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(yùn)營(yíng)的一線實(shí)戰(zhàn)洞察。

圖像情緒分析實(shí)戰(zhàn):基于ResNet18與遷移學(xué)習(xí)的七分類完整流程

圖像情緒分析實(shí)戰(zhàn):基于ResNet18與遷移學(xué)習(xí)的七分類完整流程 簡(jiǎn)介本資源是面向人工智能導(dǎo)論課程學(xué)習(xí)者的圖像情緒分析大作業(yè)完整實(shí)現(xiàn)方案適用于計(jì)算機(jī)、人工智能及相關(guān)專業(yè)本科生、教師及入門級(jí)從業(yè)者解決圖像中人臉情緒識(shí)別這一典型CVAI交叉任務(wù)。壓縮包共26個(gè)文件含11個(gè)Python核心腳本涵蓋CNN/VGG/ResNet多模型訓(xùn)練與測(cè)試、數(shù)據(jù)預(yù)處理、可視化及對(duì)比分析、5份Markdown文檔含README說(shuō)明、使用指南、實(shí)驗(yàn)報(bào)告框架與參考文獻(xiàn)、4個(gè)輔助ZIP項(xiàng)目包含F(xiàn)er2013數(shù)據(jù)集適配代碼與人臉標(biāo)注工具、1個(gè)Haar級(jí)聯(lián)XML檢測(cè)器及1個(gè)演示視頻整體8.06MB結(jié)構(gòu)清晰、模塊解耦。已有50人學(xué)習(xí)下載資源經(jīng)實(shí)際運(yùn)行驗(yàn)證答辯平均分96分附帶完整實(shí)驗(yàn)流程、模型性能對(duì)比邏輯與GPU加速支持腳本可直接用于課設(shè)、畢設(shè)或二次開發(fā)特別適合從零理解情緒識(shí)別全流程的學(xué)習(xí)者快速上手與深度拓展。 圖像情緒分析這種題目在人工智能導(dǎo)論的大作業(yè)里出現(xiàn)頻率相當(dāng)高。它不算最前沿但勝在“麻雀雖小五臟俱全”——從數(shù)據(jù)采集、模型訓(xùn)練、結(jié)果評(píng)估到文檔撰寫整條流程覆蓋了計(jì)算機(jī)視覺和深度學(xué)習(xí)的基礎(chǔ)環(huán)節(jié)特別適合用來(lái)檢驗(yàn)一學(xué)期課程的掌握程度。我當(dāng)年選這個(gè)題目時(shí)身邊不少同學(xué)在做一個(gè)“能跑通的demo”但我更傾向于把它做成一個(gè)完整、可復(fù)現(xiàn)、能讓老師看出你“真懂”的項(xiàng)目。這篇文章就圍繞我完成這個(gè)項(xiàng)目時(shí)的完整思路展開包括源代碼組織、關(guān)鍵實(shí)現(xiàn)細(xì)節(jié)、實(shí)驗(yàn)設(shè)計(jì)以及那份最容易被忽視、但往往決定最終成績(jī)的實(shí)驗(yàn)報(bào)告該怎么寫。先說(shuō)清楚這個(gè)項(xiàng)目的核心任務(wù)輸入一張圖片程序判斷畫面中人物的情緒屬于哪一類。常見分類包括開心、悲傷、憤怒、驚訝、恐懼、厭惡、中立這七類。聽起來(lái)不復(fù)雜但落地難度在細(xì)節(jié)里——比如人臉遮擋、光線變化、不同人種的表情差異、模型過(guò)擬合等問(wèn)題都會(huì)直接影響最終準(zhǔn)確率。這份大作業(yè)不僅是讓你訓(xùn)練一個(gè)模型更是讓你體驗(yàn)一遍完整的工程化流程。如果你是正在選題目或者已經(jīng)選了類似題目的學(xué)生這篇內(nèi)容可以幫你少走很多彎路。我會(huì)把項(xiàng)目拆成“思路設(shè)計(jì)、代碼實(shí)現(xiàn)、實(shí)驗(yàn)調(diào)優(yōu)、文檔報(bào)告”四個(gè)部分來(lái)講結(jié)合我實(shí)際踩過(guò)的坑和驗(yàn)證過(guò)有效的方法爭(zhēng)取讓你交出一份有技術(shù)含量、邏輯清晰、能經(jīng)得起答辯追問(wèn)的作業(yè)。1. 項(xiàng)目整體設(shè)計(jì)與思路拆解1.1 從課程要求反推項(xiàng)目定位大部分人工智能導(dǎo)論課的大作業(yè)核心評(píng)判標(biāo)準(zhǔn)并不是“模型準(zhǔn)確率有多高”而是“你有沒有完整理解并實(shí)現(xiàn)一個(gè)AI系統(tǒng)”。這句話怎么理解就是說(shuō)哪怕你只用了最基礎(chǔ)的卷積神經(jīng)網(wǎng)絡(luò)CNN只要你把數(shù)據(jù)處理、訓(xùn)練流程、測(cè)試評(píng)估、結(jié)果分析講得明明白白分?jǐn)?shù)往往比那些“用了一個(gè)別人封裝好的接口、自己卻說(shuō)不出原理”的高得多。我的做法是先列了一個(gè)“交付物清單”源代碼、文檔說(shuō)明、實(shí)驗(yàn)報(bào)告。然后圍繞這三樣?xùn)|西反向設(shè)計(jì)項(xiàng)目邊界。源代碼要跑得起來(lái)文檔說(shuō)明要讓別人10分鐘內(nèi)能看懂并復(fù)現(xiàn)實(shí)驗(yàn)報(bào)告要交代清楚“我做了什么、為什么這么做、結(jié)果如何、還能怎么改進(jìn)”。圍繞這個(gè)目標(biāo)我選擇了深度學(xué)習(xí)方案而不是傳統(tǒng)的HOGSVM這樣的機(jī)器學(xué)習(xí)方案。原因有三點(diǎn)第一深度學(xué)習(xí)方案更貼近當(dāng)前學(xué)術(shù)界和工業(yè)界的主流做法展示的學(xué)習(xí)成果更有說(shuō)服力。第二預(yù)訓(xùn)練模型和成熟框架如PyTorch大大降低了實(shí)現(xiàn)門檻課程周期內(nèi)完全可完成。第三深度學(xué)習(xí)模型的可解釋工具和可視化手段更豐富有利于實(shí)驗(yàn)報(bào)告的寫作。當(dāng)然選擇深度學(xué)習(xí)也意味著要踩更多的坑比如環(huán)境配置、顯存不足、訓(xùn)練時(shí)間過(guò)長(zhǎng)等等。但這些問(wèn)題恰恰是“導(dǎo)論大作業(yè)”該讓你經(jīng)歷的——不然怎么叫“實(shí)踐出真知”1.2 七分類問(wèn)題建模與數(shù)據(jù)方案選型情緒分析本質(zhì)上是一個(gè)圖像分類問(wèn)題。我選定的任務(wù)定義是給定一張人臉圖像輸出該人臉對(duì)應(yīng)情緒的標(biāo)簽生氣、厭惡、恐懼、開心、悲傷、驚訝、中立。數(shù)據(jù)集方面我優(yōu)先考慮了三個(gè)公開數(shù)據(jù)集FER201335,887張48×48灰度人臉圖7類、CK相對(duì)較小但標(biāo)注質(zhì)量高、RAF-DB真實(shí)場(chǎng)景約3萬(wàn)張。經(jīng)過(guò)權(quán)衡我最終選了FER2013作為主數(shù)據(jù)集。為什么因?yàn)樗?guī)模適中、被引用極多、網(wǎng)上教程和相關(guān)代碼也最豐富遇到問(wèn)題很容易檢索到解決方案。但我必須承認(rèn)FER2013有一個(gè)令人頭疼的特點(diǎn)——噪聲很大很多標(biāo)注本身就有問(wèn)題訓(xùn)練出來(lái)的模型準(zhǔn)確率上限也就在65%左右。而這個(gè)數(shù)字也會(huì)成為實(shí)驗(yàn)報(bào)告里“局限性與改進(jìn)方向”的一部分可以說(shuō)道的地方很多不虧。