 還原到整圖坐標 [0,1] x (j x_cell) / S y (i y_cell) / S # 轉(zhuǎn)為 (xmin, ymin, xmax, ymax) 歸一化坐標 xmin max(0, x - w/2) ymin max(0, y - h/2) xmax min(1, x w/2) ymax min(1, y h/2) # 類別概率20 維 class_probs pred[i, j, B*5:] cls_id np.argmax(class_probs) cls_score class_probs[cls_id] final_score conf * cls_score # YOLOv1 的最終置信度 obj_conf * class_prob if final_score confidence_threshold: bboxes.append([xmin, ymin, xmax, ymax, final_score, cls_id]) # 轉(zhuǎn) numpy array 并做 NMS if len(bboxes) 0: return [] bboxes np.array(bboxes) keep non_max_suppression(bboxes, iou_threshold) return bboxes[keep] def non_max_suppression(bboxes, iou_thresh): # 標準 NMS 實現(xiàn)按 score 降序計算 IOU抑制重疊 # 代碼略詳見 utils.py pass注意final_score conf * cls_score是 YOLOv1 的核心設(shè)計不是后加的 trick。conf表示“這個 cell 里有物體的概率”cls_score表示“這個物體是某類的概率”二者相乘才是“這個 bbox 是某類物體的置信度”。漏乘會導致高 conf 低 cls 的 bbox 被保留檢測結(jié)果全是“疑似物體”。5.2 可視化腳本支持 OpenCV 與 Matplotlib 雙引擎為適配不同環(huán)境服務(wù)器無 GUI / 本地調(diào)試visualize.py提供兩種模式def draw_bboxes_cv2(image, bboxes, classes, colors): # image: (H,W,3) uint8 h, w image.shape[:2] for box in bboxes: xmin, ymin, xmax, ymax, score, cls_id box # 歸一化坐標轉(zhuǎn)像素 x1, y1, x2, y2 int(xmin*w), int(ymin*h), int(xmax*w), int(ymax*h) color colors[int(cls_id) % len(colors)] cv2.rectangle(image, (x1,y1), (x2,y2), color, 2) label f{classes[int(cls_id)]}: {score:.2f} cv2.putText(image, label, (x1, y1-10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 1) return image def draw_bboxes_plt(image, bboxes, classes, colors): # image: (H,W,3) float32 [0,1] plt.figure(figsize(12,8)) plt.imshow(image) for box in bboxes: xmin, ymin, xmax, ymax, score, cls_id box rect patches.Rectangle((xmin, ymin), xmax-xmin, ymax-ymin, linewidth2, edgecolorcolors[int(cls_id)%len(colors)], facecolornone) plt.gca().add_patch(rect) plt.text(xmin, ymin-0.02, f{classes[int(cls_id)]}: {score:.2f}, colorcolors[int(cls_id)%len(colors)], fontsize10) plt.axis(off) plt.show()5.3 檢測性能評估m(xù)AP 計算的輕量級實現(xiàn)本方案不依賴 