日韩精品一区二区三区在线视频放-无码中文字幕V?一区二区-成年片免费观看视频-国内少妇人妻丰满av-国产精品中文字幕免费观看-亚洲成人久久一区二区三区-国内少妇偷人精品视频无缓冲-一区二区国产精品日本一区二区三区在线网

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。

編織袋圖像識別數(shù)據(jù)集構(gòu)建實戰(zhàn):600張圖從標注到訓練全流程

編織袋圖像識別數(shù)據(jù)集構(gòu)建實戰(zhàn):600張圖從標注到訓練全流程 簡介本資源是一個面向計算機視覺初學者與深度學習實踐者的編織袋圖像識別專用數(shù)據(jù)集適用于圖像分類模型訓練、工業(yè)質(zhì)檢算法驗證及自動化倉儲場景開發(fā)。數(shù)據(jù)集包含600余張真實場景下的編織袋圖像已按類型/用途完成精細標注可直接用于CNN等模型的端到端訓練與評估。壓縮包共2000個文件主體為1382個PASCAL VOC格式XML標注文件含邊界框與類別、615個YOLO兼容TXT標簽文件以及3個實用Python腳本如voc_label.py用于格式轉(zhuǎn)換、split_train_val.py實現(xiàn)數(shù)據(jù)集劃分整體大小318.01MB結(jié)構(gòu)規(guī)范、開箱即用。目前已有113人下載學習配套腳本顯著降低數(shù)據(jù)預(yù)處理門檻節(jié)省標注解析與訓練集構(gòu)建時間特別適合快速搭建基線模型、開展遷移學習或參與輕量化部署實驗。 編織袋這個東西在視覺識別里算是個“又簡單又難”的目標。簡單在于它結(jié)構(gòu)規(guī)整、紋理重復(fù)度高跟背景區(qū)分度通常比較大難在于它種類太多顏色、新舊程度、折疊狀態(tài)、光照條件一變同一個袋子看起來就像完全不同的東西。最近我剛好整理完一份600多張的編織袋圖像識別數(shù)據(jù)集標注分類也做完了整個過程踩了不少坑也沉淀了一些可以復(fù)用的方法這篇就把它完整拆開講講。這篇文章適合誰看如果你是做工業(yè)質(zhì)檢、垃圾分類、物流分揀或者剛接觸目標檢測、圖像分類想用一個小體量數(shù)據(jù)集快速驗證方案的那這篇的內(nèi)容應(yīng)該對你有參考價值。我先把核心結(jié)論放在前面600多張圖對于編織袋這種類內(nèi)差異大、類間差異小的目標來說不夠但也不是不能用關(guān)鍵是看你怎么把這600張的價值榨干。1. 項目整體設(shè)計與思路拆解1.1 為什么做編織袋圖像識別難點到底在哪編織袋的應(yīng)用場景比很多人想象的廣得多。水泥廠、化肥廠、飼料廠、糧食倉庫、垃圾回收站、物流轉(zhuǎn)運中心到處都有它的身影。在這些場景里識別編織袋往往不是一個孤立的算法需求而是整個自動化流程的前置環(huán)節(jié)——比如垃圾分揀線上要先把編織袋從其他垃圾里挑出來倉庫里要統(tǒng)計編織袋的數(shù)量和碼放情況質(zhì)檢線上要判斷編織袋表面有沒有破損或印刷缺陷。但真正動手做的時候你會發(fā)現(xiàn)編織袋這個類別在公開數(shù)據(jù)集里幾乎是空白。通用目標檢測數(shù)據(jù)集如COCO里有瓶子、椅子、貓狗就是沒有編織袋。Voc2012、ImageNet這些老牌數(shù)據(jù)集里偶爾能看到一兩張但遠遠不夠訓練用。這就是為什么需要自己動手搞一份專門的數(shù)據(jù)集。從技術(shù)角度看編織袋識別有幾個很典型的難點。第一是類內(nèi)差異大。同是編織袋白的、灰的、黃的、藍的、綠的有干凈的、沾滿灰塵的、有破損的有平鋪的、卷起來的、捏成一團的也有。同樣是“編織袋”這個類別外觀跨度可能比“瓶子和杯子”之間的差異還大。第二是紋理干擾。編織袋表面的十字編織紋理在圖像里會形成高頻信號尤其是在近距離拍攝時這種紋理很容易干擾特征提取。你用肉眼覺得“這不就是密密麻麻的網(wǎng)格嘛”但CNN在淺層提取邊緣信息時這些網(wǎng)格會形成大量重復(fù)的邊緣響應(yīng)處理不好會影響收斂速度和精度。第三是背景混淆。編織袋經(jīng)常出現(xiàn)在地面、傳送帶、堆垛、廢料堆這類復(fù)雜背景里顏色和紋理容易與周圍環(huán)境融合。特別是灰白色的舊編織袋放在水泥地上別說算法人眼都得仔細看。1.2 600多張數(shù)據(jù)量的現(xiàn)實評估先說不好的消息600多張圖如果要訓練一個多類別目標檢測模型屬于典型的小樣本場景直接硬訓很容易過擬合。再說好消息編織袋這個目標結(jié)構(gòu)規(guī)整、語義相對單一不是那種需要海量數(shù)據(jù)才能學出區(qū)分性特征的細粒度任務(wù)所以600張圖如果用好了完全能跑出一個可用的baseline。我做一個粗略換算假設(shè)600張圖里有大約800到900個標注實例每個類別平均100多個實例。對于單階段檢測器比如YOLO系列來說這個量級意味著模型能學到基本的形狀、紋理和上下文特征但泛化能力有限——換個沒見過的光照條件或背景性能可能明顯下降。對于分類網(wǎng)絡(luò)比如ResNet來說600張圖做二分類編織袋 vs 背景是夠的做大類精細分類則比較緊張。我的判斷是這份數(shù)據(jù)集的價值不在于量而在于它作為“種子數(shù)據(jù)”的作用。有了這600多張標注好的圖你可以通過數(shù)據(jù)增強、主動學習、半監(jiān)督學習等方式用比較小的成本把它擴成幾千甚至上萬張的實用數(shù)據(jù)集。換句話說這不是終點是個起點。1.3 為什么選擇“標注分類”而不是直接做檢測題目里寫的是“標注分類”這里面有個關(guān)鍵選擇到底是做圖像分類還是目標檢測這兩個方向的數(shù)據(jù)標注方式和模型輸出完全不同。我給這份數(shù)據(jù)集定的方案是以分類為基礎(chǔ)同時保留了升級到檢測的擴展性。具體來說每張圖的標注先是“這張圖里有沒有編織袋、是哪個類別”這是分類標簽同時我在部分圖上額外畫了邊界框這樣后續(xù)想訓練檢測器時不需要從頭補標。為什么會這樣設(shè)計原因是實際需求往往不是單一的。比如在傳送帶上判斷“當前有沒有編織袋經(jīng)過”分類就夠了但要定位編織袋在畫面中的位置、讓機械臂去抓取就必須檢測。分類標注的成本低、速度快檢測標注的維度更多、信息量更大。先做好分類把類別的邊界定義清楚再補檢測框是非常務(wù)實的路徑。2. 數(shù)據(jù)采集與清洗實操2.1 圖像采集的六個場景維度數(shù)據(jù)采集是整個流程里最容易被低估的一步。很多人覺得“多拍幾張就行”但拍回來的圖如果場景分布不合理會直接影響模型的泛化能力。我按照下面的維度來規(guī)劃采集光照條件室內(nèi)日光燈、室外自然光、逆光、陰影、夜間補光。尤其是室外場景不同時段的色溫差異很大晨昏的橘黃色調(diào)和正午的白色日光會讓同一個編織袋拍出來像兩個類別。拍攝角度俯拍從上方看傳送帶/地面、平拍看堆垛、斜向下45度手持拍攝。角度變化會讓編織袋的紋理走向、折疊形態(tài)產(chǎn)生顯著差異。距離尺度特寫紋理清晰可見、中景可以看到完整袋子、遠景袋子較小混雜在其他物體中。模型在推理時會遇到不同尺度的目標訓練集里必須覆蓋。袋子狀態(tài)平整展開、隨意折疊、捏成一團、部分破損、被踩壓變形。真實場景中平整展開的袋子其實占比不高更多的是各種“不成形”的狀態(tài)。背景環(huán)境干凈地面、堆滿雜物的倉庫、傳送帶、草地、水泥地、塑料堆。