1.3 技術(shù)路線對(duì)比為什么選ResNet作為主干在做方案選型的時(shí)候我比較了三條路線從零訓(xùn)練幾層CNN使用經(jīng)典預(yù)訓(xùn)練網(wǎng)絡(luò)ResNet18/50做遷移學(xué)習(xí)使用現(xiàn)成的API或開源網(wǎng)絡(luò)服務(wù)如果只是圖省事第三條路最輕松但會(huì)被老師問(wèn)得很難受。第一條路雖然代碼最小但分類效果通常不好實(shí)驗(yàn)報(bào)告的曲線圖不好看。我選了第二條路以ResNet18為主干用ImageNet預(yù)訓(xùn)練權(quán)重做初始化然后替換最后的全連接層為7分類。這樣既保留了自己寫代碼的空間又利用了遷移學(xué)習(xí)的優(yōu)勢(shì)收斂快、需要的數(shù)據(jù)量小、效果有保障。而且ResNet18結(jié)構(gòu)不復(fù)雜參數(shù)量約1120萬(wàn)在本人的筆記本GPU4G顯存上完全可以訓(xùn)練對(duì)實(shí)驗(yàn)設(shè)備要求低這點(diǎn)對(duì)大作業(yè)場(chǎng)景很關(guān)鍵。2. 核心細(xì)節(jié)解析與實(shí)操要點(diǎn)2.1 數(shù)據(jù)預(yù)處理別小看這“簡(jiǎn)單一步”很多人拿到圖片就直接送進(jìn)模型這是新手最容易犯的錯(cuò)誤。預(yù)處理是決定模型能否收斂的關(guān)鍵環(huán)節(jié)特別要注意以下幾點(diǎn)尺寸統(tǒng)一FER2013原始尺寸是48×48但ResNet18的輸入要求是224×224因此需要先縮放或填充到224×224。數(shù)值歸一化圖像像素是0-255的整數(shù)需要除以255變成0-1浮點(diǎn)數(shù)再按ImageNet的均值和標(biāo)準(zhǔn)差mean[0.485, 0.456, 0.406]std[0.229, 0.224, 0.225]做標(biāo)準(zhǔn)化這樣才能和預(yù)訓(xùn)練權(quán)重對(duì)上。數(shù)據(jù)增強(qiáng)訓(xùn)練集可以做隨機(jī)水平翻轉(zhuǎn)概率0.5、隨機(jī)旋轉(zhuǎn)±15度、隨機(jī)裁剪等操作。注意測(cè)試集不能做增強(qiáng)只用居中裁剪和歸一化否則推理結(jié)果不準(zhǔn)確。我做了一個(gè)小實(shí)驗(yàn)驗(yàn)證預(yù)處理的有效性不做任何處理直接訓(xùn)練模型在驗(yàn)證集上的準(zhǔn)確率大約只有40%多做了歸一化和數(shù)據(jù)增強(qiáng)后能穩(wěn)定到60%以上。差異非常大這也成了實(shí)驗(yàn)報(bào)告里一個(gè)亮眼的數(shù)據(jù)對(duì)比。2.2 從零搭建數(shù)據(jù)管道我用了PyTorch的Dataset和DataLoader來(lái)組織數(shù)據(jù)。FER2013數(shù)據(jù)集是CSV格式每行是“l(fā)abel 像素值”需要先解析成圖像。我寫了一個(gè)自定義Dataset類偽代碼如下class FerDataset(Dataset): def __init__(self, csv_path, transformNone): self.data pd.read_csv(csv_path) self.transform transform def __len__(self): return len(self.data) def __getitem__(self, idx): row self.data.iloc[idx] label row[emotion] pixels row[pixels].split() img np.array(pixels, dtypenp.uint8).reshape(48, 48) img cv2.cvtColor(img, cv2.COLOR_GRAY2RGB) pil_img Image.fromarray(img) if self.transform: pil_img self.transform(pil_img) return pil_img, label我特別說(shuō)明一下使用的transformtransform_train transforms.Compose([ transforms.Resize((224, 224)), transforms.RandomHorizontalFlip(), transforms.RandomRotation(15), 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]) ])用DataLoader加載時(shí)batch_size設(shè)成64顯存夠的話可以更大shuffleTrue打亂訓(xùn)練集順序。這里有個(gè)容易踩的坑每次訓(xùn)練前一定要重新shuffle否則模型會(huì)學(xué)到樣本的次序模式導(dǎo)致驗(yàn)證準(zhǔn)確率忽高忽低。2.3 模型代碼實(shí)現(xiàn)與訓(xùn)練配置模型部分用PyTorch的torchvision庫(kù)可以非常簡(jiǎn)潔地實(shí)現(xiàn)import torch.nn as nn from torchvision import models class EmotionClassifier(nn.Module): def __init__(self, num_classes7): super(EmotionClassifier, self).__init__() self.backbone models.resnet18(pretrainedTrue) in_features self.backbone.fc.in_features self.backbone.fc nn.Linear(in_features, num_classes) def forward(self, x): return self.backbone(x)訓(xùn)練配置方面我推薦直接用Adam優(yōu)化器初始學(xué)習(xí)率1e-4權(quán)重衰減1e-4損失函數(shù)用交叉熵?fù)p失CrossEntropyLoss訓(xùn)練15-20輪就足夠。如果你顯存緊張可以把batch降到32但學(xué)習(xí)率也要相應(yīng)調(diào)低一些比如5e-5否則訓(xùn)練不穩(wěn)定。需要額外說(shuō)明的是如果直接用預(yù)訓(xùn)練權(quán)重一開始的學(xué)習(xí)率不要太大因?yàn)轭A(yù)訓(xùn)練特征本身已經(jīng)很好了太大的學(xué)習(xí)率會(huì)“沖掉”原有特征。我的經(jīng)驗(yàn)是前5輪用1e-4后5輪降到1e-5最后一輪再降到1e-6這種手動(dòng)或余弦退火的調(diào)度方式能比固定學(xué)習(xí)率高出2-3個(gè)百分點(diǎn)的準(zhǔn)確率。3. 