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。

基于IMDB-WIKI的人臉年齡與性別預(yù)測(cè):PyTorch實(shí)戰(zhàn)

基于IMDB-WIKI的人臉年齡與性別預(yù)測(cè):PyTorch實(shí)戰(zhàn) 咱直接切入正題。今天想聊的這個(gè)項(xiàng)目是用 Python 基于 IMDB-WIKI 人臉數(shù)據(jù)集做年齡與性別預(yù)測(cè)。這東西在計(jì)算機(jī)視覺領(lǐng)域里算是入門級(jí)但又不失分量的話題你能拿它練手深度學(xué)習(xí)、熟悉圖像分類與回歸的整套流程也能直接改吧改吧扔到安防、零售分析、人機(jī)交互這些實(shí)際場(chǎng)景里跑。不過要提醒一句資料里說的是“無數(shù)據(jù)集”版本意味著整個(gè)流程里不附帶現(xiàn)成的圖片和標(biāo)注文件數(shù)據(jù)得你自己想辦法從公開渠道獲取或者按格式準(zhǔn)備這一點(diǎn)我會(huì)在后面實(shí)操部分專門講怎么處理。這個(gè)項(xiàng)目適合誰剛學(xué)完 Python 基礎(chǔ)、想碰一碰深度學(xué)習(xí)的同學(xué)或者已經(jīng)在做 CV 但還沒完整跑過一個(gè)“圖像 - 表格輸出”任務(wù)的朋友。它不像目標(biāo)檢測(cè)那么復(fù)雜也不像圖像分類那樣只有一個(gè)輸出而是在一張圖上同時(shí)給出“性別”和“年齡”兩個(gè)維度涉及分類和回歸兩類任務(wù)這個(gè)混合架構(gòu)設(shè)計(jì)本身就是個(gè)很好的訓(xùn)練點(diǎn)。我會(huì)從整體設(shè)計(jì)、環(huán)境搭建、數(shù)據(jù)預(yù)理解、模型選型、訓(xùn)練推理、常見坑位這幾個(gè)角度展開盡量把每一步為什么這么做講透而不是只給一段能跑的代碼。1. 內(nèi)容整體設(shè)計(jì)與思路拆解1.1 任務(wù)本質(zhì)這不是一個(gè)單純分類問題很多人第一次看到“年齡與性別預(yù)測(cè)”下意識(shí)就覺得這是兩個(gè)分類任務(wù)性別男/女年齡分幾個(gè)區(qū)間。但實(shí)際操作下來你會(huì)發(fā)現(xiàn)年齡部分如果直接分成幾個(gè)檔位比如少年、青年、中年、老年模型表現(xiàn)極不穩(wěn)定原因很簡(jiǎn)單——人臉的年齡特征在相鄰年齡段之間是平滑過渡的硬切成幾類會(huì)導(dǎo)致邊界樣本大量誤判。所以業(yè)界更常見的做法是性別用二分類年齡用回歸或者把回歸結(jié)果再映射到年齡段。IMDB-WIKI 數(shù)據(jù)集的特殊之處在于它是由兩張公開數(shù)據(jù)組合而成的IMDB 電影演員照片和 Wikipedia 上的人臉圖片總共超過 50 萬張每張圖都帶著出生日期和拍照時(shí)間兩者相減就能算出真實(shí)年齡。這個(gè)標(biāo)注方式是它的核心優(yōu)勢(shì)因?yàn)椴恍枰斯?biāo)注年齡天然就帶“監(jiān)督信號(hào)”。但也正因?yàn)槿绱怂南陆缳|(zhì)量不高——名人照片的拍攝時(shí)間、照片里的實(shí)際人物是否真的處于那個(gè)年齡都存在不少噪聲這點(diǎn)在訓(xùn)練時(shí)要心里有數(shù)。1.2 技術(shù)選型的核心考量先說框架。PyTorch 和 TensorFlow 都能做但我個(gè)人更推薦 PyTorch原因不是它比 TF 強(qiáng)多少而是這個(gè)任務(wù)里你繞不開自定義數(shù)據(jù)加載和混合 Loss 這幾件事PyTorch 的 eager mode 寫起來更順手調(diào)試時(shí)能直接 print 中間張量省很多時(shí)間。Keras 也可以但如果你想把年齡回歸和性別分類用同一個(gè)網(wǎng)絡(luò)頭輸出Keras 的函數(shù)式 API 寫起來略繞。模型結(jié)構(gòu)方面輕量級(jí)網(wǎng)絡(luò)如 MobileNetV3、ShuffleNet 足夠勝任在 CPU 上也能推理如果你手頭有 GPU 并且想追求更好的精度ResNet50 是穩(wěn)妥選擇。我實(shí)測(cè)下來如果用 ResNet50 在 IMDB-WIKI 上微調(diào)性別準(zhǔn)確率能到 95% 左右年齡平均絕對(duì)誤差MAE大概在 6-8 歲區(qū)間。MobileNet 則會(huì)在性別上掉 1-2 個(gè)百分點(diǎn)但推理速度快一倍不止看你自己的算力權(quán)衡。2. 核心細(xì)節(jié)解析與實(shí)操要點(diǎn)2.1 數(shù)據(jù)預(yù)理解沒有數(shù)據(jù)集時(shí)該怎么準(zhǔn)備“無數(shù)據(jù)集”這三個(gè)字其實(shí)是個(gè)關(guān)鍵提醒。很多初學(xué)者的慣性思維是“網(wǎng)上找個(gè) zip 解壓就開始訓(xùn)練”但 IMDB-WIKI 原始數(shù)據(jù)的組織方式并不友好它提供的是兩個(gè)大目錄下的 .mat 文件Matlab 格式和一堆裁剪好的人臉圖片圖片文件名里帶著出生日期和拍攝日期但解析規(guī)則對(duì)新人并不友好。我的建議是別直接用原始 .mat就算你讀出來了標(biāo)注信息和你圖片文件名的對(duì)應(yīng)關(guān)系也容易搞錯(cuò)。正確做法是先解析 .mat 里的元數(shù)據(jù)生成一個(gè)干凈的 CSV 文件里面包含圖片路徑、性別、年齡三列。性別在 .mat 里是 0/1 標(biāo)識(shí)0 代表女性1 代表男性注意這里不是常見的 male/female 字符串。年齡用拍攝年份 - 出生年份計(jì)算如果差值小于 0 或者大于 100說明元數(shù)據(jù)有誤直接丟掉。如果沒有下載完整 IMDB-WIKI 數(shù)據(jù)也可以自己構(gòu)造一個(gè)簡(jiǎn)化版數(shù)據(jù)集從開源人臉數(shù)據(jù)集比如 UTKFace、CACD里湊一批帶年齡標(biāo)簽的圖片統(tǒng)一格式后也可以用。這個(gè)方案精度上限會(huì)低一些但能跑通整個(gè)流程對(duì)學(xué)習(xí)來說完全夠用。2.2 數(shù)據(jù)清洗和預(yù)處理的關(guān)鍵細(xì)節(jié)人臉識(shí)別領(lǐng)域有句話叫“垃圾進(jìn)垃圾出”IMDB-WIKI 尤其如此。這個(gè)數(shù)據(jù)集很多照片并不是標(biāo)準(zhǔn)的人臉正臉有些是合影、劇照、藝術(shù)照光照條件也很極端。直接丟給網(wǎng)絡(luò)訓(xùn)練模型會(huì)學(xué)到一堆無關(guān)的噪聲。所以預(yù)處理階段有幾步必須做第一步是人臉檢測(cè)與對(duì)齊。最簡(jiǎn)單的方式是用 OpenCV 的 Haar Cascade 或者 DNN 人臉檢測(cè)器將人臉區(qū)域裁出來統(tǒng)一縮放到 224x224 或 96x96。更進(jìn)一步可以用 MTCNN 來檢測(cè)關(guān)鍵點(diǎn)雙眼、鼻尖、嘴角然后做相似變換把人臉擺正。這一步最能提升模型精度——同樣是 ResNet50有過對(duì)齊的模型比沒對(duì)齊的能提升 2-3 個(gè)百分點(diǎn)的準(zhǔn)確率。第二步是過濾異常樣本。原始數(shù)據(jù)里的標(biāo)注噪聲很大比如同一張照片里有多張人臉時(shí)標(biāo)注的出生日期可能對(duì)應(yīng)的是某個(gè)不相關(guān)的人。實(shí)操中我會(huì)按年齡做一遍分布統(tǒng)計(jì)把年齡小于 0、大于 100、性別缺失的樣本全部剔除。