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。

基于深度學習的轎車背景去除:U-Net語義分割實戰(zhàn)

基于深度學習的轎車背景去除:U-Net語義分割實戰(zhàn) 簡介基于深度學習的轎車背景去除算法課程設(shè)計資源包面向計算機、數(shù)學、電子信息類專業(yè)學生尤其適合作為課程設(shè)計、期末大作業(yè)或畢業(yè)設(shè)計項目。資源以Python源碼為核心13個py腳本覆蓋數(shù)據(jù)加載、模型定義、損失函數(shù)、訓(xùn)練與配置等完整環(huán)節(jié)2個h5預(yù)訓(xùn)練權(quán)重文件支持直接加載模型進行推理2份docx說明文檔與1份md說明詳細闡述算法原理、軟件體系結(jié)構(gòu)與設(shè)計模式的應(yīng)用1個pptx可用于答辯匯報。整個壓縮包共19個文件大小約37.26MB超過六成為Python腳本并附帶開發(fā)工作日志目錄結(jié)構(gòu)清晰、模塊拆分規(guī)范。目前已有八十六人瀏覽學習。通過這份資料讀者可以快速掌握基于深度學習的圖像分割任務(wù)流程理解軟件架構(gòu)與設(shè)計模式在實際項目中的落地方式并基于完整源碼進行二次開發(fā)或功能擴展。1. 從課程設(shè)計到落地轎車背景去除到底在解決什么問題期末前兩周才確定題目既要交軟件體系結(jié)構(gòu)與設(shè)計模式的課程設(shè)計又想體現(xiàn)深度學習算法能力多數(shù)人最后都卡在“模型跑通了但說不清工程結(jié)構(gòu)”這步。這個基于深度學習的轎車背景去除項目正是用于解決這類問題的完整樣例輸入一張任意場景下的轎車照片輸出只有車身保留、背景被置為純色的掩碼圖本質(zhì)是逐像素的語義分割任務(wù)。相比人臉摳圖、通用物體分割車輛目標輪廓清晰但包含車窗反光、地面陰影、車漆高光等干擾很適合作為入門級深度圖像分割實戰(zhàn)。代碼庫劃分為數(shù)據(jù)集加載、模型定義、損失函數(shù)、訓(xùn)練配置、推理應(yīng)用五個模塊直接映射軟件體系結(jié)構(gòu)課程里分層與解耦的考核點。適合正在做圖像分割入門、準備課程設(shè)計答辯或期末大作業(yè)、希望把設(shè)計模式落到代碼里的學生與開發(fā)者。2. 任務(wù)定義與數(shù)據(jù)準備mask 標注與數(shù)據(jù)增強管線的搭建2.1 背景去除為什么是逐像素語義分割背景去除和常見的物體檢測有本質(zhì)區(qū)別。物體檢測輸出的是邊界框而背景去除要對圖像中的每一個像素做二分類判斷屬于轎車還是屬于背景。這個任務(wù)在計算機視覺里被稱為語義分割它比分類任務(wù)多保留了空間位置信息也比檢測任務(wù)更精細。轎車背景去除的難點在于三個區(qū)域車窗玻璃會反射周圍環(huán)境、車漆顏色與背景接近時會混淆、車輪與地面陰影的邊界難以劃分。課程設(shè)計的考核重點通常不只是“效果好不好”還包括“為什么這么設(shè)計”。語義分割采用編碼器-解碼器結(jié)構(gòu)編碼器逐層下采樣提取高層語義特征解碼器逐層上采樣恢復(fù)空間分辨率。車輛輪廓的精細程度取決于解碼器對邊緣信息的恢復(fù)能力這也是后續(xù)第 3 章選擇 U-Net 作為骨干網(wǎng)絡(luò)的原因。理解這一點才能在軟件設(shè)計說明文檔里交代清楚模型選型的依據(jù)而不是簡單寫一句“使用了深度學習”。2.2 數(shù)據(jù)目錄結(jié)構(gòu)與 dataset.py 的實現(xiàn)項目中的數(shù)據(jù)由原始車輛圖像和對應(yīng)的 mask 標注組成。標準目錄結(jié)構(gòu)如下第一部分是課程設(shè)計里交付時要講清楚的內(nèi)容dataset/ ├── train/ │ ├── input/ # 原始轎車圖像 │ │ ├── 0001.jpg │ │ └── ... │ └── mask/ # 二值掩碼圖白色為轎車黑色為背景 │ ├── 0001.png │ └── ... └── val/ ├── input/ └── mask/注意區(qū)分這里的 train/input 與模型訓(xùn)練環(huán)節(jié)的 train 數(shù)據(jù)集前者是磁盤上的數(shù)據(jù)組織后者是訓(xùn)練循環(huán)中的批次數(shù)據(jù)。加載數(shù)據(jù)時使用 torchvision 的 transforms 做尺寸統(tǒng)一和增強代碼實現(xiàn)如下這也是 dataset.py 的核心內(nèi)容class CarSegDataset(Dataset): def __init__(self, img_dir, mask_dir, img_size(512, 512), augFalse): self.img_paths sorted(glob.glob(os.path.join(img_dir, *.jpg))) self.mask_paths sorted(glob.glob(os.path.join(mask_dir, *.png))) self.img_size img_size self.aug aug # 兩個目錄下的文件應(yīng)一一對應(yīng)常見錯誤是按文件名排序不一致導(dǎo)致圖文錯位 assert len(self.img_paths) len(self.mask_paths), image count ! mask count def __len__(self): return len(self.img_paths) def __getitem__(self, idx): img Image.open(self.img_paths[idx]).convert(RGB) mask Image.open(self.mask_paths[idx]).convert(L) img img.resize(self.img_size, Image.BILINEAR) mask mask.resize(self.img_size, Image.NEAREST) # 掩碼不能做插值平滑 if self.aug: if random.random() 0.5: img img.transpose(Image.FLIP_LEFT_RIGHT) mask mask.transpose(Image.FLIP_LEFT_RIGHT) if random.random() 0.5: img img.transpose(Image.FLIP_TOP_BOTTOM) mask mask.transpose(Image.FLIP_TOP_BOTTOM) # 顏色抖動只作用于原圖不作用于 mask img transforms.ColorJitter(brightness0.2, contrast0.2)(img) img_tensor transforms.ToTensor()(img) mask_tensor torch.as_tensor(np.array(mask), dtypetorch.float32) / 255.0 mask_tensor mask_tensor.unsqueeze(0) # 增加通道維變成 [1, H, W] return img_tensor, mask_tensor代碼邏輯上有兩個容易踩坑的參數(shù)要重點說明。第一mask 縮放必須用Image.NEAREST最近鄰插值不能用BILINEAR雙線性插值因為 mask 是離散的二值標簽雙線性插值會在邊緣產(chǎn)生 0.3、0.7 這類中間灰度值直接污染損失函數(shù)的計算。第二mask_tensor / 255.0是為了把像素值從 0255 歸一化到 01與模型輸出的 sigmoid 概率值對齊。