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。

深度學(xué)習(xí)字符驗(yàn)證碼識(shí)別CNN逐位分類Python實(shí)戰(zhàn)

深度學(xué)習(xí)字符驗(yàn)證碼識(shí)別CNN逐位分類Python實(shí)戰(zhàn) 簡(jiǎn)介面向深度學(xué)習(xí)圖像識(shí)別初學(xué)者、安全方向開發(fā)者及課程設(shè)計(jì)學(xué)習(xí)者的字符型驗(yàn)證碼識(shí)別實(shí)踐包圍繞數(shù)字與字符驗(yàn)證碼的卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)建模、訓(xùn)練與預(yù)測(cè)流程展開可用于入門項(xiàng)目復(fù)現(xiàn)、算法練手和驗(yàn)證碼識(shí)別方案調(diào)研。壓縮包共1210個(gè)文件約9.58MB其中978張png、202張jpg及少量bmp、jpeg圖片構(gòu)成驗(yàn)證碼樣本17個(gè)py腳本覆蓋數(shù)據(jù)處理、模型構(gòu)建、訓(xùn)練預(yù)測(cè)等環(huán)節(jié)另含txt說(shuō)明、rst文檔、zip壓縮包與模型文件等輔助內(nèi)容。已有1542人學(xué)習(xí)下載具備一定參考熱度。讀者可從中獲得從樣本歸一化、數(shù)據(jù)增強(qiáng)、one-hot編碼到CNN/RNN模型搭建、交叉熵訓(xùn)練與結(jié)果組合的完整源碼脈絡(luò)并借助示例圖片和腳本理解字符序列識(shí)別、過擬合監(jiān)控及多字符輸出思路便于改造成自己的驗(yàn)證碼識(shí)別項(xiàng)目。1. 從一批糊掉的字符圖說(shuō)起這個(gè)基于深度學(xué)習(xí)的字符識(shí)別項(xiàng)目到底能干什么前陣子有人拿著一批自己生成的四位字符圖來(lái)找我圖上壓著干擾線和噪點(diǎn)人眼掃過去都得愣一下。他要的不是接個(gè)現(xiàn)成接口敷衍過去而是基于深度學(xué)習(xí)的字符型圖片數(shù)字驗(yàn)證碼識(shí)別——從零訓(xùn)一個(gè)模型出來(lái)。這份資源就是那條完整鏈路的 Python 實(shí)現(xiàn)數(shù)據(jù)生成、圖像預(yù)處理、網(wǎng)絡(luò)定義、訓(xùn)練收斂、推理解碼一步不落源碼能直接跑起來(lái)。它的適用面比看上去寬。想完整走一遍「圖像輸入到字符串輸出」流程的深度學(xué)習(xí)新手可以拿它當(dāng)?shù)谝粋€(gè)真正跑通的實(shí)戰(zhàn)做 OCR、票據(jù)編號(hào)、工牌數(shù)字、集裝箱號(hào)這類字符識(shí)別落地的開發(fā)者可以把它當(dāng)成一個(gè)能直接改的基線。字符集小、長(zhǎng)度固定、單通道灰度圖訓(xùn)練成本低到一張消費(fèi)級(jí)顯卡幾小時(shí)就出結(jié)果這才是它適合入門的核心原因。2. 目錄結(jié)構(gòu)與技術(shù)選型一個(gè)字符識(shí)別項(xiàng)目該有的骨架先別急著看模型。字符識(shí)別這類項(xiàng)目跑不起來(lái)的原因九成不在網(wǎng)絡(luò)結(jié)構(gòu)而在目錄沒分好、配置散在各處、訓(xùn)練和推理各寫一套預(yù)處理。這套源碼的目錄劃分是我比較認(rèn)可的一種改起來(lái)不牽一發(fā)動(dòng)全身。2.1 六個(gè)文件撐起整條鏈路captcha_rec/ ├── config.py # 訓(xùn)練/推理共用配置超參只在這里改 ├── charset.py # 字符集與索引映射訓(xùn)練推理共用同一份 ├── data/ │ ├── gen_captcha.py # 自建數(shù)據(jù)集生成器 │ ├── dataset.py # Dataset 與預(yù)處理流水線 │ ├── train.txt # 每行 路徑\t標(biāo)簽 │ └── val.txt ├── models/ │ └── cnn.py # CNN 主干 逐位分類頭 ├── train.py # 訓(xùn)練循環(huán)、驗(yàn)證、保存權(quán)重 ├── predict.py # 單圖/批量推理與解碼 └── utils/ ├── metric.py # 整串準(zhǔn)確率、單字符準(zhǔn)確率 └── seed.py # 固定隨機(jī)種子 └── requirements.txt這個(gè)劃分的關(guān)鍵在于三個(gè)「單一出口」config.py管參數(shù)、charset.py管字符和索引、dataset.py管預(yù)處理。很多人在自己寫的時(shí)候把預(yù)處理寫在訓(xùn)練腳本里推理時(shí)又抄一遍抄錯(cuò)一個(gè)cv2.resize的插值參數(shù)線上準(zhǔn)確率立刻掉十幾個(gè)點(diǎn)這種血淚經(jīng)驗(yàn)我在別人的項(xiàng)目里見過不止一次。工程約定上train.txt和val.txt用制表符分隔路徑和標(biāo)簽不用 CSV因?yàn)閳D片路徑里偶爾會(huì)出現(xiàn)逗號(hào)。標(biāo)簽一律小寫不做大小寫混排——字符集里0和O、1和l這類形近字符如果都保留模型在低分辨率下幾乎必然混淆除非你的業(yè)務(wù)真的需要區(qū)分。charset.py是全篇最容易翻車的地方把它單獨(dú)拎出來(lái)是值得的# charset.py 訓(xùn)練和推理都必須 import 這一份禁止在別處重寫 CHARSET 0123456789abcdefghijklmnopqrstuvwxyz # 0 號(hào)位固定留給 CTC 的 blank逐位分類時(shí)從 1 開始用也不會(huì)浪費(fèi)多少參數(shù) CHAR2IDX {c: i 1 for i, c in enumerate(CHARSET)} IDX2CHAR {i 1: c for i, c in enumerate(CHARSET)} BLANK 0 NUM_CLASSES len(CHARSET) 1 # 36 blankNUM_CLASSES加 1 是為了兼容后面第 6 章要講的 CTC 改造逐位分類時(shí)多出來(lái)的那一類永遠(yuǎn)學(xué)不會(huì)對(duì)結(jié)果沒有影響。參數(shù)說(shuō)明CHAR2IDX的索引從 1 開始BLANK0是 CTC 的硬性約定改不了。IDX2CHAR必須和CHAR2IDX嚴(yán)格互逆我一般寫個(gè)斷言assert len(IDX2CHAR) len(CHAR2IDX)擋住手抖。config.py里我把所有數(shù)字集中了# config.py 所有超參的唯一來(lái)源 IMG_H, IMG_W 60, 160 # 統(tǒng)一尺寸寬高比 8:3 比較接近 4 位字符的排版 MAX_LEN 4 # 固定長(zhǎng)度變長(zhǎng)方案見第 6 章 BATCH_SIZE 64 EPOCHS 40 LR 1e-3 WEIGHT_DECAY 1e-4 DEVICE cuda # 沒有顯卡就寫 cpu訓(xùn)練慢但能跑 TRAIN_LIST data/train.txt VAL_LIST data/val.txt CKPT ckpt/best.pthIMG_H和IMG_W不是隨便定的。4 位字符橫排寬度至少要是單字符寬度的 4 倍還留出間隙60 高度能保住字符的筆畫細(xì)節(jié)又不至于讓全連接層參數(shù)爆炸。把IMG_W提到 320 而模型不變Flatten后的維度翻倍全連接層參數(shù)量直接四倍小數(shù)據(jù)集上過擬合會(huì)來(lái)得非常快。2.2 技術(shù)選型為什么先做逐位分類而不是一上來(lái)就 CRNN 配 CTC字符識(shí)別主流兩條路一條是固定長(zhǎng)度逐位分類一條是 CRNN CTC 的序列識(shí)別。這個(gè)項(xiàng)目選的是前者理由很實(shí)在固定長(zhǎng)度場(chǎng)景下逐位分類的訓(xùn)練信號(hào)更直接。逐位分類把「識(shí)別 4 個(gè)字符」拆成 4 個(gè)獨(dú)立的分類任務(wù)每個(gè)位置一個(gè) softmax損失是 4 個(gè)交叉熵的均值。梯度回傳路徑短收斂快20 到 30 個(gè) epoch 就能把整串準(zhǔn)確率推到很高的水位。CTC 則是把模型輸出當(dāng)成一條時(shí)間序列靠動(dòng)態(tài)規(guī)劃把所有可能的對(duì)齊方式加起來(lái)它對(duì)齊能力更強(qiáng)、支持變長(zhǎng)但訓(xùn)練早期收斂慢標(biāo)簽長(zhǎng)度和輸入長(zhǎng)度不匹配時(shí)還會(huì)直接給你inf損失。對(duì)比項(xiàng)逐位分類本項(xiàng)目CRNN CTC字符長(zhǎng)度必須固定任意長(zhǎng)度收斂速度快幾十 epoch 見效慢常要上百 epoch實(shí)現(xiàn)復(fù)雜度低多一個(gè) view 就行中要處理 input_lengths對(duì)字符粘連的魯棒性一般靠位置先驗(yàn)硬扛較好典型翻車點(diǎn)字符集順序錯(cuò)亂標(biāo)簽長(zhǎng)度 時(shí)間步導(dǎo)致 inf選逐位分類不等于偷懶。