pycocotools安裝復雜而是用sklearn.metrics.average_precision_score實現(xiàn) VOC 風格 mAPdef calculate_voc_ap(precisions, recalls): # VOC 11-point interpolation ap 0 for t in np.arange(0, 1.1, 0.1): if np.sum(recalls t) 0: p 0 else: p np.max(precisions[recalls t]) ap p / 11.0 return ap def evaluate_model(model, test_generator, classes, iou_thresh0.5): all_scores [] all_labels [] all_dets [] all_gts [] for i, (x_batch, y_batch) in enumerate(test_generator): preds model.predict(x_batch) for j in range(len(x_batch)): # 解析 pred[j] 得到 det_boxes det_boxes parse_prediction(preds[j:j1], ...) # 從 y_batch[j] 解析 gt_boxes逆向 preprocess_image gt_boxes decode_label(y_batch[j]) all_dets.append(det_boxes) all_gts.append(gt_boxes) # 計算 per-class AP aps {} for cls_id in range(len(classes)): scores, labels [], [] for dets, gts in zip(all_dets, all_gts): # 計算該類別的 TP/FP/FN tp, fp, fn compute_tp_fp_fn(dets, gts, cls_id, iou_thresh) scores.extend([det[4] for det in dets if det[5]cls_id]) labels.extend([1 if tp_i else 0 for tp_i in tp]) if len(labels) p a hrefhttps://download.csdn.net/download/2401_87496566/89843308 stylecolor:#ec7500;font-size:14px; 本文還有配套的精品資源點擊獲取 /a img altmenu-r.4af5f7ec.gif srchttps://csdnimg.cn/release/wenkucmsfe/public/img/menu-r.4af5f7ec.gif stylewidth:16px;margin-left:4px;vertical-align:text-bottom;cursor:text; /p
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
天天模,夜夜模夜夜爽| 天天爱天天做天天日| 婷婷婷婷婷婷婷五月丁香| 另类小说婷婷色| 俺也去综合| 五月天婷婷在线播放| 九九在线精点品| 极品人妻VIDEOSSS人妻| 玖玖九九99| 激情婷婷丁香五月天| 色欲天天综合网| 亚洲精品五月| 久久艹 五月天| 综合一本道| 伊人99热| XXXX岛国| 五月丁香激情综合网| 日日爽夜夜爽| 激情五月综合| 香蕉狠狠爱视频| 九九九九成人| 97碰碰人人| 久久久www| 亚洲综合激情五月久久| 婷婷久久六月费| 九九精品9| 丁香 婷婷 亚洲 熟女| 五月天色色色网| 丁香五月天啪啪a日本| 婷婷丁香先锋资源网站| 九九热在线视频观看| 丁香五月天堂| 欧美三级视频| 婷婷五月色情天| 噜噜狠狠| 综合激情九月婷婷,激情综合婷婷中文字| 天堂草在线观看| 久re热视频| 91操人| 久久这里只有精品久久| 久久黄色片| 久久丁香五月婷| 99热高清在线| 久久精品99国产精品日本| 99爱在线视频观看| 欧美又粗又大一区二区在线观看| 久热精彩视频98| 91免费看片| 性爱在线播放av| 国产九月婷婷| 日本狠狠色| 婷婷五月免费在线| 爱操人妻| 97碰操| 九九99免费视频| 综合综合色色| 99久精品| 五月丁香色欲| 色噜噜狠狠色综合日日| 色五月天综合| 激情五月婷黄版| 尤物一区二区| 激情爱爱网站超大免费| 