• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    一種基于GAN和自適應(yīng)遷移學(xué)習(xí)的樣本生成方法

    2020-03-05 03:12:22周立君茹志兵
    應(yīng)用光學(xué) 2020年1期
    關(guān)鍵詞:特征模型

    周立君,劉 宇,白 璐,茹志兵,于 帥

    (1.西安應(yīng)用光學(xué)研究所,陜西 西安 710065;2.西安北方光電科技防務(wù)有限公司,陜西 西安 710043)

    引言

    目標(biāo)檢測(cè)和識(shí)別技術(shù)在軍事領(lǐng)域有著重要的應(yīng)用,近年來(lái)發(fā)展了很多基于深度學(xué)習(xí)的目標(biāo)分類(lèi)算法[1]。這些算法所依賴的模型參數(shù)需要通過(guò)大量的樣本進(jìn)行訓(xùn)練才能得到。然而軍事目標(biāo)能夠采集到的樣本數(shù)目有限,且大樣本數(shù)據(jù)手工標(biāo)注耗時(shí)且成本高等[2-3]。本文研究了基于生成式對(duì)抗網(wǎng)絡(luò)GAN(generative countermeasure network)和跨域自適應(yīng)遷移學(xué)習(xí)的樣本生成和自動(dòng)標(biāo)注方法[4-5]。該方法利用自適應(yīng)遷移學(xué)習(xí)網(wǎng)絡(luò),基于已有的少量可見(jiàn)光圖像樣本集,挖掘目標(biāo)在紅外和可見(jiàn)光圖像中特征內(nèi)在相關(guān)性,構(gòu)建自適應(yīng)的轉(zhuǎn)換遷移學(xué)習(xí)網(wǎng)絡(luò)模型,生成標(biāo)注好的目標(biāo)圖像,解決實(shí)際應(yīng)用中紅外圖像樣本數(shù)量少且標(biāo)注費(fèi)時(shí)的問(wèn)題,為后續(xù)多頻段協(xié)同目標(biāo)檢測(cè)和識(shí)別獲得足夠的樣本數(shù)據(jù)。

    1 樣本生成和自動(dòng)標(biāo)注原理

    這里以生成和自動(dòng)標(biāo)注紅外樣本數(shù)據(jù)為例。在圖1 中,虛線部分為GAN,首先將已有的紅外樣本數(shù)據(jù)輸入GAN,生成式對(duì)抗網(wǎng)絡(luò)通過(guò)學(xué)習(xí)該紅外圖像樣本的區(qū)域目標(biāo)特征,然后生成與輸入樣本數(shù)據(jù)分布一致的無(wú)標(biāo)注紅外圖像樣本數(shù)據(jù)。在這個(gè)過(guò)程中,生成模型捕捉樣本數(shù)據(jù)的分布,用服從某一分布(均勻分布,高斯分布等)的噪聲生成一個(gè)類(lèi)似真實(shí)訓(xùn)練數(shù)據(jù)的樣本。判別模型是一個(gè)分類(lèi)器,估計(jì)一個(gè)樣本來(lái)自于訓(xùn)練數(shù)據(jù)的概率,如果樣本來(lái)自于真實(shí)的訓(xùn)練數(shù)據(jù),則輸出大概率,否則,輸出小概率。生成網(wǎng)絡(luò)不斷生成類(lèi)似于樣本的“紅外圖像”,而判別網(wǎng)絡(luò)通過(guò)判別去除不符合要求的樣本數(shù)據(jù),最后獲取相關(guān)性強(qiáng)的樣本數(shù)據(jù)集。獲得的大量無(wú)標(biāo)注紅外圖像樣本數(shù)據(jù),可解決軍工背景下訓(xùn)練深度網(wǎng)絡(luò)所需大樣本數(shù)據(jù)缺失的問(wèn)題。

    圖1 多頻段數(shù)據(jù)自適應(yīng)轉(zhuǎn)移學(xué)習(xí)方法的原理Fig.1 Principal diagram of multi-band data adaptive transfer learning method