unsqueeze(0)是為配合 PyTorch 的通道維度約定語義分割的數(shù)據(jù)格式為[batch, channel, height, width]單通道 mask 需要補上 channel 維度。2.3 數(shù)據(jù)增強參數(shù)怎么定數(shù)據(jù)增強解決的是模型泛化問題不是越多越好每一項增強都有代價。整理出下面的參數(shù)對照表課程設(shè)計文檔里直接描述為“訓(xùn)練階段采用輕量數(shù)據(jù)增強”即可注意本表不涉及訓(xùn)練超參數(shù)的內(nèi)容僅描述數(shù)據(jù)增強環(huán)節(jié)增強方式推薦參數(shù)作用代價與陷阱水平翻轉(zhuǎn)p0.5消除左右視角偏差樣本量翻倍車牌文字鏡像但不影響分割任務(wù)垂直翻轉(zhuǎn)p0.5增加多樣化天空與地面語義被顛倒慎用于有方向性數(shù)據(jù)集隨機裁剪0.8 比例范圍模擬局部遮擋增強目標局部特征可能裁掉整個車需配合重采樣色彩抖動brightness0.2, contrast0.2增強對光照變化的魯棒性只作用于原圖絕不作用于 mask歸一化mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]統(tǒng)一像素分布加速收斂必須與預(yù)訓(xùn)練權(quán)重配套不可隨意換一個常見誤區(qū)是認為增強越強效果越好。對于轎車背景去除這種目標相對居中的任務(wù)過度的隨機裁剪會導(dǎo)致訓(xùn)練樣本中經(jīng)常丟失整車結(jié)構(gòu)模型反而學不到完整的車身形態(tài)。實踐中的做法更傾向于保留水平翻轉(zhuǎn)與輕量色彩抖動垂直翻轉(zhuǎn)根據(jù)數(shù)據(jù)分布判斷如果數(shù)據(jù)集中車頭朝向無規(guī)律則保留。3. U-Net骨干實現(xiàn)與損失函數(shù)設(shè)計3.1 為什么課程設(shè)計選 U-Net 而不是 DeepLabV3模型選型是需要給出理由的環(huán)節(jié)。DeepLabV3 使用空洞卷積在保持分辨率的同時擴大感受野在 PASCAL VOC、Cityscapes 這類大規(guī)模分割數(shù)據(jù)集上表現(xiàn)更好但它的結(jié)構(gòu)復(fù)雜、預(yù)訓(xùn)練權(quán)重體積大在課程設(shè)計這種單 GPU、少量數(shù)據(jù)、短周期的場景下并不劃算。U-Net 的優(yōu)勢在三個地方結(jié)構(gòu)對稱、包含跳躍連接、實現(xiàn)代碼短。編碼器下采樣 4 次解碼器對應(yīng)上采樣 4 次中間通過 concat 把同尺度的低層特征拼接到解碼器讓邊緣信息不會因為逐層下采樣而丟失。轎車車輪與背景的交界處只需要 2 到 4 個像素的精度U-Net 的跳躍連接恰好能保住這個級別的細節(jié)。另外U-Net 幾乎不依賴特定預(yù)訓(xùn)練權(quán)重也能在幾百張圖上收斂出可用效果屬于訓(xùn)練策略里“從零訓(xùn)練也能有基礎(chǔ)效果”的模型。換個角度從軟件體系結(jié)構(gòu)的視角看U-Net 是天然的模塊化結(jié)構(gòu)編碼器與解碼器可以拆成兩個獨立組件中間通過接口對接這個特征在寫軟件設(shè)計說明時就非常容易畫出組件圖。對于課程設(shè)計考核“架構(gòu)設(shè)計能力”的評分項這一條是額外的加分點。3.2 Encoder-Decoder 殘差塊與跳躍連接的代碼實現(xiàn)U-Net 的核心實現(xiàn)拆成卷積塊、編碼器、解碼器三部分下面的代碼對應(yīng) model.py 的核心邏輯class DoubleConv(nn.Module): 雙層卷積塊卷積 批歸一化 ReLUU-Net 的基本組成單元 def __init__(self, in_ch, out_ch): super().__init__() self.conv nn.Sequential( nn.Conv2d(in_ch, out_ch, 3, padding1), nn.BatchNorm2d(out_ch), nn.ReLU(inplaceTrue), nn.Conv2d(out_ch, out_ch, 3, padding1), nn.BatchNorm2d(out_ch), nn.ReLU(inplaceTrue) ) def forward(self, x): return self.conv(x) class UNet(nn.Module): def __init__(self, in_ch3, out_ch1, base_ch64): super().__init__() # base_ch 表示第一層卷積的輸出通道數(shù)之后每下采樣一次通道翻倍 self.enc1 DoubleConv(in_ch, base_ch) self.enc2 DoubleConv(base_ch, base_ch * 2) self.enc3 DoubleConv(base_ch * 2, base_ch * 4) self.enc4 DoubleConv(base_ch * 4, base_ch * 8) self.pool nn.MaxPool2d(2) self.bottleneck DoubleConv(base_ch * 8, base_ch * 16) self.up4 nn.ConvTranspose2d(base_ch * 16, base_ch * 8, 2, stride2) self.dec4 DoubleConv(base_ch * 16, base_ch * 8) self.up3 nn.ConvTranspose2d(base_ch * 8, base_ch * 4, 2, stride2) self.dec3 DoubleConv(base_ch * 8, base_ch * 4) self.up2 nn.ConvTranspose2d(base_ch * 4, base_ch * 2, 2, stride2) self.dec2 DoubleConv(base_ch * 4, base_ch * 2) self.up1 nn.ConvTranspose2d(base_ch * 2, base_ch, 2, stride2) self.dec1 DoubleConv(base_ch * 2, base_ch) self.out nn.Conv2d(base_ch, out_ch, 1) def forward(self, x): e1 self.enc1(x) # [B, 64, H, W] e2 self.enc2(self.pool(e1)) # [B, 128, H/2, W/2] e3 self.enc3(self.pool(e2)) # [B, 256, H/4, W/4] e4 self.enc4(self.pool(e3)) # [B, 512, H/8, W/8] b self.bottleneck(self.pool(e4)) # [B, 1024, H/16, W/16] d4 self.up4(b) d4 torch.cat([d4, e4], dim1) # 跳躍連接沿通道拼接 d4 self.dec4(d4) d3 self.up3(d4) d3 torch.cat([d3, e3], dim1) d3 self.dec3(d3) d2 self.up2(d3) d2 torch.cat([d2, e2], dim1) d2 self.dec2(d2) d1 self.up1(d2) d1 torch.cat([d1, e1], dim1) d1 self.dec1(d1) return self.out(d1)base_ch64是指第一層輸出 64 個特征圖每下采樣一次通道翻倍到最底層是base_ch * 16 1024。通道數(shù)翻倍與分辨率減半同步進行這樣模型的計算量基本維持穩(wěn)定。