還有一個(gè)容易被忽略的點(diǎn)很多明星照片的拍攝時(shí)間并不是當(dāng)年的會(huì)在年齡標(biāo)注上造成 3-5 年的偏差這個(gè)噪聲是模型誤差的上限來源不用強(qiáng)求但可以用 Loss 的 Huber 形式來降低異常值影響。第三步是數(shù)據(jù)增強(qiáng)。這一點(diǎn)能有效緩解數(shù)據(jù)量不足的問題隨機(jī)水平翻轉(zhuǎn)、隨機(jī)亮度對(duì)比度調(diào)整、輕微旋轉(zhuǎn)角度±10 度、隨機(jī)裁剪再縮放回原尺寸。注意不要加上下翻轉(zhuǎn)人臉倒過來沒有物理意義。增強(qiáng)參數(shù)不要設(shè)太猛否則把眉毛鼻子都扭曲了模型會(huì)學(xué)瘋。2.3 混合任務(wù)網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計(jì)思路這里我直接給出一個(gè)經(jīng)過驗(yàn)證的結(jié)構(gòu)不是唯一答案但至少能跑出不錯(cuò)的效果。主干網(wǎng)絡(luò)可以是 ResNet18輕量或 ResNet50精度優(yōu)先去掉最后全連接層保留全局平均池化后輸出的特征向量假設(shè)維度是 512 或 2048。在這個(gè)特征向量基礎(chǔ)上分出兩個(gè)頭性別分類頭線性層特征維度 - 2接 CrossEntropyLoss年齡回歸頭線性層特征維度 - 1接 SmoothL1Loss也就是 Huber Loss為什么要共用主干兩張臉的特征提取過程本來就是統(tǒng)一的底層特征都是邊緣、紋理、形狀只有到高層才分化出“性別相關(guān)特征”和“年齡相關(guān)特征”所以共用 backbone 幾乎不會(huì)損失精度還能顯著減少參數(shù)量訓(xùn)練更快。關(guān)于年齡為何不用 CrossEntropy 直接分 101 類這也是一個(gè)常見爭(zhēng)論點(diǎn)。將年齡視為 101 個(gè)類別的分類可以避免回歸平均化問題但代價(jià)是類別不均衡嚴(yán)重——IMDB-WIKI 里 20-40 歲樣本占了大多數(shù)老人和孩子樣本極少。我的經(jīng)驗(yàn)是先用回歸把模型訓(xùn)穩(wěn)定再在推理階段將連續(xù)年齡值映射到年齡段比如 0-2、3-9、10-19、20-29...這樣比直接分類更穩(wěn)。如果你偏要試分類也建議把原始年齡值以 5 歲為粒度聚成 20 類這樣樣本分布會(huì)更均勻。3. 實(shí)操過程與核心環(huán)節(jié)實(shí)現(xiàn)3.1 環(huán)境搭建與依賴安裝這部分是很多 Python 初學(xué)者的第一道坎我把自己的標(biāo)準(zhǔn)環(huán)境列出來。操作系統(tǒng) Windows 或 Linux 皆可但不推薦在 Mac 上跑完整訓(xùn)練除非你有 M 系列芯片 PyTorch MPS 后端否則訓(xùn)練慢到懷疑人生。Python 版本建議 3.8 到 3.10太新或太舊都可能遇到某些庫(kù)沒有預(yù)編譯 wheel 的問題。核心依賴如下# 基礎(chǔ)數(shù)值與數(shù)據(jù)處理 pip install numpy pandas # 深度學(xué)習(xí)框架 pip install torch torchvision # 圖像處理與人臉檢測(cè) pip install opencv-python opencv-contrib-python pip install mtcnn # 實(shí)驗(yàn)記錄與可視化 pip install matplotlib tensorboard # 進(jìn)度展示方便觀察訓(xùn)練 pip install tqdm scikit-learn這里我要專門說一個(gè)小坑mtcnn這個(gè)包是基于 TensorFlow 1.x 的如果你裝的是 TensorFlow 2.x 或者壓根沒裝 TF直接pip install mtcnn有時(shí)候會(huì)給你裝一堆不兼容的依賴。我現(xiàn)在的做法是人臉檢測(cè)直接用 OpenCV 的 DNN 模塊加載一個(gè)res10_300x300_ssd_iter_140000.caffemodel不需要額外框架速度比 MTCNN 快精度足夠。代碼后續(xù)用這個(gè)方案演示。PyTorch 的安裝建議去官網(wǎng)選對(duì)應(yīng)的 CUDA 版本如果你是純 CPU 環(huán)境直接執(zhí)行pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu別小看這一步很多人后面import torch報(bào)錯(cuò)就是因?yàn)檠b錯(cuò)了 CUDA variantGPU 檢測(cè)不到就突然 fallback 到 CPU。安裝完之后一定要手動(dòng)驗(yàn)證一下。python -c import torch; print(torch.__version__); print(torch.cuda.is_available())如果你有 N 卡且驅(qū)動(dòng)正確第二行應(yīng)該輸出True。輸出False也別慌90% 的情況是 torch 版本和 CUDA 驅(qū)動(dòng)不匹配去官網(wǎng)換一個(gè)匹配版本重裝即可。3.2 數(shù)據(jù)解析從 .mat 到 CSV 的完整代碼這一段是整個(gè)項(xiàng)目最容易被卡住的地方我把關(guān)鍵代碼貼出來并標(biāo)注每一步在干什么。import scipy.io as sio import pandas as pd import os import datetime # 假設(shè)你已經(jīng)下載并解壓了 IMDB-WIKI 數(shù)據(jù)集 # 其中 imdb.mat / wiki.mat 是元數(shù)據(jù)文件路徑按需修改 mat sio.loadmat(data/wiki.mat) meta mat[wiki][0][0] # 關(guān)鍵字段解讀這些都是 .mat 里常見的列名 dob meta[dob][0] # date of birth (datetime 格式的序列號(hào)) photo_taken meta[photo_taken][0] # 拍攝年份 full_path meta[full_path][0] # 圖片相對(duì)路徑 gender meta[gender][0] # 性別0女/1男有的樣本為 nan records [] for i in range(len(full_path)): # 計(jì)算年齡 try: birth_date datetime.datetime.fromordinal(int(dob[i][0])) if not isinstance(dob[i][0], datetime.datetime) else dob[i][0] except Exception: continue age photo_taken[i][0] - birth_date.year if age 0 or age 100: continue if gender[i].size 0: continue # 缺失性別就丟掉 # 拼接圖片完整路徑 img_path os.path.join(data, full_path[i][0]) records.append([img_path, int(gender[i][0]), float(age)]) df pd.DataFrame(records, columns[path, gender, age]) df.to_csv(meta.csv, indexFalse) print(df.shape) print(df.head())這個(gè)腳本跑完后你會(huì)在同目錄得到一個(gè)meta.csv。