久久丁香五月婷婷激情综合网| 色伦专区97中文字幕| 五月天网站亭亭| 日本久久爽| Av性爱网| 六月婷婷色综合| 丁香五月大香蕉| 激情五月丁香五月色| 综合噜噜| 婷婷丁香激情| 婷婷丁香五月天在线视频| 中文字幕成人日韩| 人妻体体内射精一区二区| 91丁香婷婷综合资源| 成人看片网站| 任你操精品免费| 五月天另类小说亚洲| 亚洲无码免费看| 欧美色五月| 这里只有精品视频免费在线观看| 激情久久天天| 99re久热只有精品6在线直播| 五月天AV大香蕉| 青草视频在线观看视频| 狠狠色综合网站久久久久| 婷婷五月天电影在线| 超碰在线看| 亚洲第二AV| 免费视频WWW在线观看网站| 婷婷色在线播放| 久热中文字幕在线线观看 | 婷婷五月天激情综合| 丁香色五月AV在线| 狠狠色噜噜狠狠狠777奇米| av人人干| 日日夜夜天天综合| 99色在线视频| 啊v视频在线观看| 成年人看Va免费视频| 国产精品久久久99视频| 婷婷激情综合| 影音先锋一区| 性色婷婷| 婷婷天堂站| 蜜乳人妻一区二区三区| 丁香五月天婷婷91| 97碰 在线视频观看| 91操人| 色婷婷国产精品综合在线观看| 色了色综合| 99久久99视频只有精品| 五六月婷婷| 一本久道综合99| 五月婷护士| 成人精品视频99在线观看免费| 亚洲成人免费在线| av九九| 综合99综合久久久久久久| 99黄色在线视频精品熟女| 亚洲精品第一国产综合亚AV | 五月婷久久综合| 99精彩视频网站在线| 九月婷婷色色| 亚洲AV免费在线| 久久丁香五月| 超碰a女人的天堂| 五月丁香婷婷欧美| 九九热最新| 婷婷丁香五月欧美人| 色天天久婷婷| 丁香色情五月综合网站| 新激情五月开心五月婷婷五月丁香五月| 激情六月丁香综合| 丁香五月天婷婷久久| 五月天激情综合网俺也去| 色婷婷综合久久久久| 久久综合色五月| 91视频免费后入强操| 精品99在线观看| 热99久| 亚洲色色五月| 五月天婷婷色在线视频免费观看 | 天天弄天天操| 9精品久久999| 丁香五月天社区婷婷| 天天婬色综合| 欧美日本国产欧美日本韩国99| 久久机热探花| 色婷婷欧美| 久久九九网| 97干在线视频| 九九爱看亚洲| 婷婷五月丁香91| 91久久久久久久91| 亚洲综合视频天天精品| 人人看人人草人人摸| 五月丁香六月婷婷色| 久久婷婷欧美| 九九精品亚洲| 五月色网| 91丨九色丨国产打屁股网站| 激情综合网址| 丁香花五月天| 色婷婷丁香五月| 丁香五月激情啪| 亚洲色99| 天天久久婷婷| 变态另类9| 伊人大香蕉在线视频| 丁香五月天激情四射网络不好| 欧美日韩国产一区二区| WWW、日本色丁香co m| 激情亚洲色图片丁香综合| 婷婷激情五月综合丁| 丁香五月婷婷视频| 亚洲精品色| 97碰碰免费.视频| 色五月婷婷AV| 久久婷婷色丁香| 夜夜综合色| 免费国产视频| 欧美三级巜人妻互换| 婷婷综合伊人| 激情五月天啪啪视频| 亚洲久久婷婷丁香五月天| 婷婷六月五月| 欧美色五月| 成人做爰黄A片免费看直播室男男| 婷婷六久久| 亚洲情色一区| 天堂网色婷婷| 久久五月天合网| 婷婷五月天香蕉| 日本天堂免费99| 91狠狠综合久久| 久月久在线视频| 中文字幕日韩成人| 天堂AV在线看| 五月婷婷无码| 蜜臀av粉嫩av懂色av| 色五月激情问网站| 亚洲色热| 黃色三级三级三级三级 qixing300.shrkbk.com www.jinbozs.com tianmiaosw.com | 99热日韩这里只有精品| 成人在线综合| 五月婷婷久久爱| 九九伊人网| 开心激情网在线| 99只有精品| 五月丁香婷婷激情图片| 99热在这里只有免费精品| 涩综合婷婷| 26uuu国产| 六月婷婷视频| 性生活视频98791| 久久色婷婷| 婷婷9月天| 国产乱码久久| 91狠狠色| 久re在线| 激情五月天色婷婷| 亚洲成av人影院| 久久亚洲激情五码| 蜜臀99久久精品久久久久| 久久五月天激情婷婷| 夜夜干天天操| YW无码| 五月丁香怕怕综合| 99久久99九九九99九他书对| 超碰97久久| www.minyis.com【JT】币址百万U预算可预付QQ2101460746 | 人人操婷婷| 超碰国产在线| 色婷婷综合久久久久| 色色色色色日韩午夜激情 | 国产1区2区3区在线观| 亚洲色五月婷婷| 热思思九九| 综合网色| 超碰在线精品| 丁香伊人网| 激情五月六月婷婷| 久久久潮喷-久久久九九-成人AV| 五月婷婷狠狠干| www.狠狠操| www九九| 色九九九九| 1024在线视频| 思思热再线视频| www.