跳躍連接對應(yīng)的代碼是torch.cat([d4, e4], dim1)注意 dim1 是通道拼接不是在空間上疊加這要求編碼器第 4 層輸出與解碼器上采樣后的空間尺寸必須一致否則拼接會直接報維度錯誤。訓(xùn)練階段輸入尺寸應(yīng)該能被 16 整除這是為什么前面 dataset 里把圖像縮放成 512×512 而不是 500×500 的深層原因。3.3 BCE與Dice Loss的組合邏輯轎車背景去除是二分類問題最直接的損失函數(shù)是 BCEBinary Cross Entropy。單獨使用 BCE 在正負樣本極度不平衡時有明顯缺陷一張圖里背景像素經(jīng)常占 80% 以上模型只要把所有像素預(yù)測為背景就能把 BCE 壓到很低但輸出的 mask 里根本沒有車。Dice Loss 是從評估指標 Dice 系數(shù)反推出來的損失函數(shù)直接優(yōu)化“預(yù)測區(qū)域與真實區(qū)域的重疊度”對類別不平衡不敏感。實踐中更穩(wěn)定的是兩者組合即 BCE 加 Diceclass BCEDiceLoss(nn.Module): BCE Dice 組合損失bce_weight 控制兩者占比 def __init__(self, bce_weight0.5): super().__init__() self.bce_weight bce_weight def forward(self, pred, target): pred torch.sigmoid(pred) # 把 logits 壓縮到 0~1 bce F.binary_cross_entropy(pred, target) smooth 1e-6 # 防止分母為 0 的平滑項 intersection (pred * target).sum() union pred.sum() target.sum() dice 1 - (2.0 * intersection smooth) / (union smooth) return self.bce_weight * bce (1 - self.bce_weight) * dicebce_weight0.5表示兩者等權(quán)混合。如果訓(xùn)練時發(fā)現(xiàn) loss 下降到 0.3 左右就停滯但預(yù)測的掩碼粘連、邊緣粗糙可以調(diào)成bce_weight0.7加大逐像素約束如果發(fā)現(xiàn)訓(xùn)練前期模型輸出的區(qū)域覆蓋不全把bce_weight調(diào)低到 0.3讓 Dice 主導(dǎo)模型聚焦整體結(jié)構(gòu)。下表列出三種損失函數(shù)的適用差異便于答辯時說明損失組合優(yōu)勢劣勢適用場景BCE 單獨梯度平穩(wěn)實現(xiàn)簡單正負樣本不平衡時偏向背景前景占比均衡時Dice 單獨直接優(yōu)化重疊度梯度震蕩明顯小目標不穩(wěn)定前景占比極低時BCE Dice兩者互補收斂平滑需要多調(diào)一個權(quán)重參數(shù)車輛分割首選方案需要特別說明sigmoid BCE的組合在數(shù)值上不如nn.BCEWithLogitsLoss穩(wěn)定后者內(nèi)部做了數(shù)值保護。上面的代碼為了直觀展示梯度計算流程才顯式調(diào)用sigmoid在損失函數(shù)中先 sigmoid 再計算 BCE梯度會經(jīng)過兩次非線性變換實際項目中直接用nn.BCEWithLogitsLoss會更安全這個細節(jié)可以寫進課程設(shè)計的改進說明里。4. 訓(xùn)練配置與設(shè)計模式視角下的工程化重構(gòu)4.1 config.py如何統(tǒng)一管理超參數(shù)訓(xùn)練階段涉及的參數(shù)數(shù)量遠比想象中多學習率、批次大小、迭代輪數(shù)、圖像尺寸、數(shù)據(jù)路徑、損失權(quán)重分散在代碼各處時調(diào)參就是一場災(zāi)難。軟件體系結(jié)構(gòu)課程設(shè)計里提倡的高內(nèi)聚低耦合落到訓(xùn)練代碼上就是先把所有可調(diào)參數(shù)集中到 config.py 統(tǒng)一管理class Config: 集中管理訓(xùn)練與推理參數(shù)避免魔法數(shù)字散落在各模塊 # 數(shù)據(jù)路徑 train_img_dir dataset/train/input train_mask_dir dataset/train/mask val_img_dir dataset/val/input val_mask_dir dataset/val/mask # 圖像與訓(xùn)練 img_size 512 # 必須能被 16 整除U-Net 下采樣 4 次 batch_size 8 # 顯存不足時優(yōu)先降到 4而不是調(diào)小圖片 epochs 40 learning_rate 1e-4 # Adam 下 1e-4 比默認 1e-3 更穩(wěn) num_workers 4 # Windows 上建議設(shè)為 0否則可能報錯 # 損失與優(yōu)化器 bce_weight 0.5 weight_decay 1e-5 save_path checkpoints/best_model.pthimg_size512對應(yīng)之前提到的 16 整除要求batch_size8在單張 1080Ti 上剛好合適learning_rate1e-4是實踐中最穩(wěn)的選擇默認的1e-3在分割任務(wù)上經(jīng)常出現(xiàn)訓(xùn)練早期 loss 震蕩甚至直接發(fā)散這一點會在訓(xùn)練循環(huán)里通過學習率策略進一步控制。參數(shù)集中之后所有模塊通過Config.xxx訪問參數(shù)后續(xù)做實驗只需要改這一個文件答辯演示時也比較直觀。下表匯總了一份可直接套用的訓(xùn)練超參數(shù)規(guī)劃其中優(yōu)化器、學習率策略對收斂影響最顯著參數(shù)推薦值說明優(yōu)化器Adam對學習率不敏感適合課程設(shè)計階段初始學習率1e-4高于 1e-3 時容易震蕩learning rate 策略ReduceLROnPlateau指標停滯時降低為原來的 0.1批次大小8顯存不足時降低 batch_size訓(xùn)練輪數(shù)305040 輪左右 val loss 進入平臺期權(quán)重初始化kaiming_normal配合 ReLU 使用4.2 訓(xùn)練循環(huán)的實現(xiàn)與學習率策略訓(xùn)練循環(huán)是每個課程設(shè)計必須提交的核心代碼。完整邏輯包括前向傳播、計算損失、反向傳播、梯度更新、驗證集評估、模型保存六個步驟。