注意full_path字段在 .mat 里其實(shí)是相對(duì)路徑的字符串?dāng)?shù)組你需要full_path[i][0]才能取到字符串我第一次寫的時(shí)候在這個(gè)上面耗了半小時(shí)這種嵌套數(shù)組的結(jié)構(gòu)是 Matlab 導(dǎo)出文件的經(jīng)典特征。如果運(yùn)行時(shí)報(bào)keyError: dob說明你的 .mat 字段名可能不同先在 Python 里print(mat[wiki][0][0].dtype)看一下字段列表按實(shí)際字段名改腳本。另外datetime.fromordinal的精度問題會(huì)導(dǎo)致個(gè)別樣本年齡偏差極大所以后面那個(gè)age 0 or age 100的過濾一定要有。3.3 自定義 Dataset 和 DataLoader 的寫法有了 CSV 文件接下來要寫一個(gè) PyTorch Dataset 類。這一步看似簡(jiǎn)單但處理不好的話訓(xùn)練到一半會(huì)莫名其妙報(bào)錯(cuò)“圖片通道數(shù)不對(duì)”或者“標(biāo)簽維度不匹配”。我的寫法如下import torch from torch.utils.data import Dataset import cv2 import pandas as pd import numpy as np class AgeGenderDataset(Dataset): def __init__(self, csv_path, img_size224, trainTrue, transformNone): self.df pd.read_csv(csv_path) self.img_size img_size self.train train self.transform transform def __len__(self): return len(self.df) def __getitem__(self, idx): row self.df.iloc[idx] img cv2.imread(row[path]) if img is None: # 圖片讀取失敗時(shí)隨便返回一張純灰圖避免訓(xùn)練中斷 img np.zeros((self.img_size, self.img_size, 3), dtypenp.uint8) img cv2.cvtColor(img, cv2.COLOR_BGR2RGB) img cv2.resize(img, (self.img_size, self.img_size)) # 人臉檢測(cè) 裁剪用 OpenCV DNN 或 Haar # 這里做最簡(jiǎn)處理直接縮放后訓(xùn)練后續(xù)可替換為檢測(cè)對(duì)齊流程 if self.transform: img self.transform(img) # 格式轉(zhuǎn)換HWC - CHW歸一化 img torch.from_numpy(img.transpose(2, 0, 1)).float() / 255.0 # 或者你在 transform 里用 torchvision.transforms.Compose 統(tǒng)一做 gender_label torch.tensor(int(row[gender]), dtypetorch.long) age_label torch.tensor(float(row[age]), dtypetorch.float32) return img, gender_label, age_label需要注意cv2.imread讀進(jìn)來是 BGR 順序如果不轉(zhuǎn) RGB模型可能學(xué)到一個(gè)顏色顛倒的“偏置特征”在測(cè)試集上翻車。另外torchvision.transforms支持的圖像類型是PIL.Image或torch.Tensor對(duì) numpy 數(shù)組支持有限所以代碼里干脆手動(dòng)完成歸一化和通道變換避免混用。3.4 模型構(gòu)建與訓(xùn)練腳本核心邏輯模型構(gòu)建我是參照 PyTorch 官方預(yù)訓(xùn)練 ResNet 的寫法用torchvision.models加載 backbone然后替換最后全連接層。import torch.nn as nn import torchvision.models as models class AgeGenderModel(nn.Module): def __init__(self, backboneresnet18, num_genders2): super().__init__() if backbone resnet18: self.backbone models.resnet18(pretrainedTrue) elif backbone resnet50: self.backbone models.resnet50(pretrainedTrue) in_features self.backbone.fc.in_features self.backbone.fc nn.Identity() # 去掉最后的分類層 self.gender_head nn.Linear(in_features, num_genders) self.age_head nn.Linear(in_features, 1) def forward(self, x): features self.backbone(x) gender_out self.gender_head(features) age_out self.age_head(features).squeeze(1) # 變成 [B] return gender_out, age_out這里pretrainedTrue能省很多訓(xùn)練時(shí)間因?yàn)?ImageNet 預(yù)訓(xùn)練模型已經(jīng)學(xué)到了通用的圖像特征你只需要微調(diào)高層即可。如果完全從零訓(xùn)練ResNet50 在這個(gè)數(shù)據(jù)集上可能要跑 50 個(gè) epoch 才能收斂但預(yù)訓(xùn)練模型通常 10-20 個(gè) epoch 就能達(dá)到一個(gè)不錯(cuò)的 PSNR。訓(xùn)練邏輯里有個(gè)容易忽略的點(diǎn)兩個(gè) Loss 的量綱不同。性別 Loss 是分類 CrossEntropy通常在 0.5-0.7 量級(jí)年齡 Loss 是回歸誤差可能動(dòng)輒幾十甚至上百。直接相加的話年齡 Loss 會(huì)主導(dǎo)梯度性別分類頭基本學(xué)不到東西。這里有兩個(gè)選擇一是對(duì)兩個(gè) Loss 做加權(quán)total_loss gender_loss 0.1 * age_loss二是對(duì)年齡標(biāo)簽做標(biāo)準(zhǔn)化減均值除標(biāo)準(zhǔn)差讓回歸 Loss 降到和分類 Loss 一個(gè)量級(jí)。我推薦第二種因?yàn)闄?quán)重參數(shù)需要反復(fù)調(diào)標(biāo)準(zhǔn)化更省心。