實(shí)操過(guò)程與核心環(huán)節(jié)實(shí)現(xiàn)3.1 項(xiàng)目文件結(jié)構(gòu)與運(yùn)行流程為了后續(xù)寫文檔說(shuō)明方便我在項(xiàng)目里采用了清晰的文件結(jié)構(gòu)emotion_analysis/ ├── data/ │ ├── fer2013.csv │ └── split.py # 將csv按類別分割為train/val/test ├── src/ │ ├── dataset.py # Dataset類與數(shù)據(jù)增強(qiáng) │ ├── model.py # ResNet模型定義 │ ├── train.py # 訓(xùn)練主腳本 │ ├── test.py # 在測(cè)試集上評(píng)估 │ └── utils.py # 可視化混淆矩陣等工具 ├── checkpoints/ # 保存模型權(quán)重 ├── images/ # 輸入樣例與結(jié)果輸出 └── requirements.txt運(yùn)行流程很簡(jiǎn)單先運(yùn)行split.py劃分?jǐn)?shù)據(jù)集再運(yùn)行train.py訓(xùn)練并保存權(quán)重最后運(yùn)行test.py輸出評(píng)估指標(biāo)。整個(gè)流程不超過(guò)三行命令這會(huì)讓答辯或驗(yàn)收的老師體驗(yàn)很好。3.2 訓(xùn)練腳本的關(guān)鍵細(xì)節(jié)train.py的核心邏輯我很早就寫好了但真正調(diào)通花了不少時(shí)間。我放一個(gè)簡(jiǎn)化但可運(yùn)行的核心訓(xùn)練循環(huán)for epoch in range(num_epochs): model.train() train_loss, train_correct 0.0, 0 for images, labels in train_loader: images images.to(device) labels labels.to(device) outputs model(images) loss criterion(outputs, labels) optimizer.zero_grad() loss.backward() optimizer.step() train_loss loss.item() * images.size(0) _, preds torch.max(outputs, 1) train_correct torch.sum(preds labels.data) # 每個(gè)epoch后跑一次驗(yàn)證集 val_acc evaluate(model, val_loader, device) print(fEpoch {epoch1}/{num_epochs}, Loss: {train_loss/len(train_dataset):.4f}, fTrain Acc: {train_correct/train_size:.4f}, Val Acc: {val_acc:.4f})這里有幾個(gè)小細(xì)節(jié)很關(guān)鍵loss.item()和images.size(0)的乘積是累計(jì)該batch的總loss最后除以樣本總數(shù)得到平均loss比直接平均所有batch的loss更準(zhǔn)確。每個(gè)epoch后跑驗(yàn)證集可以及時(shí)觀察是否過(guò)擬合。如果訓(xùn)練準(zhǔn)確率持續(xù)上升、驗(yàn)證準(zhǔn)確率停滯或下降就及時(shí)停止訓(xùn)練早停而不是等訓(xùn)練完再回頭看。保存模型的時(shí)機(jī)也很重要。我只保存驗(yàn)證準(zhǔn)確率最高的那一輪而不是最后一輪的權(quán)重這個(gè)最優(yōu)模型權(quán)重會(huì)讓測(cè)試集結(jié)果往上提一點(diǎn)。3.3 評(píng)估指標(biāo)體系別只看準(zhǔn)確率很多大作業(yè)只報(bào)一個(gè)總體準(zhǔn)確率其實(shí)這不夠。尤其在情緒分類這類類別不均衡的問(wèn)題上單看一堆平均值很容易掩蓋“某些類準(zhǔn)確率極低”的問(wèn)題。我做了以下幾項(xiàng)評(píng)估Macro-F1每一類的F1單獨(dú)算再取平均對(duì)類別均衡懲罰更明顯?;煜仃嚳梢暬恳活惖姆诸惽闆r能一眼看出哪些類別容易被混淆。比如“恐懼”和“驚訝”經(jīng)?;煜氨瘋焙汀爸辛ⅰ币踩菀追植磺?。分類報(bào)告包括每一類的精確率、召回率、F1-score和樣本數(shù)。在FER2013測(cè)試集上我最終模型的總準(zhǔn)確率大約62.8%。單看準(zhǔn)確率確實(shí)不算高但我在實(shí)驗(yàn)報(bào)告里解釋了原因數(shù)據(jù)噪聲大、標(biāo)注模糊等并且用混淆矩陣說(shuō)明模型已經(jīng)學(xué)到了合理的特征。答辯老師不會(huì)因?yàn)闇?zhǔn)確率不夠頂級(jí)就扣分反而會(huì)因?yàn)槟阏故玖讼到y(tǒng)性的分析思路而加分。3.4 單張圖片推理與可視化結(jié)果為了讓“圖像情緒分析”這個(gè)題目貼近實(shí)際我還額外寫了一個(gè)predict.py支持輸入任意一張含有人臉的圖片先通過(guò)OpenCV的人臉檢測(cè)器裁剪出人臉區(qū)域再送入模型預(yù)測(cè)情緒最后在圖片上標(biāo)注結(jié)果。face_cascade cv2.CascadeClassifier(cv2.data.haarcascades haarcascade_frontalface_default.xml) gray cv2.cvtColor(img_bgr, cv2.COLOR_BGR2GRAY) faces face_cascade.detectMultiScale(gray, scaleFactor1.1, minNeighbors5, minSize(48, 48)) for (x, y, w, h) in faces: face_roi img_bgr[y:yh, x:xw] emotion predict_emotion(face_roi) cv2.rectangle(img_bgr, (x, y), (xw, yh), (0, 255, 0), 2) cv2.putText(img_bgr, emotion, (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2)這段代碼不復(fù)雜但它把“圖像分類模型”變成了“圖像情緒分析應(yīng)用”非常直觀。我記得答辯時(shí)老師看到我可以輸入任意一張生活照并直接輸出情緒標(biāo)簽明顯表現(xiàn)出了興趣然后追問(wèn)了一句“人臉的檢測(cè)框如果偏了會(huì)怎樣”這就說(shuō)明項(xiàng)目已經(jīng)觸到了真實(shí)應(yīng)用層面的問(wèn)題。4. 常見問(wèn)題與排查技巧實(shí)錄4.1 模型過(guò)擬合train_acc高但val_acc上不去這是我遇到最多的問(wèn)題幾乎每個(gè)訓(xùn)練過(guò)深度學(xué)習(xí)模型的人都會(huì)碰上。尤其FER2013噪聲大模型很容易記住訓(xùn)練集里的噪聲樣本。我的排查順序是先檢查數(shù)據(jù)增強(qiáng)有沒有做對(duì)再看學(xué)習(xí)率是不是太高接著確認(rèn)模型是否過(guò)于復(fù)雜模型越大越容易過(guò)擬合最后檢查訓(xùn)練輪數(shù)是否太長(zhǎng)。實(shí)際解決辦法有三個(gè)加隨機(jī)翻轉(zhuǎn)和裁剪、增加Dropout在fc層前加0.5的dropout、提前停止訓(xùn)練。做了這三件事后我的驗(yàn)證準(zhǔn)確率從不到50%提升到了穩(wěn)定60%以上。4.2 不同情緒類別的樣本量差異太大在FER2013中“開心”和“中立”的樣本很多“厭惡”和“恐懼”就少很多。直接訓(xùn)練會(huì)導(dǎo)致少數(shù)類幾乎沒被學(xué)到召回率極低。