    圖1 下半部分是跨域自適應(yīng)遷移學(xué)習(xí)技術(shù)路線,對(duì)現(xiàn)有的可見(jiàn)光相關(guān)數(shù)據(jù)集即源域進(jìn)行學(xué)習(xí),完成源域的標(biāo)注問(wèn)題即源任務(wù),獲得在可見(jiàn)光領(lǐng)域下對(duì)目標(biāo)的識(shí)別和標(biāo)注的方法。通過(guò)跨域自適應(yīng)遷移學(xué)習(xí)來(lái)構(gòu)建學(xué)習(xí)系統(tǒng),并應(yīng)用于紅外圖像的目標(biāo)檢測(cè)與標(biāo)注。對(duì)通過(guò)GAN 獲得的紅外圖像樣本數(shù)據(jù)進(jìn)行跨域自適應(yīng)無(wú)監(jiān)督遷移學(xué)習(xí),實(shí)現(xiàn)對(duì)其自動(dòng)標(biāo)注,從而獲得大量標(biāo)注好的紅外圖像樣本數(shù)據(jù)。

    2 基于GAN 樣本數(shù)據(jù)生成方法

    GAN 是Goodfellow 等人于2014 年提出的一種生成式模型,GAN 在結(jié)構(gòu)上受博弈論中二人靈活博弈的啟發(fā),系統(tǒng)由一個(gè)生成器和一個(gè)判別器構(gòu)成,生成器和判別器互為競(jìng)爭(zhēng)關(guān)系。判別模型的任務(wù)是判斷給定的數(shù)據(jù)看起來(lái)是自然的還是人為偽造的,生成模型的任務(wù)是生成看起來(lái)自然真實(shí)并且和原始數(shù)據(jù)相似的數(shù)據(jù)。生成器試圖欺騙判別器,判別器則努力不被生成器欺騙。經(jīng)過(guò)交替優(yōu)化訓(xùn)練,兩種模型都能得到提升,直到到達(dá)一個(gè)“假冒產(chǎn)品和真實(shí)產(chǎn)品無(wú)法區(qū)分”的點(diǎn)。生成器和判別器的目標(biāo)是生成與訓(xùn)練集中一些非常相似的數(shù)據(jù)點(diǎn)。GAN 的優(yōu)化過(guò)程是一個(gè)極小極大博弈問(wèn)題,優(yōu)化目標(biāo)是達(dá)到納什均衡,使得生成器估測(cè)到數(shù)據(jù)樣本的分布。在當(dāng)前的人工智能熱潮下,GAN 的提出滿足了許多領(lǐng)域的研究和應(yīng)用需求,同時(shí)為這些領(lǐng)域注入了新的發(fā)展動(dòng)力。GAN 已經(jīng)成為人工智能學(xué)界一個(gè)熱門(mén)的研究方向,著名學(xué)者LeCun 甚至將其稱為“過(guò)去10 年間機(jī)器學(xué)習(xí)領(lǐng)域最讓人激動(dòng)的點(diǎn)子”。目前,人們利用GAN 可以完成不同種類(lèi)的生成任務(wù),它能夠生成現(xiàn)實(shí)中的圖片、三維模型、視頻和其他更有價(jià)值的樣本數(shù)據(jù)[6-11]。

    針對(duì)生成式對(duì)抗網(wǎng)絡(luò)基于區(qū)域的特征學(xué)習(xí),提出區(qū)域生成式對(duì)抗網(wǎng)絡(luò)框架:包含2 個(gè)分類(lèi)器模型,其中一個(gè)用于對(duì)單個(gè)圖像進(jìn)行基于深度判別特征提取,另外一個(gè)分類(lèi)器也稱作對(duì)抗網(wǎng)絡(luò),用于區(qū)分標(biāo)簽圖和預(yù)測(cè)出來(lái)的概率圖,引入對(duì)抗網(wǎng)絡(luò)的目的是使得到的概率預(yù)測(cè)圖更符合真實(shí)的標(biāo)簽圖。將需要訓(xùn)練的影像記為{xn,yn,n=1,···,N}表示預(yù)測(cè)出來(lái)的概率圖,a(x,y)表示對(duì)抗網(wǎng)絡(luò)預(yù)測(cè)y是x的真實(shí)標(biāo)簽圖的概率。那么損失函數(shù)可以定義如下:

    式中:Lmce(y1,y)表示預(yù)測(cè)的概率圖y1和真實(shí)標(biāo)簽圖y之間的多類(lèi)交叉熵?fù)p失;Lbce(z1,z) = - [zlnz1+(1-z)ln(1-z1)],表示兩類(lèi)交叉熵?fù)p失。

    與傳統(tǒng)生成式對(duì)抗網(wǎng)絡(luò)的訓(xùn)練方法類(lèi)似,這里的模型訓(xùn)練也是通過(guò)迭代訓(xùn)練生成模型和判別模型來(lái)完成的。訓(xùn)練對(duì)抗模型的過(guò)程等價(jià)于優(yōu)化如下表達(dá)式,其物理意義是使得對(duì)抗模型對(duì)概率圖和真實(shí)標(biāo)簽圖的區(qū)分能力更強(qiáng),即:

    基于生成式對(duì)抗網(wǎng)絡(luò)目標(biāo)特征學(xué)習(xí)流程如圖2所示。在良好訓(xùn)練的區(qū)域生成對(duì)抗網(wǎng)絡(luò)基礎(chǔ)上,根據(jù)輸入場(chǎng)景得到的區(qū)域類(lèi)標(biāo)圖進(jìn)行分析,即可得到場(chǎng)景中包含的目標(biāo)及其位置信息。

    圖2 基于GAN 的樣本生成流程Fig.2 Sample generation process based on GAN

    3 跨域自適應(yīng)遷移學(xué)習(xí)的樣本無(wú)監(jiān)督標(biāo)注

    目前主要通過(guò)人工標(biāo)注大量樣本數(shù)據(jù)構(gòu)建訓(xùn)練樣本,根據(jù)這些樣本建立相關(guān)模型來(lái)實(shí)現(xiàn)目標(biāo)的檢測(cè)和識(shí)別。然而,人工標(biāo)注樣本數(shù)據(jù)是一項(xiàng)費(fèi)時(shí)費(fèi)力的工作,而且傳統(tǒng)的訓(xùn)練學(xué)習(xí)方法通常假設(shè)訓(xùn)練樣本與測(cè)試樣本來(lái)源于同樣的數(shù)據(jù)域。另外,傳統(tǒng)的訓(xùn)練學(xué)習(xí)方法只在擁有大量已標(biāo)注訓(xùn)練數(shù)據(jù)的前提下,對(duì)測(cè)試數(shù)據(jù)進(jìn)行比較,魯棒性分類(lèi)或標(biāo)注。在僅有少量標(biāo)注數(shù)據(jù)的情況下,傳統(tǒng)的學(xué)習(xí)方法很難訓(xùn)練出具有較強(qiáng)魯棒性、較好泛化能力的分類(lèi)器。所幸的是,遷移學(xué)習(xí)可以解決只有少量甚至沒(méi)有標(biāo)注數(shù)據(jù)的分類(lèi)器學(xué)習(xí)問(wèn)題。它通過(guò)利用其他不同相關(guān)數(shù)據(jù)域中已有的知識(shí)和數(shù)據(jù)來(lái)學(xué)習(xí)適用于感興趣數(shù)據(jù)域的分類(lèi)器[12-13]。

    這里給出具體從現(xiàn)有相關(guān)數(shù)據(jù)集圖像中獲取知識(shí)用以自動(dòng)標(biāo)注樣本數(shù)據(jù)的遷移學(xué)習(xí)方法。首先,通過(guò)構(gòu)建一個(gè)新的判別式結(jié)構(gòu)化模型(跨領(lǐng)域結(jié)構(gòu)化模型),聯(lián)合獲取源圖像域特征與目標(biāo)圖像域特征之間的相關(guān)性,以及不同圖像屬性之間的關(guān)系。同時(shí),在此模型中,通過(guò)使用典型相關(guān)性分析構(gòu)建共同特征空間,使得源域與目標(biāo)域中的數(shù)據(jù)在統(tǒng)一的框架中聯(lián)合學(xué)習(xí)。為了避免單一特征獲得知識(shí)過(guò)于片面,在基于單一特征匹配的跨域知識(shí)遷移中引入了基于多特征聯(lián)合的匹配方法,提出分組權(quán)重聯(lián)合學(xué)習(xí)算法,有效地將不同但相關(guān)的圖像組分類(lèi)器遷移到樣本數(shù)據(jù)。使用一種共同特征子空間來(lái)解決知識(shí)遷移過(guò)程中源域與目標(biāo)域特征異構(gòu)的問(wèn)題,實(shí)現(xiàn)樣本數(shù)據(jù)自動(dòng)標(biāo)注,從而減少人工標(biāo)注的代價(jià)[14]。