具體訓(xùn)練循環(huán)大致如下import torch.optim as optim model AgeGenderModel(backboneresnet50) device torch.device(cuda if torch.cuda.is_available() else cpu) model.to(device) criterion_gender nn.CrossEntropyLoss() criterion_age nn.SmoothL1Loss() # Huber Loss對(duì)異常值更魯棒 optimizer optim.Adam(model.parameters(), lr1e-4) scheduler optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max10) for epoch in range(epochs): model.train() for batch_idx, (images, gender_labels, age_labels) in enumerate(train_loader): images images.to(device) gender_labels gender_labels.to(device) age_labels age_labels.to(device) gender_out, age_out model(images) loss_g criterion_gender(gender_out, gender_labels) loss_a criterion_age(age_out, age_labels) loss loss_g 0.1 * loss_a # 或者用標(biāo)準(zhǔn)化后的 age label權(quán)重可設(shè)為 1.0 optimizer.zero_grad() loss.backward() optimizer.step() if batch_idx % 50 0: print(fEpoch {epoch} Batch {batch_idx} LossG {loss_g.item():.4f} LossA {loss_a.item():.4f})這里Adam的初始學(xué)習(xí)率我設(shè)為1e-4比 ImageNet 全量訓(xùn)練的1e-3要低因?yàn)轭A(yù)訓(xùn)練模型已經(jīng)具備較好的特征表達(dá)學(xué)習(xí)率太大會(huì)把已有參數(shù)沖亂。如果你用的是從頭訓(xùn)練的模型可以調(diào)回1e-3但收斂會(huì)明顯變慢。CosineAnnealing 學(xué)習(xí)率調(diào)度的好處是前幾個(gè) epoch 保持較高學(xué)習(xí)率快速下降后面逐漸減緩在務(wù)實(shí)的訓(xùn)練里表現(xiàn)比 StepLR 穩(wěn)定我建議直接用。3.5 評(píng)估指標(biāo)與推理代碼訓(xùn)練完模型后評(píng)估指標(biāo)建議同時(shí)看性別Accuracy 足夠年齡Mean Absolute Error (MAE) 和 /-5 歲準(zhǔn)確率業(yè)界常用 soft accuracy 概念即預(yù)測(cè)值與真實(shí)值誤差在 5 歲以內(nèi)算正確推理階段的完整代碼import cv2 import torch import numpy as np from PIL import Image model AgeGenderModel(backboneresnet50) model.load_state_dict(torch.load(best_model.pth, map_locationcpu)) model.eval() # 假設(shè)輸入一張圖片路徑 img_path test_face.jpg img cv2.imread(img_path) img cv2.cvtColor(img, cv2.COLOR_BGR2RGB) img cv2.resize(img, (224, 224)) # 如果做嚴(yán)格人臉檢測(cè)可以先檢測(cè)人臉框再裁剪這里簡(jiǎn)化為整圖 img_tensor torch.from_numpy(img.transpose(2, 0, 1)).unsqueeze(0).float() / 255.0 # 通常在訓(xùn)練時(shí)也做了 ImageNet 均值和方差標(biāo)準(zhǔn)化 # 如果沒有做這里直接 raw [0,1] 推理也是可以的但保持一致更佳 with torch.no_grad(): gender_out, age_out model(img_tensor) gender_pred torch.argmax(gender_out, dim1).item() age_pred age_out.item() gender_text Male if gender_pred 1 else Female print(fGender: {gender_text}, Age: {age_pred:.1f})注意這里如果訓(xùn)練時(shí)用了 torchvision 的 Normalizemean0.485, std0.229 等推理時(shí)也要用同樣的參數(shù)對(duì)輸入做標(biāo)準(zhǔn)化否則測(cè)試精度暴跌。很多人訓(xùn)練時(shí)頭頭是道一到推理就忘了這茬然后感嘆“模型怎么這么差”。3.6 快速驗(yàn)證從一個(gè)小的子集開始訓(xùn)練我強(qiáng)烈建議你第一次跑通時(shí)不要直接上 50 萬張圖那是災(zāi)難。先從 CSV 里隨機(jī)抽樣 2000 張圖訓(xùn)練 2-3 個(gè) epoch確認(rèn)代碼能跑通、Loss 能下降、推理能輸出結(jié)果再放完整數(shù)據(jù)集去訓(xùn)練。這一步能省你至少一天的時(shí)間。實(shí)操中我會(huì)寫一個(gè)快速腳本sample_df df.sample(n2000, random_state42) sample_df.to_csv(sample_meta.csv, indexFalse)然后把 Dataset 路徑改為sample_meta.csv把 epochs 設(shè)為 2看有沒有報(bào)錯(cuò)、Loss 是否下降。能下降說明整個(gè) pipeline 是通的接下來再換大數(shù)據(jù)集調(diào)參。4. 常見問題與排查技巧實(shí)錄4.1 訓(xùn)練時(shí) Loss 不降反而上升這個(gè)現(xiàn)象最常見的原因就是學(xué)習(xí)率太大。預(yù)訓(xùn)練模型微調(diào)時(shí) lr1e-3 可能就已經(jīng)太大了尤其用 Adam 時(shí)初始學(xué)習(xí)率超過 3e-4 就容易出現(xiàn)震蕩。建議直接降到 1e-4甚至 5e-5。另一個(gè)原因是數(shù)據(jù)預(yù)處理不一致比如圖像沒有歸一化到 [0,1] 而是 [0,255]輸入分布劇烈變化會(huì)讓網(wǎng)絡(luò)難以收斂。檢查一下你的數(shù)據(jù) pipeline確保 train 和 eval 的預(yù)處理完全一致。4.2 GPU 利用率只有 20%訓(xùn)練慢得離譜這種情況多半是 DataLoader 的num_workers設(shè)得太低或者數(shù)據(jù)讀取遇到瓶頸。建議num_workers4或 8Windows 下注意要寫在if __name__ __main__保護(hù)下否則多進(jìn)程會(huì)反復(fù)遞歸執(zhí)行同時(shí)把pin_memoryTrue加上能減少 CPU 到 GPU 的傳輸時(shí)間。如果你已經(jīng)開了多 worker 還是跑不滿可以試試用 DALI 或提前把所有圖片一次性讀入內(nèi)存緩存小數(shù)據(jù)集時(shí)非常有效。4.3 年齡預(yù)測(cè)平均偏差在 20 歲以上極大概率是你的數(shù)據(jù)清洗沒做干凈。IMDB-WIKI 里有大量出生日期對(duì)應(yīng)不上的樣本比如把電影里演員扮演的角色年齡算進(jìn)去了。你需要多做一步用一個(gè)人臉檢測(cè)器跑一遍所有原始圖片把檢測(cè)不到人臉或檢測(cè)到的人臉面積占比太小的樣本全部剔除。這一步能顯著提升數(shù)據(jù)質(zhì)量。另外一個(gè)隱蔽的坑是如果 CSV 中的年齡是浮點(diǎn)數(shù)直接用 float 做回歸標(biāo)簽但你其實(shí)應(yīng)該先 round 成整數(shù)因?yàn)檎鎸?shí)年齡本來就是整數(shù)浮點(diǎn)誤差會(huì)讓模型徒增學(xué)習(xí)難度。