解決方法是換用帶權(quán)重的交叉熵?fù)p失函數(shù)也就是給數(shù)量少的類別更高的權(quán)重class_weights compute_class_weight(balanced, classesnp.unique(labels), ylabels) class_weights torch.tensor(class_weights, dtypetorch.float).to(device) criterion nn.CrossEntropyLoss(weightclass_weights)用加權(quán)損失之后“厭惡”這一類在測(cè)試集上的召回率大約從20%提升到了35%。雖然依然是準(zhǔn)確率最低的類但確實(shí)是能觀察到顯著變化。4.3 CUDA out of memory課程大作業(yè)用個(gè)人電腦跑的居多顯存不足非常常見。我一開始batch_size設(shè)成128結(jié)果一訓(xùn)練就報(bào)CUDA out of memory。后來(lái)分幾步解決先把batch_size降到32或16再把圖像尺寸從224降到160在ResNet上還能接受實(shí)在不行就開CPU訓(xùn)練會(huì)慢不少但保證能跑通。我實(shí)際測(cè)試過(guò)batch_size64和32相比驗(yàn)證準(zhǔn)確率沒有明顯差別所以如果你的顯存只有4G優(yōu)先選32。4.4 預(yù)測(cè)單張圖片時(shí)結(jié)果明顯不對(duì)如果模型在測(cè)試集上準(zhǔn)確率還行但單張圖片效果差多半是預(yù)處理流程不一致。訓(xùn)練時(shí)我們用過(guò)數(shù)據(jù)增強(qiáng)和標(biāo)準(zhǔn)化預(yù)測(cè)單張時(shí)必須要用和“測(cè)試集”相同的處理流程而不是訓(xùn)練集那套尤其不能做隨機(jī)增強(qiáng)否則結(jié)果不可復(fù)現(xiàn)。我在predict.py里寫了一句注釋標(biāo)注了“不能用RandomHorizontalFlip”來(lái)提醒自己別踩這個(gè)坑。此外人臉檢測(cè)框的裁剪也很關(guān)鍵。檢測(cè)框如果偏了能把很多背景或下巴脖子區(qū)域截進(jìn)來(lái)模型自然認(rèn)不準(zhǔn)。我自己調(diào)試時(shí)發(fā)現(xiàn)Haar檢測(cè)器在某些角度會(huì)框偏后來(lái)簡(jiǎn)單加了框的padding并做了一點(diǎn)位置校正效果好轉(zhuǎn)不少。4.5 環(huán)境依賴與項(xiàng)目復(fù)現(xiàn)問(wèn)題大作業(yè)答辯時(shí)最尷尬的場(chǎng)景就是“在老師電腦上跑不起來(lái)”。為了預(yù)防這種狀況我做了一個(gè)requirements.txt把關(guān)鍵依賴寫清楚Python 3.8、PyTorch 1.12以上、torchvision、opencv-python、pandas、numpy、matplotlib、scikit-learn并測(cè)試了CPU環(huán)境下也能正常運(yùn)行推理腳本。雖然訓(xùn)練速度會(huì)慢但至少能復(fù)現(xiàn)。5. 實(shí)驗(yàn)報(bào)告與文檔說(shuō)明撰寫指南5.1 文檔說(shuō)明要寫什么很多同學(xué)把文檔說(shuō)明當(dāng)成代碼注釋的大字版這是誤區(qū)。文檔說(shuō)明的目的是讓一個(gè)小白也能按你的步驟復(fù)現(xiàn)項(xiàng)目。我把文檔說(shuō)明分成五個(gè)部分項(xiàng)目簡(jiǎn)介100字以內(nèi)說(shuō)清楚項(xiàng)目做了什么。環(huán)境要求列出Python版本、GPU/CPU要求、依賴庫(kù)及安裝命令。數(shù)據(jù)集準(zhǔn)備說(shuō)明數(shù)據(jù)來(lái)源、下載方式、目錄結(jié)構(gòu)??焖匍_始分步驟給出運(yùn)行命令包括數(shù)據(jù)劃分、訓(xùn)練、測(cè)試、單張推理。代碼結(jié)構(gòu)說(shuō)明每個(gè)文件負(fù)責(zé)什么函數(shù)與類的輸入輸出是什么。寫這份文檔時(shí)我特意找了一位不搞AI的室友照著文檔跑了一遍。他卡在“pip install -r requirements.txt”這一步——因?yàn)閞equirements里少了opencv-python-headless和pandas這兩個(gè)包。這就是文檔測(cè)試的價(jià)值能發(fā)現(xiàn)你自以為“顯而易見”的坑。5.2 實(shí)驗(yàn)報(bào)告的核心章節(jié)與得分點(diǎn)實(shí)驗(yàn)報(bào)告不是流水賬要體現(xiàn)“發(fā)現(xiàn)問(wèn)題-分析問(wèn)題-解決問(wèn)題”的科研邏輯。我的報(bào)告結(jié)構(gòu)如下研究背景與意義為什么圖像情緒分析有價(jià)值可結(jié)合人機(jī)交互、智能駕駛、教育場(chǎng)景等說(shuō)明。相關(guān)工作與技術(shù)原理介紹表情識(shí)別的傳統(tǒng)方法和深度學(xué)習(xí)方法重點(diǎn)解釋CNN、ResNet、遷移學(xué)習(xí)的基本思想。方法設(shè)計(jì)描述數(shù)據(jù)預(yù)處理、模型結(jié)構(gòu)、損失函數(shù)、訓(xùn)練超參數(shù)的選擇依據(jù)。實(shí)驗(yàn)與結(jié)果分析給出準(zhǔn)確率、Macro-F1、混淆矩陣、loss曲線并逐類分析混淆成因。討論與改進(jìn)方向說(shuō)明目前存在的問(wèn)題以及未來(lái)可以用注意力機(jī)制、多模態(tài)融合等方案優(yōu)化。對(duì)于第五章很多人寫得敷衍但恰恰是這里最體現(xiàn)思考深度。我寫了幾點(diǎn)FER2013的標(biāo)注噪聲問(wèn)題、模型對(duì)遮擋和極端光線的魯棒性不足、未來(lái)可嘗試使用Vision TransformerViT或基于面部動(dòng)作單元AU的方法等。答辯老師看到這些會(huì)認(rèn)為你確實(shí)在“做研究”而非“交作業(yè)”。5.3 答辯常見問(wèn)題與回答準(zhǔn)備作為一個(gè)過(guò)來(lái)人我整理了幾個(gè)老師最常問(wèn)的問(wèn)題“為什么用ResNet18而不是其他網(wǎng)絡(luò)”回答思路ResNet解決了深層網(wǎng)絡(luò)的梯度消失問(wèn)題結(jié)構(gòu)適中預(yù)訓(xùn)練權(quán)重好滿足實(shí)驗(yàn)需求VGG更重效果提升有限MobileNet更適合輕量化部署?!澳愕哪P驮谑裁辞闆r下會(huì)失效”回答思路人臉遮擋、大角度姿態(tài)、低分辨率圖像都會(huì)導(dǎo)致無(wú)法準(zhǔn)確識(shí)別FER2013數(shù)據(jù)噪聲也限制了模型上限?!皽?zhǔn)確率是不是太低了”回答思路承認(rèn)FER2013的難度給出與公開論文的橫向?qū)Ρ却蟛糠终撐脑贔ER2013上也只達(dá)到65%-70%再?gòu)?qiáng)調(diào)重點(diǎn)在于整套流程的完整性與分析的系統(tǒng)性?!