字符長(zhǎng)度固定的業(yè)務(wù)場(chǎng)景——四位驗(yàn)證碼、六位工單號(hào)、固定位數(shù)的批次號(hào)——占了實(shí)際需求的大頭用 CTC 屬于殺雞用牛刀還多背一份對(duì)齊邏輯的維護(hù)成本。真到了變長(zhǎng)那天主干網(wǎng)絡(luò)和數(shù)據(jù)集代碼基本不用動(dòng)只換分類頭和損失函數(shù)第 6 章會(huì)給具體的改法。主干網(wǎng)絡(luò)用的是最樸素的四段卷積。這套結(jié)構(gòu)在字符識(shí)別上有個(gè)隱含優(yōu)勢(shì)四段MaxPool把 60×160 壓到 2×10特征圖上橫向還剩 10 個(gè)位置剛好夠 4 個(gè)字符各自找到自己的感受野又不會(huì)因?yàn)閴旱锰莅严噜徸址谝黄?。換成三段卷積特征圖剩 7×20全連接層參數(shù)量漲到四倍小數(shù)據(jù)集上直接過擬合。2.3 環(huán)境和依賴別在版本上栽跟頭依賴不多但鎖版本這件事別省# requirements.txt torch2.0,3.0 torchvision0.15 opencv-python4.8 numpy1.24 pillow10.0 tqdm4.66opencv-python和opencv-python-headless千萬(wàn)別同時(shí)裝裝重了cv2.imread在無(wú)圖形界面的服務(wù)器上會(huì)報(bào)libGL.so.1找不到。這種錯(cuò)誤看起來(lái)像系統(tǒng)環(huán)境問題實(shí)際是依賴裝串了浪費(fèi)半天時(shí)間排查。我一般在服務(wù)器上只裝 headless 版本。charset.py里的字符集順序一旦定下來(lái)就不能隨便動(dòng)。改了字符集順序而不重訓(xùn)模型輸出的索引全部錯(cuò)位表現(xiàn)是「訓(xùn)練時(shí)好好的推理出來(lái)全是亂碼」這個(gè)坑在第 5 章會(huì)單獨(dú)展開。種子也要固定utils/seed.py里把random、numpy、torch三家的種子一起設(shè)復(fù)現(xiàn)實(shí)驗(yàn)才有意義。3. 數(shù)據(jù)管線從字符圖片到能喂進(jìn)網(wǎng)絡(luò)的張量模型再漂亮數(shù)據(jù)管線錯(cuò)了全白搭。這一章拆的是data/gen_captcha.py和data/dataset.py兩個(gè)文件前者負(fù)責(zé)造數(shù)據(jù)后者負(fù)責(zé)把圖片變成張量。3.1 自建數(shù)據(jù)集字符圖怎么生成、怎么標(biāo)注沒有現(xiàn)成數(shù)據(jù)集的時(shí)候自己生成是最快的路。真實(shí)業(yè)務(wù)里的字符圖片通常來(lái)自截圖或掃描件但練手階段用 PIL 合成完全夠用關(guān)鍵是干擾要加到「人眼勉強(qiáng)能認(rèn)」的程度太干凈學(xué)不到東西太臟模型直接放棄。# data/gen_captcha.py 生成一張四位字符圖并寫入標(biāo)注文件 import random from PIL import Image, ImageDraw, ImageFont, ImageFilter def gen_one(text, size(160, 60), font_pathfonts/mono.ttf): img Image.new(RGB, size, (255, 255, 255)) draw ImageDraw.Draw(img) font ImageFont.truetype(font_path, 34) cell size[0] // len(text) for i, ch in enumerate(text): # 每個(gè)字符獨(dú)立抖動(dòng)坐標(biāo)模擬真實(shí)場(chǎng)景的排版漂移 x i * cell random.randint(-2, 4) y random.randint(0, 8) color tuple(random.randint(0, 90) for _ in range(3)) draw.text((x, y), ch, fontfont, fillcolor) # 干擾線1~3 條顏色比字符略淺避免完全遮住筆畫 for _ in range(random.randint(1, 3)): x1, y1 random.randint(0, size[0]), random.randint(0, size[1]) x2, y2 random.randint(0, size[0]), random.randint(0, size[1]) draw.line((x1, y1, x2, y2), fill(random.randint(120, 200),) * 3, width1) # 椒鹽噪點(diǎn)密度控制在千分之五左右 for _ in range(int(size[0] * size[1] * 0.005)): draw.point((random.randint(0, size[0] - 1), random.randint(0, size[1] - 1)), fill(random.randint(0, 255),) * 3) return img.filter(ImageFilter.GaussianBlur(radius0.6))參數(shù)說(shuō)明cell是單個(gè)字符分到的橫向格子寬度x的抖動(dòng)范圍[-2, 4]讓字符略微越界模擬真實(shí)排版里的擠壓fill取0~90的深色而不是純黑是因?yàn)榧兒谠诙祷髮?duì)比過強(qiáng)模型會(huì)過度依賴筆畫粗細(xì)這個(gè)捷徑特征。噪點(diǎn)密度0.005是我試下來(lái)比較平衡的值提到0.02之后整串準(zhǔn)確率會(huì)掉但單字符準(zhǔn)確率還在說(shuō)明模型開始靠猜。生成完記得寫標(biāo)注文件路徑和標(biāo)簽用制表符隔開一次寫一行訓(xùn)練集和驗(yàn)證集用不同的隨機(jī)種子分開生成——這一步是很多人的翻車點(diǎn)同一個(gè)種子生成兩批圖驗(yàn)證集里混進(jìn)和訓(xùn)練集幾乎一模一樣的樣本準(zhǔn)確率虛高得嚇人。3.2 預(yù)處理流水線灰度、去噪、歸一化與尺寸統(tǒng)一預(yù)處理的目標(biāo)只有一個(gè)讓訓(xùn)練和推理走完全相同的代碼路徑。dataset.py里這段是核心# data/dataset.py 預(yù)處理 張量化訓(xùn)練和推理共用 import cv2 import torch from torch.utils.data import Dataset class CaptchaDataset(Dataset): def __init__(self, list_file, char2idx, img_w160, img_h60): self.items [] with open(list_file, encodingutf-8) as f: for line in f: path, label line.rstrip(\n).split(\t) if len(label) ! 4: # 長(zhǎng)度對(duì)不上直接丟掉別讓它污染訓(xùn)練 continue self.items.append((path, label)) self.char2idx char2idx self.img_w, self.img_h img_w, img_h def __len__(self): return len(self.items) def __getitem__(self, idx): path, label self.items[idx] img cv2.imread(path, cv2.IMREAD_GRAYSCALE) # 單通道省顯存也省參數(shù) if img is None: raise FileNotFoundError(path) img cv2.resize(img, (self.img_w, self.img_h), interpolationcv2.INTER_AREA) img cv2.medianBlur(img, 3) # 3x3 中值濾波壓椒鹽噪點(diǎn) img img.astype(float32) / 255.0 # 歸一到 0~1 img (img - 0.5) / 0.5 # 拉到 -1~1 tensor torch.from_numpy(img).unsqueeze(0) # (1, H, W) target torch.tensor([self.char2idx[c] for c in label], dtypetorch.long) return tensor, target邏輯說(shuō)明先 resize 再濾波是有講究的先濾波再 resize 會(huì)讓噪點(diǎn)在插值時(shí)被拉伸成條狀反而更難去掉。INTER_AREA用于縮小是最不容易產(chǎn)生摩爾紋的插值方式換成INTER_LINEAR在 160 寬度下問題不大但換成INTER_CUBIC會(huì)引入振鈴邊緣出現(xiàn)假的筆畫。