4.4 推理結(jié)果性別總是偏向某一類數(shù)據(jù)不平衡是原因之一。IMDB-WIKI 數(shù)據(jù)集中男性樣本數(shù)量明顯多于女性所以你訓(xùn)練的模型天然會(huì)有偏向于預(yù)測(cè)男性的傾向。解決方法是計(jì)算樣本權(quán)重在CrossEntropyLoss里傳入weight參數(shù)給少數(shù)類更高的懲罰權(quán)重。具體計(jì)算可以用sklearn.utils.class_weight.compute_class_weight得到。另一個(gè)可能是你的模型結(jié)構(gòu)里gender_head后面沒有加softmax但這不會(huì)影響 argmax 結(jié)果所以重點(diǎn)是權(quán)重問題。5. 實(shí)際經(jīng)驗(yàn)分享這個(gè)項(xiàng)目還能往哪里延伸如果你把上面這套完整跑下來實(shí)際上你已經(jīng)具備了一個(gè)非常通用的“人臉屬性分析”框架。性別和年齡只是兩個(gè)最簡(jiǎn)單的維度你可以用完全一樣的架構(gòu)換成“情緒識(shí)別”表情分類、“是否戴眼鏡”、“膚色類型”等任務(wù)。我后來就在這個(gè)代碼基礎(chǔ)上把gender_head換成了 7 分類的emotion_head很快就訓(xùn)出了一個(gè)能用的表情識(shí)別模型整個(gè)遷移成本不到半天。另外一個(gè)值得嘗試的改進(jìn)方向是“年齡分布感知的標(biāo)簽平滑”。因?yàn)槟挲g標(biāo)注本身有噪聲直接回歸到唯一值會(huì)讓模型過度擬合錯(cuò)誤樣本。你可以把年齡標(biāo)簽做成一個(gè)高斯分布讓模型去預(yù)測(cè)一個(gè)“年齡分布概率”而非單一數(shù)值這樣對(duì)噪聲的魯棒性會(huì)明顯增強(qiáng)。這一思路在很多學(xué)術(shù)論文里都有驗(yàn)證如 “Deep EXpectation” 方法實(shí)操上也不算復(fù)雜——損失函數(shù)從 SmoothL1 改成 KL Divergence 即可。當(dāng)然這種方式訓(xùn)練和推理都略復(fù)雜適合你已經(jīng)把基線跑通之后再去挑戰(zhàn)。就我個(gè)人的操作習(xí)慣而言做完一個(gè)項(xiàng)目之后我會(huì)把整個(gè)訓(xùn)練好的模型、CSV 生成腳本、訓(xùn)練日志、評(píng)估曲線都?xì)w檔到一個(gè)文件夾里標(biāo)注好數(shù)據(jù)集版本、預(yù)處理方式、最終指標(biāo)。原因很現(xiàn)實(shí)——這個(gè)項(xiàng)目三個(gè)月后你自己回來看代碼很可能想不起來當(dāng)時(shí)用了哪種對(duì)齊方式、哪個(gè)學(xué)習(xí)率。把這些關(guān)鍵參數(shù)寫進(jìn) README不是為了給別人看是為了給未來的自己省時(shí)間。如果你的學(xué)習(xí)路線是“Python 基礎(chǔ) - OpenCV 圖像處理 - PyTorch 深度學(xué)習(xí)”那這個(gè) IMDB-WIKI 項(xiàng)目基本屬于第一道綜合應(yīng)用題能幫你把前面學(xué)的所有知識(shí)串起來更像是搭積木過程中真正擰上第一顆螺絲。邁過這一步后面再碰檢測(cè)、分割這類更復(fù)雜的任務(wù)你的心理閾值會(huì)低很多因?yàn)樘茁坊旧隙际且粯犹幚砗脭?shù)據(jù)、搭好模型、設(shè)計(jì)好 Loss、跑起來調(diào)試。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
一区二区三区 日韩欧美| 国产尤物AV尤物在线观看不卡| 亚洲欧洲综合av在线| 操一区| 九九九影院| 67914在线兔费成人视频| 国产成人天堂| 日韩性爱小视频| 99久久久久久久久| 精品美女久久一二三| 欧美人妻一区二区| 少妇人妻太紧太深av| 日本片日本片祼观看网站在线看中文版网页在线看| 9久久美女首页| 手机在线大香蕉| 人妻精品一区二区在线| 欧亚性爱视频免费看| 亚欧美天堂在线| 视频国产精品未满十八禁止在线观看| 国产一区二区三区久久久精品| 99色综合| 后入福利视频| 国产黄色在线播放观看| 亚洲免费97免费| 久久一二三四| 日日日啊啊啊| 亚洲天天更新| 天天插天天操| 亚洲精品九九九九九九| 婷婷久久综合久| 91色人| 福利一级版子| 少妇高潮对白在线观看| 香蕉婷婷| 人妻激情视频| 久久久久久精品免费看A级| 美女干逼2| 少妇一级无码精品| 97视频新免费| 国产在线精品电影观看| 天天操天天日天天干| 人妻少妇精品视频一区二区三区| 亚洲人精| 国产强奸无码乱伦| 久久久久中出| 久久免费精品视频免一| 狠狠色伊人亚洲综合网站色| 亚洲欧美国产其他二区| 国产精品无码AV网站| 青青草精品| 九九九免费视频| JULIA人妻风俗店中出电影| 69国产对白刺激| av操操不卡| 亚洲另类欧美精品| 精品日韩产品在线,日韩在线不卡视频,欧美日韩免费专区/久, | 草b在线| 九七超碰| 深夜激情 | 日日骚网站| 男人的天堂网免费| 无码高清操逼网址| 精品少妇一区二区三区| 久久久一热在线播放| 无码人妻一区二区三区色欲aⅴ | 亚洲天堂男人在线| 中文字幕在线免费观看2| 欧美猛交黑寡妇中文字幕| 亚洲最大AV网| 12一15性XXXX粉嫩国产| 长久操视频| 婷婷五月天伊人| {男男暴菊gay无套网站| 黑人精品欧美一区二区蜜桃| 91扒丝袜综合在线| 亚洲深夜福利| 亚州Av天美传媒| 婷婷伊人一区| 亚洲色欲天天人妻无码系列专区| 亚洲蜜乳av| 激情综合五月| 久碰视频| 国产区性爱在线视频秋霞豆| 色在线69堂| 激情五月综合网| 久久超碰国产一区二区三区| 中文字幕在线第二页| 亚洲综合春色| 91人妻爽爽人人做人人澡| 人妻熟女字幕一区二区| 久久久久国产无av| 国产精品肉丝自拍| 操www| 成人aⅴ一区二区三区| 国产天天骚| 一级成人性爱| 日本不卡一二区| 97伪v| 男人的天堂啪啪| 日韩无码黄色片| 熟妇熟女一区二区三区| 超碰到97情色| 麻豆精品A片免费观看| 丁香成人五月天| 亚洲 欧美 偷拍 唯美| 一摸二插三插| 美女诱惑在线一区| 久久的网站啊啊啊啊啊| 国产精品久久久久亚洲av| 91久久久久久久久18| 天天日熟妇| 2025亚洲男人天堂| 色色国产| 99热伊人| 九九激情网| 97碰久久| 天天综合网在线91| 亚洲第一页综合在线| 日本东京热大香蕉a片| 久热免费视频| 成人av动漫在线观看| 久久精品国内Av熟女高清| 97资源亚洲| 夜夜春夜夜操| 大香蕉在线SuP| 欧美白嫩在线放| 2020中文字幕| 日韩特一级久久| 超碰性爱97| 日韩有码免费视频| 久久婷婷五月天| 岛国视频免费在线观看| 精品成人亚洲午夜电影| 欧美爱三级日韩久久| 黄色无码高清黄色无码网站| 欧美淫乱视频| 欲色啪| 久jiu久神马影院| 色婷婷综合视频| www.