    圖3 跨域自適應(yīng)遷移學(xué)習(xí)的樣本無(wú)監(jiān)督標(biāo)注流程Fig.3 Sample unsupervised labeling process for crossdomain adaptive transfer learning

    首先,建立一個(gè)共同的特征子空間,使不同特征空間中的數(shù)據(jù)能夠使用同一個(gè)分類(lèi)器進(jìn)行預(yù)測(cè)。這樣,得到的目標(biāo)域的分類(lèi)器具有更好的泛化性。源域Ds=(xs,P(Xs))包含了已標(biāo)注相關(guān)數(shù)據(jù)集,目標(biāo)域Dt=(xt,P(xt))為需要標(biāo)注的樣本數(shù)據(jù)。這里P(Xs)和P(Xt)分別表示源域數(shù)據(jù)的特征空間Xs和目標(biāo)域數(shù)據(jù)特征空間Xt的分布。

    定義源域第g組樣本圖像的預(yù)分類(lèi)器為

    式中:ω=[ω1;ω2]為預(yù)分類(lèi)器模板;xs,g是第g組圖像中的第s個(gè)圖像樣本。ψ(xs,g)和v(xs,g)分別是共同特征和圖像特征。目標(biāo)域中的圖像特征分布與源域的圖像特征分布在某種程度上是不一樣的,為消除這種不匹配,需要優(yōu)化預(yù)分類(lèi)器的模板ω1和ω2。源域的數(shù)據(jù)只在初始化組預(yù)分類(lèi)器時(shí)使用,在完成初始化后,源域中的樣本就逐漸被目標(biāo)域的樣本替代,從而得到最終的分類(lèi)平面。

    在得到了預(yù)分類(lèi)器后,接下來(lái)的工作就是如何將這些分類(lèi)器整合起來(lái)得到目標(biāo)分類(lèi)器。這里使用一種新的聯(lián)合組權(quán)重學(xué)習(xí)方法,將不同的組根據(jù)他們與目標(biāo)域的相關(guān)性加權(quán)整合起來(lái),每個(gè)組的權(quán)重代表了這個(gè)組對(duì)分類(lèi)目標(biāo)視頻的貢獻(xiàn)。

    在聯(lián)合組權(quán)重學(xué)習(xí)中,將樣本的目標(biāo)分類(lèi)器定義為

    式中αg>0 是第g組的權(quán)重,將g歸一化,

    基于對(duì)不同組的平滑假設(shè),既需要最小化目標(biāo)函數(shù)在標(biāo)注源域數(shù)據(jù)上的誤差,也需要最小化不同組分類(lèi)器在目標(biāo)域數(shù)據(jù)上的差距。學(xué)習(xí)計(jì)算框架可以表示為

    式中λL,λG,λT>0 為平衡參數(shù)。(5)式中,為控制目標(biāo)函數(shù)ft的復(fù)雜度,α=[α1,α2,···,αg]T為所有分組的權(quán)重向量。

    ΩL(ft)是目標(biāo)域分類(lèi)函數(shù)在源域的標(biāo)注數(shù)據(jù)上的損失函數(shù),定義為

    如果僅僅使用源域中的已標(biāo)注數(shù)據(jù)訓(xùn)練目標(biāo)函數(shù)會(huì)導(dǎo)致目標(biāo)函數(shù)在訓(xùn)練數(shù)據(jù)上過(guò)擬合,從而降低了目標(biāo)函數(shù)的泛化性能。在一些傳統(tǒng)的直推式學(xué)習(xí)方法中,目標(biāo)域的未標(biāo)注數(shù)據(jù)也能提供一些約束信息,從而提高分類(lèi)效果。因此,考慮使用一個(gè)分組損失函數(shù)來(lái)保證目標(biāo)函數(shù)在分組上的平滑性,即:

    這個(gè)損失函數(shù)約束同一個(gè)事件在不同的分組中應(yīng)該具有相似的決策值。從域適應(yīng)角度來(lái)看,假定屬于同一事件類(lèi)別的不同預(yù)分類(lèi)器,對(duì)于目標(biāo)域的未標(biāo)注樣本應(yīng)該具有相似的決策制。例如,假設(shè)源域的第i個(gè)分類(lèi)器和第k個(gè)分類(lèi)器屬于同一個(gè)事件,那么應(yīng)該認(rèn)為盡可能的相似。事實(shí)上,可以引入ΩG(ft)來(lái)懲罰那些遠(yuǎn)遠(yuǎn)偏離大部分事件相關(guān)組的樣本組。

    使用目標(biāo)域的未標(biāo)注樣本來(lái)增強(qiáng)所學(xué)得模型的泛化性能,表示為正則項(xiàng):

    整合以上所有各項(xiàng),可以得到如下優(yōu)化問(wèn)題:

    公式(9)中的優(yōu)化問(wèn)題可以通過(guò)二次優(yōu)化算法得到解決。需要注意的是,基于特征的遷移學(xué)習(xí)方法和基于實(shí)例的遷移學(xué)習(xí)方法的不同是,基于特征遷移學(xué)習(xí)需要進(jìn)行特征變換,使得源域和目標(biāo)域數(shù)據(jù)變換到同一特征空間,而基于實(shí)例的遷移學(xué)習(xí)只是從實(shí)際數(shù)據(jù)中進(jìn)行選擇來(lái)得到與目標(biāo)域相似的部分?jǐn)?shù)據(jù),然后直接學(xué)習(xí)。

    4 測(cè)試與分析

    利用以上自動(dòng)標(biāo)注算法對(duì)實(shí)際采集的裝甲目標(biāo)圖像、生成的裝甲目標(biāo)圖像數(shù)據(jù)集各1 000 張進(jìn)行了自動(dòng)標(biāo)注測(cè)試,將結(jié)果與人工確認(rèn)進(jìn)行對(duì)比,對(duì)實(shí)際裝甲目標(biāo)圖像的標(biāo)注準(zhǔn)確率達(dá)到95%以上,對(duì)生成的裝甲目標(biāo)標(biāo)注準(zhǔn)確率達(dá)到83%以上。通過(guò)編寫(xiě)軟件實(shí)現(xiàn)標(biāo)注和訓(xùn)練數(shù)據(jù)處理,利用人工進(jìn)行少量的勘誤工作后,標(biāo)注的數(shù)據(jù)可以用于模型的訓(xùn)練,大大降低了樣本處理的工作負(fù)荷。

    根據(jù)上述算法,在原有的裝甲目標(biāo)樣本數(shù)據(jù)基礎(chǔ)上,通過(guò)GAN 生成的樣本數(shù)據(jù)如圖4 所示。基于GAN 生成樣本,在一定程度上緩解了軍工背景下能夠采集到的樣本數(shù)目有限導(dǎo)致的模型過(guò)擬合,為后續(xù)目標(biāo)檢測(cè)和識(shí)別獲得足夠的樣本數(shù)據(jù)提供了保證。

    圖4 GAN 生成的裝甲目標(biāo)樣本結(jié)果Fig.4 Sample results of armored targets generated by GAN

    在對(duì)抗生成網(wǎng)絡(luò)中,判別器和生成器的目標(biāo)函數(shù)通常都是用來(lái)衡量它們各自的性能。例如,生成器的目標(biāo)函數(shù)用來(lái)衡量生成的圖片能騙過(guò)分類(lèi)器的性能,但是這并不能很好地衡量生成圖片的質(zhì)量和多樣性。通常,我們使用IS(inception score)和FID(fréchet inception distance)這2 個(gè)指標(biāo)來(lái)評(píng)價(jià)不同的GAN 模型,能夠給出模型的定量評(píng)價(jià)。Konstantin Shmelkov 等人認(rèn)為現(xiàn)有指標(biāo)不足以評(píng)估GAN模型,又引入了2 個(gè)基于圖像分類(lèi)的指標(biāo)GAN-train和GAN-test,分別對(duì)應(yīng)GAN 的召回率(多樣性)和精確率(圖像質(zhì)量),研究者還基于這2 個(gè)指標(biāo)評(píng)估了最近的GAN 方法并證明了這些方法性能的顯著差異,證明了這些評(píng)價(jià)標(biāo)準(zhǔn)的有效性[15-16]。