參數(shù)說(shuō)明medianBlur的核大小必須是奇數(shù)且大于 13 是最小有效值5 會(huì)開始吃掉細(xì)筆畫。歸一化用(x - 0.5) / 0.5拉到[-1, 1]配合 BatchNorm 收斂更快如果網(wǎng)絡(luò)里全是 ReLU 而沒有 BN用[0, 1]也能跑差別不大但別兩套混用。DataLoader那邊兩個(gè)參數(shù)值得調(diào)from torch.utils.data import DataLoader train_loader DataLoader( CaptchaDataset(data/train.txt, CHAR2IDX), batch_size64, shuffleTrue, num_workers4, pin_memoryTrue, drop_lastTrue, # 最后一批不足 batch_size 時(shí)丟掉 )drop_lastTrue在 BatchNorm 上很關(guān)鍵。最后一批如果只剩 1 張圖BN 在單個(gè)樣本上算方差結(jié)果接近 0反向傳播時(shí)對(duì)這兩層參數(shù)的影響是災(zāi)難性的表現(xiàn)出來(lái)就是「每個(gè) epoch 最后 loss 尖刺一下」。我見過有人為此把學(xué)習(xí)率砍半其實(shí)是數(shù)據(jù)加載的問題。num_workers4在機(jī)械硬盤上開太高反而更慢開了pin_memory才真正省下主機(jī)到顯存的那段拷貝時(shí)間。3.3 數(shù)據(jù)增強(qiáng)的邊界能加什么不能加什么字符識(shí)別的增強(qiáng)比自然圖像窄得多??梢约虞p微旋轉(zhuǎn)±3 度、小幅平移±5%、對(duì)比度抖動(dòng)、隨機(jī)加噪點(diǎn)。不能加水平翻轉(zhuǎn)字符會(huì)變成鏡像、大角度旋轉(zhuǎn)超出手寫體常識(shí)、隨機(jī)裁剪會(huì)切掉字符。import random def augment(img): # 只在訓(xùn)練集上調(diào)用驗(yàn)證集和推理一律走原圖 if random.random() 0.3: img cv2.convertScaleAbs(img, alpharandom.uniform(0.8, 1.2), betarandom.randint(-20, 20)) if random.random() 0.2: h, w img.shape[:2] M cv2.getRotationMatrix2D((w / 2, h / 2), random.uniform(-3, 3), 1.0) img cv2.warpAffine(img, M, (w, h), borderValue255) return img增強(qiáng)函數(shù)里最忌諱的是「訓(xùn)練加了、驗(yàn)證也加了」。驗(yàn)證集的唯一職責(zé)是反映真實(shí)分布一旦對(duì)它做隨機(jī)變換準(zhǔn)確率曲線就失去了參考價(jià)值你根本不知道模型是在進(jìn)步還是在適應(yīng)增強(qiáng)。這條我在自己項(xiàng)目里定成硬規(guī)則augment只在trainTrue的分支里調(diào)用。4. 網(wǎng)絡(luò)與訓(xùn)練CNN 逐位分類頭的完整實(shí)現(xiàn)前面鋪墊的數(shù)據(jù)和結(jié)構(gòu)到這里收口。這一章拆三段代碼網(wǎng)絡(luò)定義、訓(xùn)練循環(huán)、推理解碼每一段都能直接抄進(jìn)自己的項(xiàng)目改。4.1 CNN 主干與逐位分類頭網(wǎng)絡(luò)結(jié)構(gòu)上沒有花活四段卷積加兩層全連接重點(diǎn)是最后一層的形狀處理。# models/cnn.py import torch.nn as nn class CaptchaCNN(nn.Module): def __init__(self, num_classes, max_len4): super().__init__() self.max_len max_len self.features nn.Sequential( nn.Conv2d(1, 32, 3, padding1), nn.BatchNorm2d(32), nn.ReLU(inplaceTrue), nn.MaxPool2d(2), # 60x160 - 30x80 nn.Conv2d(32, 64, 3, padding1), nn.BatchNorm2d(64), nn.ReLU(inplaceTrue), nn.MaxPool2d(2), # - 15x40 nn.Conv2d(64, 128, 3, padding1), nn.BatchNorm2d(128), nn.ReLU(inplaceTrue), nn.MaxPool2d(2), # - 7x20 nn.Conv2d(128, 128, 3, padding1), nn.BatchNorm2d(128), nn.ReLU(inplaceTrue), nn.MaxPool2d((3, 2)), # - 2x10 ) self.head nn.Sequential( nn.Flatten(), nn.Linear(128 * 2 * 10, 512), nn.ReLU(inplaceTrue), nn.Dropout(0.3), nn.Linear(512, max_len * num_classes), ) def forward(self, x): x self.features(x) x self.head(x) # 關(guān)鍵一步把一維輸出拆回 (batch, 字符位置, 類別) return x.view(-1, self.max_len, self.num_classes)邏輯說(shuō)明四次池化把空間維度壓到2×10Flatten后的長(zhǎng)度是 2560接 512 維隱層。最后的view是整個(gè)設(shè)計(jì)的樞紐——如果不拆模型輸出是個(gè) 144 維向量沒法逐位算交叉熵拆開之后logits[:, i, :]就是第 i 個(gè)字符位置的分類分布損失可以直接逐位相加。參數(shù)說(shuō)明Dropout(0.3)放在兩層全連接之間字符識(shí)別這種小數(shù)據(jù)集上 0.3 到 0.5 都試過0.5 會(huì)欠擬合0.3 比較穩(wěn)。最后一個(gè)池化用(3, 2)是為了把 7 壓成 2、20 壓成 10非對(duì)稱池化在這種寬扁輸入上比強(qiáng)行方形池化更合理。num_classes傳NUM_CLASSES含 blankmax_len傳MAX_LEN兩個(gè)都從config.py來(lái)。還有一點(diǎn)容易忽略輸入必須是(B, 1, H, W)且 H、W 和訓(xùn)練時(shí)完全一致。動(dòng)態(tài)尺寸的網(wǎng)絡(luò)不是不能寫但全連接層會(huì)立刻鎖死尺寸后面改圖片寬高就得重訓(xùn)所以一開始統(tǒng)一到 60×160 是省事的做法。4.2 訓(xùn)練循環(huán)損失、優(yōu)化器和學(xué)習(xí)率調(diào)度訓(xùn)練循環(huán)里最值得講的是損失怎么算以及為什么必須做梯度裁剪。# train.py節(jié)選 import torch import torch.nn.functional as F def train_one_epoch(model, loader, optimizer, device): model.train() loss_sum, char_correct, char_total 0.0, 0, 0 for imgs, targets in loader: imgs, targets imgs.to(device), targets.to(device) logits model(imgs) # (B, L, C) # 逐位交叉熵取平均 loss 0.0 for i in range(model.max_len): loss loss F.cross_entropy(logits[:, i, :], targets[:, i]) loss loss / model.max_len optimizer.zero_grad() loss.backward() torch.nn.utils.clip_grad_norm_(model.parameters(), max_norm5.0) optimizer.step() loss_sum loss.item() * imgs.size(0) char_correct (logits.argmax(-1) targets).sum().item() char_total targets.numel() return loss_sum / len(loader.dataset), char_correct / char_total邏輯說(shuō)明F.cross_entropy內(nèi)部已經(jīng)做了log_softmax加負(fù)對(duì)數(shù)似然不要在它前面再手動(dòng)過一遍 softmax否則等于算了兩遍梯度會(huì)被壓扁到幾乎不動(dòng)。