下面的代碼去掉了無關(guān)的打印信息保留主干def train_one_epoch(model, dataloader, optimizer, criterion, device): model.train() total_loss 0.0 for imgs, masks in dataloader: imgs imgs.to(device) masks masks.to(device) optimizer.zero_grad() outputs model(imgs) loss criterion(outputs, masks) loss.backward() optimizer.step() total_loss loss.item() return total_loss / len(dataloader) def evaluate(model, dataloader, criterion, device): model.eval() total_loss 0.0 with torch.no_grad(): for imgs, masks in dataloader: imgs imgs.to(device) masks masks.to(device) outputs model(imgs) loss criterion(outputs, masks) total_loss loss.item() return total_loss / len(dataloader)訓(xùn)練主循環(huán)部分結(jié)合前面提到的學習率策略加進去ReduceLROnPlateau的完整調(diào)用model UNet(in_ch3, out_ch1).to(device) optimizer torch.optim.Adam(model.parameters(), lrConfig.learning_rate, weight_decayConfig.weight_decay) scheduler torch.optim.lr_scheduler.ReduceLROnPlateau( optimizer, modemin, factor0.1, patience5, verboseTrue ) best_val_loss float(inf) for epoch in range(Config.epochs): train_loss train_one_epoch(model, train_loader, optimizer, criterion, device) val_loss evaluate(model, val_loader, criterion, device) # 檢測 val_loss 連續(xù)多個 epoch 不下降時降低學習率 scheduler.step(val_loss) if val_loss best_val_loss: best_val_loss val_loss torch.save(model.state_dict(), Config.save_path) print(fEpoch {epoch:02d}, saved best model, val_loss: {val_loss:.4f})optimizer.zero_grad()放在每個 batch 之前作用是清空上一次反向傳播累積的梯度這個步驟遺漏會導(dǎo)致梯度跨 batch 累加、loss 異常波動。torch.save(model.state_dict(), ...)只保存權(quán)重不保存模型結(jié)構(gòu)加載時需要先用UNet()實例化模型再load_state_dict。ReduceLROnPlateau的modemin表示監(jiān)控指標越低越好factor0.1表示每次降為原來的十分之一設(shè)成 0.5 會更平滑但會拉長訓(xùn)練時間。4.3 用策略模式與工廠模式解耦數(shù)據(jù)與損失模塊軟件體系結(jié)構(gòu)與設(shè)計模式課程設(shè)計的核心考核點體現(xiàn)在這里。數(shù)據(jù)加載與損失函數(shù)是兩個最容易替換的擴展點換數(shù)據(jù)集、換損失函數(shù)是調(diào)優(yōu)過程中的高頻操作。如果代碼里到處是if dataset_type carvana這樣的分支每加一種數(shù)據(jù)集就要動已有代碼違反開閉原則。用工廠模式封裝數(shù)據(jù)加載器用策略模式封裝損失函數(shù)class LossFactory: 策略模式根據(jù)名稱返回對應(yīng)的損失函數(shù)實例 _losses { bce_dice: BCEDiceLoss, dice: DiceLoss, bce: nn.BCEWithLogitsLoss, } classmethod def create(cls, name, **kwargs): if name not in cls._losses: raise ValueError(fUnknown loss: {name}) return cls._losses[name](**kwargs) class DatasetFactory: 工廠模式按數(shù)據(jù)集類型構(gòu)造對應(yīng)的 Dataset staticmethod def create(dataset_type, img_dir, mask_dir, **kwargs): if dataset_type car: return CarSegDataset(img_dir, mask_dir, **kwargs) if dataset_type general: return GeneralSegDataset(img_dir, mask_dir, **kwargs) raise ValueError(fUnsupported dataset: {dataset_type})兩個工廠類的設(shè)計意圖不同LossFactory是對創(chuàng)建邏輯的集中封裝用字典注冊類名與類的映射新增損失函數(shù)時只需要在_losses字典里加一行其余訓(xùn)練代碼零改動DatasetFactory做的是條件分發(fā)當新增一種數(shù)據(jù)集時不必在每個用到Dataset的地方加判斷。實際項目中如果只做課程設(shè)計不需要過度設(shè)計但這兩個工廠類的代碼量很少又恰好覆蓋了設(shè)計模式的兩個經(jīng)典考核點屬于性價比很高的工程化改造。5. 從IoU到批量摳圖評估腳本與推理后處理5.1 IoU / Dice評估與常見統(tǒng)計誤區(qū)訓(xùn)練完成后需要回答一個關(guān)鍵問題這個模型到底好不好。評估指標不應(yīng)只看 loss因為 BCE Loss 很小不代表分割結(jié)果好。語義分割的標準評估指標是 IoU即預(yù)測區(qū)域與真實區(qū)域的交集除以并集。另一個常用指標是 Dice 系數(shù)它與 IoU 之間可以互相換算Dice 2 * IoU / (1 IoU)。計算代碼很短但統(tǒng)計過程有一個常見誤區(qū)def compute_metrics(pred_mask, gt_mask, threshold0.5): pred_mask: 模型輸出的概率圖, gt_mask: 真實標簽 pred_bin (pred_mask threshold).astype(int) gt_bin (gt_mask threshold).astype(int) intersection (pred_bin gt_bin).sum() union (pred_bin | gt_bin).sum() iou intersection / union dice (2 * intersection) / (pred_bin.sum() gt_bin.sum()) return iou, dice誤區(qū)在于不要把 batch 內(nèi)所有樣本的 IoU 先求平均而應(yīng)該先累加所有樣本的 intersection 和 union最后再統(tǒng)一相除兩種統(tǒng)計方式在小樣本測試集上可能相差 2 到 3 個百分點。誤用場景是當某張圖完全沒有車時union 為 0直接計算會產(chǎn)生除零錯誤正確做法是跳過該樣本或在分子分母同時加平滑項。課程設(shè)計里只需寫清楚你用的是哪種統(tǒng)計口徑。5.2 單張推理與批量摳圖的可執(zhí)行步驟最后一步是把訓(xùn)練好的模型應(yīng)用到真實圖片上。推理腳本需要完成加載權(quán)重、預(yù)處理、前向傳播、后處理、保存結(jié)果五個步驟。后處理部分有一個容易被忽略的操作預(yù)測出的概率圖直接以 0.5 為閾值二值化后可能會出現(xiàn)一些小面積噪點或細小孔洞用形態(tài)學開運算去除噪點、用閉運算填充孔洞是標準做法import cv2 import torch def inference_one_image(model, img_path, device, save_path, thresh0.5): # 1. 