    利用IS、FID、GAN-train 和GAN-test 指標(biāo)分別對(duì)本文所用的網(wǎng)絡(luò)進(jìn)行性能測(cè)試,測(cè)試的數(shù)據(jù)集包括本文的裝甲目標(biāo)數(shù)據(jù)集,以及常用的CIFAR10、CIFAR100、ImageNet 數(shù)據(jù)集。表1 給出了用本文方法產(chǎn)生的目標(biāo)圖像進(jìn)行評(píng)價(jià)的測(cè)試結(jié)果,其中IS 越高越好,F(xiàn)ID 越低越好。GAN-train和GAN-test 是以百分比形式給出的準(zhǔn)確率,越高越好。

    由上表可以看出,數(shù)據(jù)集復(fù)雜程度(從CIFAR10到CIFAR100 再到ImageNet)與GAN 質(zhì)量呈負(fù)相關(guān)關(guān)系。為了便于比較生成圖像數(shù)據(jù)集大小對(duì)GANtrain 準(zhǔn)確率產(chǎn)生的影響,圖5 給出了改變真實(shí)圖像訓(xùn)練數(shù)據(jù)集大小對(duì)結(jié)果產(chǎn)生的影響。圖6 給出了利用純真實(shí)圖像和真實(shí)圖像與生成圖像的混合數(shù)據(jù)集對(duì)訓(xùn)練分類(lèi)器性能的影響,結(jié)果顯示利用真實(shí)圖像和生成圖像的混合數(shù)據(jù)集訓(xùn)練的分類(lèi)器的性能和使用純真實(shí)圖像時(shí)基本一致。

    表1 測(cè)試結(jié)果Table 1 Test results

    圖5 改變生成圖像數(shù)據(jù)集大小對(duì)GAN-train 準(zhǔn)確率產(chǎn)生的影響Fig.5 Effect of changing size of generated image data set on accuracy of GAN-train

    圖6 用真實(shí)圖像和SNGAN 生成的圖像結(jié)合的數(shù)據(jù)集訓(xùn)練分類(lèi)器的結(jié)果Fig.6 Results of classifiers trained with data set of real images and images generated by SNGAN

    5 結(jié)論

    自主裝甲目標(biāo)識(shí)別在軍事上有著重要的應(yīng)用價(jià)值,但是由于樣本數(shù)量較少,大大影響分類(lèi)器的訓(xùn)練效果,過(guò)擬合會(huì)導(dǎo)致分類(lèi)準(zhǔn)確率降底。本文提出了利用GAN 網(wǎng)絡(luò)生成裝甲目標(biāo)的方法,能夠一定程度上緩解樣本數(shù)目有限導(dǎo)致的模型過(guò)擬合。通過(guò)對(duì)生成樣本的測(cè)試和分析可以知道,數(shù)據(jù)集復(fù)雜程度與GAN 生成圖像質(zhì)量呈負(fù)相關(guān)關(guān)系,而裝甲目標(biāo)需要分類(lèi)的數(shù)據(jù)種類(lèi)少,剛好可以實(shí)現(xiàn)高質(zhì)量的圖像生成。進(jìn)一步測(cè)試結(jié)果也表明,利用真實(shí)圖像和生成圖像的混合數(shù)據(jù)集訓(xùn)練的分類(lèi)器的性能和使用純真實(shí)圖像時(shí)基本一致,利用GAN 網(wǎng)絡(luò)生成裝甲目標(biāo)圖像質(zhì)量較高,不會(huì)降低分類(lèi)器的性能,相關(guān)方法和流程可行,可以根據(jù)具體應(yīng)用進(jìn)一步優(yōu)化。