超碰| 婷婷五月天激情在线观看| 丁香六月啪| 久久99大全| 九热久| 婷婷五月六月丁香综合| 碰99在线| 激情综合色婷婷六月天| 成人 AV播放| 激情五月婷在线精品| 国产精品A成V人在线播放| 九九这里只有精品在线视频| 俺去也婷婷| a在线观看| 影视av久久久噜噜噜噜噜三级| 高清 码 免费看片短视频| 另类五月激情| 日欧一片内射VA在线影院| 婷婷五月激情的图片| 97在线综合| 婷婷综合av| 国产片色| 99资源人人| 色综合色综合色综合| 玖玖色综合色| 综合激情五月天六月婷免费视频| 99精品女人天堂| 色婷婷狠狠| 亚洲婷婷综合视频| 日本女人久久| 久久性爱视频| 五月天婷婷激情小说电影| 99热12| 婷婷五月天伊人网在线观看视频| 久久最新色色色| 亚洲无码AV片| 十二区无码| 婷婷中文字幕| 亚美欧色影院| 色亚洲无码| 成人视屏在线观看| 五月婷婷开心五月| 欧美日韩日韩成人| 99re这里| 超碰人人艹| 伊人婷婷五月天| 入口五月婷婷六月香| 色婷精品91| 九九九九国产| 69超碰在线| www.26uuu.com亚洲电影| av网站免费在线| 婷婷五月av| 免费成人中文字幕| 久久婷婷视频| 婷婷丁香亚洲五月天| 97在线观视频免费观看| 涩五月婷婷| 五月婷婷影院| 丁香婷婷色五月| 丁香五月综合在线播放| 9热在线观看| 大香蕉人妻| www.夜夜操.con| 熟妇人妻中文字幕无码老熟妇| 日本美女97在线视频| 狠狠色噜噜| 久久日九九| 超碰人人操人人干| 婷婷五月天亚洲精品| 久久久色情| 九九99九九99| 亚洲六月婷| 日韩无码性爱| 天天做天天爱天天高潮| 米奇影视五月天| 亚洲综合一区二区| av网站不卡在线| 婷婷五月天久久| 99九九精品| 色婷婷成人做爰A片免费看网站| 成人五月天视频播放| 97碰| H亚洲| 丁香五月人妻| 思思re视频在线| 日韩高清成人| 99re资源在线视频导航| 五月天精品| 亚洲综合色棒| 五月丁香网视频| 久久性都花花世界成人免费视频| 日本婷婷| 九月综合| 婷婷五月天免费视频在线观看| 热99精品视频| 丁香五月欧美婷婷| 亚洲综合成人网| 婷婷五月色丁香在线看| 婷婷激情伍月网| 99人人干人人操| 五月天大香蕉| 日韩亚洲视频| 婷婷成人五月天成人文学| 草美女在线观看视频在线播放 | 天天做天天爱天天综合| 日本va欧美va精品发布视频| 超碰色婷婷| 狠狠ri| 丁香啪啪| 五月婷婷综合在线| 亚洲色婷婷五月| 久久狠狠高潮亚洲精品 天天摸夜夜摸夜夜狠狠摸 | 91久热| 99免费热视频| 亚洲瑟瑟精品在线| 激情美女五月天| 99热在这里只有精品| 婷婷五月天激情综合网| 欧美激情Va| 99婷婷国产最新视频| 久久桃花网色婷婷| 亚洲精品久久久久久久久久吃药| 99色在线| 日本综合久久| 九色无码| 国产美女视频久| 综合网五月天123| 丁香五月狠狠在线观看| 91九色国产| 婷婷五月天精品| 亚洲偷| 婷婷99狠狠躁天天| 婷色五月天| 爽天天天天天天天| 日本少妇裸体做爰高潮片| www.色五月.com| 五月天婷婷免费视频| 97五月婷| 五月丁香花激情综合网| 亚洲在线网站| 狠狠色噜噜| 激情五月婷黄版| 五月天激情四射| 99久久国产宗和精品1上映| 六月婷欧美| 1024久婷| 久9热在线免费观看| 色丁香五月| 人人干人人操人人摸人人做| 伊人天堂婷婷| 五月婷婷五月天| 亚洲六月婷婷| 亚洲开心激情网| 夜夜嗨一区二区三区直播内容 | 色丁香五月| www天天色天天射| 大陆肏屄视频| 这里只有精彩视频| 2020日日干| 新激情五月天天在线网| 涩涩五月天| 婷婷爱五月天| 91成人电影| 91se在线观看| 91一起操| 超碰在线看| 六月色色| 激情五月婷婷| 成人龟情网丁香五月| 日韩黄色中文字幕| 综合久久十| 超级碰碰碰久久网站视频| 99热亚州综合| 亚洲人人艹| 丁香色情五月综合激情| 97热久久五月婷婷| 少妇高潮一区二区三区99欧美| 日本三级日本三级三级人妇四虎| 狠狠综合| www.