預(yù)處理讀圖、縮放、歸一化、轉(zhuǎn) tensor img cv2.imread(img_path) img_rgb cv2.cvtColor(img, cv2.COLOR_BGR2RGB) img_resized cv2.resize(img_rgb, (Config.img_size, Config.img_size)) # 2. 歸一化ImageNet 均值方差 img_norm img_resized / 255.0 img_tensor torch.from_numpy(img_norm).permute(2, 0, 1).unsqueeze(0).float() img_tensor img_tensor.to(device) # 3. 前向傳播得到概率圖 model.eval() with torch.no_grad(): prob torch.sigmoid(model(img_tensor)).cpu().numpy()[0, 0] # 4. 二值化 形態(tài)學后處理 mask (prob thresh).astype(np.uint8) * 255 kernel cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) mask cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel) # 先開運算去噪點 mask cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel) # 再閉運算填空洞 # 5. 原圖尺寸恢復(fù)并疊加背景 mask_resized cv2.resize(mask, (img.shape[1], img.shape[0]), interpolationcv2.INTER_NEAREST) result img.copy() result[mask_resized 0] [255, 255, 255] # 背景置為白色 cv2.imwrite(save_path, result)批量推理時把inference_one_image放進一個循環(huán)遍歷目錄下所有圖片即可無需額外寫多進程版本。MORPH_OPEN先腐蝕再膨脹能去除小于卷積核尺寸的白色噪點MORPH_CLOSE先膨脹再腐蝕能填充黑色區(qū)域里的白色空洞。對于轎車背景去除5×5 的卷積核大小適中改大會讓車輪邊緣的細小結(jié)構(gòu)被抹掉。最終保存結(jié)果時用INTER_NEAREST把 mask 恢復(fù)為原圖尺寸保持邊緣銳利不產(chǎn)生鋸齒色偏。跑通這個流程之后就完成了從課程設(shè)計考核的代碼邏輯說明到真實場景應(yīng)用的完整銜接。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
思思热在线视频免费| 亚洲人妻在线精品| 丰满人妻-区二区三区免费看 | 97久久久久久久精| 精品无码一区二区人妻久久蜜桃| 极品欧美一区二区三区| 国产精品久久久鸭无码的功能| 婷婷五月天丁香花| 97欧美日韩中文| 久久粉色| 亚洲经典啪啪| 久久草视频污视频| 天天草天天日| 六月丁香五月婷婷| 370p日韩欧美亚洲精品| 久久久久国产一区二| 精品国产乱码久久久久久久久1| 久久久禁| 亚洲一卡2卡3卡4卡乱码网站 | 午夜毛片亚洲精品片国产久久久| 成人国产精品三级A片| 91性生活久久久| 啊啊啊免费| 久操不卡视频| 91少妇人妻| 超碰人人色| 国产精品电影推荐| 91三级理论片播放器| 四虎AV无码| 怡红院久久老司机| 成人av免费观看| 成年人性爱日韩| 天色综合网| 91综合网| 天天插天天舔舔天天干| 国内一区二区免费| 超AV色女| 天天夜躁日日躁狠狠2002| 人人乐大香蕉| 亚洲无码电影久久久| www…国产操逼| 丝袜翘臀后入欧美校园亚洲自拍另类小说一区中文字幕少妇诱惑 | 神马久久久久眼| 97在线公开视频| 2019久久久久久久久福利| 大香蕉色网| 翔田千里A片一区二区| 亚洲AV免费在线观看| 欧美97爱| 亚洲男人的天堂AV| 欧美日产国产在线成人第一区| 久久久久久大| 亚洲色图国产另类| 成人三级片无码| 亚洲九九视频在线观看| 91视频国品一二三区| 超碰是碰在线观看| 99ri在线视频| 中文字幕后石码三区四区| 大香蕉伊利av| 欧美一级美片在线观看免费| 欧美在线|亚洲| 欧美系列在线一区二区| 蜜桃传媒视频第一区入口在线看| 日韩伦理久 久久 清纯| 日韩精品一区二区日韩| 91精品又粗又猛又爽| 精品国产www久久| 性生活性生大爱77AV国产| 日本午夜福利影院| 青青爽| 蜜臀久久99精品久久久电影| 精品二999| 国产懂色精品国产av| 91欧美少妇| 懂色AV一区二区三区| 日本一道在线播放高清| 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 | 久久綜合很很很| 成人午夜高潮av猛片| 欧美午夜色妇色鬼| 老鸭窝在线视频播放| 狠狠色婷婷7777久| 国产日韩欧美操逼视频| 亚洲资源吧| 人妻天天爽夜夜爽爽| 亚洲精品官网在线观看| 加勒比海色香蕉婷婷| 嗯~啊~快点 死我视频| 麻花传媒免费网站在线观看| 久久夜夜| 快播久久人人aV| 中文字幕91综合| 精品人妻中文字幕4399| 综合第一页| 91国产美女丝袜足交精品视频| 亚欧洲日韩国产精品| 国产不卡精品91| 亚洲精品无码成人久久久99| 男人久久天堂| 国产和美国毛片| 人妻激情另类| 久久五月婷| 在线无码视频| 东北毛片| 亚洲久9| 粉嫩AV一区夜夜嗨| 久久久久久久久久久久久久久性生活视频 | 色婷婷丁香五月天| 人人干人人操人人爱| 殴美大黄片| 国内亚洲高清无码| 亚洲久9| 九草九九九| 男人天堂站| 婷婷色影院| caoni国产亚洲av| 亚洲欧美综合| 亚洲天堂男人天堂网| 97视频在线免费播放| 在线天堂999| 99色色网| 91久久久久久久| 人人人人插| 色激情综合网站| 久久久久久久性爱| 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 | 韩国三级一线观看久| 这里只有精品97| 欧美女同在线| 女人 A一级| 日本一区二区三区午夜观看| 综合激情二| 国产精品剧情| 草草草视频在线免费看| 啪啪综合网| 亚洲女优有码无码高清| 久久国产精品视频| 久久亚洲一区女同性恋中文字幕| 久草老司机| 一区,二区,三区视频| 亚洲AO在线| 91女神在线视频| 欧美.亚洲.另类.丝袜.制服.诱惑| 日韩一性一交一A片俄罗斯| 国产成人拍国产亚洲精品| 久久狠狠色噜噜狠狠狠狠97| 久久久不能久久久久| 精品色色| 嗯嗯嗯啊啊啊操的我好爽 | 大JI巴好深好爽又大又粗视频| 久久婷婷一区| 五月天伊人网| 大香蕉综合网| 一级毛片电影免费看| 九九九九国产| 国产欧美在线观看免费观看| 热久久国产| 老熟女乱伦一区| 黄色香蕉视频网站一区| 无码操逼网| 免费在线黄片视频| 人人插人人搞人人操| 蜜汁欧美| 久热这里只有精品9| 果冻传媒A片麻豆熟妇人妻| 黑人干亚洲| 一本色道久久综合亚洲二区三区| 天美传媒AV在线| 在线综合网| 久久丁香久草综合网| 福利操逼| 五月婷婷大香蕉| 情侣开房子拍 日韩无码 女的很漂亮| 久久綜合很很很| 青娱乐国产剧情av一区| 久久久久密臀一区二区| 青操影院| 久久九九97| 99re免费| 一级aaaaa欧美中文字幕录像片| 屁屁影院一区二区三区国产| 91在线色综合| 色婷婷淫色网| 污色区网站| 岛国视频免费在线观看| 欧美男女午夜啪啪| 蜜臀aV午夜一区二区三区| 国产精品午夜福利| 成人性爱AV在线免费观看| 狠狠激情综合狠狠操中文字幕| 久草视频分类在线| 翘臀vidoes| 丝袜狠狠草尤物 91| 78精品| 国产二区三区免费视频| 亚洲图片偷拍视频区| 一区久久久二区| 欧美综合在线第一页| 97碰| www.