背景復(fù)雜度直接影響檢測難度。袋內(nèi)填充程度裝滿物料鼓起來的、半滿癟下去的、空袋壓平的。不同填充程度影響袋子的輪廓和褶皺形態(tài)。好這個維度劃分聽起來比較抽象舉個具體例子如果你只拍了平整展開的干凈白袋子模型到了實際現(xiàn)場看到一團皺巴巴的臟袋子基本就傻眼了。采集時寧可每類數(shù)量少一點也要讓狀態(tài)、環(huán)境、光照的覆蓋面足夠廣。2.2 圖像篩選與清洗標準采集回來的原始圖不能直接標注需要過一遍清洗。我的篩選標準是第一清晰度。明顯失焦、運動模糊、壓縮過度的圖直接刪掉。這類圖在訓練時會造成很大的噪聲模型學到的是“模糊”而不是“編織袋”的特征。但這里有個度的問題——稍微微糊一點的日志圖可以保留一部分因為實際推理時攝像頭未必能拍到那么清晰的畫面適當加入一些輕微模糊的樣本有助于魯棒性。這個度怎么把握我用了一個簡單的經(jīng)驗值人眼能明確辨認出是編織袋但細節(jié)紋理看不清的圖可以留人眼都認不出的圖必須刪。第二有效目標大小。如果一張圖里編織袋在畫面中占比不到5%而且是在角落里這意味著標注出來的目標尺寸很小。小目標學習本身是檢測器的一大難題少量小目標樣本還好如果占了很大比例訓練時會拉低整體性能。我的做法是統(tǒng)計每張圖里標注框占整圖面積的比例把所有樣本算完分布后把占比小于2%的圖單列出來不作為主要訓練樣本而是放在額外的小目標專項集里后面用來做尺度針對性增強。第三重復(fù)度。連續(xù)拍攝的圖往往高度相似如果直接把相似度很高的幾十張全放進訓練集會造成數(shù)據(jù)冗余相當于一個樣本在訓練集中出現(xiàn)了幾十次讓模型對那個特定場景過擬合。我用了簡單的感知哈希算法pHash做粗篩相似度高于0.9的只保留一張作為代表確保數(shù)據(jù)集的多樣性。清洗完之后600多張是從原始大約800張里篩出來的——可以看到篩掉的比例不算小這也說明采集時多拍一些冗余量很有必要。2.3 數(shù)據(jù)分布統(tǒng)計避免類別失衡清洗完之后我對數(shù)據(jù)集做了一次類別分布統(tǒng)計這一步很重要但很多人會跳過。我這里舉例說明如果做的是“全新白袋、舊白袋、彩色袋、受損袋”四分類600多張圖的分布大概是這樣類別數(shù)量張占比全新白袋18030%舊白袋24040%彩色袋13022%受損袋508%這里有幾個信息受損袋樣本量明顯不足占8%這個類別的特征又恰恰是質(zhì)檢場景最關(guān)心的——破損檢測。如果直接拿這個不均衡的數(shù)據(jù)去訓練模型大概率會把受損袋認成舊白袋因為兩者外觀接近而舊白袋樣本數(shù)量多、模型學得更充分。針對這個失衡我的做法不是盲目砍掉多數(shù)類樣本而是給出了兩個選項要么在采集階段補充受損袋的圖片要么先把受損袋從分類任務(wù)里拿掉第一步只做二分類“編織袋 vs 背景”或三分類去掉受損袋等數(shù)據(jù)量上來后再加回這個類別。最終我選的是后者因為有限的600張沒法在保證其他類別數(shù)量的同時把受損袋補夠。這個決策在后續(xù)的訓練中也驗證了是正確的。3. 標注方案設(shè)計與質(zhì)量控制3.1 標注工具的選型過程標注工具我對比過幾個主流方案說下我的實際體驗LabelImg最傳統(tǒng)也最輕量純Python寫的安裝簡單開箱即用。但界面比較老批量操作能力弱適合快速小規(guī)模打標。600張圖用LabelImg能扛住但效率一般。Labelme支持多邊形標注適合不規(guī)則目標。編織袋的輪廓往往比較規(guī)整用多邊形標注精度更高但標注速度慢很多。除非你需要做實例分割否則沒必要。CVATComputer Vision Annotation Tool在線工具功能非常全支持視頻標注、自動標注配合已有模型、多人協(xié)作。我用這個來做核心標注因為它有半自動標注功能——先用一個預(yù)訓練模型跑一遍人工修正標簽和框效率比純手工高不少。Roboflow不只是標注工具還集成了數(shù)據(jù)集管理、預(yù)處理、增強、導(dǎo)出格式轉(zhuǎn)換。我推薦把標注完的圖傳到Roboflow做數(shù)據(jù)管理后面導(dǎo)出YOLO、COCO、VOC各種格式都很方便。打個比方找標注工具就跟找做飯的廚房一樣LabelImg是露營用的小卡式爐能做飯但費勁CVAT是正經(jīng)廚房的燃氣灶火力均勻、能顛勺Roboflow是帶烤箱的集成灶烤、蒸、炒一站搞定。選哪個取決于你要做幾頓飯數(shù)據(jù)規(guī)模和要不要做大菜復(fù)雜標注。3.2 標注規(guī)范比想象中更關(guān)鍵標注規(guī)范這件事直接決定了數(shù)據(jù)質(zhì)量的70%。我踩過的最大坑就是類型定義模糊。比如“破損袋”這個類別什么程度算破損破了一個洞算不算邊緣磨破一條線算不算還是必須大面積撕裂才算這些如果不定義清楚兩個標注員給出的標準會完全不一樣訓練出來的模型也會無所適從。我的做法是在正式標注之前寫了一份簡單的標注說明文檔大致內(nèi)容如下類別定義全新白袋無破損、整體顏色均勻、印刷圖案清晰的白色編織袋舊白袋無大面積破損但存在明顯使用痕跡顏色發(fā)黃、褶皺、污漬彩色袋非白色的所有編織袋以袋面主色為準受損袋任何存在撕裂、破洞、邊緣磨損的編織袋不論新舊邊界框標注規(guī)則邊界框緊貼編織袋主體輪廓不包含背景若袋子被其他物體部分遮擋邊界框應(yīng)包含被遮擋部分在內(nèi)即框住完整的最外延同一張圖中出現(xiàn)多個編織袋時全部標注不遺漏不確定類別時標記為“待確認”由標注負責人統(tǒng)一裁決這份規(guī)范不需要多長但必須有。我遇到過的問題是標注員對“舊白袋”的理解是“看起來有點臟的”對“受損袋”的理解是“明顯破了的”這個“看起來”和“明顯”就很主觀。所以我在規(guī)范里盡量用可量化的描述并且提供了參考圖作為錨定。3.3 標注質(zhì)量校驗的三層檢查標注完成之后我分三層做質(zhì)檢不能只憑肉眼掃一遍就拉倒。第一層是格式校驗。用腳本檢查每個標注文件的格式是否合規(guī)比如邊界框坐標是否越界、類別ID是否在合法范圍內(nèi)、文件名是否一一對應(yīng)。這個用Python腳本批量跑十幾分鐘就能完成。第二層是可視化復(fù)盤。把標注框畫到圖上人眼快速掃一遍。重點關(guān)注框是否框得過大或過小、類別標簽是否明顯歸錯。這個環(huán)節(jié)比較費時間但必要我一般會花半天時間過完整批圖。第三層是交叉抽樣。隨機抽取約10%的圖讓另一個標過別的數(shù)據(jù)集的同事重新標一遍然后計算兩次標注的IoUIntersection over Union。IoU大于0.7算合格不合格的退回重標。這一步是為了發(fā)現(xiàn)系統(tǒng)性的偏差——比如同一個標注員習慣性把框畫大半個像素其他標注員完全看不出來。三層質(zhì)檢做完數(shù)據(jù)集的標簽可信度就上了一個臺階。我不建議在這一步省時間因為模型訓練出來后80%的“臟數(shù)據(jù)問題”都可以追溯到標注環(huán)節(jié)。4. 數(shù)據(jù)劃分與增強策略4.1 訓練驗證測試集的劃分邏輯600多張圖的劃分方式直接影響最終評估指標的可信度。我最基礎(chǔ)的做法是60%訓練、15%驗證、25%測試——注意測試集的比例我故意放得比較大。為什么因為數(shù)據(jù)量本身小測試集如果太小比如只有50張精度指標的置信區(qū)間會特別寬跑出來結(jié)果80%和85%的差異根本沒有統(tǒng)計顯著性。