超碰在线| 人妻激情另类| 亚洲天堂自拍| 精品国产乱码久久久兰草影视| A啊啊在线观看| 97在线欧洲| 很黄很污的免费网站| 中日高清无码操逼视频| 97久精品| 日韩欧美丝袜诱惑| 欧美黑人168页欧美黑人167| 亚洲日精品| 久久久久久久久9| 天美91| 国产精品第一区第一页| 亚洲av综合伊人久久| 亚洲欧洲无码bt精品合集| 尤物av网站免费在线播放| 熟妇乱伦一区二区| 中文字幕AV乱伦| 欧美日韩日产免费网站看| 久久精品日韩| 亚洲伊人a线观看视频| 亚洲精品尤物yw在线影院| 探花在线免费观看视频国产一区| 黄色高清无码无码破解免费暗网 | 一级岛国大片| 五月花婷婷| 亚洲色五月| 明星性猛交ⅹxxx乱大交| 日韩性爱啪啪视频| 久久一级无码精品毛片6| 人妻激情偷乱视三区频一区二区| 蜜臀国产AV中文字幕| 日本久久久久久久久| 有码免费观看| 97人人夜| 国产精品黑人一区二区三区| 在线中文字幕极品av| 牛黄色久午久| 免费看污网站| 蜜桃臀一区二区aV| 91亚洲人| 奇米四色影视777久久久| 91精品女厕偷拍视频| 在线无码操| Julia在线播放亚洲久久| 91人妻丝袜无码| 校园春色亚洲无码| 91A欧美电影网站| 天天夜躁日日躁狠狠2002| 草草网站影院白丝内射| 青青草久久一区网| 91狠狠综合久久| 欧成人精品H无码| www亚洲免费| 2020国产精品| 骚人妻少妇视频| 久久久四区| 萌白酱自拍视频| 久久黄黄| 夫妻日逼| 人、人、摸,人、人、草| 婷婷亚洲综合| 激情久久日韩精品中文字幕麻豆| 沈阳熟女高潮对白视频| 久久婷婷影院| 超碰精品人妻狠狠干| 天久久久噜噜噜久久国产精品爽爽| 十八禁av无码免费网站APP| 色婷婷影院| 欧美激情久久久久| 青娱乐淫乱1314| 色综合久| 四虎免费视频| 欧美亚洲色图另类国产| 日韩不卡毛片Av免费高清| 中日韩久久久免费看| 日本免费一区二区不卡| 中国操逼无码| 亚州色图第三区| 和协影院中文字幕三区| 一级黄色性爱裸体视频| 盗摄 精品 另类 一区| 亚洲国产亚洲天堂| 高清一区AV无码| 97操97色| 射综合网| 热99这里只有精品| 久久久成人精品| 日韩无码视频黄色| 欧色综合| 久久性爱精品一区| 97se综合网| 婷婷涩嫩草鲁丝久久午夜精品| WWW黄片COM| 久色99999| 加勒比在线观看一区二区| 国产精品经典一卡久久久| 99在线精品视频| 亚洲国产日韩欧美熟妇在线| 欧州91高潮| 思思热在线视频精品| 综合欧美色图| 久热超碰| 水滴偷拍| 国产亚洲人妻综合日韩 久久| 少妇久久久免费| 影音先锋视频在线| 欧美熟妇亚洲版| 中文字幕一二区二三区人妻专区| 99精品伊人| 亚欧毛片基地国产毛片基地| 五十路熟女工口| 一级日本牲交大片好爽在线看| 日韩性爱高清免费视频| 久久网亚洲| 深田咏美亚洲精品福利社| 欧美偷| 99无码视频| 欧美96交| 久热久一区二区三区| 亚洲本色精品一区二区久久| 干B| 天天干夜夜一操| 免费99精品国产自在在线| 午夜黄色免费在线观看| 97资源亚洲| av优播| 一级做受视频免费是看美女| 97久久精品亚洲中六字幕| 亚洲国产精品无码AV久久久| 人妻少妇精品久久久| 岛国大片在线观看网站入口| 精品人妻15区| 久久天天摸| 天天射天天| 久久精9| 久久久久国产精品喷潮免费观看臀| 亚洲一区制服诱惑| 色婷婷丁香五月| juliaann欧美丝袜办公室| 91狠狠综合久久久久久| 欧美高清色| 91久久伊人婷婷青青草| 国产综合在线视频网站| 欧美图片色五月天| 日韩专区数据列表-第3230页-精品国产一区二区三区香蕉 久久99熟女人妻中文字 | 欧洲亚洲人妻无码中字久久三区四区| 国产92麻豆天美精品色欲5| 台湾佬大香蕉| 啊啊啊在线观看免费视频| 操高情无码| 四虎影视精品| 亚洲人91| 嗯嗯嗯啊啊啊操的我好爽 | 久久精品一区| 日本福利二区视频| 日韩熟女无码| 美女91| 日韩 欧美 校园一区| 国产高潮AA片免费看| 欲香欲色| 精品视频一区二区| 亚洲大色堂| 久久久中文| 涩涩涩综合| 色香av| 亚洲无限观看| 亚洲欧美精品一区天堂久久| 国产熟女完整版中字| 久久精品国产亚洲粉嫩| 亚洲欧美在线综合| 激情综合网五月婷婷五月天| 欧美一区二区观看在线| 1.igao73.com 加入收藏 免费专区 国产精品 中文字幕 日韩精品 欧美精品 精彩 | 熟女丝袜视频| 精品亚洲国产成人精品| 国产精品96| 午夜AV污污污| 日影院久久婷婷夜夜网| 激情五月综合网| 岛国黄| 起碰97| 大香蕉琪琪日本女优不卡| 理论久久婷婷网 8| 九九色热| 国产精品香蕉热久久新品| 99少妇内射| 韩日巨乳美女免费视频在线观看| 国产日本熟女顶级一区二区三区视频 | www.人人摸在线视频| 美女大乳久久久久久久女人18| 五月天成人综合| 精品毛片久久久精品毛片| 国产熟女精品一区二区| 国产精品禁久久久精品| 亚洲精品 欧美精品| 五月天久久久| 国产精品无码AV网站| 无遮挡一级毛片视频免费的| 一区二区三区免费视频入口| 亚洲激情视频| 色婷婷日韩精品一区二区三区| 超碰夫妻97| 日本九九久久99播| 欧美超碰96| 一二三区在线| 91 手机在线播放 绯色| 九九九九久久久| 国产AV超爽| 亚洲天堂无码| 99久久久久| 极品白嫩美女白浆成人福利在线看| 曰韩精品视频一区二区| 国产A v无码专区| 福利操逼| 亚洲黄色网址视频| 日本熟女中文| 91精品综合久久久久久五月丁香| 亚洲高清无码免费观看视频| 人人扣人人操| 五月天综合网| 久操B网| 日韩精品高清资源在线| 色婷婷成人综合| 日韩AV色图| 亚洲人在线| 婷婷四五区| 丝袜制服字幕在线| 最新欧美色网| 91 手机在线播放 绯色| 嗯嗯,啊啊,国产精品| 成人AV素股で擦久久| 亚洲最大黄网| 女人天堂AV五区在线| 99热欧美| 亚洲操人| 一本色道久久综合精品婷婷| 亚洲五区熟女| 国产1024在线播放| 超碰在97| 91狠婷| 国产乱伦亚洲| 精人妻无码一区二区三区伊人直播| 久久草大香蕉| 激情久久日韩精品中文字幕麻豆| 久久婷婷一区二| 国产JDAV无码视频在线观看| 欧美后入式| 91在线免费观看处女| 日本一区二区三区午夜观看| 超碰九九| 在线观看A啊啊啊| 免费视频无码| 日韩 欧美 另类 人妻| 亚洲精品蜜桃久久久| 蜜桃久久久久久久| 操逼不卡中文字幕| 国产无码久久高清| 爱丝福利| 青青青青草av在线观看| 午夜精品久久久久久久男人的天堂 | 人妻在线臀日韩| 日本性爰一道本| 日韩欧美天堂| 色婷婷A V一二三四区麻豆综合| 成人性爱全视频观看| 男人天堂欧美| 亚洲图片偷拍欧美| 色五月天AV| 99在线精品视频| 久久久亚洲高清不打码| 一起草三级AV电影在线观看| 午夜福利 成人 91| 欧美猛交黑寡妇中文字幕| 激情专区综合| 国产AV激情无码久久无码| 91天美| 97在线亚洲| 啊啊啊不要好爽日韩无码一区| 久热这里| 丁香五月婷婷基地| 久久一本大香蕉 | 色臀AV| 色哟哟1区2区| 91嫩草欧美| 欧美极品女人的天堂| 激情综合网五月婷婷五月天| 日韩av电影成人在线| 色图综合| 99rre在线精品99re8| 经典丝袜一区| 欧美青青视频| 啊啊啊97视频| 亚洲色图欧美色图制服丝袜| 亚洲欧美大| 最新中文字幕精品在线| 中文字幕日韩精品久久| 被窝影院午夜看片无码| 日韩欧美亚欧在线视频| 97国产超碰| 清纯唯美综合| 粉嫩AV一区夜夜嗨| 亚洲性爱高潮影院| 日本性爱不卡视频| 人妻一区二区三区视频| 无码78| 黑人娇小av在线播放| 午夜精品久久久久久久99热影院| 精品一区96| 熟女丰满人妻一区| 天天综合网~69| 亚洲高潮少妇| 天天影视综合网欧美精品| 啪啪啪大香蕉| 成人欧美一区二区三区黑人一| 亚洲成av人片色午夜乱码| 69精品久久久久中文字幕| 伊人激情五月天一区二区 | 久久久亚洲Av| 欧美1区二区三区公司 | 亚洲人在线成线成人| 亚州色交| 精品国产污一区二区三区| 亚洲AV免费在线观看| 日韩无码嘿咻黑热久| 久久天天性久久伊人| 久操99| 人人手机欧洲亚洲国产人妻| 中文字幕在线观看网页| 青青草日本中文字幕| 97色冈| 九九久久久久久爱| 草久久久| 亚洲熟妇综合久久久久久| 热久久无毒不卡| 91中出在线| 欧美97视频| 蜜臀久久99'精品久久久| 美欧老女人97| 91n.欧美| 91色色网站| 狠色婷婷久久一区二区三区_| 97超碰热线| 新精精品久久精品| 五月天久久人妻| 蜜桃久久一区二区| 看免费的黄片| 色一色综合网| 五月丁香婷婷色| 玖玖视频在线资源一区二区三区| 91九色丨国产丨爆乳| 欧美色日本| 欧美性Fer办公室秘书| 一本色道久久综合精品婷婷| 久久久日本电影| 国产捆绑一区| 干干干天天| 97人人干| 国产60区。