逐位求和再除以max_len而不是直接相加是為了讓損失量級(jí)和單個(gè)分類任務(wù)對(duì)齊學(xué)習(xí)率不用跟著字符長(zhǎng)度重新調(diào)。參數(shù)說(shuō)明clip_grad_norm_的max_norm5.0是經(jīng)驗(yàn)值字符識(shí)別里梯度爆炸大多來(lái)自 BatchNorm 在小 batch 上的方差抖動(dòng)裁剪能擋住絕大部分尖刺。訓(xùn)練循環(huán)外配套調(diào)度器optimizer torch.optim.Adam(model.parameters(), lr1e-3, weight_decay1e-4) scheduler torch.optim.lr_scheduler.ReduceLROnPlateau( optimizer, modemax, factor0.5, patience3 ) # 每個(gè) epoch 結(jié)束用驗(yàn)證集整串準(zhǔn)確率驅(qū)動(dòng) scheduler.step(val_acc)patience3表示連續(xù) 3 個(gè) epoch 驗(yàn)證準(zhǔn)確率不漲就把學(xué)習(xí)率砍半。這個(gè)策略比固定步長(zhǎng)衰減更適合小數(shù)據(jù)集因?yàn)槭諗壳€經(jīng)常是階梯式的卡住三個(gè) epoch 之后往往還能再上一個(gè)臺(tái)階。weight_decay1e-4對(duì) Adam 來(lái)說(shuō)相當(dāng)于 L2 正則在三千張左右的訓(xùn)練集上能明顯壓住過擬合。驗(yàn)證函數(shù)里我只算兩個(gè)指標(biāo)——整串準(zhǔn)確率和單字符準(zhǔn)確率torch.no_grad() def evaluate(model, loader, device): model.eval() full_ok, full_total 0, 0 char_ok, char_total 0, 0 for imgs, targets in loader: imgs, targets imgs.to(device), targets.to(device) pred model(imgs).argmax(-1) # (B, L) full_ok (pred targets).all(dim1).sum().item() full_total imgs.size(0) char_ok (pred targets).sum().item() char_total targets.numel() return full_ok / full_total, char_ok / char_total關(guān)鍵在all(dim1)只有四個(gè)位置全對(duì)才算整串正確這個(gè)指標(biāo)才是業(yè)務(wù)真正關(guān)心的。單字符準(zhǔn)確率 95% 聽起來(lái)漂亮四個(gè)字符乘起來(lái)只剩 81%整串準(zhǔn)確率才是能拿去交付的數(shù)字。兩個(gè)指標(biāo)一起看還能定位問題——單字符高、整串低說(shuō)明模型在個(gè)別位置上系統(tǒng)性混淆通常是對(duì)應(yīng)字符樣本不足。4.3 推理解碼把 logits 還原成字符串推理代碼短但坑集中。# predict.py節(jié)選 import cv2 import torch from charset import IDX2CHAR torch.no_grad() def predict_one(model, path, device, img_w160, img_h60): model.eval() img cv2.imread(path, cv2.IMREAD_GRAYSCALE) img cv2.resize(img, (img_w, img_h), interpolationcv2.INTER_AREA) img cv2.medianBlur(img, 3) img img.astype(float32) / 255.0 img (img - 0.5) / 0.5 x torch.from_numpy(img).unsqueeze(0).unsqueeze(0).to(device) # (1,1,H,W) ids model(x).argmax(-1)[0].cpu().tolist() return .join(IDX2CHAR[i] for i in ids)邏輯說(shuō)明unsqueeze用了兩次第一次補(bǔ)通道維、第二次補(bǔ) batch 維最后得到(1, 1, 60, 160)和訓(xùn)練時(shí)DataLoader吐出來(lái)的形狀完全對(duì)齊。model.eval()不能漏它把 BatchNorm 從按 batch 統(tǒng)計(jì)切到用滑動(dòng)平均值漏掉這一行單張推理時(shí) BN 會(huì)拿自己這一張圖的方差去歸一化輸出會(huì)飄得非常離譜——這個(gè)現(xiàn)象很像「模型沒訓(xùn)好」實(shí)際只是忘了切模式。參數(shù)說(shuō)明img_w、img_h必須和config.py里的IMG_W、IMG_H一致建議直接從 config import 而不是寫默認(rèn)值寫死默認(rèn)值是遲早要出事的。IDX2CHAR從charset.py來(lái)和訓(xùn)練時(shí)的CHAR2IDX同源這是保證索引不亂的根本。批量推理時(shí)把循環(huán)換成DataLoader再把join換成列表推導(dǎo)即可速度能快三到五倍。如果要導(dǎo)出 ONNX 給別的語(yǔ)言用torch.onnx.export的輸入形狀要寫死成(1, 1, 60, 160)動(dòng)態(tài) batch 雖然支持但很多推理引擎對(duì)動(dòng)態(tài)軸的處理不一致反而增加調(diào)試成本。5. 常見問題排查訓(xùn)練不收斂、準(zhǔn)確率虛高、顯存爆掉的真實(shí)踩坑下面五條是這類項(xiàng)目里出現(xiàn)頻率最高的問題每條按現(xiàn)象、原因、解決寫。看的時(shí)候?qū)φ兆约旱娜罩緞e急著改模型結(jié)構(gòu)。5.1 loss 一路降到 0.1 就卡死驗(yàn)證整串準(zhǔn)確率停在 30% 左右現(xiàn)象訓(xùn)練損失很漂亮前 10 個(gè) epoch 從 4.0 掉到 0.1之后紋絲不動(dòng)。驗(yàn)證集整串準(zhǔn)確率在 30% 上下徘徊單字符準(zhǔn)確率能到 70%。原因最典型的是學(xué)習(xí)率太大導(dǎo)致模型掉進(jìn)一個(gè)「只認(rèn)部分位置」的局部解。四個(gè)位置里有三個(gè)位置猜得準(zhǔn)第四個(gè)位置全錯(cuò)整串準(zhǔn)確率就恒定在低位。另一種可能是最后一個(gè)位置的樣本分布和前面不同——比如生成數(shù)據(jù)時(shí)第四個(gè)字符的坐標(biāo)抖動(dòng)范圍更小模型學(xué)到的特征沒有泛化。解決先把學(xué)習(xí)率從1e-3降到3e-4重跑看曲線形狀有沒有變化。還是卡就打印每個(gè)位置的單獨(dú)準(zhǔn)確率定位到具體是哪個(gè)位置在拖后腿。如果確實(shí)是某個(gè)位置的問題檢查數(shù)據(jù)生成代碼里那個(gè)位置的坐標(biāo)范圍、顏色范圍是不是和其他位置不一致。我遇到過一次是生成腳本里random.randint(0, 6)寫成了random.randint(0, 60)字符被抖到畫布外模型學(xué)不到任何東西。提示逐位打印準(zhǔn)確率的代碼只有五行加上去比盲猜快得多。5.2 訓(xùn)練集 99%驗(yàn)證集 40%但兩批圖明明是分開生成的現(xiàn)象訓(xùn)練集準(zhǔn)確率一路飆到 99% 以上驗(yàn)證集卡在 40% 不動(dòng)損失曲線在兩邊分叉得越來(lái)越大。原因數(shù)據(jù)泄漏。最常見的形式是訓(xùn)練集和驗(yàn)證集用了同一個(gè)隨機(jī)種子生成或者生成完之后按文件順序切分導(dǎo)致高度相似的樣本兩邊都有。另一種隱蔽的情況是標(biāo)簽寫錯(cuò)——驗(yàn)證集的標(biāo)注文件里有一批標(biāo)簽和實(shí)際圖片對(duì)不上模型輸出其實(shí)是對(duì)的評(píng)測(cè)腳本判它錯(cuò)。解決先把驗(yàn)證集里挑 20 張圖人眼看一遍確認(rèn)標(biāo)簽沒錯(cuò)。然后算一下兩批圖的哈希md5重復(fù)的直接揪出來(lái)。生成腳本里訓(xùn)練集和驗(yàn)證集必須用不同的種子并且切分時(shí)按標(biāo)簽分層抽樣別讓某個(gè)字符在驗(yàn)證集里完全缺席。我一般會(huì)在切分后打印兩邊字符頻率的分布做一次比對(duì)這一步花不了一分鐘能省下幾小時(shí)的懷疑人生。5.3 換了字符集之后模型輸出固定幾個(gè)字符怎么訓(xùn)都一樣現(xiàn)象把字符集從小寫字母擴(kuò)到大小寫加數(shù)字重新訓(xùn)練之后模型輸出永遠(yuǎn)是0000或者aaaa。原因CHAR2IDX改了但I(xiàn)DX2CHAR沒同步改或者推理腳本里 import 的是另一份舊的映射表。