久久久久| 97久久免费| 精品女同一区二区三区| 国产自产自拍| 九九九久千久久激情蜜桃在线看| 97ai亚洲| 操逼视频免费日韩无码| 884t在线| 国内精品999| 看看日B真人视频| 蜜臀久久99精品久久久久久-DVD原版全| 密乳AV免费观看| 婷婷香蕉欧美在线一区二区三区| 人妻少妇久久| 欧美极品性爱天天射| 亚洲91极品| www.成人无码| 亚洲国产一区二区入口| 色女99一级片在线观看| 婷婷五月天激情四射| 人妻一区视频| 另类图片亚洲加勒比另类图片亚洲加勒比另类图片亚洲加勒比 | 欧美写真视频一区| 欧美日韩操逼动图| 亚洲视频,小说| 午夜爽爽爽| **一级毛片国产| 操死我了嗯嗯嗯| 日韩图色| HEYZO高无码国产精品227| 日本一二区免费| 黄色一区三区| 青青青国产手线观看视频2| 99热18| 九七人妻在线| 人干人人人操人人摸| 欧美日韩少妇色情| 99在线免费公开视频| 麻豆区99999| 欧美色图亚洲色图成人在在线| 亚洲乱熟女一区二区| 亚洲囯产精品女人久久久| 中文字日本乱码| 99久久久无码国产精品性啊聊| 日韩三级一区 | 成年人黄色| 五月色网| 狠狠爱夜夜| 另类小说五月天| 久久久涩| 亚洲熟妇自偷自拍另欧美| 91丰满| 色性欧美| 在线岛| 无码久| 岛国片国产成人亚洲播放| 国产视频小说| 久草国产在线视频| a在线视频免费观看| 男人的天堂久久狠| 国语av最新自产拍在线观看| 亚洲第一男人天堂| 伊人五月天| 亚洲中文字幕在现观看| 97久久免费| 精品中文字幕第一页| 国产情色第一第二页在线观看| 青娱乐国产盛宴视频| 欧美日韩国产人人| 在线国产探花| 少妇一区二区三区| 精品二999| 国产一级作爱毛片| 亚洲天堂资源网| 91女人的网站| 天堂俺去俺来也www久久婷婷| 日韩精品人妻中文字有码在线| 免费在线黄片视频| 亚洲国产成人精品无码专区| 黑人在线91| 亚洲av总站| 精品成人无码| 久久激情婷婷| 97视频在线免费播放| 午夜精品视频777| 久久超碰网| 国产亚卅97| 粉嫩在线一区二区懂色| TS人妖另类精品视频系列| 综合 青草 伊久久 影院 综合 | 91无人区卡一卡二卡三乱码入口最新版:能让用户有更多选择的选择-经典说说-爱 | 六月婷婷五月丁香| 久久综合亚洲色1080p| 99热99re6国产在线播放| 道久久五香丁月婷婷激情综合| 色呦呦呦在线观看视频| 美女黄页网站| 一区二区三区网站日日骚| 色综合V| 亚洲天天精品| 哈哈操电影AV| 丁香五月av| 97超碰磁| 丰满人妻-区二区三区免费看| 久久久久性熟视频| 成人无码影片视频在线| 激情综合网激情综合| 免费亚洲国产精品久久一区| 亚洲91少妇| 91人妻素女| 国产午夜在线观看| 67914在线兔费成人视频| 五月婷婷激情| 91久久九九精品国产综合| 97欧美色综合| 99国产在线绯色一区| www狠狠| 亚洲高清国产理伦片| 美女高潮国产高清| 国产吹潮女在线观看| 久久婷婷国产一区二区色| 国产午夜激片Av毛片不卡| 午夜毛片亚洲精品片国产久久久| 伊人精品国产| 日韩不卡码| 亚洲不卡不卡中文字幕不卡| 69超碰综合| 欧美亚洲| 又大又长又粗又爽又黄| 黄片qw| 91网站18| 精品国产乱码久久久久久日本公司| 67194无码不卡| 操人91| 麻豆视频国产一区二区| 97在线视频观看| 91亚洲黄色网| 国产精品高朝久久久久久久| 99精品高潮| 午夜啊啊啊| 婷婷五月天色色| 日本成人电影资源网| 网站A V在线| 精品久久久久综合无码| 欧美日韩97在线| 久久久噜噜噜久久人妻| 精产国品一区二三产品| av中文字幕在线熟女| 国产福利小视频高清在线观看| 少妇一区二区三区高速| 婷婷av在线中文字幕| 男人在线天堂| 久久永久无码人妻视频| 后入人妻无码| 丰满人妻-区二区三区| 大逼色网站| 欧美洲精品一级| 97伦乱| 91痴汉| 亚洲情色 自拍| 超碰97综合在线| 麻豆天美在线| 欧美性爱第1 页| 天天做天天爱| 国产日韩手机视频在线| 翔田千里A片一区二区| 在线αⅴ| 国产亚洲女v在线观看| 欧美五十路熟| 亚洲色欲天天天堂色欲网女| 91高清无码下载| av在线一区二区三区| 99老司机精品视频在线观看| 日本操逼视频导航| 色色色色网站| 先锋精品av色鲁| 欧美性猛交美女自慰91| 欧美 亚洲 大香| 欧美91精彩| 色色青青久久| 91麻豆天美传媒在线| 97在线视频观看| 国内精品久久人妻性色av| 亚洲国产婷婷在线播放| 大香蕉520| 夜夜肏2021| 国语人妻精彩刺激| 亚洲一区二区 麻豆传媒| 亚州高清av| 欧美成人精品欧美一级乱黄一区二…| 神马久久久久久久| 免费在线观看国内色片网站网址| 欧美嫩性色| 久草在| 欧美综合1性辶| a片久久久久久久久久久久 | av天堂精品久久| 天天做日日爱夜夜爽| 偷窥自拍亚洲色图| 老鸭窝日丰县女人| 香蕉欧美| 人妻av在线| 嗯嗯啊啊好疼| 一区二区高清视频| 在线观看日韩av不卡| 97色在线观看| 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 | 丁香婷婷久久| 欧美日韩国产电影| 亚洲国产综合图区中文字幕| 丁香色色网| 久久色一区二区| 不卡在线观看视频| 五月激情啪啪| 色网1| 国产又黄又粗又猛大片| 国内毛片无码一级毛片| 九九九九九九九九九九精品视频| 亚洲?V高清一区二区三区尤物| 黄色小视频日本txt| 老熟女91av| 超碰久超碰久| 日本高清一区二区在线| 国产精品密臀网在线观看| 欧美资源| 丝袜美腿欧美| 亚洲欧美97√| 色香色欲天天综合网天天来吧| 青青草黑寡妇男人天堂| 97视频在线免费观看| 超碰99热| 少妇蹲下买菜露大唇0| 国产强奸91| 九一综合精品视品av| 国产精品在线免费| 亚洲成av人片色午夜乱码| 中文字幕人乱码中文字的预防方法 | 黄片无码在线制服| 人妻少妇三级| 国产综合在线视频网站| 国产精品视频电影| 日韩亚洲欧美中文字幕| 大香蕉伊利av| 中文AV制服乱伦| 亚洲情色五月天| 欧美黑人极品高潮喷吹熟女黑人性暴力日韩在线欧美极品一区二区 | 一区二区高清视频| 丰满人妻一区二区三区| 亚洲a色| 亚洲欧美成人在线| 亚州黄站| 99精品在线| 九九热精品视频六| 久久久久久人妻| 美女性91| 久久久98网站免费视频| 免费试看60秒| 超碰在线974| 起碰97| 欧洲中文字幕| 最新亚洲人成网站在线影院| 亚洲激情天堂网| 嗯啊视频免费在线观看| 动漫av中文| 99久久久er直播网址| 欧美黑人极品高潮喷吹熟女黑人性暴力日韩在线欧美极品一区二区老师 | 天综合网| 三级日本一区二区三区| 亚洲AV无码久久精品蜜桃小说| 家庭乱伦国产| 欧洲自拍第一页| 99热伊人| 天天干人人看综合| 97看操| 国产AV久久野战精品| 久久天堂网| 伊人色综合网| 无码人妻一区二区三区色欲aⅴ| 日han少妇无码| 四虎影视永久在线免费| 亚洲久久天堂| 亚洲狼狼干综合1| 久久久亚洲高清不打码| 日韩精品啪啪啪| 神马久久久久眼| 日韩中文字幕精品一区在线| 蜜桃臀一区二区aV| 激情五月综合网| 秋霞操逼片| 久久九操在线观看| 一区二区 韩日AV| 日韩无码一级黄色av片| 97av,com| 亚洲欧美九九| 免费观看的黄色的网站| 欧美97色| 啊啊啊啊啊啊啊在线| 五月婷婷六月天| 伊人操你| 中文字幕一区二区三区人妻不卡 | 日本操逼视频不卡直接放| 老鸭窝日丰县女人| 欧美最婬乱婬爆婬性视频| 操迟操逼在巾线Fre看| 综合网少妇| 内射黑人| 丁香六月婷婷综合| 伊人精品久久网站| 亚洲欧美黄| 色综合20p| 91狠婷| 午夜黄色免费在线观看| 日韩激情电影中文字幕| 情色大香蕉| 最新av在线| 爽爽淫人网| 欧美亚洲尤物久久| 国产无码久久高清| 色九九久九九| 