發(fā)oss為什么越來(lái)越低但準(zhǔn)確率沒怎么變”回答思路這是交叉熵?fù)p失中“模型置信度提高但分類結(jié)果沒變”的現(xiàn)象可結(jié)合logits分布來(lái)解釋。我建議你在答辯前自己對(duì)著這些問(wèn)題口頭演練一遍。不要背稿而是真正理解背后的邏輯。這樣被追問(wèn)時(shí)不會(huì)慌回答也會(huì)更自然。6. 擴(kuò)展思路如何讓大作業(yè)超出預(yù)期一個(gè)思路清晰、能跑通、有報(bào)告的項(xiàng)目已經(jīng)能拿到不錯(cuò)的分?jǐn)?shù)。但如果你想更進(jìn)一步下面幾個(gè)方向很加分而且難度不算太高實(shí)時(shí)攝像頭情緒識(shí)別用OpenCV捕捉攝像頭畫面對(duì)每一幀做人臉檢測(cè)和情緒分類做成一個(gè)簡(jiǎn)單的實(shí)時(shí)demo。這個(gè)改動(dòng)不大但演示效果極強(qiáng)。模型可解釋性可視化用Grad-CAM畫出模型對(duì)某張圖片分類時(shí)重點(diǎn)關(guān)注的區(qū)域。一張熱力圖往報(bào)告里一放整個(gè)項(xiàng)目的技術(shù)含量立刻上升一個(gè)檔次。不同主干網(wǎng)絡(luò)的對(duì)比實(shí)驗(yàn)ResNet18和MobileNetV3各訓(xùn)練一次對(duì)比準(zhǔn)確率、參數(shù)量、推理速度形成一張對(duì)比表格。這工作量不大但能為實(shí)驗(yàn)報(bào)告提供更多展示內(nèi)容。我在最終版里加入了Grad-CAM可視化效果非常明顯。有一張“開心”樣本的熱力圖里模型重點(diǎn)關(guān)注的是嘴巴和嘴角區(qū)域這完全符合直覺寫進(jìn)報(bào)告也很有說(shuō)服力。結(jié)語(yǔ)做人工智能導(dǎo)論大作業(yè)的過(guò)程某種程度上就是一次“小型科研訓(xùn)練”。我自己的體會(huì)是這門課的大作業(yè)不在于你把準(zhǔn)確率刷到多高而在于你能不能把每一個(gè)環(huán)節(jié)講清楚把每一步操作背后“為什么這么做”說(shuō)明白。源代碼是一份重要的交付物但源代碼背后的思路才是你真正要掌握的東西。圖像情緒分析這個(gè)題目到今天依然有學(xué)術(shù)價(jià)值和應(yīng)用價(jià)值從FER2013上的深度學(xué)習(xí)模型到工業(yè)界視覺情感分析系統(tǒng)這條路其實(shí)一直在延伸。希望這份經(jīng)驗(yàn)分享能幫你少踩幾個(gè)坑真正做出一個(gè)讓自己滿意、也讓老師眼前一亮的大作業(yè)。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
搡老女人老妇女老妇老熟女怎么读| 少妇干B| 国产亚洲精品一区二区三区| 日韩黄色av中文字幕| 高清无码 国产精品| 97久久久| 天天干天天日天天射黄色片| 性猛交| 久久男女激情视频网站| 久草久日| 校园春色 男人天堂| 天操天操夜操夜月月年年操操| 高清国产性猛交xxxx乱大交| 操逼日韩无码| 很黄很污的免费网站| 日比av无码| 欧美顶级黄色大片免费| 日夜干射色啊| 狠狠色婷婷777| 91蜜臀熟女| 欧美乱欲| 大粗鳼巴久久久久| 国产精品色片一区二区| 九九英色视频| 99re国产精品视频| 欧美同性恋 的搜索结果 - 91n| 亚洲日本激情| 97超碰人操| 一级啊性爱在线视频| 亚洲日韩乱码中文无码蜜桃臀网站| 国产精品久久久久久亚洲色欲| 91ise欧美| 成人精品久久| 久都青青视频 | 熟女探花啪啪| 欧美熟爽综合| 91婷婷| 久久综合97| 操逼片中文| 丝袜综合| 日本亚洲熟女视频| 亚洲熟妇一,二,三期| www.亚洲黄色| 4虎在线视频| 丁香色色网| 欧美国产精品久久九九| 中文字幕精品亚洲熟女| 人人澡综合涩| 日韩性色b| 男人的天堂一区三区| 超碰欧美| 啊啊啊好大好深| 性欧美第一页| 视频二区美腿制服人妻欧美| 久99热| 欧美不卡在线美女| 伊人网青青| 亚洲男人在线观看天堂| 日韩精品第3页| 欧美性爱日韩性爱| 17c在线成人免费A片观看| AV中文字幕剧情1区2区3| 亚洲啪啪性视频| 国产一区二区三区导航| 97干在线| 图片区小说区| 911粉嫩人妻| 97干在线视频| 好吊妞转入那个网| 熟女精品一区二区三区| 久碰视频| 国产超碰国产97| 日韩/97| 厕所偷拍在线| jiujiujiujingpin| 国产免费内射视频| 天天色欧美| 美女黄页网站| 久久久久久免费电影| 亚洲清纯唯美| 后入日本1234| 97在线视频免费看| 91精片| 黄片qw| 最好看的中文字幕在线2018| 18禁免费视频| 国产又操| 亚洲男人天堂网站| 一中国女人毛片水真多| 视频一区二区三区精品| 丁香五月天堂网| 美女尤物福利视频| 91l欧美在线| 97免费在线视频在线观看| 久久夜嗨| 国产精品久久久久婷婷二区次| 99热这里只有精品18| 国产综合色精品在线观看| 少妇久久| 强奸乱伦Av网| 欧美精品偷拍| 丝袜视频网国产90| 国产亚洲精品A在线观看下载| 欧美顶级黄片AAAAA在线免费看| 色婷婷综合网| 日韩精品一区二区人人人| 综合网亚洲| 中文字幕在线日亚洲9| 日日天天久久啊啊aaa| 理论久久婷婷网8| www.av在线视频| 久久久国产精品亚洲精品| 91亚洲在线| 亚洲黄色网址视频| 亚洲天堂美臀在线| 五月天开心网| 日韩欧美麻豆| 中文字幕精品资源在线| 成人精品久久| 亚洲精品天堂久久A∨51成人漫| a网站免费观看| 欧美亚洲韩国视频十五区| 久久人人爽爽人人爽人人片αV| 后入美女国产| 中文自拍欧美影视| 久久精品国产97欧美精品亚洲 | 成人短视频在线观看| 人人模人人看| 91色图片| 国岛片视频| 久久久久久久久国产| 亚洲国产高清福利视频| 加勒比综合| 91久精品| 91天堂网| 欧美最婬乱婬爆婬性视频 | 国产妇女精品视频青青草| 午夜操逼不卡| 噜噜噜噜天天狠狠| 91人妻视频| 无遮挡一级毛片视频免费的| 亚洲色图8| 五月天精品| 天天干天天燥| 色综合天天爱去电影网| 操穴国产| 加勒比AV网| 日韩av一级黄片| 91九色丨风韵犹存| 全国男人天堂网| 久久久久久久国产| 美女午夜福利免费视频| 久久久久久人体| 日韩美女高潮喷水视频| 成人五月香网在线| 女人与公拘交酡2020视频| 国产女主播视频在线观看| 欧美日韩国产人人| 俺去久久| 9超碰免费| 欧美精品另类人妖xxxx| 国产精品亚洲美女久久久久| 免费看A片毛毛片在线播| 国产久久免费精品视频| 老司机午夜精品视频| 日韩9区| 日本色日夜干| 2019男人的天堂| 精品丰满熟妇人妻一区| 自慰白浆在线观看| 久青草影院| 五月丁香啪啪网| 志村玲子视频一区二区| 日本中文字幕在线视频| 国产强奸乱伦xd| 亚洲无线码欧洲精品区别| 日韩啊V| 激情五月综合开心五月| 亚洲av淫乱| 玖玖爱免费观看视频| 国产操伦| 欧美精品一二三| 丰满熟女一区二区三区在线播放| 一区二区三区亚洲| 国产精品一区二区黄片| WWW.