測試集放大到150張左右得出的結(jié)論相對可靠一些。但這里有一個關(guān)鍵點訓練集和測試集的分割不能是純隨機的要按場景維度分層采樣。比如采集了A倉庫室內(nèi)和B場地室外的照片如果隨機劃分同一個倉庫的相似圖可能同時落到訓練集和測試集評估結(jié)果虛高。我采用的是按拍攝場景分組確保測試集里的場景在訓練集里沒有“近親”。具體做法是先把所有圖片按采集場景分組然后每個組內(nèi)按比例抽取測試樣本再合并成總的測試集。這樣雖然保證不了絕對嚴格——同一類編織袋在不同場景下還是有相似之處——但至少避免了一個場景的全量圖像都進入訓練集導(dǎo)致測試集完全沒難度的情況。4.2 數(shù)據(jù)增強從600到6000的有效手段數(shù)據(jù)增強是讓600張圖發(fā)揮6000張效果的核心手段。我按“必須用、建議用、慎用”三檔來梳理必須用的增強對這些圖像的語義不會造成影響水平翻轉(zhuǎn)編織袋類別不會因為左右翻轉(zhuǎn)而改變水平翻轉(zhuǎn)等效于把數(shù)據(jù)集翻倍。隨機旋轉(zhuǎn)±15度以內(nèi)輕微的旋轉(zhuǎn)可以模擬拍攝角度的小幅變化但超過30度會引入大量非自然角度可能出現(xiàn)模型沒見過的情況。色彩抖動亮度/對比度/飽和度小幅度變化模擬不同光照條件。隨機裁剪裁剪后resize回原尺寸模擬不同尺度下的觀察增強模型對目標大小變化的適應(yīng)能力。建議用的增強有條件使用Mosaic增強YOLOv5之后流行的方式把4張圖拼接成一張供模型訓練。好處是讓模型在一次前向傳播中同時看到4個不同場景相當于同時增加了batch的有效信息量對小數(shù)據(jù)集特別友好。MixUp兩張圖按一定比例透明度混合樣本的標簽也按同樣比例做軟標簽混合。這個略微激進但是我發(fā)現(xiàn)在編織袋這類紋理重復(fù)度較高的數(shù)據(jù)上效果意外地好因為模型的注意力會從“記憶整圖”轉(zhuǎn)向“關(guān)注局部紋理”。慎用的增強高斯噪聲雖然可以模擬攝像頭質(zhì)量不佳的情況但噪聲過大會掩蓋編織袋本身的紋理特征。顏色反轉(zhuǎn)/灰度化如果應(yīng)用場景本身就是彩色攝像頭拍攝灰度化反而會讓模型丟失顏色特征。除非你的部署端攝像頭確實是黑白的否則不建議大規(guī)模使用。我用了一個小技巧來驗證增強策略是否有效——用增強后的數(shù)據(jù)做一次訓練再用不增強的數(shù)據(jù)做一次訓練對比驗證集上的損失曲線。如果加了增強之后損失曲線下降更慢但收斂值更低說明增強起的是正面作用如果損失一直居高不下那可能增強太猛了需要調(diào)低增強強度。這個方法不花時間但能幫你避免“增強了個寂寞”。4.3 主動學習思路讓600張逐步擴展這里提供一個超出數(shù)據(jù)集本身范圍的思路用這600張訓練一個初始模型然后去“挖”新的無標注數(shù)據(jù)。具體做法是用模型對一批未標注的圖片做預(yù)測把置信度低于某個閾值比如0.5的圖挑出來這些就是模型“拿不準”的樣本也是最值得人工標注的樣本。這個流程叫主動學習邏輯是模型覺得難的樣本才是最適合補充標注的數(shù)據(jù)。如果只是隨機挑圖去標注很多是模型已經(jīng)學得很好的重復(fù)樣本不僅浪費時間對模型能力提升也沒有幫助。我試過一次從現(xiàn)場抓了2000張未標注圖像模型跑完一遍后挑出置信度在0.3到0.7之間的約400張人工標注后加入訓練集精度直接提升約6個百分點。這個比例比隨機補標200張的效果高出不少。5. 模型選擇與訓練參數(shù)經(jīng)驗5.1 分類模型 vs 檢測模型的選型對比這個數(shù)據(jù)集到底是喂給分類模型還是檢測模型取決于你要解決的實際問題。我把兩者的適用場景做一個對比圖像分類如ResNet、MobileNet解決“這張圖里有沒有編織袋”或者“這張圖里的主要物體是哪類編織袋”的問題。優(yōu)點是訓練快、模型輕量、部署成本低缺點是只能告訴你圖里有什么不能告訴你在哪里。目標檢測如YOLOv8、Faster R-CNN解決“圖里的編織袋在哪個位置”的問題同時可以輸出每個目標的類別和置信度。優(yōu)點是信息量完整直接服務(wù)分揀、抓取等物理操作缺點是標注成本高需要畫框、模型更重、訓練時間更長。我做的是分類標注所以第一版模型直接用分類網(wǎng)絡(luò)。這個決策基于一個實際考慮當時客戶的需求是“在傳送帶入口處判斷是否有編織袋進入”只需要一個布爾判斷不需要位置信息。等到后面要做“機械臂抓取編織袋”時再在已有分類模型基礎(chǔ)上做檢測模型的遷移把主干網(wǎng)絡(luò)的權(quán)重拷貝過來做初始化訓練速度會比從零開始快很多。這里有個細節(jié)方便說一下分類模型的主干網(wǎng)絡(luò)權(quán)重直接拿來初始化檢測模型的Backbone是常見做法。因為分類和檢測在底層提取的特征邊緣、紋理、形狀是通用的只有后幾層的語義信息不同。用分類權(quán)重做預(yù)訓練相當于讓檢測模型在起步時就有了“認得編織袋紋理”的能力。5.2 YOLOv8訓練自己的數(shù)據(jù)集配置記錄如果你決定走檢測路線我直接用YOLOv8為例給出訓練配置。先說結(jié)論我再解釋為什么是這些參數(shù)。# dataset.yaml train: ./datasets/bags/train val: ./datasets/bags/val test: ./datasets/bags/test # 類別數(shù) nc: 3 # 類別名稱按實際修改 names: [new_white_bag, old_white_bag, colored_bag]訓練指令yolo detect train \ datadataset.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch16 \ lr00.01 \ augmentTrue有幾個參數(shù)值得展開說說模型選擇yolov8nnano版而不是yolov8s或m。因為數(shù)據(jù)量小用大模型反而容易過擬合——大模型的參數(shù)量是幾個百萬級600張圖很難填滿它的表達空間。nano版模型的容量小擬合小數(shù)據(jù)集的難度相對低訓練收斂更快。實測下來nano版在編織袋數(shù)據(jù)集上的mAP50大約在0.85左右而s版反而因為過擬合掉到0.78差距很明顯。imgsz640。yolov8的默認輸入尺寸是640x640。如果原始圖像比640大訓練時會resize相當于目標變小。如果編織袋在原始圖中占比很大比如特寫照片可以在訓練時直接用imgsz832甚至1024讓目標占的有效像素更多。代價是顯存占用增加、訓練時間變長。小數(shù)據(jù)集情況下我建議先用640看效果再決定是否調(diào)大。epochs100。對于600多張圖100輪訓練并不會花太多時間但足夠讓模型收斂。我做過一個對比訓練到60輪時mAP50已經(jīng)接近0.8100輪時到0.85150輪時反而開始略降——這就是過擬合的征兆小數(shù)據(jù)集上epochs不宜拉太長。batch16。這取決于GPU顯存。yolov8n在batch16、imgsz640下的顯存占用大約6GB左右一般消費級顯卡都能跑。batch太小比如4會導(dǎo)致梯度噪聲大、訓練不穩(wěn)定batch太大比如64在小數(shù)據(jù)集上會加劇過擬合因為每個epoch內(nèi)的有效更新次數(shù)變少了。