天综合网欧美| 久久e6只有精品| 免费看久久久性性| 97在线精品观看视频| 91 丝袜在线播放| 熟妇无码视频三区| 97超碰久久色| 嗯……啊…嗯嗯…啊…好舒服| 精品国产肉丝袜在线拍国语| 狼狼色丁香久久婷婷综合五月| 91n欧美| 97精品视频在线播放| 国产又大又粗又长视频在线| 中文字幕在线播放2中文字幕在线观看2| 亚洲第一狼人丝袜美女另类| 激情小说图片亚洲首页| 黄页av| 亚洲蜜臀精品视频久久| 欧美97日韩精品| 亚洲av总站| 亚洲 图片 综合91| 99色视频| 亚洲1区| 亚洲精品aa久久伊人| 久久精品久久九九精品| 婷婷色色五月天福利| 99在线精品视频| 东京热毛片调教| 智利AV在线网| 97热视频在线观看| 国产在线视频二区| 亚洲一区在线观看欧洲 | 性色avv| 婷婷五月天影院| 丰满的三级少妇欧美久久久| 免费a在线播放v| 激情综合二| 亚洲AV噜噜狠狠网址蜜桃动漫| 国产丝袜美女在线一区| 无遮挡又黄又刺激的视频| 中文久久| 襙一襙| 国产中出内射一区二区| 国产精品点击进入在线影院高清| 17c嫩草51久久91嫩草| 日韩一级二级三级在线不卡观看完整| 96久久久久| 香蕉视频精品亚洲一区二区三区在线播| 色路综合| 亚洲欧美天堂| 日产欧美电影一区二区三区| 手机午夜电影神马久久| 成人自拍三级在线观看| 啪啪视频亚洲第一| 久久久久久久亚洲Av无码| 中文字幕一区二区韩| 97人人操人人摸人人爱| 肉丝中文无码高清| 999色欧美中文字幕| #NAME?| 天啪| 四虎国产精品永久入口| 精品成人亚洲午夜电影| 国产激情在线| 好吊妞转入那个网| 欧美天天谢综合网| 青木玲在线不卡| 91天堂丝袜美腿| 欧美偷拍| 一级做a爰片性色毛片久久| 免费的很黄很污的全部视频 | 性色av婷婷久久一区二区点复制| 狠狠操狠狠| 美腿色图| 九一综合网| 欧美中日韩XXXX| 中文字幕蜜乳av| 91丨豆花丨熟女| 亚洲精品a人片在线观看视| 国产成人网址| 亚洲三级网址久久最新| 91小视频| 亚洲综合网电影91| 97精品第3页| 日韩射图| 欧美爱三级日韩久久| 成年人性爱日韩| 亚 欧 美 综合| 欧美一区二区成人一卡| 国产欧美另类久久久精品课程| 亚洲视频中文一区| hd成人一区二区在线| 国产999精品久久久久久| 国产精品 午夜福利| 色天天野狼综合社区| 国产一级内射高清视频 | 黄片www.| 亚洲国产一级中文综合久久天堂在线免费观看| 韩国嫰模上门援交视频| 久久久久国产精品久久久| 强奸乱伦亚洲第一页| 色色亚洲| 最新9久久久9免费视频| 探花视频免费观看国产专区| 粉嫩绯色AV一区二区在线| 人妻久热在线| www.人人摸在线视频| www.久久制服糖| 一区二区影视| 亚洲欧洲精品视频发布| 亚洲人成色9999精品久久 | 国内精品久9| 欧美A片中文字幕| 色婷婷狠狠| 99re在线精品78| 亚洲婷婷综合网| 五月丁香六月激情综合| 欧美成人国产精品| 国模私拍一区二区三区神乳| 亚洲天堂区| 国产精品97超碰| 人妻啪| 国产精品视频电影| 成人国产二区三区在线,男女精品。| 超碰成人公开| 97超碰天天爱天天爱| 资源新线在线天堂| 伊人婷婷五月天| 97爱碰| 日韩乱伦AⅤ| 国产白嫩精品久久| 亚洲天天操| 久久女婷| 精品国产乱码久久久久久免费| 欧美精品99久久久**| av大香蕉网站| 黄片www视频免费| 欧美躁死她一区二区| 色噜噜日韩精品| 中文字幕精品专区搜索结果91| 黄片qw| 日本午夜福利视频| 色综合av综合久久| 人妻久热在线| 97在线观看免费视频| 久久久久久久人妻| 日本在线999| 亚洲色诱惑| 美女91网址| 欧美精品1区2区3区| 97亚洲国产| 亚洲国产婷婷在线播放| 性性欧美| 激情国产乱伦Av| 亚洲天堂美臀在线| 大香蕉一线视频| 果冻传媒A片一二三区 | 91黑丝少妇| 亚洲无线观看久久| 日产国产精品中文久久婷婷| 精品三级在线专区| 91色五月俺来也| 青娱乐福利99| 欧美综合在线91| 成人三一级一片aaa| 欧洲亚洲综合| 岛国精品视频在线观看| 亚洲欧洲日韩中文字幕一区| 婷婷综合久久| 操东北女人| 超碰午夜在线| 天天综合网入口~91| 少妇一区二区三区高速| 欧美熟女丝袜| 蜜乳AV色欲AVAV无码| 久久黄黄黄| 9久综合网| 亚洲中文字幕在线视频一区二区| 亚欧中文字幕在线视频| 乱伦1色页| 久久久久久久久女黄| 大香交伊人网| 92性色国产午夜福利在线661| 亚洲人妖网| 国产精品岛国片在线观看| 亚洲人妻色图| 国产精品肉丝自拍| 色成人Www精品永久观看| 国产视频97| 色精品极品| 一级毛片久久久久久久女人18| 视频在线中文字幕| 亚洲色五月| 国产精品高清2021在线| 丰满人妻一区二区中文| 色情综合网| 国产三级资源在线观看| 天堂精品| 天天摸夜夜摸| 日韩一级片在线看| 大JI巴好深好爽又大又粗视频| 蜜臀AV成人精品蜜臀| 国内自拍 日韩激情 99| 日韩无码极品| 懂色av中文字幕| 热思思免费视频| 天天综合麻豆视频| 91无人区卡一卡二卡三乱码入口最新版:能让用户有更多选择的选择-经典说说-爱 | 另类图片五月| 国产成年免费大片黄在线观看| 大粗鳼巴久久久久| 丝袜无码a片| 婷婷伊人| 99精品欧美一区二区三区桃色| 91久久婷婷| 大肉棒导航| 亚洲人妻一区二区三区| 噜噜噜在线视频| 久久久久久久97| 亚洲日本天堂| 欧美最婬乱婬爆婬性视频 | 99欧美| 台湾成人无码AV| 神马午夜久久| 欧洲一区二区三区四区在线观看| 91在线美女| 精品亚洲国产成人AV制服丝袜| 91啦人妻| 蜜臀av一区二区三区免费观看| 国产最新小视频在线播放下载 | 色五天伊人| 亚洲天堂一区| 精品人妻一区二区三区四区| 色偷综合| 久久久久久九九九九-美女久久久久久久-成人AV | 欧美色色色| 凹凸久久人人| 久久国产AⅤ| 96一区二区| 91熟女视频网| 素颜老阿姨乱情色| 日本三级日本三级三级人妇四虎| 亚洲色婷婷| 亚洲强奸乱伦影视网| 国产综合在线视频网站| 蜜臀99久久精品久久久懂爱| 国产人妻久久精品一区二区三区| 亚洲drav色图| 91草草草| 日韩在线97| 青青草吊丝| 99久久com免费视频′| 亚洲精品亚洲人成人网| 无色无码| 国精精品无码一二三区水多多| 欧亚性爱在线视频| 中文字幕精品免费一区二区| 97久久精品| 亚洲风情在线观看| 亚洲 欧美综合| 黑白配性爱AV成| 超碰碰小说97| 国产久久久久影院老熟女| 日本一天色道久久久精品视频| 欧美一区二区情色| 偷拍欧美激情| 日韩丝袜人妻AV| 亚洲天堂性爱| 91色碰| 麻豆AV一区二区| 久极品在线观看| 啊啊啊好湿国产一二| 极品白嫩福利在线| 久久9久9久99久9久9| 少妇免费视频| 亚洲男人天堂网久久| 麻豆区99999| 日韩熟女精品无码专区一区二区| 啊啊啊啊啊在线观看网址| 亚洲精品久| 久草视频制服诱惑| 91骚妇| 日韩电影天堂视频一区二区| 91老熟女老女人国产老太| 中文字幕人乱码中文字的预防方法 | 蜜臀99精品国产高清在线观看| 91美女精品| 亚洲丝袜综合| 视频国产成人精品日本亚洲18| 日韩性爱小视频| 国产日韩手机视频在线| 欧美日韩国产三级黄色| 激情视屏国产乱伦强奸| 91站街按摩店老熟女熟女| 九九色综合| 久久精品视-一级做a爰片性色毛片16美国-中国女与老外在线精品 | 夜夜嗨一区二区| 精品久久久中文字幕不| 自拍视频大全亚洲专媒视频/一区二区三区 | 日本一区二区不卡精品| 色综合色欲色综合色综合色综合| 精品人妻伦一二三区久久| 91蜜臀熟女| 综合激情97| 欧美色日| 日本大香蕉综合网红本杳社区| 校园春色 欧美| 国产不良强奸视频免费看| 国产亚洲美日韩Aⅴ中文字幕无码成人| 在线视频免费播放一区| 日本人妻A片成人免费看片| 蜜臀久久99精品久久久久久久久| 亚洲淫乱骚妇AV| 超碰久久综合| 中文字幕在线免费观看| 