金莲av| 99操不停| 《丁香激情综合久久伊人久久》影视在线观看 -高清预告手机免费播放 -三妹影院 | 日本久久精品18| 色欲九区| 亚洲俩性性爱图片久久第六页| VA国产在线综合网站| 五月综合777| 久久机热这里只有精品| 五月婷婷五月色| 狠狠五月天| 亚洲在线操| 亚洲色频| 精品一区久热| 91成人电影| 伊人婷婷青青cao| 天天爱天天做综合| 婷婷五月天在线一区| 狼友超碰| 六月成人网| 婷婷五月丁香激情图片| 日韩操人| 色婷婷先锋| 亚洲成人AV在线播放| 精品久热| 人人做天天爱| 日本三级黄色大片| 玩熟女五十AV一二三区| 色色日本欧美| 五月天无码视屏播放| 在热视频精品| 超碰人人操在线| 99热亚洲| 中文字幕人妻AV| 玖玖婷婷色| 五月天色导航婷婷资源婷婷| 国产精品五月天婷婷| 中文资源在线a| 色色婷婷丁香| 婷婷丁香黄色| 婷婷激情五月天7| 婷婷激情五月天小说| 蜜臀av粉嫩av懂色av| av大香蕉| 碰97久久| 丁香五色月婷婷网| 婷婷丁香宗合888| 欧美成人精品三区综合A片| 激情五月狠狠喔| 色婷婷手机在线| 99热只有精| 六月丁香啪啪| 久久婷婷五| 日本成人综合| 中文字幕色色色| www.yw尤物| 中文字幕成人版| 操91| 久久九九99亚洲国产久精综合| 色五月婷婷操逼| 97在线观看| www.婷婷,com| 丁香六月亭亭久久综合| 99色色| 五月狠狠| 五月天激情av| 图片区 小说区 区 亚洲五月| 草草影院爱爱| 婷婷爱五月天人人爱| 婷婷五月天色| 丁香五月婷婷激情四射| wwwwww.色| 婷婷在线综合| 日本不卡高字幕在线2019| 9精品视频在线| 中文字幕av网站| 99热99久久| 狠狠色噜噜狠狠| 九九热免费视频| 色婷婷色情| 99热久久这里只有精品2010| 亚洲欧美在线观看| 快乐激情五月色婷婷| 婷婷俺去也| 男人大jjc女人免费视频| 丁香五月AV| 亚洲成人黄色网| 亚洲精品久久久久久久久久吃药| 久久xx| 啪色综合| 婷婷之玖玖| 色六月天天激情综合网| 五月丁香黄色视频| 六月99天天婷婷激情综合| 天天干夜夜欢| 日日操夜夜擼| 天天模,夜夜模夜夜爽| 99热99在线| 国产精品A片在线| WWW.开心五月天.COM| 国产午夜一区二区三区| 婷婷伊人网| 99视频这里有精品| 丁香五月天天| 噜噜噜噜综合在线| 色色五月丁香婷婷综合| 婷婷激情社区| 五月婷天堂视频| 殴美激情综合网| 亚洲精品国产精品乱码视99| 欧美性爱丁香五月| 日逼免费视频 | 五月婷婷 欧美| 五月丁香综合啪啪| 五月丁香趴趴| 99视频这里有精品| 色色丁香五月| 婷婷在线视频| 99热在线看| 97成人丁香婷婷| 日日爽日日| 婷婷久久综合久| 婷婷色五月激情| 激情久久久久久久久| pacopacomama 070722_670 素人奥様初撮りドキュメント 103 大久保純子 | 日本在线视频看se99| 亚洲激情综合免费| 91jiuseshunv| 五月亚洲| 五月丁香少妇| 婷婷永久在线| WWW,激情五月天,COM| 激情五月天视频| 日本三级韩三级99久久| 来吧亚洲综合网| 婷婷六月色丁香视频在线观看| 激情综合久久| 色五月婷婷婷婷| 日日夜夜亚洲一区| 99色视频| 伊人激情| 免费无码毛片一区二区A片 | 就爱干 在线| 91聚色综合网| 国产精品美女| 色一情一乱一乱一区91Av| 人人草人人爱| 五月激情久久综合| 狠狠干五月天| 丁香婷婷黄网站| www.99热在线| 欧美噜噜久久久XXX| 可以免费观看的AV| 另类图片激情五月天| 欧美大肥婆大肥BBBBB| 精品无码av丁香五月激情| 校花娇喘呻吟校长陈若雪视频 | 五月丁香五月婷婷| 亚洲成人网站在线观看| 中文字幕丰满孑伦无码专区| 五月丁香激情在线| 天堂亚洲 在线| 另类 在线| 铁牛TV人妻| 丁香六月啪啪| 丁香五月天欧美| www.金莲av| 婷香五月激情视频| 狠狠色五月| 任你草| 日韩六六久久电影| 五月婷婷深深爱| 九九热精品| 久久综合天天综合| 九九这里是免费的视频5| 日本九九九九| 久久婷婷久久| 亚洲日韩乱码一区二区三区四区| 99小精品| 99热综合在线观看| 久久九九爽| 激情五月天网页| 91超级碰在线| 亚洲午夜成人av电影网| 色综合天堂| 色色色99韩| 色吊丝99| 国产这里只有精品| 日日夜夜天天| 五月丁香激情综合网官网| 99精品女人天堂| 九九热精品| 亚洲综合五月天婷婷| 都市激情蜜桃婷婷五月天| 区啪精品| 狠狠精品干练久久久无码中文字幕| 色婷婷久久| 这里只精品| 六月色 亚洲| 六月丁香久久| 欧美色宗和激情| 毛片新网地| 超碰99在线观看| 92久久久| AA片在线观看视频在线播放| 在线成人网站| 无码操B| www.91有码.com| 婷婷黄色| 99爱在线| 国产做A爰片毛片A片美国| 久久婷婷六月综合综合色| 色婷婷五月影视| 九九九午夜视频| 99热99艹在线观看| a久久| 五月婷婷亚洲| 俺也去在线视频| 日本婷婷网| 九月激情综合婷婷| 日韩久久成人| 九九黄色网| 播五月丁香三月婷婷| 五月久久亚洲| www.