    猜你喜歡
    特征模型
    一半模型
    抓住特征巧觀察
    重要模型『一線三等角』
    新型冠狀病毒及其流行病學(xué)特征認(rèn)識(shí)
    重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
    如何表達(dá)“特征”
    不忠誠(chéng)的四個(gè)特征
    抓住特征巧觀察
    3D打印中的模型分割與打包
    FLUKA幾何模型到CAD幾何模型轉(zhuǎn)換方法初步研究
    嫁个100分男人电影在线观看| 99精品久久久久人妻精品| 两个人视频免费观看高清| 国产主播在线观看一区二区| 久久精品国产亚洲av香蕉五月| 日本 av在线| 欧美黄色片欧美黄色片| 久久久精品欧美日韩精品| 岛国在线免费视频观看| 桃红色精品国产亚洲av| 女人被狂操c到高潮| 亚洲avbb在线观看| 天堂影院成人在线观看| 99久国产av精品| 国产大屁股一区二区在线视频| 国产激情偷乱视频一区二区| 国产精品98久久久久久宅男小说| 成人国产一区最新在线观看| 神马国产精品三级电影在线观看| 身体一侧抽搐| 丁香六月欧美| 国产成人啪精品午夜网站| 亚洲精华国产精华精| 欧美一区二区精品小视频在线| 亚洲第一电影网av| 在线观看免费视频日本深夜| 国产在线精品亚洲第一网站| 真人一进一出gif抽搐免费| or卡值多少钱| 一级a爱片免费观看的视频| 精品人妻偷拍中文字幕| 亚洲欧美日韩高清专用| 天天一区二区日本电影三级| 网址你懂的国产日韩在线| 搞女人的毛片| 激情在线观看视频在线高清| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲专区国产一区二区| 真实男女啪啪啪动态图| 99热这里只有是精品50| xxxwww97欧美| 1024手机看黄色片| 成人性生交大片免费视频hd| 美女黄网站色视频| 天堂√8在线中文| 宅男免费午夜| 热99在线观看视频| 日韩中字成人| 2021天堂中文幕一二区在线观| 久久精品人妻少妇| 国产伦在线观看视频一区| 色吧在线观看| 久久伊人香网站| 极品教师在线免费播放| 亚洲片人在线观看| 久久久久国产精品人妻aⅴ院| 真人做人爱边吃奶动态| 一本久久中文字幕| 女人十人毛片免费观看3o分钟| 久久久久久大精品| 色精品久久人妻99蜜桃| 午夜久久久久精精品| 中文亚洲av片在线观看爽| 亚洲av美国av| 亚洲人与动物交配视频| 色5月婷婷丁香| 国产午夜精品久久久久久一区二区三区 | 成人av一区二区三区在线看| 亚洲无线在线观看| 国产单亲对白刺激| 国语自产精品视频在线第100页| 欧美在线黄色| 欧美黑人巨大hd| 亚洲精品乱码久久久v下载方式| 老熟妇乱子伦视频在线观看| 亚洲av美国av| xxxwww97欧美| 免费无遮挡裸体视频| av欧美777| 一个人观看的视频www高清免费观看| 精品久久久久久成人av| 婷婷精品国产亚洲av| 国产精品av视频在线免费观看| 夜夜爽天天搞| 丰满人妻熟妇乱又伦精品不卡| 又紧又爽又黄一区二区| 少妇的逼好多水| 欧美日韩福利视频一区二区| 色5月婷婷丁香| 美女免费视频网站| 欧美xxxx黑人xx丫x性爽| 精品久久久久久久久久久久久| 欧美日韩综合久久久久久 | 琪琪午夜伦伦电影理论片6080| bbb黄色大片| 18+在线观看网站| 亚洲真实伦在线观看| 国产精品女同一区二区软件 | 国产精品乱码一区二三区的特点| 久久精品国产亚洲av香蕉五月| a在线观看视频网站| 中文字幕久久专区| 午夜福利高清视频| 成人特级av手机在线观看| 国产午夜精品论理片| 亚洲av二区三区四区| 日韩欧美在线乱码| 在线国产一区二区在线| 99国产精品一区二区三区| 国产欧美日韩精品一区二区| 