訓(xùn)練時(shí)標(biāo)簽編碼用的是新表解碼用的是舊表兩邊一錯(cuò)位輸出看起來(lái)就像模型啥也沒學(xué)會(huì)。解決字符映射表只能存在一個(gè)地方訓(xùn)和推理都從charset.pyimport。加一個(gè)自檢函數(shù)訓(xùn)練啟動(dòng)時(shí)跑一遍from charset import CHARSET, CHAR2IDX, IDX2CHAR assert all(IDX2CHAR[CHAR2IDX[c]] c for c in CHARSET), 字符映射不互逆 assert len(CHARSET) len(set(CHARSET)), 字符集有重復(fù)字符第二行斷言防的是字符集里混進(jìn)重復(fù)字符比如013456789里漏看了個(gè)3映射表的長(zhǎng)度和實(shí)際類別數(shù)對(duì)不上模型最后一層維度會(huì)算錯(cuò)但報(bào)錯(cuò)信息很難指向根因。5.4 把 batch_size 從 64 調(diào)到 8loss 直接變成 NaN現(xiàn)象為了在顯存小的機(jī)器上跑把 batch 改小訓(xùn)練幾百步之后損失變成nan之后再也回不來(lái)。原因BatchNorm 在極小 batch 上方差估計(jì)極不穩(wěn)定。batch 為 8 時(shí)每個(gè)通道只有 8 個(gè)樣本參與統(tǒng)計(jì)方差可能接近 0除下來(lái)數(shù)值爆炸反向傳播時(shí)梯度變成inf參數(shù)被污染后整個(gè)訓(xùn)練崩掉。解決三條路按優(yōu)先級(jí)排。一是保持 batch 不小于 32顯存不夠就降分辨率或者減小通道數(shù)二是把 BatchNorm 換成 GroupNorm它對(duì) batch 大小不敏感代價(jià)是收斂稍慢一點(diǎn)三是用梯度累積optimizer.step()每累積 4 個(gè)小 batch 調(diào)一次等效于把 batch 放大四倍但 BN 統(tǒng)計(jì)仍然是按小 batch 算的所以必須配合方案二才徹底。# 梯度累積 GroupNorm 的組合寫法 loss loss / 4 loss.backward() if step % 4 0: torch.nn.utils.clip_grad_norm_(model.parameters(), 5.0) optimizer.step() optimizer.zero_grad()5.5 訓(xùn)練時(shí)準(zhǔn)確率很好換了批圖推理結(jié)果全錯(cuò)現(xiàn)象驗(yàn)證集上整串準(zhǔn)確率 90%拿幾張新生成的圖去推理輸出幾乎是隨機(jī)的。原因推理腳本的預(yù)處理和訓(xùn)練不一致。常見差異包括訓(xùn)練用cv2.imread讀灰度推理用 PIL 讀 RGB 再手動(dòng)轉(zhuǎn)灰度兩個(gè)庫(kù)的灰度轉(zhuǎn)換系數(shù)不同訓(xùn)練做了中值濾波推理忘了訓(xùn)練歸一化到[-1,1]推理只除以 255。這些差異單看都微不足道疊加起來(lái)足以讓模型失效。解決把預(yù)處理抽成一個(gè)函數(shù)訓(xùn)練和推理都調(diào)它。參數(shù)從同一個(gè) config 讀別在推理腳本里寫默認(rèn)值。我習(xí)慣在訓(xùn)練開始前隨手存一張預(yù)處理后的中間結(jié)果到磁盤推理時(shí)拿同樣一張圖跑一遍兩張圖逐像素比對(duì)差超過 1e-6 就說(shuō)明路徑不一致。這個(gè)檢查不用改任何業(yè)務(wù)代碼兩分鐘能做完。6. 二次開發(fā)換字符集、改變長(zhǎng)、上部署的改造路徑真拿這個(gè)項(xiàng)目去接需求改動(dòng)能落到三個(gè)地方按改動(dòng)成本從低到高排。6.1 換字符集與變長(zhǎng)輸出的具體改法換字符集是最簡(jiǎn)單的一種。只改charset.py的CHARSET字符串和config.py的MAX_LEN然后從頭重訓(xùn)。別試圖在舊權(quán)重上繼續(xù)訓(xùn)類別數(shù)一變最后一層全連接的維度就變了加載權(quán)重必然報(bào) shape 不匹配硬改strictFalse會(huì)丟掉整個(gè)分類頭等于重訓(xùn)還多了個(gè)錯(cuò)誤來(lái)源。字符長(zhǎng)度不固定時(shí)把逐位分類頭換成 CTC。主干網(wǎng)絡(luò)和數(shù)據(jù)集基本不動(dòng)改三處import torch.nn as nn # 1) 分類頭輸出時(shí)間步而非字符位置把最后的 view 改成 # return x.view(-1, self.num_classes, T) 然后 permute # 2) 損失換成 CTCLossblank 必須是 0 ctc nn.CTCLoss(blank0, zero_infinityTrue) log_probs model(imgs).log_softmax(2).permute(1, 0, 2) # (T, B, C) input_lengths torch.full((B,), T, dtypetorch.long) loss ctc(log_probs, targets_flat, input_lengths, target_lengths) # 3) 解碼走貪心argmax 之后去重、去 blank def greedy_decode(ids): out, prev [], -1 for i in ids: if i ! prev and i ! 0: out.append(IDX2CHAR[i]) prev i return .join(out)參數(shù)說(shuō)明zero_infinityTrue是必須開的否則當(dāng)某個(gè)樣本的標(biāo)簽長(zhǎng)度超過時(shí)間步 T 時(shí)損失會(huì)返回inf并污染整個(gè) batch 的梯度。T 的大小由特征圖的寬度決定輸入 160 寬經(jīng)過四次池化剩 10 個(gè)時(shí)間步意味著標(biāo)簽長(zhǎng)度最多 10四位字符綽綽有余但如果要識(shí)別十幾位的長(zhǎng)串就得減少池化次數(shù)或者加寬輸入。這個(gè)約束在寫網(wǎng)絡(luò)結(jié)構(gòu)的時(shí)候就要算清楚訓(xùn)到一半發(fā)現(xiàn) T 不夠只能推倒重來(lái)。改造前建議先用小數(shù)據(jù)集跑通整條鏈路確認(rèn)識(shí)別正確再上全量。判斷標(biāo)準(zhǔn)很直接訓(xùn)練 500 步之后loss應(yīng)該穩(wěn)定下降到 3 以下如果一直在 8 附近晃八成是input_lengths或target_lengths傳錯(cuò)了單位。6.2 落地前的驗(yàn)證清單上線前我會(huì)過一遍這張表每一項(xiàng)都對(duì)應(yīng)過真實(shí)的翻車場(chǎng)景。改造點(diǎn)涉及文件驗(yàn)證方法主要風(fēng)險(xiǎn)換字符集charset.py、config.py訓(xùn)練前跑互逆斷言新舊映射混用導(dǎo)致亂碼改圖片尺寸config.py、models/cnn.py打印 Flatten 后維度全連接層維度不匹配換 CTCmodels/cnn.py、train.py單 batch 過擬合測(cè)試時(shí)間步不足導(dǎo)致 inf導(dǎo)出 ONNXpredict.py與 PyTorch 輸出逐元素比對(duì)BN 未切 eval 模式加數(shù)據(jù)增強(qiáng)data/dataset.py驗(yàn)證集不加增強(qiáng)增強(qiáng)污染驗(yàn)證指標(biāo)單 batch 過擬合測(cè)試是我最常用的手段拿 8 張圖反復(fù)訓(xùn) 200 步如果損失降不到接近 0說(shuō)明網(wǎng)絡(luò)容量或者數(shù)據(jù)管線有問題跟超參無(wú)關(guān)。這個(gè)測(cè)試能在十分鐘內(nèi)排掉一大半「訓(xùn)練不收斂」的偽問題。從那以后我每次動(dòng)數(shù)據(jù)管線都會(huì)先拿 8 張圖做一遍過擬合測(cè)試確認(rèn)這條路走得通再去碰全量訓(xùn)練。字符識(shí)別這行沒有玄學(xué)絕大部分「模型學(xué)不會(huì)」都是數(shù)據(jù)和預(yù)處理在背后捅刀子把這條紀(jì)律守住能省下的時(shí)間遠(yuǎn)超想象。希望幫到你。本文還有配套的精品資源點(diǎn)擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