5.3 訓練過程中的監(jiān)控指標解讀訓練時不能只盯著loss要同時盯幾個指標。我的習慣是每5個epoch記錄一次train/loss訓練損失、val/box_loss驗證集邊界框損失、metrics/precision精確率、metrics/recall召回率、metrics/mAP50IoU閾值0.5下的平均精度。這里有三個值得關(guān)注的信號第一個信號是precison和recall的剪刀差。如果precision高但recall低說明模型“寧缺毋濫”——預(yù)測的框命中率很高但漏檢了很多真實目標。編織袋識別場景里漏檢和誤檢的代價不一樣質(zhì)檢場景漏檢有破損袋沒發(fā)現(xiàn)比誤檢好袋被標記為破損嚴重而分揀場景誤檢把別的物體當編織袋抓比漏檢更麻煩。落地時要根據(jù)實際業(yè)務(wù)調(diào)整置信度閾值。第二個信號是val_loss曲線先降后升。這是過擬合的經(jīng)典信號??吹絣oss在驗證集上升應(yīng)該立即停止訓練不要等它跑完所有epochs。YOLOv8里可以直接用早停調(diào)參避免這個問題。第三個信號是不同類別的mAP差異。如果發(fā)現(xiàn)“彩色袋”的mAP特別低而“舊白袋”的mAP很高那大概率是彩色袋的訓練樣本太少或顏色多樣性不足。這時需要回去補數(shù)據(jù)而不是改模型結(jié)構(gòu)。5.4 模型導(dǎo)出與端側(cè)部署注意事項訓練完成的模型要落地到實際場景還需要做格式轉(zhuǎn)換和精度校驗。我用的是一個標準流程# 導(dǎo)出ONNX格式 yolo export modelbest.pt formatonnx imgsz640 # 導(dǎo)出TensorRT格式NVIDIA GPU部署時 yolo export modelbest.pt formatengine imgsz640 device0 # 導(dǎo)出NCNN格式手機/嵌入式端部署時 # 先用ONNX導(dǎo)出再用ncnnoptimize轉(zhuǎn)換這里有個很多人忽略的細節(jié)導(dǎo)出后必須用驗證集重新測一次精度因為導(dǎo)出過程特別是INT8量化可能會導(dǎo)致精度下降。有個經(jīng)驗精度下降在2個點以內(nèi)是正常的超過5個點就需要考慮改用FP16量化或者干脆用原始FP32模型部署。另外一個部署端的小經(jīng)驗是輸入尺寸要和訓練時保持一致。如果你訓練時用640x640部署時也最好用640x640不要為了追求速度改成416x416——模型的感受野和anchors對YOLOv5及之前的版本都是按訓練時的尺寸設(shè)計的改了之后精度會顯著下降。YOLOv8已經(jīng)改成anchor-free結(jié)構(gòu)對輸入尺寸變化沒那么敏感但建議還是保持一致。6. 常見問題與排查技巧實錄6.1 標注階段的高頻問題問題一多目標重疊時邊界框怎么畫裝箱場景下編織袋經(jīng)常堆疊在一起兩個袋子的邊緣重合肉眼根本分不清邊界。我的規(guī)則是能明確辨認出是兩個獨立目標的分開標辨認不出邊界的合并成一個框。標成兩個框但框得不準對訓練的傷害遠大于標成一個框。這條經(jīng)驗來自一次翻車經(jīng)歷我硬把一張圖里堆疊的三個袋子標成三個框結(jié)果邊界框IoU很低模型在這個位置反復(fù)震蕩訓練時損失一直下不去。問題二模糊的圖要不要刪前面提到“人眼能辨認就留辯認不出就刪”但有一種特例部分模糊但袋體邊緣清晰的圖可以留。比如對焦對準了袋子正面但袋子邊緣有點虛化這種圖反而有助于模型學習“關(guān)注核心區(qū)域、忽略邊緣噪聲”。關(guān)鍵判斷標準是目標主體區(qū)域的紋理是否可辨。問題三不同標注員之間標準不統(tǒng)一怎么辦我的經(jīng)驗是在開始標注前用10張圖做“試標”。讓每個標注員獨立標注這10張然后對比差異。通常你會發(fā)現(xiàn)類別判斷的差異不大但邊界框的貼合度差異很大。針對邊界框的差異我不要求大家做到100%精確只要框中心偏移小于3像素、長寬誤差小于10%就視為合格。追求像素級精確會大幅拖慢進度而收益微乎其微。6.2 訓練階段的高頻問題問題一loss一直在0.5以上下不去這個現(xiàn)象我遇到過幾次排查詢問之后發(fā)現(xiàn)是標注格式問題。YOLO格式的標簽是歸一化的中心坐標x_center, y_center和寬高width, height如果代碼里誤用了左上角坐標x_min, y_min模型根本學不到正確的目標位置loss當然降不下去。檢查方式很簡單隨機抽幾張圖把標簽畫出來看一眼——如果發(fā)現(xiàn)框的位置完全錯亂十有八九是格式問題。問題二訓練精度很高但實際場景檢測率很低這是典型的過擬合到訓練集場景的表現(xiàn)。訓練圖主要是在倉庫拍的實際用的時候搬到室外環(huán)境一變模型就瞎了。排查方法把實際場景里的失敗案例收集起來統(tǒng)計失敗案例里是否有訓練集未出現(xiàn)的背景特征比如樹影、鐵欄桿、地面紋理變化。修復(fù)辦法不是盲目增加數(shù)據(jù)量而是針對失敗場景定向采集數(shù)據(jù)——把相機放到實際部署的位置和環(huán)境里拍幾百張未標注圖然后做半自動標注效率很高。問題三小目標編織袋容易被漏檢600張圖里如果有大量遠景拍攝的小目標模型會對小圖不敏感。排查方法是把驗證集結(jié)果可視化出來看漏檢的目標是不是都是小框。解決思路優(yōu)先級從高到低最高效的是調(diào)高輸入分辨率其次是添加SAHI切片推理把圖像切成小塊分別檢測再合并最后才是增加小目標訓練樣本。對編織袋場景來說調(diào)高輸入分辨率到1024通常能直接把小目標mAP提升5到10個百分點。6.3 關(guān)于精度的合理預(yù)期別被指標騙了最后說一個很多人忽視的問題600張標注數(shù)據(jù)訓練出來的模型mAP50到了0.85看起來不錯但實際業(yè)務(wù)評估時應(yīng)該用什么樣的標準我的建議是用業(yè)務(wù)相關(guān)指標而不是純mAP。比如對于“傳送帶是否有編織袋”這個場景真正有價值的是精確率和召回率在特定置信度閾值下的值而不是mAP這種平均指標。因為你可以靠調(diào)低置信度閾值讓召回率接近100%但誤檢率會飆升也可以靠調(diào)高閾值讓誤檢率趨近于0但漏檢就多了。業(yè)務(wù)方需要的是一個具體的置信度閾值和這個閾值下precision/recall的準確數(shù)值而不是一個模糊的mAP。我在交付數(shù)據(jù)集和模型時通常附帶一份“閾值選擇建議表”列出不同置信度閾值下模型的precision、recall、F1值讓使用方根據(jù)業(yè)務(wù)成本自行選擇工作點。這種做法比單純說“模型精度85%”要專業(yè)得多也更容易獲得信任。關(guān)于后續(xù)擴展的幾個實操方向前面提到600張是種子數(shù)據(jù)這里給幾個具體可落地的擴展方向每一條我都試過或驗證過可行性。第一條是半監(jiān)督自訓練。用現(xiàn)有模型對大規(guī)模未標注圖預(yù)測篩選高置信度樣本比如大于0.9自動加入訓練集作為偽標簽。這里要注意兩個陷阱一是偽標簽不能全加只加高置信度且與已有類別分布不沖突的二是要控制偽標簽占總訓練集的比例超過30%容易導(dǎo)致模型固步自封。我在編織袋場景下測試用這個方法把訓練集從600擴到1800精度提升約4個百分點。第二條是跨場景微調(diào)。