狠狠狠狠| 婷婷第六色| 日韩啪| 日韩国产在线免费观看| 激情精品久久| 日韩人妻白浆视频系列| 国产精品涩涩涩视频网站| 一起草性爱不卡视频| 婷婷激情五月天亚洲综合| 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 | 色五月丁香A欧美com| 欧美精品999| 久久久久9999| 五月婷婷影院| 一区二区乱码视频| 欧美性爱中文字幕| 九九亚洲| 五月丁香婷婷综合| 激情综合网五月激情| 五月综合婷婷久久在线| 天堂婷婷丁香六月网| 五月婷无码| 夜夜人妻五月天| 色色激情| 久久99这里只有精品| www.五月天婷婷| 99玖玖视频| 91在线操逼视频| 狠狠爱综合| 五月婷婷久久综合| 婷婷色婷婷| 丁香桃色网| 日日撸夜夜操| 丁香婷婷久久| 中文字幕丰满孑伦无码专区| 亚洲精品V天堂中文字幕| 日本天天操| 性无码专区无码| 国产69久久久欧美黑人A片| 五月天婷婷成人网| 男男野外做爰全过程69| 字幕网AV中文字幕| 国产精品男人AV不卡| 天天插操| 99久久高清视频| 激情五月婷色| 五月婷婷五月天| 99操视频| 26UUU在线观看| 人人视频人人干人人做| 欧美在线视频99| 激情五月天丁香| 热久久这里只有三级视频| 色玖玖| 婷婷五月天色综合| 婷婷开心深爱五月天| 精品成人在线观看| 日本97久久久精品| 五月激情小说| 97在线观视频免费观看 | 日韩精品一曲二曲三曲四曲五曲| 热日韩欧美| 久久婷婷的综合色丁香五月| AV无码免费| 天天做天天要天天爱| 日韩无码人妻一区二区| 综激情网| 操逼123网| 天天五月情| 97色女人在线| 精品欧美一区二区三区久久久 | 99丁香五月婷| 色欲资源网| 超碰人人干| 99精品久久| 日本五月婷婷| 精品99网站| 色爱99| 亚洲色五月婷婷| 五月丁香激情综合六月涩涩爱| 久热黄色| 五月丁香激情综合欧美| 拳交大逼| 99热九九热| 久久aaaa片一区二区| 婷婷综合成人| 丰满老熟妇BBBBB搡BBB| 色五月婷婷天堂| 五月丁香婷婷婷激情爱爱| 这里只有精品视频在线观看免费| 丁香六月久久| 色婷婷97| 99在线精品视频| 综合五月婷婷| 这里只有精品,日韩视频| 婷婷一本和五月丁香| 五月婷婷中文字幕| 色5月婷婷| 伊人免费视频9| 一区视频网站| 婷婷五月中文字幕国产| 婷婷五月天性色| 色色色色色级无码| 99热e| 九九综合九九| 婷婷影院欧美| 无码四色色色| 99久在线精品99re8| 婷婷综合五月| 99热99草97| 五月丁香婷婷在线综合蜜桃| 天天搞天天爽| 色五月激情五月| 亚洲无码AV片| 丁香婷五月天| 中文AV在线播放| 九九99九九精品免费 | 亚州视频九九99| 超碰色综合| 久久婷婷六月综合国际| 淫荡家庭AV| 99综合| 五月天色色无码| www.狠狠| 人妻久久久| 欧美婷婷丁香社区在线播放| 国产精典视频在线观看| 色五婷婷| 疯狂做受XXXX高潮A片动画| 9人人操人人看| 日本五月视频| av国产精品| 久婷| 天天操天天干天天日| 日韩AV免费电影在线播放| 日韩成人网址| 免费播放片大片| 日韩成人中文| 亚洲无码yw| 有哪些A片网站| 性一交一乱一交A片久| 男人天堂99| 天天天天天天操| 丁香五月天天久久综合小说| 丁香六月婷月91婷月| 久99视频在线观看| 激情九九六月激情免费视频| 99免费视频精品| 激情五月婷婷| 天天艹天天综合网| 丁香花五月天激情| 97偷拍对白视频| 黄色99网| 五月激情六月丁香| 91色在线/日韩| 久re热视频| 综合日本婷婷| 九九热精品6| 欧美综合激情| 黄色99网| 亚洲国产精品VA在线看黑人| 婷婷五月成人有| 狠狠插狠狠插| 丝袜大香蕉| 人妻22p| 超碰在线视屏| 91狠狠综合网| 无码橾| 亚洲综合激情五月久久| 伊人丁香五月婷婷潮吹| 五月丁香亚洲婷婷| 男人的天堂av俄罗斯热| 精品无码99| 碰99在线| 丁香网五月网| 草了bav视频在线观看| 五月丁香爱婷婷深深| 思思热精品在线视频| 色啪综合| 五月天精品视频| 噜噜色天天开心| 婷婷社区五月天| 九九视频免费| 中文字幕成人| 丁香开心深爱| 五月婷婷色在线| 人人人操97| 伊人久久丁香五月91| 五月天色婷婷视频| 九九九九九999999| 五月天激情.com| 人妻体体内射精一区二区| 深爱激情四射| 九九热在线视频| 