婷婷五月天99综合网站| 91porn一起草| 果冻传媒A片一二三区| 欧美性丁香色色五月天干干| 五月婷婷黄色| 91激情五月开心| 丁香五月婷婷俺也要去| 99色视频在线观看| 婷婷激情综合色五月久久,色婷婷丁香花,丁香婷婷五月情天,久久婷婷五月综合色 | 五六月丁香激情视频| 五月色情婷婷| 亚洲天堂99| 伊人狠狠色婷婷综合丁香一区| 五月四色激情| 九九婷婷激情综合网| 久久丁香五月婷婷| 狠狠干,狠狠操| 五月丁香精品| 五月色导航| AV中文在线| 欧美天堂久久| WWW.久久久久久久| 成人Av在线大片| 五月婷婷黄| 中文字幕高清av| 色哟呦av| 色婷婷网大全在线| 国产成人综合电影| 曰韩五月丁香色婷婷无码| 丰满少妇猛烈A片免费看观看| 久久ab| 五月丁香花视频| 狠狠干天天日| 看片视频在线免费日产在线看| 99国产这里只有精品| 襙比视频| 五月天婷婷导航| 亚洲婷婷丁香五月天激情小说| www。五月天激情| 伊人久久婷| 久久精品91视频| 婷婷久久天堂网| Www.se.久久| 婷婷五月天VI| 色九九九综合| 五月婷婷无码| 99精品在线播放| 五月丁香色综合| 玖玖热视频| 国产免费一区二区在线A片视频| 91色逼| 婷婷六月综合基地| 亚韩在线视频| 国产成人+综合亚洲+天堂| 丁香五月综合激情啪啪| 成人 在线 日韩| 中文字幕av久久爽一区| 99热这里只有精品3| 午夜色婷婷| 激情久久久久久| 日本色天堂| 五月婷婷天堂| 9久热| 超碰人人干| 超碰在线成人| 激情五月天色播| 亚洲va成人va成人va在线观看| 激情六月综合| 这里只有精品久久| 一级操逼大片| 超级碰碰碰久久网站视频| 超碰在线个人观看| 日本色色网站| 在线观看的av| 大香蕉伊在| 综合激情sV| 天天综合色丁香| 操逼三区| 婷婷五月激情网站| 开心久久爱五月天| 五月天黄色激情小说| www久热com| 华人在线免费| 九九亚洲| 99热国产这里只有精品| 一本大道嫩草AV无码专区| 熟妇人妻中文字幕无码老熟妇| 狠狠精品干练久久久无码中文字幕| 国产69久久久欧美黑人A片| 国产AV一区二区三区最新精品 | 丁香五月日韩| 99亚洲精品| 国产精品色| 日日鲁鲁鲁夜夜爽爽狠狠视频97| 色网站9| 色九九一二| 九草性爱| 国产成人+综合亚洲+天堂| 色色色色热热| 五月色婷婷激情| 俺也高清无码高清视频| 天天射影院| 大香蕉久久久久| 色色免费网战视频| 亚洲美女网Va| 五月丁香六月激情欧美综合| 性色做爰片在线观看WW| 亚洲激情六月| www.久久综合| 精品九九在线观看视频| 激情都市五月天| 久热这里只有精品视频免费观看| 97极品在线| 婷婷六月综合激情| 97色五月婷婷在线| 婷婷色在线播放| 97婷婷色| 99精品无码网站| 丁香午夜天| 丁香六月狠狠干| 女人天堂AV| 色色五月婷婷网| 午夜成人在线免费视频| 99久热| 99久久思思| 色在线视频网2025| 激情欧美五月丁香| 九月丁香网婷婷| 免费人人操| 国产成人网址| 色人妻五月| 九九色色| 色一情一乱一伦一区二区三区| 九九九九这里只有精品| 九月婷婷在线视频| 最新色色五月天| 九九热10| 狠狠色成人影片| 色色色色色色网| 国产黄色在线观看| 色噜噜狠狠色综合网| 第2色五月婷| 都市激情五月婷婷亚洲| 91久久99久久91熟女精品| 乱精品一区字幕二区| 婷婷干六月综合旧址| www.婷婷五月天| 色婷婷丁香五月观看| 天天爽天天摸人妻综合网| 91精品婷婷国产综合久久| 亚洲乱码日产精品BD| 精品国产a| 丁香五月区| 久久婷婷丁香五月一二三| 五月婷婷丁香五月婷婷| 伊人网啪啪| 91超级碰碰| 九九精品丁香花| 亚洲激情综| 色播五月婷婷综合| 婷婷五月天开心网| 婷婷久久网| 狠狠爱五月婷婷综合六月| 人人干99| 免费观看的AV| 六月婷婷综合| 人妻内射一区二区在线视频| 五月天狠狠色| 久久久久久久久99精品| 婷婷区日本| 欧美人妻一区二区| 色五月综合| 色狠狠婷婷| 色婷婷888| 色五月丁香五月激情五月激情| 久久99性爱| 超碰碰碰碰| 人与禽A片啪啪| 国产美女主播vip| 91婷婷丁香五月天免费视频网站| 99视频在线精品免费观看2| 亚州色色色| 九热网站| site:hcxsz888.com| 99热在线观看这里只有精品| 97干在线| 综合99在线| 九九人妻福利| 婷婷五月情| 丁香五月激情网| 五月色激情综合网| 五月天 综合 在线| 色婷婷五月综合在线| 日本欧美成人片AAAA| 99人人操| 狠色狠色综合久久| 五月婷婷色| 99热www| 人人干天天舔| 免费看成人747474九号视频在线观看| 久久激情五月天| 成人做爰高潮A片免费视频| 亚洲色夜| www狠狠| 97人人草| 婷婷五月丁香色播| 俺去也在线官网| 亚洲区视频| 玖玖色综合色| 九九九精品视频免费观看| 淑女丝袜bi操逼123| 狠狠色婷婷| 六月色激情| 婷婷五月偷拍| A久久| 99久操| 四色女婷婷| 91综合国免费久入| 色色综合五月| 五月激情视频网| 婷婷六月啪啪| 九九九九无码| 亚洲AAA| 91狠狠综合久久| 激情五月天福利| 亚洲激情无码久久| 日韩999| 狠狠色丁香久久综合婷婷亚洲成人福利 | 久久大香蕉伊人| 婷婷色无码| 精品99在线| 九九九干精品| 狠狠色综合777| 99九九在线精品热动漫| 五月丁香综合网| 婷婷热婷婷色| 夜夜操狠狠操| 99ri在线视频| 人妻久久久| 超碰99热精品在线| 丁香伊人激情| 亚洲综合色婷婷| 99热这里有精品首页10| 欧美成人精品一区二区| 少妇性BBB搡BBB爽爽爽视頻 | 久久ER视频com| 九月激情网| 五月亭久久无码视频| 中文aV网| 亚洲激情综合| 丁香婷婷人妻| 亚洲综合久| 99色.com| 色婷婷五月天视频在线| 婷婷99综合| 丁香五月天色| 狠狠草在线观看| 国产三级片91| 色综合天天| 婷婷九九色| www.五月天婷婷姐姐| 99热这里只有精品中文字幕| 网色99| 日本VA视频| 久久婷婷五月丁香蜜桃网| 思思99精品视频在线观看| 五月停亭六月,六月停亭的英语| 丁香色影院| 丁香五月五婷| 五月成人丁香av91| 国产热精品| 91丨九色丨国产打屁股| 激情五月天久久丁香| 五月婷婷欧美| 成人在线不卡| 婷婷五月电影院| 激情综合网色五月| 日韩三级高清无码| 卡视频1区2区| 亚洲精品激情| 97操男人的天堂| 婷婷五月18永久免费视频| 成人超碰网| 丁香婷婷偷拍| 精品人妻伦九区久久AAA片| 久久五月婷婷电影| 亚洲日日日| 97久久精品| 激情综合一| 密视AV综合在线| 26uuu国产激情视频| 超PEN精品在线| 深爱激情九九五月天 | 久久婷婷五月丁香蜜桃网| 五月婷婷五月天天| 日本一級黃色一級片| 青青草搞屄视频网站| 97在线视频观看| 中文激情网| 美女激情综合| 日韩成人av在线| 色婷婷婷婷| 六月丁香婷婷色狠狠久久| 六月婷婷九月丁香亚洲综合| 丁香五月久久社区| 韩国激情五月天综合网| 久久码久久无清| 五月丁香在线看| 久久综合55| 思思久久青草热| 婷婷五月天VI| 狠狠色噜噜狠狠| 99精品丰满| 五月丁香龟婷婷| 国产精品24r| 欧美激情综合色丁香婷婷五月天| 99久久久精品| 在线综合网| 伊人久热91| 第五色色色婷婷| 亚洲4区国产欧美| 久久婷婷五月天激情| 五月婷婷丁香啪啪| 狠狠综合久久| 天天肏屄夜夜爽| 丁香婷婷色五月| 5月丁香婷婷| 在线观看国产高清视频免费网站| 丁香五月激情六月综合| 牛牛澡牛牛爽| 操人妻视频91| 色色色在线观看| 综激情网| 久久无码激情视频| 性色做爰片在线观看WW| 人人人va亚洲视频在线| 狠狠综合久久综合| 色婷婷五月色| 婷婷丁五月| 激情婷婷丁香| 丁香婷婷久久综合在线| 久久人操-久草婷婷-成人AV| 超碰99久久| 欧美精品99久久久| 青草视频在线观看视频 | 五月天网站亭亭| 亚洲午夜一区二区| 五月综合色| 激情深爱综合| 免费看欧美成人A片无码| 久久精品66| 婷婷五月色花丁香社区| 久久久.COM| 丁香啪啪| 日本欧美成人片AAAA| 五月丁香激情在线| 97干在线观看| 综合AV在线| 激情五月天婷婷久久久久久久久久久| 不卡在线视频| 五月天婷婷丁香| 97色婷婷五月天| 五月丁香网站| 丁香网五月网| 日韩精品电影| 婷婷六月啪啪| 婷婷五月天激情视频| 丁香婷婷久| 综合网啪| 激情丁香婷婷六月天| 熟女人妻视频| 五月丁香六月婷婷网| 97色永久免费视频| 最近中文字幕大全免费版在线 | 久久久久久xxxxx| 无码激情AAAAA片-区区| 五月天亚洲综合网| 色色五月婷婷| 91丁香色| enecarbon-materials.com污K127封锁请涟系@wip1688 | 婷婷五月天丁香久久| 97色永久免费视频| 成人色站,在线视频,看片-SS1AV| WWW色色色COM| 五月丁香啪啪激情| 热热久久久久久久久| 久久女人九九| 激情五月综合网| 少妇日麻屄| www.9色色色| 热99精品视频五月| 激情婷婷丁香五月| 伊人五月综合网| 99热色精品| 逼逼AV| 激情久久婷婷| 综合网亚洲| 婷婷伊人久久综合| 婷婷黄色| 久久色六月| 婷婷五月天激情小说| 玖玖视频福利| 婷婷六月香| 成人视屏在线观看| 99热99这里有免费的精品| 丁香五月天激情四射网| 丁香五月色| 开心婷婷五月天激情网| 国产片天天爽夜夜爽| 五月婷婷玖玖综合玖玖爱| 亚洲六月色婷婷| 色六月丁香婷婷狠狠干| 97碰在线免费观看| 五月天精品| 天天日,天天干,天天操| 丁香五月婷婷久久综合激情网 | 内射综合网| 99国产精品白浆在线观看免费| 五月综合视频| 综合色天天| 超碰国产AV| 99久久99久久综合| 激情综合五月婷婷| 丁香婷婷激情五月| 四月婷婷五月丁香| 激情玖玖sh| 超碰三级片| 五月天婷婷色播| 欧美伊人9| 中国丰满熟女A片免费观| 五月天婷婷激情在线色图| 六月婷婷天天操夜夜爽视频| 九九99九九精品视频| 五月丁香| 五月激情综| av 一区三区四区| 欧美月久久| 亚洲精品无码一区二区| 六月婷婷激情| 六月丁香激情最新更新| 色天堂A| 色综合久久之分久久| 九九这里是免费的视频5| 色小说婷婷五月天天天| 99碰网站| 国产女18毛片多18精品| 丁香婷婷六月| 久久99大全| 天插天啪天啪天啪| 99色视频| 免费成人中文字幕| 午夜天堂一区人妻| 久久色婷婷| 色婷亚洲| 日本的α片xxxwww| 激情五月天啪啪| 欧美久久一级内射wwwwww.