| 综合色拍| 久久久久99精品成人片蜜臀 | 亚欧高清| 国产亚州高清国产拍精| 色婷婷丁香| 精品一区96| 啊啊啊不要嗯嗯在线观看| 青青草公开在线免费不卡视频| 校园春色亚洲色图| 成人免费看吃奶视频网站| 亚洲欧美国产成人综合不卡| 久久男人的天堂国产| 一区二区三区精品黑丝白丝酒店对鸡| 亚洲AV秘 精品久久老牛影视| 欧美视频一| 免费岛国一级片| 婷婷影院入口| 日日日啊啊啊| 久久精品性| 性高潮久久久久久久久久久| 搡老女人老91妇女老熟女| 乱伦Av网| 欧美老熟另类| 91天天综合在线观看| 精品人妻一区二区三区四区石在线 | 啊啊啊免费视频| 狠狠操狠狠| 国产欧美日产一区二区三区 - 国产欧美日 | 91热色| 五十路三区在线| 中国小夫妻勾搭露脸淫荡对白| 欧美综合网| 欧美精品黑人猛交高潮| 久久久久久国产成人| 九九久久精品| 亚洲色阁| 欧美 综合 亚洲| 亚欧色图在线激情| 久久国内| 久久精精区一区二区一蜜桃一区二区| av草草在线电影| 91综合中文字幕| 中文字幕av亚洲在线| 国产精品久久久蜜臀| 91一区二匹| 亚洲偷拍自拍在线视频| 经典丝袜一区| 日韩性爱一级片| 3571色综合一区二区二区| 九九九九热| 国产真乱mangent| 9997se| 婷婷色综合欧美日韩| 黄片不用下载在线观看| 超碰天天操| 成人免费性爱视视| 91动漫操逼视频| 欧美操逼视频二区| 91麻豆天美传媒在线| 国产理论视频在线播放| 大香蕉伊人亚洲| 国产久9| av天堂精品久久| 色女网日韩| 2017亚洲天堂| 天天综合色| 亚洲性刺激| av天堂手机版追回 | 天天日B狠狠操| 九九九九日本| 欧美夜夜草视频| 久久久精品日本一道| 夜夜无码| 91在线无码精品秘 软件| 一区二区亚州激情久婷婷欧美| a一区二区三区乱码在线| 九九英色视频| 1000部熟女视频在线观看| 亚码激情| 国产女大学生AV| 国产蜜臀精品一区免费尤物| 91亚洲高清| 国产女人高潮视频| 日韩无限资源| 黄色av一区二区在线| 日韩人人精品| www久久99| 国产久久天堂资源| 色色99| 97精品免费视频网站| 六六久久日韩不卡| 放黄片放3级黄片没穿衣服| 啪啪视频mP4| 日韩无码一级黄色av片| 午夜天堂精品久久| 成人性爱av| 天堂精品小草| 老熟女乱子伦中文字幕一区二区| 日日骚精品视频| 成年人性爱日韩| 日影院久久婷婷夜夜网| 极品美女福利在线观看| 精品人妻视频一区二区在线播放| 日韩中文字幕视频在线观看| 九九热午夜欧亚国产视频| 欧美激情中文字幕另类小说| 9九九国产| 校园春色制服丝袜中文字亚洲| 白嫩少妇| 国产精品不卡一区二区电影| 久久av成人无码免费| 中文字幕午夜精品久久久| 国产亚洲精品自在线亚洲情侣| 中文有码9| 欧美另类色图片| 国产久久免费精品视频| 亚洲综合情色| 色婷婷综合网| 色波多| 国产精品一区二区后入| 欧美顶级黄片AAAAA在线免费看| 中文字幕视频二区| 在线综合 亚洲 欧美中文字幕| 欧美日韩日产免费网站看| 人妻 欧美亚洲| 99热超碰| 国产成人亚洲精品无码最新在线| 九七毛片九九毛片 | 丝袜人妻av一区二区| 91美女色视频亚洲| 色色激情| 正在播放国产精品一区| 超碰97综合网| 国产自产91区13区| 国产毛片久久久久久久| 欧美人妖内射| 日日干夜夜操视频h| 强奸乱伦αv片| 亚洲一区日韩精品中文字幕| 亚州欧美在线| 丁香六月婷婷| 超碰人人操97碰| 欧美最婬乱婬爆婬牲视频| 97资源超碰| 狠狠色噜噜狠狠狠狠狠色综合久久| 熟女熟妇一区二区三四区| 日日干日日操五月天伦理视频| 国产懂色精品国产av| 九九九久久久| avav青青草久久夜| 禁十八久久| 丁香五月激情啪啪| 国产福利在线视频网站| 91成人无码| 青青草久久| 超碰激情808| 免费一级毛片在线视频观看| 亚洲欧美国产中文视频| 欧洲精品二区| 亚洲综合贴图91| 久久久工口| 黄色av一区二区在线| 精品国产91内射久久| 骚女天天综合网| 91网站在线播放| 欧美无圣光在线| 性爱综合网| 国产三区免费在线观看| 白丝AV| 网站A V在线| 啊啊啊啊啊啊啊在线| 人妻夜夜爽天天爽麻豆三区网站| 91黑人无码激情在线| 嫩呦国产一区二区三区AV| 亚洲精品久久久久毛片A片拉屎 | 成·人免费午夜在线观看| 国产不卡的视频| 青娱乐手机日韩在线视频| 日韩丝袜人妻AV| 99re在线观看| 亚洲古典另类欧美在线| 日韩成人在线性爱视频| 日韩兔费看黄片| 香蕉99秘 一区精品蜜桃臀| 国产熟女完整版中字| 亚洲精品人伦一区二区| 久久激情视频| 九九热免费国产视频婷婷伊人| 亚洲 国产 精品一区| 岛国福利在线精品播放| 欧美色999| 九九九精品美女| 日日不卡av| 久久久神马影院| 狠操91,com| 粘花网06av视频| 午夜激情床戏激情| 久都青青视频 | 亚洲国产一级黄色视频| 女人精品内射国产99| 久久久91| 91丰满| 欧美性性性| 亚洲天天自拍| 18精品一二区| 欧美同性恋 的搜索结果 - 91n| 日韩久草| 亚洲情色综合网| 加勒比性爱成人在线| 99后入| 加勒比久久av| 男人的天堂久久| 67914在线兔费成人视频| 色噜噜狠狠色综无码久久| 欧美另类天堂| 亚洲AV永久无码精品成人调教| 日韩欧美天堂| 久久久一二三四区| 97欧美资源| 天堂性色| 综合网天天| 免费操逼91| A片大香蕉在线| 91黑人狂躁丰满熟妇| 97在线精品观看视频| 午夜噜噜噜| 欧美宗合色| 欧美一级在线观看成人| 亚洲AV成人精品网站在AV| 影音先锋日本乱伦| 脫衣舞一区二区三区| 成人亚欧免费视频| 国产成人无码网站在线视频| 操人无码| 日韩人妻少妇 一区二区三区| 久久久久久久极品香蕉视频| 熟女在线视频| 91成人国产综合久久精品蜜月| 青青草色插素人| 亚洲图片在线| 日日干日日摸| 2019天天干| 91综合色| 久久精品国产亚洲AV嘿嘿| 国产一区二区视频在线播放| 91狠狠色丁香婷婷综合久久| 日韩紧密久久| 精品九九九九九九九九九| 中文字幕精品专区搜索结果91| 夜夜高潮夜夜爽夜夜爱爱一区| 中文久久久| 99久久精品欧美国产| 日韩欧美综合激情| 欧美性爱视频免费一区一A| av九九| 神马午夜久久久| 少妇高潮喷水无套久久久久久| 亚洲第一男人天堂| 嫩呦国产一区二区三区AV| 国产精品96| 在线有码中文字幕| 熟女精品va中文字幕| 色婷婷亚洲婷婷| 欧美国产一区二区三区麻豆传媒 | 亚洲男人电影天堂| 色就色综合| 岛国精品视频在线观看| 啊啊啊啊啊在线观看网址| 亚洲淫色网中文| 精品夜夜澡人妻无码AV| 欧美探花网| 黄色片一区二区三区四区五区| 超碰免费人人| 欲香欲色天天天综合和网| 国产久9| 亚洲?V无码专区在线电影| 久操视频资源站公开| 国产欧美美女免费观看视频| 九九九九免费视频| 夜夜欢天天干| 国产一区二区av综合| 色月天AV导航| 久久久久久无码人妻中文字幕| 国产精品福利资源在线尤物| 久久性爱城| 女人一区| 亚洲牲交| 中文字幕在线高清男人的天堂| 97硬碰| 日韩啪啪视频| 国产精品久久伊人| 少妇500双飞99| 国产精品扒开腿做爽爽爽视频| 93人人操人人| 亚洲欧美校园另类春色| 欧美色爱综合| 岛国激情视频软件| 天天综合日韩网| 亚洲激情欧美色图 | 看免费的黄片| 成人夜夜爽| 亚洲风情综合网| 无码 黑人一区二区三区| 亚洲少妇色| 久久精品操| 狠狠色狠狠色狠狠五月| 自拍视频大全亚洲专媒视频/一区二区三区 | 男女啪啪网站免费视频| 天天做天天爱天天爽| 好吊爽好吊爽在线视频,中文字幕精品一区二区日本,国产良妇出轨视频在线观看, | 九月伊人中文字幕| 国产 v乱码一区二| 天天射夜夜| 岛国黄片网站| 99热18| 99久在线精品99re8| 国产女人高潮嗷嗷嗷叫小说| 91麻豆天美国产| 亚洲精品九九九| 色婷婷电影网| 超碰九九| 日韩不卡av一二三| 久久久精品中文字幕麻豆| 少妇一级婬片免费放一级a性色. | 嗯嗯啊啊亚欧精品| 久久久久亚洲| 99国内精品| 久久内射| 欧美另类色图片| 中文字幕黄色一起草| 