久热这里只有精品在线观看| 丁香六月婷婷久久综合| 97激情五月天| 99热午夜精品| 99久热这里只有精品| 婷婷五月天午夜激情影院| 亚洲网站999| 午夜免费试看| 久久ww| 青青草婷婷综合五月| 99热九九九九| www.99热精品| 亚洲小视频免费播放| 色99视频| 这里只有精品9| 九月色婷婷综合| 九热视频| 婷婷五月天.com| 狠狠精品干练久久久无码中文字幕| 久久丁香五月婷婷| 九色在线观看91av| 婷色五月| 免费的日逼视频| 超碰只有精品在线| 丁香5月婷婷| 99热热这里只精品996小说| 五月婷婷综合网| 日韩欧美四五区| 五月婷婷之综合激情在线| 婷婷涩涩五月天| 黄色五月婷婷| 思思热在线| 天天插天天操| 色碰碰视频| 色婷婷色99国产综合精品| 9久热这里只有精品视频| 激情五月婷婷色色| 婷婷久久综合久| 亚洲 无码 中文字幕 中出| 综合超碰熟| 色色色热热热| 开心五月激情婷婷| 伊人久久五月天| 国产麻豆视频| 97人人搞| 99久久思思| 五月婷中文娱乐综合| 色色五月婷| 6月丁香婷婷激情| 亚洲婷婷综合视频| 超碰99在线观看| 99re这里只有精品首页| 99re在线视频| 成AV人片一区二区三区久久| 五月天亚洲综合网| 夜夜人妻五月天| 亚洲人成网站999久久久综合| 91久久婷婷| 日撸夜撸日操| 伊九九三级区| 亞洲自怕| 99视频精品| 这里只有精品视频在线看| 色噜噜狠狠色综合成人网| 午夜69成人做爰视频| 婷婷丁香五月激情密臀av| 天天日狠狠| 日韩在线99| 性爱激情综合网| a在线观看| 色色五月婷婷丁香| 五月丁婷香| 九九热91| 无码成人AAAAA毛片AI换脸| 亚洲无码99| 欧美天天五月丁香免费观看| 五月丁香综合中文| 黄桃AV无码免费一区二区三区| 涩综合网| 激情婷婷五月社区| 婷婷五月AA五月在线| 五月丁香六月综合基地| 五月丁香综合色婷婷| 人人爱人人草| 激情五月婷黄版| 五月天婷婷五月| 天天操天天日天天爱| 亚洲另类av| 国产亚洲成AV人片在线观黄桃 | 色五月婷婷自拍| 婷婷五月久久| 香蕉婷婷| 99久在线精品| 26uuu| 九九热视频免费的| 狠狠看狠狠| 97在线精品视频| 五月天激情无码专区| 99热九九这里只有精品| www.99热在线| 欧美三级韩国三级日本三斤| 欧美人与性动交CCOO| 丁香五月六月综合欧美| 婷婷五月天六月综合| 日本97在线视频| 五月丁香六月婷婷综合| 97碰碰久久| 国产真实乱了老女人视频 | 中文网av| 丁香五月婷婷丫| 操逼三区| 99色.com| 碰人人97| 丁香六月婷婷久久综合| 久久伊人五月天| 中文字幕色色| 97狠狠碰| 狠狠干思思热| 超91热| 色综合久久天天综合网| 天天综合精品| 激情综合五月激情17| 色综合色综合网| 婷婷色系婷色| 五月天综合在线观看视频| 亚洲五月天色| 人妻综合网| 色久女| 久久久久久97| 99久在线精品99re8热| 久天综合| 久久视频这里有精品99| 日本人人草草| 天天色综网| 99色婷婷视频| 五月天啪啪| 五月天六月天| 亚洲综合色成丁香五月色| 五月丁香六月婷婷婷婷| WWW.久久99| WWW99热| 久草五月| 五月丁香在线观看国产| 婷婷综合另类小说| 夜夜操天天干| 亚洲九九婷婷| 极品另类| 中文字幕网伦射乱中文| 久久99久久99精品免观看粉| 类似婷婷激情综合网站| a色婷婷| 综合网激情| 婷婷丁香五月天狠狠| 97精品人人A片免费看| a久久| 狠狠五月天| 五月丁香综合| www.日本91| 婷婷 丁香 精品| 久婷婷色| 色婷久久| 五月婷婷大香蕉| 国产又爽又猛又粗的视频A片| 99免费超碰在线| 五月婷婷久久网| 久久丁香婷婷五月| 色婷婷丁香综合中文字幕| 激情色播| 五月丁香WWW| 天天操夜夜爱| 婷婷色成人| 俺去也五月天| 六月丁香影院| 九九精品网| 五月天激情日色在线| 涩涩涩.com| 亚洲五月丁香六月婷婷| 99热9| 国产肥白大熟妇BBBB视频| 久久XX日本综合| www.99热在线| 色人久久| 丁香五月婷婷88在线| 五月婷婷AV| 99热综合网| 久久大香蕉| 99操网站| 在线中文av| 九九国产精视频| 婷婷五月丁香色情| 深爱激情五月网| 五月丁香六月激情| 久99热| 成人超碰网| 九月婷婷综合网| 婷婷六月激情小说网| 久久99热精品a片在线观看| 久草热在线视频| 丁香五月天激情视频| 丁香五月天久久| 激情久久久久久久久| 六月婷婷俺也去| 色A网| 激情五婷网| 91偷拍视频| 色人久久| 