| 色5月婷婷色| 天天操天天爱天天玩| 91五月天| 激情九色| 久久综合9| 99在线观看| 精品人妻在线| 婷婷六月花| 五月婷婷丁香深深爱| 91在线操| 国产av一区二区三区| 九九热在线99| 久婷婷色| 婷婷六月久久综合导航| 第四色婷婷最爱| 日韩九区| 精品综合爱| 伊人久久丁香狠狠婷婷综合香蕉| 国产日韩欧美性爱| 97精品在线| 婷婷五月天激情基地| 婷婷五月天 偷拍| 97狠狠色| 另类国产区| 久久久91精品| 伊人激情AV一区二区三区| 国产成人av在线播放| 色停停五月天| 人妻久久久久久久久| 97人人射| 99re在线视频| 丁香五月大香蕉AV| 色色六月| 尤物一区二区| www.狠狠| 久久视频这里有精品99| 激情 婷婷| 99热免费精品| 韩国久久少妇视屏| 3p日韩网站视频| 五月色情婷婷| 婷婷五月天六点丁香五月| www. 五月. com| 人人操9| 66成人网| 夜夜爽天天日| 日韩激情人伦人| 婷婷丁香五月激情综合站_久久五月丁香激情综合_开心五月综合激情综合五月_婷 | 婷婷五月天干干| 婷婷亚洲激情在线观看视频| 99久久亚洲精品视频| 色婷婷色九月| www.99热这里精品 | 色五月婷婷av| 日本一毛片| 亚洲精品444久久久久久| 日韩ww| 国产毛片精品一区二区色欲黄A片| 五月婷在线观看| 久久久久亚洲AV无码网影音先锋| 极品人妻VideOssS人妻| 激情五月深爱婷婷| 五月婷在线视频免费播放| 婷婷五月情色| 婷婷丁香色五月天久久88| 天天狠狠婷婷在线| 97操操| 婷婷色九月| 日本97在线| 亚洲在线成人| 91色欲综合| 91制片厂久久久国产电影| 男人操女人高潮91视频| 在线理论片| 久久怡红院| 婷婷久热| 91一起操| 97五月天| 婷婷久久五月天| 日韩啊啊啊| 9久热| 五月丁香六月婷| 99热新网址| 天天肏高清在线| 伊人在线视频| 操逼巨乳91| 久久五月天综合| 色99在线观看| 激情丁香五月婷婷| 五月婷婷六月丁香激情综合网| 久久色五月| 丁香五月AV综合| 婷婷欧美激情综合| 丁香香五月激情免费视频| 五月婷婷色播视频| 无码一区二区日韩| 久久黄色免费视频| 九九草热在线观看| 久久人人人人妻| 六月婷婷影院| 丁香六月天婷婷开心综合| 婷婷亚洲在线| 精品国产va久久久| 色情婷婷五月天| 强伦轩人妻一区二区电影| 激情四射五月天| 五月婷婷之综合激情在线| Www.se.久久| 亚州操人在线视频| 五月婷婷丁香在线| 26uuu欧美| 999激情视频| 色五月琪琪| 婷婷激情图片| 日产精品一线二线三线芒果 | 久久综合婷婷激情| 天堂在线伊久| 丁香五月WWW| 9久久AV| www.色婷婷.com| 日本久久人人| 色婷婷色99国产综合精品| 另类视频综合| 五月六月丁香激情视频| 五月婷婷久久开心网| 亭亭色天香| 丁香婷婷色五月合集| 毛片毛片毛片毛片| 另类视频五月天| 丁香狠狠色婷婷| 婷婷五月丁香综合| 久久色情| 五月日韩中文字幕| 99视频啪啪| 亚洲午夜一区二区| 色啪影院| 丁香六月 婷婷六月| 亚洲色婷婷网站| 国精产品一区二区三区| 五月天婷婷在线视频| 最新久久网址| 丁香激情五月天| BBWCUCKOLD精品熟妇| 99操九九网| txt五月激情四射网综合俺也来了 五月天婷婷丁香人人操91 | 欧美日韩成人在线| 伊人网色婷婷五月天| 久久久免费图片视频| www久久艹| 狠狠搞五月天| 激情5月婷婷狠狠干| 五月丁六月婷| 97色色网| 99视频精品在线| 亚洲国产精品VA在线看黑人| 色都都狠狠色都都色综合色| 亚洲天99| 丁香五月婷婷综合视频| 五月丁香六月综合激情网| 婷婷五月丁香综合激情| 成人在线网| 国产美女无遮挡裸体毛片A片 | 99热免费精品| 婷婷六月爽| 五月天激情子轮| 天天日天天舔| 欧美性爱五月天| 久久久天堂国产精品女人| 九九热青草| 国产色色在线| 最新av在线观看| 五月婷婷亚洲| 人妻久久久久久久久妻久久久久久久久 | 天天干天天做| 天天射天天射一道本日本社区 | 欧美日韩91| 96性爱视频| 开心激情播播五月天| 九色视频91疯狂| 少妇熟女视频一区二区三区 | 色色色999| 丁香亚洲婷婷五月| 婷婷五月天狠狠色| 91色久| 情色五月天 网站| 99热这里都是精品| 97色色色色色色色色色色色色色| 丁香婷婷影院| 人妻人人操| 狠狠爱丁香婷| 91久久综合亚洲鲁鲁五月天| 26UUU亚洲欧美| 五月天婷婷基地| 色色色热热热| 超碰99成人在线| 婷婷丁香在线| 天天爽日日爽夜夜爽| 狠狠狠狠狠狠色| 九九热在线视频| 99免费青青蜜臀| 99热这里只有99| 色五月婷婷五月丁香五月| 婷婷五月激情图片| 成人做爰黄A片免费看直播室男男| 久热9热| 婷婷久久午夜网| 欧美日本va| 天天影院色| 七七久久综合| 久久人妻久久久久| 亚洲中文无码成人| 99热手机在线精品| 香蕉综合网| 九九超日本| 美妞av| 六月激情网| 国产成人精品一区二区三区视频 | 婷婷丁香五月麻豆| 九九热这里只有精品31| 99re在线观看| 天天婬色综合| 丁香六月 婷婷六月| 五月婷婷丁香婷婷| 五月激情天| 91综合在线视频| xx综合网| 国产精品视频免费看| XX色综合| 丁香六月婷婷开心| 亭亭五月色男人| 色婷婷综合网站| 激情久久网 | 狠狠草婷婷| 婷婷五月天激情小说| 九九蜜臀精品| 丁香婷婷九月在线| 综合网亚洲| 丁香婷色| 五月丁香啪| 五月丁香六月婷婷亚洲| www.97干视频| 婷色五月天| 99热伊人| 婷婷色色网| 精品一二三区久久AAA片| 成人在线二区| 99久久婷婷国产综合亚洲| 色99欧洲色19| 国产AV不卡福利| 影音先锋男人资源站一区二区| www.97碰碰com| 色婷操逼| 七七九九色色| 综合色综合| 伊人在线视频| 婷婷久久大香蕉| 99无码视频| 国外亚洲成AV人片在线观看| 思思干精品| 超色欲天天| 欧日韩成人| 亚洲五月丁香综合网| 男人天堂亚洲综合| 好激情在线综合网| 丁香五月激情综合| 可以看的av网站| 欧美大片免费观看| 91热手机在线| 99久热| 午夜爱爱爱成人| www色综合| 欧美欧盟性爱网| 久久99视频| 探花搜索结果 - 黄上黄| 天天色五月| 婷婷五月天色色| Www.狠狠| 久久九九在线视频| 人人操AV| 久久综合婷婷| 9热视频在线观看| 99亚洲日韩| 天天爽天天日| 狠狠操狠狠| 97色精品视频 | 成人网站免费在线播放| 97色在线视频| 91麻豆国产三级精品福利在线观看| 婷婷五月丁香香蕉| 丁香五月 综合| 情久久综合五月天| 久久久婷婷| 99热精品99| 久久九九免费视频| 久久这里只有精品视频15| 欧美一区二区三区不卡影视| 婷婷五月花| 中文字幕婷婷| 中文字幕av在线播放| 99碰碰碰| 人人视频色| 黄色三级毛片中字| 日韩黄黄| 亚洲精品成人| 只有精品在线观看| 婷婷色婷婷| www99在线观看视频| 婷婷五月天美女21p| 青青草原爱爱网| 国产婷婷五月天| 字幕网AV中文字幕| 日操五月婷| 中字幕视频在线永久在线观看免费| 这里只有精品免费在线视频| 伊人久久大香网| 九九99香蕉在线视频播放| 婷婷五月综合激情免费| 超级碰碰碰久久网站视频| 五月丁香色婷婷综合| 无码99| 五月婷婷综合在线视频| 婷婷丁香综合成人| 播丁香五月婷婷欧美| 天天艹天天色| 麻豆AV一区二区三区| 成人小说 五月天 婷婷| 日本久久网| 六月婷婷之青青草| 激情综合五月丁香| 丁香五月综合激情久久潮喷| 91一起操| tingtingjiqingwuyue| 天天日天天舔| sS丁香五月婷婷| 91操人视频| 亚洲美女婷婷五月天| 欧美日韩99| 男人天堂伊人五月丁香| www.zbzhongsen.com| 色丁香五月婷婷婷| 99久久久久| 高潮毛片遮挡费高一百度| 狠狠干天天日| 五月天丁香啪啪综合| 五月丁香综合| 99在线观看亚洲| 开心五月婷婷激情| 噜噜综合网| 色婷婷成人做爰A片免费看网站| 九九热九九| 亚洲成av人影院| 五月丁香婷婷综合激情基地| 中文字幕有多少字| anquye五月| www久久久久久久久久久久久久久久久| 思思久日精品视频| 97干在线免费| 色婷婷亚洲六月婷婷中文字幕| 久久99久久久久久久噜噜| 操逼巨乳91| 黄色成人网站在线播放| 九九久久精品| 丁香五月天天哦| 中文字幕无码人妻少妇免费视频| 五月丁六月香av| 人人摸人人操人人爱| 五月天停停成人网| 九月丁香欧美综合| 丁香婷婷色情| 人妻综合网| 人妻久久久久久久| 夜夜www| 天堂久久丁香| 99亚洲日韩| 九色在线观看91av| 色婷婷久久综合| 99色在线视频观看| 国产精产国品一二三在观看| 精品成人在线观看| 久久伊人大香蕉| 婷婷色播色五月五色五月天色妇| 五月激情综合网| 99免费视频精品| 色婷婷激情视频| 色五月激情网| 激情综合区| 五月婷丁香| wwwxxx五月婷婷小说| 色综合女人99| 婷婷五月色激情欧美激情| 日本三级日本三级三级人妇四虎| 亚洲天堂色色| 狠狠狠狠狠狠狠狠草| 久热精彩视频98| 欧美 日韩 成人| 丁香六月婷婷综合| 国产av天堂| 日韩欧美一级大黄网站| 99精品国产在热久久婷婷| 996热| 丁香六月中文| 色噜婷婷| 五月婷婷色综图片| 婷婷丁香视频在线观看免费| 久久色六月| 婷婷六月丁香五月| 亚洲综合五月天婷婷丁香| 婷婷五月天成人网| 亚洲人妻五月丁香婷婷| 天天综合久久| 五月丁香综合激情网| 99热青青草原| 亚洲成Av人片乱码色第1集| 婷婷激情综合| 天天日人人| 丁香伊人五月色婷婷五十路| 色综合久久44| 立川无码av| ..