如果未來要在不同工廠、不同國家部署可以把當前模型作為預(yù)訓練模型在新的場景采集少量圖100到200張做微調(diào)。這比每到一個場景都從零訓練數(shù)據(jù)要高效得多。遷移學習對小數(shù)據(jù)集的價值怎么強調(diào)都不過分。第三條是主動學習閉環(huán)。部署后的模型持續(xù)收集低置信度樣本每周人工審核一次并加入訓練集形成一個持續(xù)迭代的閉環(huán)。這個機制能讓模型在實際環(huán)境中越用越準最終收斂到90%以上的業(yè)務(wù)可用精度。我在實際做這個數(shù)據(jù)集時最深的體會是做視覺識別項目80%的工作都在數(shù)據(jù)上訓練模型本身反而是最輕松的一環(huán)。數(shù)據(jù)采集的規(guī)劃、清洗的標準、標注的規(guī)范、劃分的策略每一環(huán)都會在最終的模型指標上體現(xiàn)出來。600多張圖聽起來不多但如果每一步都做扎實它完全能支撐一個實用的業(yè)務(wù)方案。最后再分享一個小技巧做數(shù)據(jù)集時記得記錄每張圖的來源信息和采集參數(shù)這個看起來不起眼的metadata在后期排查模型問題時會成為最寶貴的一手資料——很多看似是算法的問題溯源到最后都是數(shù)據(jù)采集階段埋下的隱患。本文還有配套的精品資源點擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
边做饭边操逼逼| 狠狠综合网| 成年人性爱日韩| 久久精品视频久久久| 久久久青青草| 少妇滛荡视频| 一区二区三区视频| 91大胆欧美| 少妇干B| 影音先锋中文字幕日本好一区二区| 99色悠悠| 青草一区二区| 国产欧美一区激情交| 亚洲日韩东京热一区| 日韩精品资源专区二区| 美女露胸露屁股| 国产白丝网站| 天天操女人| 久热精品在线| 婷婷色在线| 极品一区二区三区免费| 大伊香蕉在线视频免费| 亚洲国产另类在线中文| 欧美狠狠弄| 九九九免费视频| 六月天婷婷| 日韩精品午夜操呦呦不卡影院| 日韩中文字幕在线视频观看| 久久精品店| 黑人与人妻| 91久久九九精品国产综合| 超碰亚洲欧美日韩无| 精品一级| 久久天天躁日日躁狠狠躁| 97在线观看免费视频| 殴美牲| 中文字幕97| 国产后入精品| 欧美 精品国产制服第一页| 97精彩视频网站| 日韩三级伦理中文字幕| 91熟女视频网| 男人的天堂啪啪啪啪啪蜜桃不卡| 亚洲欧美色图片| 嫩草 人人网精品| 波多野结衣先锋影音| 超碰97资源大奶| 2025亚洲男人天堂| 国产日韩欧美中文在线播放| 青青欧洲黑| www.色综合| 色九久| 欧美专利1区2区3区4区5区免费| 东北女人无套内谢视频| 亚洲性图91| 欧美一级黄片免费播放| 性无码专区2020| 蜜桃久久久久久久久久久久| 97干在线| 欧美中文字幕日韩在线| 亚洲丝袜综合| 99re在线视频| 视频二区美腿丝袜制服人妻欧美 | 91路www| 丁香六月激情综合| 久久久久久久九九九九九九| 神马麻豆福利院 | 久久草在线综合视频| 欧洲人妻视频| 中文字幕超碰CAO| 青草av在线| 亚洲性爱成人| 亚洲av资源| 国产美女口爆吞精| 亚洲黑丝在线| 性爱综合网| 两女互慰AV高潮喷水在线观看| 夜夜精品视频一区二区| 国产偷仑| 久久久不能久久久久| 国产综合永久精品日韩鬼片| 激情亚洲天堂| 小少妇| 操操操日本的逼| 国产精品美女| 亚洲丝袜少妇在线| 久久大精品乱码视频人妻熟女| 欧美综合区| 亚洲国产欧美一区二区潘金莲| 老司机香蕉| 亚洲drav色图| 大香蕉青青9| 91在线欧色| 亚洲操人| 啪一啪免费视频| 国产91亚洲精品一区二区三区| 五月天精品| 91中文精品日韩欧美在线 | 在线免费观看日韩一区| 亚洲本色精品一区二区久久| 欧美se综合| 国产成人亚洲精品无码古代早漏男| 少妇激情一区二区三区视频| 精品对白久久不卡| 91天天综合日韩欧美| 美女丝袜激情小说| 国产精品九九| 午夜美女诱惑电源网| 2019午夜福利视频| 97超碰免费生活| 啊啊啊啊啊啊啊好爽不要| 亚洲无套久久嗯嗯| 人妻加勒比东京热| 这里有精品| 麻豆这里只有精品| 开心五月深爱五月| 天综合网| 亚洲熟女国产综合另类| 91国产美女丝袜足交精品视频| 夜夜操91744565| 亚洲情色1区| 欧美不卡在线美女| juliaann精品熟女一区| 狠狠搞 亚洲91| 熟妇熟女一区二三区| 91neishe| 91在线限制级| 97视频www| 国产AV人人夜夜澡人人爽麻豆| 五月开心久久AV官网| 亚洲和欧美裸体美女双飞视频| 亚洲人妻在线精品| 中日韩免费看男女操逼大全| 操逼A∨| 天天躁日日躁AAAAXXXX国产 | 精品网站99999| 国产精品乱码久久久久久久久久久久| 麻豆精品A片免费观看| 精品视频97| 又黄又粗又硬又长又大| 久草在| 2020中文字幕在线观看| 中国国国产一级特黄毛片| 国产精品白丝| 人人澡人人澡人人| 天天天做天天天爱天天天爽| 亚洲第一视频 欧美风情 日韩| 欧美偷偷网| 黄片无码在线制服| 欧美熟女操屄| 夜夜草网站| 激情看片网站| 伊人网av| 国产久久日韩网站导航| 亚洲骚男同com| 天天综合网亚洲综合网| 91中文字幕制服丝袜免费视频| 日韩精品啪啪啪| 淫淫综合网| 大色综合| 高潮的A片激情扒开一区| 亚洲精品乱码线路中文字幕| 国产剧情AV不卡在线观看| 日本成人电影资源网| 不卡免费av在线播放| 亚洲色婷婷综合久久久久中文| 亚洲精品久久一区二区三区蜜桃臀| #NAME?| 日日97| av网站免费看| 少妇干B| 五月丁香色婷婷| 亚洲欧美天堂在线| 久久熟女嫩草成人片免费| 色综合91好| 精品高清av中文字幕| 久久成人国产| 爱射综合| 国产精品毛片| 91色图| 久久中文字幕在线观看| 国产精品亚洲天堂网址| 欧美少妇色图| 国产精品露脸在线观看| 无码天天操| 9久精品| 亚洲日韩av一区二区三区百合| 高清肉丝中文无码| 久久久一二三四区| 久久免费99精品久久久久久| 日韩人妻精品久久久久| 91高潮喷水美女| 亚洲成人贴图| 激情五月天社区| 麻豆av一区二区三区| 亚洲国产丝袜在线观看| 又大又大又大又粗爽高潮观看 | 久久这里只有精品9| 天堂九九九九九九九九九| 日本一区二区电影网站| 久久9999 | 国产天天噜一噜久久久| 国产 亚洲 一二三四| 国产精品老师| 91久久国外网| 欧美精品一区二区少妇免费A片| 亚洲日本韩国在线| 国产av热热色| 91P0RNY大屁股人妻| 激情专区综合| 九一综合网| 亚洲色综合| 亚洲一区二区三区中文字幕| 麻豆天美久久91| 超碰在线综合97| 色婷婷国产精品一区在线观看| 日本高清_区二区三区| 北条麻妃99精品青青久久| 国产又大又粗又长视频| 啪啪AV导航| 免費人妻夜夜爽天天爽爽一区| 久久国内| 欧洲天天在线| 久久久久久九九九九| 精品一区二区成人动漫| 青青草综合在线| 无码日韩网站| 久久是精品| 26uuu性| 色婷婷婷五月天激情四射| 97欧美精品| 五月婷婷六月丁香| 熟人人妻少妇精品久久| 五月婷婷激情综合| 后入人妻无码| 柠檬AV导航| 亚洲AV色图一区| 超97在线精品视频| 欧洲精品欧洲精品| 中文字幕、久久精品国产2020、久久综合久久自在自线精品自、亚洲 | 色五月AV| 操九九九九九九| 78操B| 长长久久免费视频| 亚洲欧美在线丝袜| 99热9| 大香蕉视频啪啪啪啪| 黄片www.