加勒比人妻一区不卡.com| 嗯嗯啊啊好大好爽| 91网站18| 欧美日韩中文亚洲v在线综合| 成人贴图日韩欧美| 97超碰中文字幕| 国产一级舔足在线观看| 中文字幕免费看| 男人的天堂va| 蜜乳中文字幕a在线| 国产尤物AV尤物在线观看不卡| 亚洲字幕一区二区| 蜜臀亚洲中文| 欧美中文综合| 久久人妻视频| 蜜臀AV一区二区三区| 性爱网站一区二区| 搡老熟女老女人老熟妇免费视频| 嗯嗯嗯啊啊啊操的我好爽 | 一及黄久一点| 大逼色网站| 国产精品成人无码a v毛片| 乱伦图一区| 欧美在线官网| 中文字幕免费看| 久久久久久精| 色婷婷在线视频| 欧美激情精品久久久| 青娱乐啪啪视频| 久久人妻| 性色乱AV一区二区| 香蕉视频精品亚洲一区二区三区在线播| 精品无码欧美三级| 久久婷婷五月综合| 久久骚| 国产性爱在线视频一区二区| 91爰爱欧美| 成人av在线播放| 在线啊啊啊啊| 日本一区二区不卡| 操B久久| 久久久久久久国产视频| 成人黄页| 1区2区3区视频| 这里只有精品视频在线| 久久性爱视频免费看| 五月丁香婷婷综合| 欧美天天综合网| 伊人网在线观看| 国产精品久久久久久久黄无码| 激情文学小说一区二区| 粉嫩国产精品久久粉嫩| 久久久新亚洲AV| 95精品在线| 久久五月综合| 日本人妻最新在线中| 国产免费久久精品99re韩国| a在线视频免费观看| 俞拍久久国应视频| 97色欧州| 伊人五月天青青草婷婷| www久久国产精品| 91精品免费| 欧美大码在线视频| 91久久久久久| 欧美乱伦专区| 一本色道久久综合狠狠操| 热久久91婷婷| 九月丁香| 91在线视频观看国产| 绯色一区二区三区不卡少妇| 超碰97资源网亚洲| 九九热九九热| 欧美在线视频99| 懂色天天爱天天日天天射天天澡| 亚洲成人贴图| 久久99国产精品| 加勒比综合a∨| 色av中文字| caorenqi shipin| 99热在线观看| 99久久精品国产高潮| juliaann欧美丝袜办公室| 成人精品水蜜桃久久久久久久| 激情露脸爱| 亚洲精品欧美专业| 欧美青青草视频| 天天α片| 素人播放一区| 黄色污污污污污污网站| 色色色欧美| 大香蕉五月天| 91N欧美| 天天干天天做| 久久免费中文字幕在线观看| 女人妻一区| 91在线免费观看处女| 9/A片 | 中文字幕久久亚州无码| 伊人久久蜜月| 伊人网高清| 久久久久久久久久va| 天堂v无码免费视频| 国内毛片欧美香蕉精品| 狠狠操夜夜| 操操啪| 天天影视网综合少妇| AV天堂丝袜| 欲色影视综合吧| 被男人添B超爽视频| 精品v日韩欧美国产| 亚洲无码太久| 国产乱人伦AVA麻豆软件.| 国产伦乱91| 99九九久久| 超碰精品人妻狠狠干| 国内外激情在线| 67914在线兔费成人视频| 婷婷丁香人妻 | 免费国产电影一区二区| 综合色久| 青青草日本无码| 日日干夜夜操视频h| 北京专精特新企业招聘信息| 97久久国产亚洲精品超碰热| 九九九免费视频| 俄罗斯一区二区视频在线观看| 一区二区三区机械有限公司| 日本免费不卡二区| 国内一级精品| 婷婷五月激情综合| 极品少妇久久久久| av在线免费一区二区| 9久久美女首页| 亚洲中文字幕在现观看| 色噜噜国产在线| 久久久久久久久久久久97 | 中国91AV| 91美| 欧美操人| 九九人妻| 国产女乱淫真高清免费视频| 天天看精品动漫视频一区| 色五月亚洲| 三级色影综合网| 狠狠干,狠狠操| 十八禁电影伊人网| 噜噜噜无码AV一级一级久久影院| 日本道人妻久久久在线不卡色视频| 亚洲乱码国产乱码精网站| 日本蜜桃| 成人aⅴ一区二区三区| 天天干夜夜操一区二区| 丁香五月大香蕉| 精品久热| 欧美人人操人人插| 欧美91久久久久| 亚卅熟女乱色| 日韩欧无码一区二区三区免费不卡| 天天干一区二区| 激情综合二| 国产精品一二三| 亚洲色图加勒比| 高清国产精品无码| 无码人妻精品酒店| 蜜臀久久99精品| 亚洲成人美女无吗| 91bbb| 亚洲91亚洲| 丝袜美腿制服人妻二区中文字幕 | 天天干18禁| 超碰激情808| 99这里只有精品国产| 狠狠操狠狠燥| 亚洲一欧洲中文字幕在线 | 被窝影院午夜看片无码| 久久亚洲一区二区色婷婷| 日本三级人妻a人妻一在线| 日日夜夜精品| 激情在线青青操| 日韩成人午夜精品久久高潮| 岛国精品视频在线观看| 国产成人精品无码久久| 久草视频观看视频在线| 国产精品亚洲无码| 伊人一级免费黄片| 狼人狠干| 九九九精品美女| 国产成人手机视频激情| 亚洲成aⅴ人片不卡无码| 日本欧美中文字幕| 青青草在线视频播放器| 丰满少妇高潮无码| 日韩无码黄色片| 日韩操p| 97色亚洲| 亚洲熟女诱惑| 神马久久免费电影观看| 中文字幕一区二区无码成人| 91久久久亚洲| 亚洲91在线| 91精品国| 国产青青综合伊人| 骚鸭AV| 性影在线视频| 欧美视频一区二区在线| 日欧操屄视频| 久久一区二区高清免费| 国产福利av精彩对白| 99久视频| 北京美女一区二区| 大香久久| 韩日性爱av| 日欧亚洲二三区大片不卡| 老汉网| 啊啊啊97视频| 蜜臀久久99精品久久久久久成人小说 | 在线天堂999| 五月婷在线| 嗯嗯啊啊操死我| 久久欧洲| 日本孕妇一区二区视频操逼免费看 | 97免费在线观看| 国产97在线视频| 亚洲成熟国产精品美女| 91丨国产丨白浆| 欧美日韩人妻少妇 一区二区三区| 日本亚欧爱爱| 日日插夜夜| 亚洲一二三精品久久网| 九七毛片九九毛片| 美女操逼A A| 日本黄 R色 成 人网站| 丰满熟妇大乳做爰| 另类图片五月| 91中文字幕在线观看| 手机在线播放国产福利| 射丝袜高跟鞋99| 久久岛国| 五月天社区| 色眯眯av| 91午夜无码| 国产成人无码网站在线视频| 亚洲永久永久永久永久一级一级一级精品 | 久悠悠av| 狠狠久久手机视频精品| 亚洲一区二区三区久久 亚洲一区二区| 日韩在线人妻网站| 在线毛片片免费观看| 国产www色在线观看| 岛国视频免费在线观看| 精品.99999| 免费A片三p视频| 一起草AV| 18禁在线视频| 偷拍2020| 手机看片1024你懂的国产| 国产黑白丝在线| 蜜乳Av成人片网站| 91新在线欧美| AA特级绝黄| 亚洲日韩XXX| 黄视频免费| 欧美日动态视频| 亚洲AV无码国产精品久久久久| 久久亚洲日韩国产欧| 国产三级日产三级韩国三级| 亚洲猛交| 少妇极品熟妇人妻无码| 强奸乱伦动态污图免费 | 国产女大学生AV| 国产噜噜噜噜噜久久久久久久久| www.色五月| 人妻偷拍一区二区三区| 99在线精品观看视频中文 | 欧美日本成人一区二区| 国产二区三区粉嫩在线| 久久精品国产96精品亚洲拳交 | 嫩草一区二区在线观看| 人妻另类 专区 欧美 制服| 果冻传媒A片一二三区 | 口爆综合网| 51一区二区三区| 青青草久草| 欧美天堂亚洲电影院一区在线播放| 91|九色|国产熟女| 久久久久97| 亚洲影视高清第一页| AV中文在线| 岛国艾薇凹凸视频天堂| 黄片视频,下载| 东北熟女91| 综合亚洲欧美| 色爽——AV| 欧洲乱码一区二区| 九久久九精品视频| 免费视频a级毛片免费视频| 97天天综合| 精品无码产区一区二| 欧美疯狂做爰xxxx| 一起草高清无码| 色逼综合| 一本色道久久综合精品婷婷| 婷婷五月天色网| 97超碰影音| 中文字幕在线观看AV| 婷婷九月| 99久久久无码| 美女黑人91神马| 操亚州| 91精品成人| 好色美女九七第一页| 欧美韩日精品资源| 国产极品久久久| 中文幕97| 2020天天色综合| 欧美日韩不卡传媒| 国产极品一区二区三区三州| 97超碰久久| 97综合国产| 一级AAA片一区二区三区| 久久大香蕉97| 中国女人内射6XXXXX| 中文字幕av亚洲在线| 九九在线视频| 足交视频老司机| 夜夜免费视频| 啊啊啊不要好疼视频| 亚洲综合色网| julia高潮后不停追击中出| 岛国小电影| 操逼无毒无码免费视频| 91亚洲欧美激情| 亚洲天堂精品日韩电影| 欧美经典一区二区三区| 日本熟妇一区二区三区| 欧美 亚洲 综合 制服 另类| 性色综合网| 中文字幕亚韩| 天天干一区二区| 蜜桃臀av一区二区| 在线看片国产精品每日更新| 亚洲色图国产另类| 啊啊啊啊啊啊啊啊视频| 国产精品久久久久久高清无码免费看| 丁香五月影院| 亚洲天天自拍| 99自拍视频在线观看| 欧美亚洲高清不卡| 