真实国产乱子伦对白在线_欧 | 婷婷丁香精品视频在线观看| 精品人妻在线| Xx色综合| 99re久热| 天天射美女| 国产色婷婷亚洲| 熟女国产在线一区二区三区四区| 丁香五月婷婷超碰在线| 婷婷丁香成人在线视频| 五月丁香A片| 久久九九综合| 五月丁香婷婷激情在线| 亚州婷婷五月激情综合| 五月婷激情| 亚洲99视频| 黄久久久| 激情丁香五月| www激情五月天| 大香蕉五月天婷婷| 97亚洲视频在线| 狠狠干,狠狠操| 九月激情网| 九九综合九九| 桃色激情婷婷伊人网| 亚洲成人av在线观看| 五月香婷婷| 能看的AV网站| 激情啪啪五月| 热久久这里只有精品| 激情综合色婷婷六月天| 国产亚洲99久久精品| 丁香婷婷狠狠97| 91九色国产在线| 婷婷丁香五月久久| 狠狠综合区| 91狠狠综合久久| 激情五婷网| 91黄址| 激情婷婷丁香| 91丨九色丨白浆秘| 亚洲看av的网站| 九九99在线视频| 国产成人+综合亚洲+天堂| 色色色色五月| 密黄站| 色九综合| 五月天开心网| 99re这里只有| 丁香婷婷六月天| 99在线热视频| 久久人妻熟女一区二区| 9l视频自拍9l九色9l成人| 婷婷六月天精品| 99色五月| 91se精品国产| 97人人干人人操| 区区欧美你爱| www.日本久久videos| 香蕉视频性爱BB做爱| 99亚洲天堂| 欧美激情-区二区三区| 天天情天天狠天天透| 亚洲天堂玖玖| 久久婷婷亚洲| 五月丁香六月婷婷激情网| 色五月丁香激情视频| 久99热在线观看| 丁香五月激情久久麻豆| 91九色精品熟女内射| 亚洲最大五月天成人网| 丁香五月天在线观看视频| 卡视频1区2区| 成人做爰A片免费看视频| 琪琪色五月天| 这里只有精品免费视频在线观看| 丁香五月影院| 亚洲激情Av| 大香蕉婷婷| 无码髙清| 五月婷婷婷自由综合| 在线播放成人网站| 日韩啪图| 欧美叉叉叉BBB网站| 国产在线黄色| 夜丁香五月婷婷| 精品一区二区三区四区五区六区介绍| av在线免费网站| 久久久婷婷五月天| 久久丁香五月天| 天天操婷婷| 亚洲女婷婷五月基地综合久久久| 丁香五月综合激情啪啪| 嫩草视频。| 丁香五月成人网| 丁香开心深爱| 九九久久综合| 六月激情丁香一道本7777| 婷婷在线中文字幕| 天天天天操| 91视频五月丁香| 毛片毛片毛片毛片| 精品久久人妻热| 亚洲 视频 导航 一区| 懂色av粉嫩AV蜜臀AV| 天天做天天爱| www.91在线观看| 26uuu另类亚洲欧美日本一| 五月婷婷内射网| 精品婷婷| 亚洲av无码精品色午夜| 天堂久久丁香| 九九热精品| 丁香五月天黄色片| 婷婷五月天免费视频| 丁香五月天欧美在线| 九九热这里有精品视频| 9月色婷婷| 99久久色| 激情五月婷婷综合秋霞| 五月婷婷之综合激情| 激情亚洲婷婷| 玖玖精品视频| 五月综合在线婷婷图片| 成人看片网站| 91精品婷婷国产综合| 青青999| 五月婷婷很很色| 天天干,天天日| 婷婷色五月天在线| 婷婷狠狠18禁久久| 五月天激情小说欧美激情| 日本性激情色播| 日韩一66精品| 一起草AV| 五月丁香性爱| 天天综合色丁香| 操日本色| 欧美一级a| 老师的粉嫩小又紧水又多A片视频| 午夜天堂啪啪| 色五月综合激情| 色99色| 综合网视频| 这里只有精品视频在线看| 天天综合天天做天天综合| 激情五月天婷婷久久久久久久久久久| 五月婷色色| 123草逼网| 伊人五月婷婷国产视频| 五月婷婷综合成人| 久久婷婷丁香花综合网| 丰满少妇乱A片无码| 色色色色综合网| 五月丁香六月婷婷网| 亚洲av综合网| 99精品久久久久| 高清无码入口| 五月婷婷真爱激情网| 国产精品五月天婷婷| 五月色婷婷激情| 五月社区婷婷激情| 丁香五月大片| 十月丁香婷婷| 婷婷色五月综合丁香| 婷五月丁香俺| 91久久久久久久| 婷婷丁香五另类网站| 五月婷婷偷拍| 激情文学第四色婷婷丁香五月| 色婷婷五月影院| 亚州色综合| 亲子乱AV-区二区三区| www99精品在线观看| 久99婷婷色综合| 五月丁香本色在线观看| 国产精品天天狠天天看| 夫妇交换刺激做爰| 国产精品激情AV久久久青桔| 这里只有精品视频| 五月婷婷综合视频| 五月天激情影院| 久草热在线视频| 色色热| 能看的av| 中文字幕 中文字幕明步| 五月婷在线观看| 五月成人网站| 丁香五月婷婷影院| 九九这里都是精品| 天天干天天操天天拍| 五月丁香综合激情| 婷婷五月天成人| 99爱在线精品视频免费观看| 深爱综合网| 色综合五月天| 开心五月婷婷| 久久精品99国产精品日本| 六月丁香五月婷婷| 国产黄大片在线观看画质优化| 国外亚洲成AV人片在线观看| av中文网| 日操熟女| 操91综合网| 亚洲激情六月丁香| 亚洲蜜乳AV| 狠狠99| 亚韩在线视频| 婷婷丁香五月天综合AV| 激情久久久| 99热这里只有99| 五月丁香六月激情综合啪啪| 婷婷亚洲丁香五月| 久久这里有精品在线观看| 天天搞天天色综合| 久久久久久久久人妻| 99热这里只有精品8| 国产精品色婷婷久久久精品| 色色五月天网站| 东京热免费视频| 亚洲激情网| 免费视频WWW在线观看网站| 极品人妻VIDEOSSS人妻| 日本成人内射| CAOBIBI| 久9免费视频| www久| 色之综合网| 色五月婷婷大| 五月天另类小说久久小说网| WWW,婷婷,COM| 日本婷婷色日| 丁香狠狠色婷婷| 激情五月天婷婷| 亚洲 五月 婷婷 成人| 丁香婷婷六月天| 永久地址 色| 成人丁香五月天| 丁香五月激情综合| 狠狠干婷婷| 99性爱| 日本人人超碰| 婷婷激情五月天桃花网| 欧美日本99| 99九九玖玖| 亚洲综合激情五月久久| 色五月av伊人| 五月丁香AV在线| 色婷婷亚洲婷婷| 91干| 五月丁香狠狠爱| 婷婷丁香激情五月天色色色| 91综合色噜噜| 激情六月丁香| 欧美又粗又大一区二区在线观看| 亚洲99在线视频| 激情5月婷婷| 久操福利| 国产99热| 婷婷狠狠综合网入口| 97人人看一| 99操碰| 97色五月天| 俺也去在线视频| 99亚洲精品| 五月丁香婷婷综合| av高清无码| 久草丁香婷婷五月天婷| 67194成I人在线观看线路1| 激情五月婷婷网在线观看| 操一操插一插| 丁香六月激情综合| 久热婷婷| 色欲一区二区三区精品A片| 色婷大香蕉| 色热久| 久久婷五月综合色| 日韩爱操视频| 色五月婷婷色| 国产精品久久久久久久久久免费 | 久久久久9| 性爱网五月婷婷| 4399在线观看免费高清黄色视频| 怡红院 久久| 九九热这里精品| 五月天成人小说网| 无码人妻激情| 99国产精品白浆在线观看免费| 欧美成综合在线观看| 大香蕉五月丁香| 欧美综合丁香网| 亚洲激情另类| 26uuu在线观看| 91色色五月天| 996精品热视频| 另类色视频| 丁香五月婷婷色偷偷| 另类图片色五月| 久色精品| 干一干xxxx| 九九热视频首页/这里只有精品| 深爱激情网五月天| 任你爽视频| 婷婷五月天天| 五月婷婷综合久久| 天天爱天天做综合| www.99情趣网| 五月婷婷六月丁香综合在线| 五月婷婷丁香91| 亚洲成人AV在线播放| 狠狠色丁香婷婷基地| 五月丁香影院| 婷婷五月天影院| 婷婷伊人视婷婷婷| 99色在线观看免费| 五月天精品视频| 激情五月婷婷网| 东北熟女高潮99综合99| 九九香蕉网| 五月深爱网| 五月婷婷色色| 四色五月婷婷| 乱码操操| SESE无码AV| 亚洲欧美成人在线| 日比网免费国产| 久青操| 色婷五月天亚洲| 性热视频99精品| 成人无码精品1区2区3区免费看| 97超级操操| 亚洲婷婷月丁香五月| 五月丁香在线| 99国产精品白浆在线观看免费 | 色色网站观看| 婷婷亚洲五月| 亚洲亚洲人成综合网络| www91精品| 激情精品久久| 丁香五月婷婷五月| 双性美人被调教到喷水A片| 99热狠狠操| 亚洲色情免费网| 国产亚洲色婷婷久久99精品91| 久久丁香五月婷婷| 99re青青草| 91操色| 丁香五月天激情综合| 亚洲精品又粗又大又爽A片 | 国产日韩av片| 婷婷五月天性| 国产成人av在线| www.91五月| 亚洲中文字幕网| 五月丁香欧美在线| www.婷婷五月| 色婷婷久久视屏| 激情婷婷五月黑人| 婷综合| 中文字幕91,综合| 香蕉婷婷色五月| 色色无码| 激情五月天婷婷播播久久综合91 | 99re免费视频| 高清无码 一区 二区 三区| 91成人看片| 成人国产网| 激情五月黄色小说| 激情综合色婷婷啪啪六月天| 精品一二三区久久AAA片| 欧美丁香五月97色| 丁香五月停停av| AV中文在线| 九艹在线| 久久九九在线视频| 99亚洲天堂| 丁香五月婷婷激情尤物| 亚洲国产色色| 91久久婷婷| 久热黄色| 色情五月停停丁香| 情欲禁地| 久久久久久久久久8888| 婷婷亚洲五月| 变态 另类 在线 | 99热这里只有精品13| 99色婷婷| 亚洲自拍天堂| 婷婷五月丁香综合人妻| 五月大香蕉| 丁香五月欧美成人|