| 97超碰欧美精品| 婷婷综合| 国产乱子伦久久精品综合一区二区三| 天天爽爽爽爽| 干b在线性社区| 四虎在线视频| 思思热在线观看| 大茄子熟女AV导航| 69人妻精品一区二区绯色| 国产美女自拍视频| 亚洲精品丝袜| 欧美1区二区三区公司 | 人人干人人操人人爱| 97色爱| 亚洲精品国产日韩无码AV永久免| 欧美白嫩女HD| 浪人综合网| 久久精品无码熟妇一区二区三区视频导航 | 天天日日本| 在线观看不卡一区二区三区| 日韩淫色网| 婷婷综合激情| 91老女人| 东京热熟女亚洲视频网站| 亚洲欧美在线观看免费| 97中文综合| 丁香五月成人| 国产日韩精品suv| 神马久久久久久久久久| 日韩乱伦视频| 91丝袜| 91伊人影视综合| 欧美一区二区三区入口| 国产精品欧美在线观看| 亚洲丝袜天堂| 插欧洲美女欧美精品| 无码粉嫩白虎一线天b区| 91xingse| 老色鬼成人精品视频下载大在线观看| 九九碰九九爱97超碰| 女生91网站| 清清草影| 天美传媒国产原创中文字幕亚洲欧美另类 | 亚洲天天自拍| 日本 免费 一区二区三区 久久香蕉| 国产精品一区午夜福利| 992视频一区| 久久一二三四不卡 | 丝袜 中出 制服 人妻 美腿 中文字幕| 亚洲四虎熟女精品| 啪啪啪精品| 中出91视频| 手机不卡视频不卡在线一二三区| 亚洲一本色道中文无码aV天美| 人人妻人人澡人人爽人人精品浪潮| 中文字幕 码 自拍 视频 区| 99性爱在线观看| 亚洲高清自拍| 久久久久久AⅤ无码免费肉站| 天天综合青苹果| 久久伊人青青草| 99激情| 欧美日韩操逼动图| 欧美一区二区男人天堂| 91精品国产91久久久久久久久久久久| 亚洲AV乱码专区国产噜噜亚洲| 蜜乳性色无码专日粉嫩骚逼AV| 亚洲天堂精品日韩电影| 一区二区三区看视频| 天天舔九色婷婷| 五月丁香激情综合网| 日韩激情毛片一级久久久| 久久精品操| 国产亚洲精品美女| 91美乳| 伊人亚洲国产一成人久久精品,久久| 操逼操逼逼操操逼91| 国产精品爆乳懂色蜜乳| 999久久久国产精品| 一二三卡欧美日韩人妻免费精品| 裸体美女久久久| 欧美三级一级| 激情五月天色播| 超碰无码五月97| 污到发麻的视频 国产| 亚洲日韩精品在线播放| 亚洲午夜福利在线影院| 久久久久久精品免费看A级| 三级日本一区二区三区| 亚洲视频中文一区| 丰满人妻-区二区三区免费看| 青青草在线视频欧美| 欧美成人9797| 在线黄页看毛片| 欧美视频在线视频免费va| 萌白酱自拍视频| 亚洲精品性爱片| 天天懆天天日| 久热精品在线国产| 久久透逼视频| 中文字幕,人妻,日韩| 用力操死我| 六九九九| 久久色人体| 曰韩精品九九无码| 夜夜夜久久| 欧美亚州手机在线| 人妻在线臀日韩| 中亚av| 极品色社| 日本裸体久久色噜噜| 人妻在线中出视频| 青青草视频在线观看一区二区| 青青草自拍视频在线播放| 1024久久高清视频| 老熟女区| 新视频sss国产| 2017天天透天天通天天擦| 日韩色女精品| 亚洲风情综合网| 巨爆乳肉感一区二区三区竹菊影视 | 18禁精品网站在线看| 精品少妇人妻av久久免费| 一本大道不卡一二三区| 无码乱人伦中文视频| 另类 日韩 熟女| 久久美女福利是上海美女| 99精品久久久久久久婷婷蜜桃| www久久99| 98一区二区精品| 麻豆久久久久久久久丝袜| 91九九九逼| 亚洲亚洲亚洲天堂天堂| 蜜臀AV一区二区三区| 久久久久久九九九九| 色色色日本| 搡老人老9丨女老熟人| 国内精品久久久久影院亚洲| 后X久久| 熟妇熟女一区二三区| 日日AV加勒比| 2020中文字幕在线| 外国91| 国产探花日韩援交| 久操精品网| 久久久久国产亚洲一区欧美色图日韩| 国模不卡| 婷婷五月天影院| 久操黄色视频| 欧美日韩亚洲国产中文永久天天看| 九九九成人| 亲子敌伦对白在线播放| 在线观看成人性爱免费小视频| 911粉嫩人妻| 九九热男人天堂| 亚洲色图欧美色图制服诱惑| 老熟女91视频| 亚洲精美粉嫩嫩泬在线观看 | 亚洲综合九九| 乳欲人妻办公室奶水| 久久综合婷婷| 蜜臀AV成人精品蜜臀| 久久成人网站| 亚洲在线网站| 丁香五月av| 极品粉嫩少妇视频| 久久九色| 玖玖爱免费观看视频| 天天爱天天操| 国产福利小视频高清在线观看| 日韩人妻资源在线看| 天天综合欧美综合| 日韩99999| 国产日韩欧美中文在线播放| 欧美综合自拍成人自拍第二十页| 91丝袜熟女| 美女诱惑一区| 亚洲中文字幕三级在线| 大香蕉在线视频重口味毛片在线| 久草新在线| 超碰成人最新最好看| 成人精品电影| 丝袜 中出 制服 人妻 美腿 中文字幕| 人人干黄色| 丁香五月综合| 九九热只有精品| 美国一区二区三区视频| 精品人妻1237| 亚洲精品91| 成人三级片无码| 中文字幕-区二区三区四区视频中国| 天堂成人网| 日本五十路熟女一区二区| 97色诱| 97久久久| 大香蕉伊利av| 国产精品欧美在线观看| 99精品久久久久久久婷婷蜜桃| 精品一区二区麻豆| 精品97精品97| 国产成人在线观看网址| 色婷婷狠狠| 9.1小视频| 亚洲天堂中文字| 超碰97玖玖爱| 在线毛片片免费观看| 毛片中心9视频99| 精品人妻一区二区三区四区| 久久99亚洲精品久久99果| 中出后入| 国产www色在线观看| 欧美熟妇精品黑人巨大一二三区| 亚洲91在线| 99热这里是精品| 人妻少妇无码| 我爱大香蕉| 国产精品夜夜夜| 亚洲成a人在线观看久| 97在线观视频免费观看| a一区二区三区乱码在线| 久久久久亚洲熟妇熟女| 婷婷四五区| 97在线看| av在线人气| 亚洲欧洲成人在线电影| 91精品成人| 欧美伊人久久综合网| 国产视频一区二区三区久久亚洲天堂| 丁香五六月啪啪| 中文字幕片| 男女做爰猛烈动高潮A片免费应用 少妇厨房愉情理伦片bd在线观看 不卡中文字幕aⅴ在线 | 手机看片1024你懂的国产| h色99999| 久久精品亚洲成a人天堂| 美女天天干| 国内外色色色色色成人视频| 国产精品久久久久久久久久久久| 欧亚乱色熟一区二区三四区| 日韩三A大片在线观看| 91AV天堂| 五月天色图| 日日夜夜免费| 亚洲码和欧洲精品激情系列| 密乳无码| 亚洲欧美清纯| 五月天色图| 中文字幕久热视频在线| 亚洲脚交| 麻豆 欧美 日韩| 国产精品久久久吖| 九九av| 九久9精品| 国产精品午夜AV完会免费| 国产天天看| 亚洲一区二区精品福利| 美女91在线| 日韩国产十八禁| 日韩AV一起草| 看日韩黄片| 少妇色综合| 中文字幕成人| 无码区蜜乳| 另类老少妇| 亚洲欲色9532548967一区| 久久免费99精品久久久久久| 久久久青草青青国产亚洲免观精品高清完整版_97久久综合区小说区图片区,国精品 | 日韩在线76| 日韩免费在线视频观看| 在线视频资源| 熟女网站最新| 国内精品999| AV网站高清无码在线观看| 美女诱惑久久| 性交一区二区在线播放| 熟妇人妻精品一区二区视频色欲| 国产精品熟女九色九色蜜臀| 天久久久噜噜噜久久国产精品爽爽| 国产精品视频播放| 很很干很很操| 亚洲一欧洲中文字幕在线| 性猛交| 亚洲国产中文字幕| 三级网站超变态精品| 午夜大香蕉| 国产精品自拍xxxx| 天天射天天操天天干天天吃2018 | 100啪啪视频大全| 亚洲成人AB| 大香蕉欧美日韩| 国产一区96在线| 在线观看黄色电话| 精品人妻一区二区三区在| 亚洲情色图片区| 强奸乱亚洲| 超碰成人人人爽人人爽| 九色婷婷| 操www| 日本亚洲嫩草影院啪啪| 国产天美传媒精品| 嗯~啊~快点 