91一区二区三区蜜桃| 99色视频| www男人天堂| 91美女丝袜诱惑视频| 东北女人操比视频| 在线毛片片免费观看| 亚洲少妇在线影音| 伊人久久综合影院精品久久久| 中亚精品极乱| 欧美日韩狠狠爱| 成人性爱全视频观看| 成熟熟女国产精品一区二区| 92人人操人人| 亚洲精品久久久久毛片A片拉屎| 亚洲91极品| 好爽免费视频| 狠狠夜色午夜久久综合在线| 91女在线观看| 欧美gv在线观看| 久久久精品国产亚洲伊人| 美日韩一二三区| 精品天堂| 91欧美高清| 老司机福利青青草| 新97国产超碰| 9/A片| 国产精品69人妻无码久久久| 精品玖九九久| 99热这里是精品| 精品久久久久黄少妇| 综合在线导航一区| 亚洲熟女av中文字幕| 大香交伊人网| 亚洲成人性爱网站在线播放| 久久视频少妇美女| 7月婷婷综合| 亚洲码在线中文在线观看| 啊啊啊好大好湿| 蜜色网色哟哟| 色婷婷久久| 欧美精品69性爱| 人人澡人人澡人人| 亚洲天天影视色综合| 婷婷色一区| 综合97久久| 久久性爱视频| 蜜乳AV一区| 亚州欧美一区| 无码一区二区三区四区五区六区七区八区九区十区视频 | 亚洲综合欧美| 久久九九久精品国产尤物|国产精品爽黄69天堂A片潘金莲,国产亚洲精品第一综合 | 婷婷五月天色| 91中文在线| 国产精品4p在线观看| 99色热| 偷拍欧美激情| 少妇诱惑视频| 夫妻四区五区六区| 国产久久久9999| 视频二区美腿制服人妻欧美| 色网亚洲人| 日日干日日摸| 青草精品视频-日本久久久久网站| 人妻喷水| 色偷偷2020免费视频播放| 人妻少妇精品无码专区二区密桃| 亚洲日产专区婷婷| 天天躁日日躁狠狠狠躁| 91爱网| 啊啊啊在线观看| 日日爱99| 亚洲国产一区二区入口| 影音先锋中文字幕日本好一区二区| 天堂网亚洲区手机版| 色综合1991| 一卡二卡在线播放| 另类欧美综合| 天天综合~91| 呦呦一区| 亚洲玖玖爱| 天天影视综合色| 水滴偷拍| 综合伊人网12色| 精品人妻一区二区三区四区石在线| 国产精品人妻一区二区| 麻豆天美国美国产| 夜夜春夜夜操| 影音先锋每日最新资源在线观看| 欧美色棕合| 在线视频 亚洲精品| 欧美18禁91| 九九拍拍精品视频在线播放| 超碰偷拍| 啊啊啊啊啊啊啊啊在线观看| 蜜臀久久99精品久久久久久无删减 | 91骚熟女| 91精品微拍福利| 口爆吞精在线观看| 色五月婷婷网| 蜜臀亚洲综合一二三四区| 神马九九| 精品超碰国产| 天天看特黄的免费网站| 日婷婷| 欧美系列在线一区二区| 人人妻人人玩人人澡人人爽| 97干在线看| 夜夜嗨视频| 久久久国产精品亚洲精品| 伊人网综合在线视频| 中文字幕青青草| 大香蕉综合| 十八禁av无码免费网站APP| 伊人96在线| 丁香六月激情综合| 国产超碰在线一区| 9Ⅰ超碰| 久插综合| 91高清欧美| 免费观看网黄| 新91视频.cmp| 亚洲Av噜噜一区二区三区妖精| 大香蕉乱伦视频网| 人人干黄色| 欧美在线第五页| 日本淫色网| 欧美色综合影院| 波多野结衣一级视频| 1024亚洲中文字幕久在线看片你懂的| www.91理论| 中文字幕成人乱码熟女精品国50 | 国产精品天干天干综合网麻豆| www超碰| 国产精品视频一区二区三区八戒| 狠狠91| 欧美色综合网| 91亚.色| 六月婷婷一区二区三区| 色哟哟-国产专区| 欧美大波激情xxxx| 国产精品懂色tv影视免费观看| 日韩精品系列| 欲射影视| 国产嫩草精品A88AV在线| 日韩精品一区二区三区四虎影视| 天天精品| 操逼片中文| 无码 黑人一区二区三区| 精品无码欧美三级| 亚洲美女av无码| 日本一二三免费久久| 国产后入清纯| 骚熟女吞| 欧亚成人在线视频| 天堂在线一区二区| 极品白嫩福利在线| 青青草视频这里只有精品| 日韩啪啪啪啪啪| 婷婷五月天成人网| 欧美日韩性爱视屏免费看了| 亚洲国产高清福利视频| 亚洲一卡2卡3卡4卡乱码网站| 91精品国产日韩欧美综合| 亚洲成人性爱网站在线播放| 美国三级日本三级久久99| 亚洲综合图色在线| 99色热国产视频精品| 欧美精品69性爱| 91天天爽| 天天天操天天天爱| AV男人天堂网| 欧亚韩国999| 精品丰满熟妇人妻一区| 国产伊人精品在线| 久久精品国产亚洲粉嫩| 久久久久人| 日韩AV噜噜噜一区二区三区四区 | 欧美亚洲丝袜人妻制服中文99| 伊人欧美大香蕉视频| 亚洲资源一区| 91伊人| 欧美gv在线观看| 精品国产91av一区二区三区 | 色一情一乱一乱一区91Av| 欧美日韩色综合网| av日韩在线观看电影| 丰满的三级少妇欧美久久久| 五月天婷婷色色| 久久久久久性爱片| 97激情97激情| 中国黄色特级精品一区二区三区片| 青青草导航在线视频| 久久中文字幕在线观看| 日韩精品资源专区二区| 嫩草一区二区在线观看| 蜜乳AV一区二区三区四| 99久久久久久亚洲精品不卡| 精品国产乱码久久久久久口爆网站| 97啪啪| 蜜桃精品一区二区三区ww| 天天内射| 超碰色97| 嫩呦国产一区二区三区AV| 国产精品麻豆成人av| 青青伊人这里只有精品| 天天综合网站| 欧美性爱网97| 欧美色图亚洲色| 91在线超高颜值国产| 人妻22p| 久插不卡| 无码二级三级| 亚洲国产av中文字幕久久 | 欧美成人色| 午夜美女诱惑电源网| 久久久久亚洲熟妇熟女| 婷婷91| 亚洲天堂情色| 亚洲风情在线观看| 日本熟妇精品九九| 亚洲视频中文一区| 狠日操| 国产怡红院在线| 91在线视频国产网站| 中文字幕精品日韩中文字幕| 强奸乱亚洲| 色综合加勒比四四季| 亚洲日本天堂| 少妇厨房愉情理伦片bd在线观看| 婷婷午夜成人色中色| 台湾佬激情综合| 九九九九免费高| 亚洲欧美日韩偷拍色图| 无码国产精品午夜不卡(| 99热导航| 久久久久久久| 天天精品| 欧美亚州色的图| 强奸乱伦 亚洲一区| 日韩人妻大香蕉| 裸体1区| 国产无码精品成人| 天美传媒一二三区永久网站| 桑老女人九区| 久久久久久久久成人av解说| 伊人一区二区三区| 26uuu最新| 欧美九九爱| 色色97爱| 色丁香五月婷婷| 天天在线91| 欧美系列在线一区二区| 青青伊人久久| 国产熟女完整版中字| 伊人青青草久久| 69av一区二区三区| 操我啊啊啊啊啊| 九九五月天| 亚洲第一在线视频| 黑人干亚洲| 校园春色综合网| 久久禁| 日韩欧美偷拍美女视频| 日本精品第一视频在'| 十八禁av无码免费网站APP| 精品久操| 综合大香蕉美。| 亚洲淫色网中文| av在线播放国产一区| 素人伊尹大香蕉免费下载视频| 嗯嗯嗯啊啊啊在线免费观看| 丁香五月综合| 97资源超碰| 国产视频人人网| 亚洲伊人久久精品狠狠在线| 国产中文字幕在线| 久久国产对白激情浪潮 | 91美腿丝袜在线观看| 五月天婷婷成人网| 久久欲| 日韩Va亚洲va欧美Ⅴa久久| 9精品久久久久| 东京热毛片调教| 久久久久婷婷精品av电影| 99只有精品| 本道在线| 啊啊啊啊啊啊在线观看| 淫纸中9区| 婷婷久草| 亚洲国产丝袜熟女av | 热热色中文无码| 亚洲成人免费在线| 亚洲天堂一二| 绯色一区二区三区不卡少妇 | 久热伊人| 春色91| 精品美女少妇一区二区三区| 99热这里是精品| 中文字幕五区| 美女骚尻视频| 精品国产精品一区二区| 992视频一区| 超碰在线974| 中国乱伦一区二区| 日韩欧美视频青青| 97干天天| 日韩无码一区二区三区| 丰满人妻一区二区三区四区| 狠狠综合| 国产久久一区二区| 久久9久9久99久9久9| 美女黄页网站| 日韩丝袜高跟制服在线观看| 91亚洲色图| 亚洲 自拍偷拍 欧美| 男人的天堂网免费| 色97欧美| 九九九九一级| 亚洲熟女乱综合一区二区在线-...