日韩久久欧亚| 视频这里只有精品| 婷婷五月丁香网| 婷婷色导航| 久久人人添人人爽添人人片αV | 色综啪啪网| 91丨九色丨熟女| 日韩五月天婷婷| 天天做夜夜爽| 亚洲天堂久久| 亚洲AV无码成人精品电影| 99久久99视频只有精品| 五月婷av| 色色色综合网| 亚洲永远av在线播放| 国产精品日日躁夜夜躁| 五月丁香婷中文字幕| 五月丁香六月婷婷激情视频在线观看免费 | 中文字幕人妻一区二区| 亚洲激情综合| 色五月丁香六月欧美综合| 五月丁香无码| 五月色综合| AV成人在线播放| 欧美另类五月激情| 91九色精品熟女内射| 亚洲网在线观看| 欧美在线干| 99无吗| 色五月综合| www.99热在线观看| 99re这里只有精品国产99| 99亚洲精品| 丁香花社区av| 久热只有这里有精品| 中文字幕 中文字幕明步| 日日鲁鲁鲁夜夜爽爽狠狠视频97| 亚洲一级色电影| 日韩精品二三区| 五月天婷婷色| 丁香六月色婷婷| 五月婷婷,六月激情| 激情av| 欧美日韩国产日本精品四虎网网站物 | 啪啪激情网| www夜夜操comwww| 色婷婷丁香五月| 久草A片| 婷婷六月激情| 色婷婷狠狠禁18久久| 婷婷97狠狠干| 五月天激情图片| 奇米网大香蕉| 婷婷五月六月激情| 久久a热| yw.av| 丁香五月在线视频黑人| 亚洲综合色网| 人人妻人人澡| 六月丁香激情| 99热99日天天干| 九九操综合网| 99精品在线观看| 丝袜人妻| 极品另类| 丁香九月综合在线| 亚洲丁香五月| 激情性爱五月天网页| 精品婷婷五| 色五月丁香网| 五月丁香精品| 67194中文字幕| 综合激情肏逼网| 青草五月天| 五月婷综合| 五月天激情视频网站| 日本综合九九| 婷婷伊人激情婷婷| 北京熟妇搡BBBB搡BBBB| 在线中文字幕视频| 91色操| 亚洲熟女乱色综合亚洲网站| 深爱激情丁香| 狠狠 久久| www,99热| 天堂网操| 色婷婷五月天不卡| 色婷婷狠狠| 9月色婷婷| 成人AV中文字幕| 丁香婷婷色色| 天天肏在线观看| 狠狠综合色网| 婷婷丁香五月婷婷| 97色视频网| 色五月丁香六月欧美综合| 亚洲无AV在线中文字幕| 插插干干干色| 另类图片五月天| 思思99精品视频| 国产午夜精品AV一区二区麻豆| 久久久91精品| 99日韩| 六月婷婷开心| 天天爽成人综合网站| 91久久色| 九色 在线| 婷婷五月天Av| 婷婷色网站| 婷婷丁香五月天激情| 亚洲午夜精品久久久久久人妖| 九九色影院| 亚洲小视频免费看| 天天插综合| 成人精品一区二区三区四区五区| 婷婷五月天伊人| 六月色色综合| 啪啪日本欧美| 日本色狠狠| 人人干女人| 色色激情五月天| 色婷婷狠狠干| 色99在线| 好吊操这里只有精品| 久热婷婷综合| 我要射综合| Av在线资源| 婷婷六月激情| 1024手机在线观看看片_日韩精品| 色色丁香| 五月天欧美 另类小说| 狠狠干.com| 婷婷五月天亚洲| 色哟哟www| 色色热| 国产精品蜜臀99| 婷婷伊人綜合中文| 五月丁香六月色| 色五月网址| 人与禽A片啪啪| 色色色色五月| 欧美影院婷婷| 五月激情小说| 玖玖资源站蜜臀| 国产精品美女| 99色综合| 色婷婷五月天不卡| 9福利性视频欧美| 五月天社区| 爱的综合网| 丁香五月激情综合婷综| 婷婷丁香18| 色播丁香婷婷五月激情| 伊人9在线| 五月花婷婷| caopeng97日韩| 天啪色| 色99视频| 五月丁香亚洲综合网| 五月天婷综合| 超碰av在线| 六月婷婷在线| 超碰大香蕉网| 在线看片h站| 碰97久久| 色婷婷深爱五月| 激情久久 婷婷| 99久久婷婷国产综合精品草原| 99无吗| 97色色色色色色色| 中文字幕人妻AV| 香蕉综合在线| 色亚洲婷婷| 影音先锋天天日| 国外亚洲成AV人片在线观看| 四色五月婷婷| 99色爱| 91成人看片| se99在线| 色色色99| 欧美男女婷婷| 高清无码入口| 婷婷五月综合网| 777精品成人a v久久| 99亚洲视频| 久久精品无码一区| 五月天激情图片| 色婷婷社区| 狠狠干天天内射| 亚洲99在线| 操逼电影免费看| 这里只有精品视频在线| 婷婷五月草| 六月色色婷婷| 在线成人视频免费| 国产99久久久国产精品免费看| 91色久| 狠狠干夜夜干| caopeng97日韩| 丁香五月激情啪啪| 丁香婷婷五月人体| 欧美丰满熟妇BBB久久久| 1024人妻| 婷婷五月激情六月| 五月花婷婷丁香| 六月丁香婷婷色狠狠久久| 大香蕉狠狠爱主页| 91制片厂久久久国产电影| 亭亭五月丁香五月天激情| 久久Xx|