欧美成人A√在线一区二区| 日韩国产乱子伦App| 亚洲欧美精品福利在线| 国产人妻精品久久久一区二区三区 | 啊啊啊啊,啊啊好多水| 999精品乱码| 国产精品 久久久精品一牛| 欧美网站免费| 国产夫妻一区二区| 久久精品91| 亚洲天堂久久久久久粉红视频| 久久这里是精品| 九九色逼| 日本999精品| 中文字幕丝袜| 无码国产Av| 五月天婷婷欧美三区| 国产乱人妻精品入口| 日逼97| 国产一区二区a毛片| 99免费在线视频| 中文幕97| av中亚| 日韩精品亚洲专区在线影视| 九九九网页| 在线 欧美 亚洲| 91大神精品长腿在线观看网站| 免费看久久久性性| 亚洲第一页欧美| 91色夜| 激情网色| 天美一二三在线观看Av| 日日躁夜夜躁狠狠躁超爽| 日韩中文字幕精品一区在线| 欧美少妇熟女| 久久熟女嫩草成人片免费 | 怡红院成人视频| 亚州操逼图| 中美日韩毛片| 91岛国动作片| 成人免费在线网站| 色欲人妻一区二区在线| 99国产精品| 精品国产精品一区二区| 无码久| 人人操人人干xxx| AV 少妇 人妻 偷拍| 欧美最大综合网| AV天堂国产| 亚洲 日本 一 二 三| 黄站在线免费观看| 日本东京热加勒比久久| 嗯嗯啊啊啊好舒服| 91色花堂| 五月天成人综合| 中文字幕免费看| 懂色av色欲av蜜臀av| 刺激性视频黄页| 黄页av| 色五月首页| 亚洲日韩狠狠撸视频| 特级毛片特黄久久免费看| 人妻大相焦在线| 香港澳门日本三级网站| 奸色色 男人天堂 天天射| 啊啊啊啊好疼| 精品久久99| 999热日韩精品| 国产a级午夜毛片| 999熟女精品| 91人妻中文| 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 | 国产动漫操逼视频| 白嫩妹子国产骚| 日韩精品永久在线观看| 欧美最大综合网| 狠狠色狠狠色狠狠五月| av线电影| 日韩精品黄片免费观看| 青草园大香蕉| aaaa少妇高潮大片| 精品9999| 欧美综合区| 噜噜噜噜天天狠狠| 激情综合亚洲| 欧美综合天堂| 精品久久視頻在线| 好吊色综合| 亚码激情| 人人么人人操| 青青草原综合久久大伊人精品| 国产黄色视频久久| 精品一久久久| 东北丰满熟女国产一区| 人人摸人人舔一区二区| 亚洲av强奸乱伦| 亚洲色人阁| 欧美男女午夜啪啪| 亚洲电影中字一区二区| 97自拍一区| 粉嫩粉嫩一区性色AV片| 综合网亚洲1| 五月丁香狠狠爱| 后入国产| h无码动漫在线观看| 国产精品色哟哟| 国产精品97视频| 麻豆国产尤物AV| 99久久精品国产系列| 精产国品一区二三产品| 伊人久久综合精品欧美| 亚洲脚交| 亚洲人精| 无码国产Av| 久久精品无码熟妇一区二区三区视频导航| 日韩性爱高清免费视频| 好吊色综合| 天天综合欧美综合| 日逼国产| 亚洲色人阁| 亚洲日韩青青草色月| 乱伦AVxx| 亚洲欧美另类小说| 美国久久一二三四| 竹菊影视国产一区二区| 亚洲欧美色图片| 亚洲视频小说| 国模精品娜娜一二三区| 国产精品九九九| 经典丝袜一区| 男人的天堂亚洲| 尤物网址| 蜜臀99久| 98精品国产乱码久久久久久| 欧洲熟妇xxXx欧美老妇裸体| 久久久九九九| 久草线上视频免费看| 国产欧美日韩女同性恋ww喷水精品 | 91久久久久久久| 国产狂喷潮在线精品| 婷婷九月丁香| 色爱欲亚洲| 国产99 中文字幕日韩小视频| 午夜国产成人精品视频| 97亚洲国产| AV一二区| 在线播放成人网站| www.91人妻.com| 91热| 9精品久久| 插入综合网| 欧美日韩香蕉| 桃花色综合影院| JuliaAnnXXX888| 无码久| 超AV色女| 乱老女人一区二区视频| 男人的天堂午夜av| 亚洲在线欧美| 91色人| 超碰夫妻97| 天堂av2019| www狠狠| 国产精品视频一区二区三区八戒| 蜜臀久久99精品久久久久久-DVD原版全| 国模91| 久久亚洲人妻| 九九天堂| 国产这里只有精品| 亚洲欧综合另类无码一区| 熟女激情综合网| 亚洲男人天堂AV| 激情婷婷丁香网| 国产精品在线网站| 亚洲一区二区三区麻豆传媒| 久久99操天天日| 亚洲av乱伦色图网站| 人妻少妇被猛烈进入中| 欧美人与动性人交a| 久久春色| 国产白丝AV| 骚鸭AV| 91国产伊人大香蕉| 91超碰碰在线| 久久亚洲不卡一区二区三区| 天天摸天天插天天日| AV大香蕉| 色色婷婷五月天| 91 亚洲 欧美 日韩 国产 综合| 天天草夜夜草高潮片| 三男一女不戴套的A片| 中文字幕乱亚洲美女精品一区| 99在线观看视频在线高清| 欧美色图在线视频少妇| 九九九九九九九九九九九九九九九女| 91夜色chaopeng| 色女网日韩| 97二区四区| 久久啊哟| 1024亚洲中文字幕久在线看片你懂的| 亚洲中文字幕噜噜噜久久久| 日本99视频| 天天爽人人综合免费7799| 国产女人成人精品视频| 特级丰满少妇一级AAAA爱毛片 | 性爱av在线免费观看| 丝袜熟女一区二区三区| 操逼片中文| 粉嫩av在线一区二区| 久久一级无码精品毛片6| 蜜乳性色无码专日粉嫩骚逼AV| 粉嫩粉嫩一区性色AV片| 日本三级网页| 最新日产中文在线麻豆| 亚洲蜜桃V妇女| 亚洲最大无码中文字幕网站| 国产精品自产拍在线观看社区| 日韩中文字幕在线视频观看| 日韩另类| av天堂影视中文在字幕在线中文| 日韩精品一二三四| 日韩人妻操B| 国产精品制服丝袜中文字幕日韩一区二区三区| 999久久久久久久精| 校园春色欧美色图| 1二区9| 大香蕉92| 中文字幕福利视频一区二区三区在线观看| 大香蕉中文网| 日本506070| 中文字幕黄片在线| 成人乱人伦一区二区| 青娱乐久久艹| 色婷婷狠狠| 厕所偷拍在线| 国产成人主播| 91九色丰满高潮| 天堂性色| 日本黄色精品专区网站| 日韩精品一区二区日韩| 999国产精品999| 欧美夜夜狠| 中文字幕免费观看| 屁股久久久久久久久| 亚洲区 欧美区| 国产色产精品在线观看| 午夜视频好爽啊| 久久香蕉国产线看观看猫咪av| 看日韩美女二区三区免费操逼视频| 亚洲精品一二三四区| 日本男人插女人的逼黄色| 夜夜嗨一区二区三区三州加勒比| 黄页| 乱伦a片视频| 久久五月视频| 亚洲少妇诱惑| 男人的天堂无码| 好爽视频在线观看视频| 素人一区二区三区日韩| 国产97色在线| 日本精品88888888| 粉嫩久久久极品| 久久伊人最新网址视频| 日本操嫩b网| 日韩欧美女优电影| 国产久久一区二区| 久久内射| 18禁美女裸体无遮挡啪啪| 丁香五月av| 嗯嗯啊好大| 99re98| 国产h片在线观看视频| 超碰97起碰| 久热大香蕉网站| 日韩亚洲欧美中文字幕| 一本一道vs波多野结衣| 日韩pv中文| 91老熟女91老女人| 性爱1区| 人人透人人操| 亚洲熟妇熟在线电影视频| 午夜福利 成人 91| 日韩欧美午夜一区二区| 婷婷九月| 色网1| 久久狠狠色噜噜狠狠狠狠97| 欧美顶级黄色大片免费| 亚洲国产欧美日韩精品一区二区三区,国产一区二区三区在线看片,欧美性猛交 XXX | 免费AV中文网在线观看| 无码乱人伦中文视频| 日日日啊啊啊| 中国熟妇| 思思热影视| 91亚洲欧美色图| 九久精品| 日韩乱插| 啊啊啊啊啊,啊啊啊啊好舒服,操我舒服啊啊啊 | 欧亚性爱视频免费看| 青春草A| 91欧美亚洲| 91日本在线观看| av久日| 久久欲| 999久久久久久久精| 国产久久天堂资源| 伊人黄色视频免费观看| 伊人久久大香线综合无码| 超碰在线一区| 五月丁香综合网| 91狠狠狠| 亚洲色 国产 欧美 日韩| A级片日韩欧美国产欧美视频精选观看 | 超碰99热中文字幕| 欧美在线91| 思思99热| 国产午夜精品一区二区三区牛牛| 午夜福利免费福利视频| 国产精品视频| 免费看片黄| 麻豆久久久久久久久丝袜 | 75大香蕉| 日本韩国国产精品一区| 91久精品| 福利偷拍视频-中文字幕2019国语完整视频大全-S91AV | 麻豆尤物视频网| 国产精品熟女乱伦|