死我视频| 蜜乳av首页| 岛国激情视频软件| 69XX一中文字幕人妻91| 天久久久噜噜噜久久国产精品爽爽 | 日韩国产十八禁| 国产刺激视频| 99热这里是精品| 欧亚乱色熟女一区二区| 一区不卡在线观看av| 精品视频一区二区| 美女诱惑久久| 久热精品在线| 丝袜美腿射精91| 久草视频制服诱惑| 大香蕉在线视频15| 91丨国产丨白浆| 欧美激情1区| 人人九九精| 锕锕好爽 死我在线观看| 亚洲天堂人人妻| 午夜欧美神马久久久久| 精品十三区| 青青草视频久久久久| WWW4虎| 欧美大码在线视频| 强奸少妇AV导航网| 肥臀熟女福利视频一区二区| 蜜色网色哟哟| 国产老熟女| 啊嗯好大视频在线观看| 婷婷情色五月天| 超碰人妻中文在线| 91成人社区| 精品久久大胆人体| 少妇专区一二三四五| 精品人妻一区二区三区夜夜| 裸体美女久久久| 国产成人精品午夜福利| 欧美熟女逼久久久久久| 91精品国| 另类综合另类| 欧美日不卡| 人人手机欧洲亚洲国产人妻| 日韩人妻操B| 亚洲人在线| 亚洲三级网址久久最新| 亚洲一区二区专区-国产丝袜精品丝袜-成人AV| 久久国99999| 黄色十八禁| 91超碰在线观看| 天堂综合网| 青娱乐休闲视频在线观看| 欧美日韩久久精品爱爱| 欧美第一页| 国产成人自拍视频视频| av天堂天堂av日韩| 欧美性巨大╳╳╳╳╳高跟鞋| 综合欧美日本三级| 日本免费中文一区二区三区四区 | 欧美日综合| 五月丁香啪啪啪| 精品熟女一区=区三区| 精品97久久综合| 国产av色网| 丁香五月社区| 成人熟女视频一区二区三区| 日本好吊色视频| 色欲天香天天综合网-成年人三级片网站-欧美乱妇狂野-日韩国产专区-久久久久久 | 久久99精品九九久久久婷婷| 欧美96交| 伊人操你| 国产亚洲精品自在线亚洲情侣| 91久久精品国产| 北京美女一区二区| 美国三级日本三级久久99| 午夜亚洲| 亚洲精品久久久久毛片A片拉屎 | 亚洲日韩黑丝| 日少妇视频| 玖玖97综合| 亚洲综合影片| 久久超碰97中文字幕| 欧美A√综合网| 日韩电影天堂视频一区二区| 日本一线产区和二线产区伦理片| 国产精品麻豆成人av| 欧美一级黄片免费播放| 第45页一区二区| 欧美美逼| 久久av一级av少妇av高潮| 色色色综合网| 神马九九九| 婷婷色色五月天福利| 婷婷久久网| 97超碰在线资源网站| 国产一级内射高清视频| 蜜桃av综合网发布| 久久爱超碰网| 日本操逼视频免费| 综合色久| 伊人991| 伊人影院日本| 囯产精品一区二区三区线|亚洲人成无码网WWW动漫|国产精品免费一级... | 老鸭窝黄色视频网站| 天天做天天爱| 色五月婷婷色| 精品视频久久区| 99老司机精品视频在线观看| 日日骚AV| 欧美午夜视频精品久久| 人妻无码久久一区二区三区免费| 亚洲有薄码区日本系列中文字幕| 日本精品九九九| 亚洲乱码精品一区二区| 亚洲精品乱码久久久久久蜜桃麻豆| 观看免费区二区三区二| 伊人麻豆传媒| 色一色综合网| B049AV在线播放| 亚洲码在线中文在线观看| 日本三级大片| 天天综合网亚洲综合网| 亚洲暴力强奸AV| 安徽熟妇视频| 亚洲黄色电影| 欧亚在线视频| 欧美一二在线| 日本羞羞的视频在线播放| 麻豆 欧美 日韩| 欧美92| 久久五月天婷婷| 精品大全99999| 黄色网址在线免费观看| 欧美一级专区免费大片| 久草视频观看视频在线| 色综和网| 精品无码久久久久久国产浪潮| 欧美久久婷| 日本人妻最新在线中| 啊a一区在线| 日韩欧美加勒比| 久久啊哟| 老熟妇乱轮| 国产婷婷一区| 熟妇xxxxx性春色| 亚洲国产一级中文综合久久天堂在线免费观看| 3PAV乱伦视频| 精品射1999| 欧美大波激情xxxx| 四虎视频在线观看| 久久久亚洲高清不打码| 97超碰中文| 首页中文字幕中文字幕免费| 久久精品无码不卡| 午夜精品视频777| 欧美96在线|欧| 韩国久久97| 亚洲天堂久久久久久粉红视频| 亚洲s在线观看| 97无码视频在线播放| 色婷婷成人综合| 三级激情网站| 男人成人黄色视频在线观看免费下载| 久久香蕉国产线看观看猫咪av| 亚洲熟女一区二区| 日韩成人精品中文字幕| 78久久| 国产SV一线| 人人人人插| 激情婷婷黑人91| 欧日韩不卡视.频| 人妻丝袜美腿中文字幕| 91美女在线视频| 91快色色色色色| 欧美色97| 日韩一999精品| 日本免费一级AAA大片器| 日日日日做夜夜夜夜做无码97| 亚洲成人免费在线| 熟女熟妇一区二区三四区| 麻豆视频test| 久久综合资源一区二区| 蜜桃传媒视频第一区入口在线看| 亚州色图第三区| 三级激情网站| 久久久一区二区三区麻豆| 天天透伊人| 欧美一级久久久丰满| 久肏视频字幕| 91肏屄网| 人人操人人操人人操人人操人人操人人人11.CM| 成人精品水蜜桃久久久久久久| 天天干天天插| 亚洲AV秘无码一区..| 精品无码一区二区三区| 日韩精品.久久精品.AV女优.天美传媒| 高清在线不卡一区二区 视频| 亚洲AV色图一区| 清清一区二区三区四区不卡视频| 国产成人精品无码久久| 91熟女丨91老女人| 91久久久老司机| 色色色热| 色黄色美女大长腿午夜视频| 欧美日韩精品久久久久久久久东北老熟妇| 五月天春色激情网| 思思性爱| 中文字幕第9页萱萱影音先锋| 热久久无毒不卡| 人人操天天爽| 婷婷五月激情综合| 变态乱伦伪娘灌肠一区二区| 78操B| 青青青艹在线视频| 久操B网| 免费毛片在线播放| 无码高清少妇久久| 亚洲色图欧美| 亚欧操逼片在线观看 | 欧美激情久久久久| 九九毛片这里只有精品| 国产精品亚洲一区二区三区四区| 69视频入口| 久久尹人大香焦视| 超碰欧美97资源| 日本不卡二三区| 青青草原狼av| 五月婷婷综合网| 在线观看精品国产免费| 精品久久久久久中文字幕三区| 777超碰| 久久精品一区一起草| 乱欲性色| 精品国产72| 午夜情侣自拍网站| 婷婷五月色| 国产激情在线观看| www..com操老师| gogogo免费高清看中国国语| 日本韩高清无砖码22o| 久久久精精精| 99re这里只有精品2| daxiangjiao你懂的| 天天综合网1| 91撸色网 玖玖网 欧美| 丝袜内射| 成人AV素股で擦久久| 五月婷婷激情| 综合婷婷| 超碰成人免费| 亚洲天堂99| 国产热RE99久久6国产精品首| 性在久久久久久| 精品成人亚洲午夜电影| 91亚洲色人| 精品久久久久久无码| 国产主播福利| 三级日韩一区二区三区| 欧美不在线| 97超碰欧美手机| 综合久久99| 老妇女91| V A在线| 97超碰磁| 亚瑟国产精品久久无码| 性暴力欧美猛交在线直播| 飘花国产午夜精品不卡| 尤物黄色在线观看网站| 秋霞免费无码视频日韩A片| 日韩射精| 日本欧美不卡| 国产精品不卡少妇白| 亚洲另类色综合网站| 91影视亚洲| 极品AV网站在线观看| 亚洲视频二区| 久久综合超碰| 男人的天堂在线| 天天看高清麻豆| 高潮综合网| 中国黄色特级精品一区二区三区片| 久湿久久| 99热在线只有精品| 欧美宗合色| 亚洲精品91| 久操免费观看| 欧美中文综合| 97超碰欧美| 亚洲无码国产探花在线观看| 91在线超高颜值国产| 欧美三级中文字幕hd| 欧美色色色| 91人妻丝袜无码| 黄页大片在线观看| 夜夜狠狠躁日日躁色视频| 伊人aaa| 人妻丰满熟妇av无码区蜜桃| 激情欧美97| 久艾草在线精品视频在线观看| 少妇干B| 色蜜AV| 性色av一区二区| 无码人妻毛片丰满熟妇精品区| 