亚洲国产日韩欧美一区二区三区,久久久久久精 | 激情文学亚洲| 久久久久久综合久久伊人蜜月| 女生自91网站| 久久色情| 亚洲一级性爱视频免费看| 蜜臀99精品国产高清在线观看| 久久精品72| 国产成人+综合亚洲+天堂| 漂亮人妻被强中文字幕hd| 亚洲国成人情色好看电影| 九九亚洲视频| 亚洲暴力强奸AV| 黄色大片免费在线| 国产免费内射视频| 伊人久久亚洲色欲综合网站| 亚洲国产综合久久久性感熟妇| 久久亚洲精品成人av| 国产黄色在线播放观看| 97在线视频免费| 中文字幕免费在线观看| 熟女网站最新| 日韩性爱高清免费视频| caoni国产亚洲av| 少妇高潮流水av免费| 久久久久久久唑| 97亚洲综合在线| 美女骚尻视频| 国产熟女二区| 久久久久久亚洲精品中文字幕人妻| JULIA一区二区三区在线播放| 伊人久久在线视频观看| 久久高潮妇女视频| 欧美少妇高潮视频| 亚洲精品国产av天美传媒| 精品国产自在在线99| 色99在线| 国产精品电影| 秋霞一级A片黄色视频| 欧美天天| 91美女网站| 东北女人操逼| 日本一区二区三区四区五区六区七区八区九区| 日本幼女18+| 久肏视频字幕| 97在线观看免费| 综合97久久| 99热大香蕉伊在线| 99青青草国产视频| 亚州色图狠狠干| 区一二区日韩亚洲乱码av电影| GVH-003 母子姦 青木玲-麻豆视频,麻豆视传媒短视频网站入口,麻豆视传媒官网直 | 久久无码电影| 91人妻做a观看视频| av绯色| 亚洲系列第一页| 国产精品露脸在线观看| 97人人夜夜精品视频| 超碰人人操97碰| 97在线视频观看网站| 韩日性爱av| 国产亚洲精品美女久久久久久2021| 国产精品毛片?v一区二区三区 | 久久久久密臀视频| 在线观看午夜婷婷久久久久清性观看| 久草草一二三四区久久| 中文字幕伊人| 久久熟女久| 日韩综合色网| 欧美激情1区| 成年无码动漫av片无尽在线| 亚洲AV无码乱码| 神马久久久久久伦理片| 国产三级日产三级韩国三级| 六月激情婷婷| 色五月激情综合网| 丁香六月婷婷综合| 久久久久久久九九九九九九| 91丝袜激情在线| 91美女国产在线| 国产夫妻性生活视频| 啊啊啊免费视频| 国产操伦| 亚洲午夜福利在线影院| 丁香五月天社区| 在线天堂999| 天堂射| 精品免费囯产一区二区三区| 中文字幕精品探花视频| 亚洲精品国产专区在线观看| 国内毛片国产专区二| 亚欧韩av| 国产夜夜艹| 亚洲涩图欧美| 久久久蜜桃臀无码视频| 中文字幕欧美日韩三级| 波多野结衣一级视频| 一区二区三区精品视频| 九九热免费国产视频婷婷伊人五月 | 东京男人天堂| 天天视频黄| 夜夜天天噜狠狠爱2021| 思思99热| 色网在线| 国产欧美另类久久久精品课程| 婷婷av在线中文字幕| 九九性爱网| 欧美日韩超碰在线| 久久久精品一区二区| 东京热天堂网| 日韩 欧美 另类 人妻| 素人播放一区| 果冻传媒一区二区三区| 97超碰香蕉| 丁香六月东京热| 国产夫妻一区二区| 一区二区不卡免费| 国模私拍一区二区三区神乳| 亚洲黄色影视| 国产25页| 97久久精品| 伊人激情五月天一区二区| 天天干一干| 99国内熟女露脸视频| 日本操逼视频免费| 天天拍天天操| 青青草国产一区二区三区| 2018天天日天天日| 九九无码久久精品视频| 超碰导航97| 国产亚洲精品美女久久久m| 双插在线| 免费人成毛片乱码| 黄色高清无码无码破解免费暗网| 亚爽爽爽爽爽爽爽爽| 少妇被c 黄 免费观看| av一区二区三区 中文| 欧美少妇色综合| 加勒比综合网| 久久这里都是精品| 青草地一本线一区二区三区| 国产精品一二三区18| 91N五十路| 欧美色图20p| 丁香五月激情五月| 91综合天天| 中文字幕 国产区| 亚州国产成人精品女人久久| 93人人操人人| 粉嫩AV一区夜夜嗨| 秋霞色色影院| 91九久| 蜜臀久久99精品久久久久久无删减| 日韩久久三区| 91女色| 超碰av人人人| 免费一二区| 91强奸乱轮| 久久国产999| 高清无码国产亚洲| 新97国产超碰| 精品人妻中文字幕高清| 嗯啊啊啊轻点视频| 淫纸中9区| 亚洲经典啪啪| 男人的天堂久久狠| 97国产高清视频在线观看| 国产精品久久久久久久久久二区三区| 国产精品自在线发布| 中字一区| 手机在线中文字幕国产| 久操影视| 五月天丁香网| 麻豆成人影音在线| 日本日逼视频网| 久久精品区| 3571色综合一区二区二区| 亚洲超碰97| 二对二中文字幕。| 中文字幕精品一区二区精| 少妇一区二区三区在线观看| 岛国毛片在线观看免费| 欧美午夜视频| 精品视频久久| 夜夜操美女| 色色九区| 免费av在线播放二区| 精品人妻中文字幕高清| 丝袜大香蕉| 久久免费精品96| 色久桃花影院在线观看| 呻吟 欧美 日本 中出| 久久草在线综合视频| 天天久久| 国产女上位好爽在线| 男女猛烈无遮掩视频免费软件| 久草精品国产蜜臀| 人人操,人人插| 老熟妇一区二区三区| 九月丁香婷婷| 精品国产av一区二区三区四区入口| 韩国黄色片精品久久久| 97爱| 日韩精品电影| 亚洲 欧美 91| 精品中文字幕第一页| 蜜桃香蕉久草精品在线| 91色女| 国产欧美岛国精品一区| 97爱综合| 蜜臀av中文字幕| 中文高清一区二区的| 做爱A级亚欧| 久久成人网站| 中文字幕国产精品1区| 亚洲国产麻豆一区二区三区| 日韩啊V| 性欧美| 亚洲国产精品久久久男人的天堂| 开心五月天激情网| 亚洲小电影免费涩涩成人在线高清| 久久久精选| 久久伊人青青草| 一区在线观看中文字幕| www.久久制服糖| 麻豆av一区二区| 男人的天堂日韩| 麻豆久久久久久久久丝袜 | 青娱乐亚洲自拍| 无码丰满熟妇一区二区浪潮AV| 四月丁香婷婷| 操九九九九九九| 草伊人高潮喷水超碰| 近亲乱伦一区二区| 亚洲综合888| 狠狠色婷婷7777久| 亚洲国产精品成人综合| 阿姨一区二区免费视频-高清正片西瓜视频下载app-T450AV | 眼镜人妻101.com| 精品人妻一区二区三区视频在线| 亚洲色图美腿丝袜| 91+欧美| 伊人五月天| 亚洲九月丁香| 7777奇米影视久久| 超碰色老头| 日日躁天天躁狠狠躁| 9长久久精品| 婷婷精品国产一区二区三区日韩| 一品道视频一区二区三区| 日韩黄色一区二区三区| A 在线网址| 无码一区二区精品视频久久久春药| 久久久一区二区三区麻豆| 吊色| 亚洲涩图欧美| 亚拍在线| 欧美在线伊人色| 人妻一区二区三区| 久久婷婷国产一区二区色| 日韩国语字幕| 丰满的三级少妇欧美久久久| A片 AV一级在线播放观看免费| 国产日逼视频| 欧美色涩| 欧美激情亚洲| 欧美自拍网| 麻豆成人影音在线| 超碰久超碰久| 1024午夜激情男人的天堂| 日本精品性生活久久久| 久操九九九九九九九九九九九九九九九九九九九九九九九九九九九九 | 91欧洲国产成人久久精品网站| 亚洲se91| 亚洲国产精品成人久久蜜臀| 亚洲天天操| 1000部熟女视频在线观看| 国产强奸乱伦欧美| 午夜福利无毒不卡| 萌白酱自拍视频| 婷婷五月天激情网| 人妻熟女av国产网站| 亚洲中文一区二区三区| 人人操,操人人| 国产呦精品一区二区三区下载| 亚洲成A∨人影院在线欢看| 视频分类 国内精品| 日韩免费簧片| 日韩国产欧美伦理在线| 精品在线观看视频在线| 夜夜操狠狠操| 日本一区二区三区欧美日韩中文字幕| 久久久国产精品人妻丝袜| 国产人妻一区二区三区欧美毛片| 性欧美天天| 亚洲男人的天堂网| 99热这里只有精品1| 五十路熟女人妻一区二区在线观看| 丰满人妻-区二区三区免费看| 99re在线| 国产AV色黄看到爽| 熟女乱伦二区| 九九精品美女高溯喷水| 伊人久久大香线蕉亚洲五月天,青草青草欧美日本一区二区,欧美日产欧美日产国产 | 人妻人人操| 久久大香蕉手机高清| 91天天c| 人妻激情视频|