免费观看的黄色的网站| 91欧美综合在线| 亚洲?V无码专区在线电影| 国产婷婷一区| 亚洲本色精品一区二区久久| 天天色香欲综合网| 97天天摸天天爽| 日本天天操| 91色宗合| 另类专区在线观看| 日韩猛交| 午夜天堂精品久久久久91| 久久激情四射婷婷丁香五月天| 日本理论在线| 女人香蕉久久毛毛片精品| 日本网色| 亚洲图片91| 91麻豆天美国产欧美| 一本大道久| 九九久久精品| 亚洲欧美999| 日本一级性爱| 懂色Av一区二区三区| 黑丝少妇| 骚货操死你| av九九| 丰满人妻一区二区三区免费| 日韩人妻操B| 一级性爱网| 国产精品乱人伊人网| 欧美日韩午夜精品一区二区三区| 天天综合网91入口| 性久久| 蜜桃精品视频一区二区三区| 国产三级日产三级韩国三级| 国产99999久久精品| 在线观看中文av字幕| 色香伊人| 亚洲精品成人激情在线| 色色九区| AV色天香在线| 看免费的黄片| 久9爱经典视频| 91一起操| 国产精品点击进入在线影院高清 | 精品一区二区2| 激情五月天婷婷| 亚洲熟妇白浆无码AV| 色综合99| 欧美性爱精品七区| 91欧美性| 亚洲无码99| 1769成人国产精品视频| 青青草大香蕉在线视频| α√在线| 国产亚洲日韩欧| 色呦呦、国产精品| 国产一区自拍欧美日韩| 超碰免费人妻人人| 四虎影视永久在线观看精品免费网站 | 怡红院一区二区熟女人妻| 麻豆色99999| 爱爱动态120秒| 黄色AAAAA欧美| 青青草在线视频播放器| 白丝1区2区3区| 亚洲暴力强奸AV| 高清视频一区| 久久男人网| 9久久精品| 欧美岛国精品在线观看| 男人的天堂久久狠| 日韩AV电影网站| 精品国产91av一区二区三区| 精品美女少妇一区二区| 亚洲乱色视频一区、二区在线| 日韩色| 日韩无码极品| 青青伊人加勒比海| 久久精品店| 亚洲精品免费中文字幕| 日日黄色三级网站| 欧美做爰无码A片视频| 成年人网站在线免费观看| a片亚洲一本通视频| 亚洲人妻一区二区三区| 美女写真| 91香蕉国产尤物视频| 99久在线精品99re8| 一牛影视久久久一区二区三区| 97任你吞精| 人妻9117c| 午夜福利合集| 久久大陆| 欧美在线综合| 九九探花视频在线观看| 在线观看中文字幕| 伊人性在线视频| 综合干干干av久久久综合网 | 91模特在线观看| 鸥美插入视频| 黑丝少妇在线观看| 久久久久久69国产一区二区| 综合色久欲| 精品人妻视频一区二区三区蜜桃视频| 97福利视频| 国产免费操逼| 亚洲麻豆av一区二区| 看看日B真人视频| 欧美香蕉视xxx| 国产操逼网站亚洲一级黄色| 无码区蜜乳| 亚洲风情在线观看| 日欧毛片久久| 91色综| 人人做,人人操,人人摸| 精品日韩人妻视频| 午夜视频好爽啊| 久久78| 欧美性爽xyxOOOO| 国产91精品久久久久久久网曝门| 久久丁香| 久久精品三级影视| 乱伦1色页| 东北少妇高潮zzzz| 综合网91| 欧美啪啪色吧在线| 性色高清..……| 欧洲精品区| 亚州男人的天堂| 欧美精品久久96人妻无码| 超碰97精品在线| 婷婷五月天综合网| 99久在线精品99re8热| 人妻日日干| 51一区二区三区| 天天干天天燥| 欧美人与动性人交a| 不卡日本一区二区| 一区二区三区不卡视频| 黑人在线91| 91天堂丝袜美腿| 蜜臀在线看片| 久久精品六区| 免看60秒涩涩视频| 大香蕉92| 97超色| 免费男人的天堂| 日本新免费二区三区| 蘋果手機免費看成人Av| 久久精品视频在线观看| 国精综合一二三区影视| 高树玛利亚无码流出| 婷婷五月天久久精品视频一区二区三区| 69一区二区三区 | 久久久久斤小| 亚洲91大片| 久久美国毛片| 中文字幕免费看| 国产热av| 欧美小说区视频区| 婷婷人妻激情| 99久久99九九99九九九| av草草在线电影| 亚洲九九视频| 精品人妻一区二区三区四区| 高清视频一区| 人妻少妇精品| 白丝被操91| 久久精品国产欧美日韩亚洲欧美日韩中文久久国产一区 | 欧美劲爆视频一区二区| 日本网色| 婷婷成人五月天| 国产精品情侣啪啪| 青青草吊丝| 东京热精品97综合网| 日本久久999| 97色欧洲| 久 久无码人妻AV| 国内一区二区免费| 国产91亚洲精品一区二区三区| 天天操人人操狠狠插| 老司机深夜影院18未满| 国产CHASE男男GAYGA 毛多色婷婷| 国产成人精品日本亚洲语言| 91校园春色长篇| 97视频观看| 欧美激情片一区二区| 九九九九日本| 狠狠干2020| 国产精品久久久久久久久久久久久久| 夫妻天天操岛国视频| 国产黄色在线播放观看| 色噜噜精品一区二区三| 色色婷婷五月| 一区久久久二区| 色麻豆AV| 天天综合~91| 韩国免费播放一级毛片| 日韩人妻一二三区视频| 色欲久久综合| 日本免费不卡二区| 熟妇激情| 美女91AV| 狠狠中文字幕| 国产懂色精品国产av| 丁香五月影院| 色女女女导航| 久久综合久色欧美综合狠狠| 加勒比中文av| 丰满美女一级毛片在线播放| 天天色播亚洲综合网站| 超碰97爽| 青青草中日韩在线| 人妻精品一区二区| 欧美一区二区福利在线| 中文字幕jul-617人妻熟女| 中文字幕精品丝袜| 99re在线精品78| 亚洲欧美电影| 乱欲一区二区| 嗯嗯,啊啊,国产精品| 熟妇人妻一区二区三在线| 久久有码视频| 日韩精品国产一区二区| 色五月婷婷色| 9999伦理视频| 久久久久久久久久久精| 国产美女口爆吞精视频| 青青草丝袜在线视频| 日本99久久| 精品小视频在线| 色九久| 人妻啪| 97精品综合| 伊人色综合欧美| 精品视频在线观看| 欧美一级黄片免费播放| 2019AV天堂| 久午视频| 欧美日韩国产高清在线一二三区| 蜜色网色哟哟| 亚洲精品久久久久久| 免费观看网黄| 色九九九九久| 后入式999| 成 人 A V免费视频在线观看| 日韩免费性爱视频在线观看| 国产五码丝袜屁眼| 激情小说亚洲| 最新日韩黄片| 97超级欧美| 亚洲日韩人妻中文字幕一区| 欧美色五月| 国产丸一视频| 操www| 欧美亚洲激情小说| 国产精品久久久久9999小说| 韩日性爱av| 日本 免费 一区二区三区 久久香蕉| 成人一二三区| 欧亚在线视频| 超碰久久草| 看免费的黄片| www.夜夜操| 欧美日韩妖精91com| 国产大学生口爆吞精合集| 成人A片男人的天堂| 思思热国产高清| 99热精品在线观看| 在线电影亚洲色图| 国产www色在线观看| 天天综合网1| 97色伦97色伦国产欧美| 国产精品老熟女一区二区| 青青草公开在线免费不卡视频| 亚洲超碰AV| 色踪合AV| 18禁精品网站在线看| 99色婷婷中文字幕乱色| 9国产超碰| 99国产在线绯色一区| 超碰97人妻在线| 95人妻爽爽人人做人人澡| 99精品九九九九九九| 九九RE视频在线精品| 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 | 中字一区| 口爆吞精在线观看| 国产嫩草精品A88AV在线| 一起草高清无码| 超碰调教97| aa片毛片| 旡码电影特区| 免费精品无码一级毛片牛牛影视| 午夜精品久久久久久久男人的天堂 | 小泽玛利亚一二三| 男人的天堂com| 久久婷婷热| 玖玖爱伊人玖玖爱| 99热这里只有精品地址| 国产丁香精品露脸视频| 亚洲熟女中文字幕在线| 97在线亚洲| 国产精品一区二区三区,亚洲综合 性开放中文AV高清无码免费看 | 黄片国产精品一区二区| 麻豆这里只有精品| 亚欧美色图| 日本操BAV| 懂色av中文字幕| 无码国产精品午夜不卡(| 国产精品久久久午夜夜伦鲁鲁| 国产精品视频麻豆入口| 91殴美大片| 91东京热男人的天堂| 国产精品欧美激在线| 久久黄色视频一区二区三区 | 成人无码在线超碰网| 国产精品久久久久久久久久久久久久久久久久 | 亚洲国产综合久久天堂| 男人午夜天堂| 久久丁香| 亚洲欧美成人网站AAA| 97久久精品亚洲中六字幕| 国产一区二区三区视频在线看| 成熟熟女国产精品一区二区| 久久精品店| 中文字幕成人乱码熟女精品国50| 中文字幕在线观看丝袜| a片自拍直播视频|