久热热| 素人一区二区三区日韩| 国产伦乱91| 精品国产嫩穴视频| 久久人人爽爽爽人久久久| 天天躁狠狠躁av| 午夜一区| 岛国激情视频软件| 91碰碰碰| 日han少妇无码| 欧洲性人爱视频| 东京热男人的天堂| 99精品视频在线观看免费| 在线日韩视频| 伊人玖玖网| 亚洲男人在线观看天堂| 性色av大全| 九九激情网| 久久大线蕉一区| 亚洲色图日韩丝袜制服一区二区五月在线| 9色国产精品一区粉嫩| 日韩av不卡在线观看| 久久嫩草国产成人一区| 久久精品国产97欧美精品亚洲| 欧美激情激情xxxx欧美专区| 91精品人妻电影| 精品久久在线区一区| 亚洲素人综合| 亚洲精品一区二区精华| 久久婷婷热| 久久久久久久国产| 久久久久夜夜夜夜| 在线国产一区二区av| 性欧美天天| 国产精品农村妇女| 国产极品粉嫩馒头一线天av| 亚洲欧洲国产综合av| 六月激情婷婷| 91色噜噜狠狠| 床戏久久久av一区二区麻豆| 欧美在线永久天堂| 欧美黄色大香蕉一区二区| 白丝1区2区3区| 久久久内射良家| 天天澡天天爽日日AV| 日韩成人性爱AV| 久妇网| 大逼色网站| 午夜福利免费福利视频| 97网址www| 亚洲风情综合网| 欧美久久人人网| 成人在线视频二区| 中文字幕一区二区三区人妻不卡| 日韩欧美成人性爱在线| 久久人妻丝袜一区二区三| 精久久久| 操逼不卡中文字幕| 乱老熟女一区二区三区| 蜜乳中文字幕a在线| 丝袜六区| 极品色| 口爆综合网| 日韩一卡二卡三卡| 天天插天天操| 综合网亚洲1| 婷婷丁香五月天综合东京热| 一牛一区二区三区久久| 91久久免费视频互動交流| 色哟哟国产精品免费网址| 中文字幕av一区二区三区人妻少妇| 丰满人妻无码一区二区三区| 久久999久| 性videos欧美熟妇hdx| 熟妇亚洲一区二区三区| 97香蕉网| 99久久久无码| 亚洲欧美日韩免费观看| 九九九网页| a片在线播放| 欧美色九九九| 欧美巨大性舒爽顶到了| ss久久| 人人么人人操| 亚洲 图片 欧美 色图| 亚洲精品一区二区日本| 免费看污网站| 久久成人国产精品| 成人热久久精品| 精品人妻中文字幕高清| 成人夜夜爽| 久9九综合在线| 天天色粽合合合合合合合| 蜜臀AV午夜精品久| 久久欧美按摩999| 肏逼视频日本| 成人五月天色网| 国产精品无码av嫩草| 亚州国产成人精品女人久久| 亚洲熟女av日韩熟女| 久欲AV| 99色色| 欧美夜夜草视频| 91天天爱| 日韩人成网站在线播放| 色婷婷A V一二三四区麻豆综合| 岛国片在线观看视频亚洲| 天天操妹子| 91久久精品国产| 伊人操你| 熟女露脸激情自拍视频| 日本九九九九| 97手机日韩| 物尤视频一区二区| 性做久久久久久久| 粉嫩av一区二区三区天美传媒| 中文字幕二区日韩天堂| 内射小黄片| 少妇高潮喷水无套久久久久久| 99精品网| 51国产午夜精品视频| 色香欲天天天天综合色| 青草视频在线看看看看看看看看看| 欧美一区二区三区不卡高清视频| 国产欧美伊人| 性爱乱伦视频免费| 国产尤物在线三区| 麻豆久久久久久久久丝袜| 欧美成人A天堂片在线观看| 四虎在线免费视频| 色情五月综合婷婷| 中文字幕欧美日韩三级| 自拍视频大全亚洲专媒视频/一区二区三区 | J?P?NESEHD熟女熟妇伦| 四虎在线播放| 日本色色色视频| 国产精品不卡少妇白| 亚洲 中文 女同| 精品人妻一区二区视频| 欧美天天影院| 有码人妻系列| 人人天天干干| 人人模人人看| 91中文字幕在线观看| 69综合网| 国产成人网站在线观看| 无码区蜜乳| 99少妇内射| 97超碰在线资源网站| 男人天堂一区二区| 二男一女成人A片| 久久春色| 国产91专区| 草伊人高潮喷水超碰| 99久久久久| 欧美成人四级在线播放| 青草精品视频日本久久久久网站在线| 和协影院中文字幕三区| 亚洲色图91欧美日韩| 人人摸人人添人人操| 97精品久久| 91中出在线| 亚洲熟女乱熟乱熟妇综合网二区| 丁香五月色情| 1769成人国产精品视频| 九一国产精品| 艳美熟妇先锋一二三区| 午夜视频久久久久一区| 午夜精品久久久久久久第一页按摩| 麻豆 欧美 日韩| 国产大学生口爆吞精合集| 亚洲性天堂| 亚洲吊色| 丝袜AV一二三区| 中文字幕在线高清男人的天堂| 亚洲成人性爱网站在线播放| 91视频综合| 色欲天香天天综合网-成年人三级片网站-欧美乱妇狂野-日韩国产专区-久久久久久 | 品亲网欧美品亲网| 美腿色图| 七久久久| www.久久99| 强免费黄色网址| 天天干夜夜一操| 中文字幕在线观看永久| 超碰人妻久久| 怡春院久久| 色阁阁AV综合网| 97欧美精品综合| 国产少妇肉丝在线观看| 九九伊人网| 婷婷色播婷婷| 国模吧 一区二区三区| 国产亚州高清国产拍精| 狠狠操夜夜| 天天插夜夜操| 92性色国产午夜福利在线661| 日本韩高清无砖码22o| 亚洲情色综合| 色欧洲| 亚洲激情视频| 99热精品在线观看| 日本2020一区二区| 欧美色老汉| 99re99在线视频| 精品十八在线观看| 亚洲双插| 蜜屁av| 亚洲 欧美 第一页| 国产精品乱码久久久| 亚洲天堂资源在线| 夜夜性| 四虎影视欧美| 亚州性色| 国产熟妇 码视频户外直播| 欧美一二三| 一区二区三区国产在线播放 | 亚州性9| 屁股久久久久久久| 国产无码精品无码| 性饥渴少妇av无码毛片| 国产精品久久久久无码A√| 青青操综合网| 留下AⅤ黄色片| 国产精品成人蜜臀AV在线| 干婷婷综合网| 激情五月婷婷综合| 成人 日韩欧美一区| 神马久久久久眼| 综合网亚洲| 亚洲熟女乱色一区二区三区| 啪啪视频亚洲第一| 伊人五月天激情| 欧美性爱五月天| 精品女人999| 日本午夜福利视频| 啊啊啊好舒服视频在线观看| 加勒比综合a∨| 在线看污网站| 亚洲不卡三级手机播放| 91视频精品| 久久久国产av美女私房| 大香蕉黄色一级片免费看| 熟女人妇一区二区三区| 操逼操网| 99热在线播放| 精彩国产视频播放1区2区| 亚州 综合 色图| 极品出轨视频网站| 超碰免费人妻在线| 国产精品久久久无码aV去| www..com操老师| 玖玖爱免费观看视频| 男人的天堂啪啪| 躁躁日曰躁2020| 97视频免费在线| 国产精品白丝| 国产精品亚洲一级av第二区| 色爱综合网| 99999精品成人| 蜜臀久久99'精品久久久| 久久精品黄色| 国产成人无码啪| 丁香五月色| 亚洲中文字幕日产无码久久| 亚洲天堂少妇| 秋霞一集毛片观看| 乱伦系列一区二区| 久久久久密| 91欧美巨乳| 深夜国产福利| 欧美一二三级精品在线| 亚洲欧美日韩精品久久久一区二区| 国产无马av| 好爽,再快点啊哈嗯嗯嗯嗯| 欧美天天影院| 亚洲av综合伊人久久| 国产又爽又黄| 欧洲乱码视频| 精品日日人妻| 国产精品麻豆视频网站| 麻豆天美国美国产AV| 毛片麻豆91糖心精品毛情片| 在线综合网| 探花激情视频| 天天α片| 青青草综合在线| 福利操逼| 久久人人妻| 天天日天天干天天摸天天操| 欧美日韩黄片精品在线| 嗯嗯啊啊好大好爽| 熟女AV一区| 97精品免费视频网站| 欧美日韩精品一区二区三区高清| 中日无幕一二三四区| 国产97在线播放| gogogo免费高清看中国国语| 久久麻豆一区二区| 青草伊人久久| 亚洲av综合色区图片亚洲| 99碰碰| 久久原创中文| 欧美18 在线观看| 伊人影院中文字幕| 中文字幕福利视频一区二区三区在线观看| 天天操夜夜操狠很操| 欧美亚男人的天堂| 先锋女优在线观看视频|