久久久久免费精品人妻一区二区| 色综合婷婷激情| 老司机深夜福利视频在线观看| 级片在线观看| 亚洲欧美日韩高清在线视频| 天堂网av新在线| 亚洲av五月六月丁香网| 亚洲自偷自拍三级| 欧美色欧美亚洲另类二区| 久久久久久久久久成人| 欧美bdsm另类| 一本一本综合久久| 亚洲成av人片在线播放无| 亚洲自拍偷在线| av视频在线观看入口| 亚洲国产精品久久男人天堂| 亚洲第一区二区三区不卡| АⅤ资源中文在线天堂| 桃色一区二区三区在线观看| 麻豆成人av在线观看| 俄罗斯特黄特色一大片| aaaaa片日本免费| 国产探花极品一区二区| 免费av毛片视频| 一级作爱视频免费观看| 欧美乱色亚洲激情| 久久99热这里只有精品18| 日韩欧美精品免费久久 | 在线免费观看的www视频| 欧美成狂野欧美在线观看| 看免费av毛片| av天堂在线播放| 91在线精品国自产拍蜜月| 欧美国产日韩亚洲一区| 在线观看av片永久免费下载| 国产精品精品国产色婷婷| 18禁在线播放成人免费| 一本综合久久免费| 亚洲国产精品合色在线| 亚洲电影在线观看av| 亚洲av二区三区四区| 夜夜看夜夜爽夜夜摸| 一区二区三区高清视频在线| av天堂在线播放| 色综合亚洲欧美另类图片| 欧美精品国产亚洲| 亚洲av日韩精品久久久久久密| 免费看美女性在线毛片视频| 色播亚洲综合网| 18禁裸乳无遮挡免费网站照片| 色综合欧美亚洲国产小说| 精品不卡国产一区二区三区| 成年女人永久免费观看视频| 色尼玛亚洲综合影院| 一区二区三区高清视频在线| 夜夜爽天天搞| 啦啦啦韩国在线观看视频| 久久国产乱子伦精品免费另类| 欧美xxxx黑人xx丫x性爽| 丁香六月欧美| 久久这里只有精品中国| 一级作爱视频免费观看| 国产精品1区2区在线观看.| 波多野结衣高清作品| 在线看三级毛片| 白带黄色成豆腐渣| 亚洲熟妇熟女久久| 欧美日韩亚洲国产一区二区在线观看| 国产高清视频在线播放一区| 成人午夜高清在线视频| 天堂网av新在线| 亚洲成人精品中文字幕电影| 久久九九热精品免费| 国产午夜精品论理片| 亚洲av.av天堂| www.www免费av| 丁香六月欧美| 久久久久久久久大av| 日韩有码中文字幕| 日本成人三级电影网站| 欧美一区二区亚洲| 亚洲欧美日韩高清在线视频| 欧美在线黄色| 一级黄片播放器| 亚洲色图av天堂| 久久精品影院6| 欧美3d第一页| 国产免费一级a男人的天堂| 国产精品女同一区二区软件 | 91狼人影院| 久久99热这里只有精品18| 午夜精品在线福利| 成人一区二区视频在线观看| 亚洲 国产 在线| 91麻豆精品激情在线观看国产| 国产黄色小视频在线观看| 免费观看的影片在线观看| 可以在线观看的亚洲视频| 桃色一区二区三区在线观看| 久久人妻av系列| 欧美日本视频| 亚洲国产精品合色在线| 免费看a级黄色片| 国产午夜精品久久久久久一区二区三区 | 精品免费久久久久久久清纯| 亚洲欧美激情综合另类| 欧美区成人在线视频| 色哟哟·www| 校园春色视频在线观看| 三级国产精品欧美在线观看| 国产精品精品国产色婷婷| 黄色丝袜av网址大全| 三级国产精品欧美在线观看| 亚洲五月天丁香| 国产精品人妻久久久久久| 久久久久久久久大av| 桃色一区二区三区在线观看| 悠悠久久av| 亚洲国产精品成人综合色| 天堂av国产一区二区熟女人妻| 国产高清激情床上av| 国产精品美女特级片免费视频播放器| 三级男女做爰猛烈吃奶摸视频| 嫩草影院精品99| 国产 一区 欧美 日韩| 国产三级在线视频| 免费观看的影片在线观看| 少妇熟女aⅴ在线视频| 国产欧美日韩精品亚洲av| 亚洲av电影不卡..在线观看| 久久久久亚洲av毛片大全| 在线观看午夜福利视频| 少妇熟女aⅴ在线视频| 亚洲国产欧美人成| 国产又黄又爽又无遮挡在线| 久久这里只有精品中国| 国产单亲对白刺激| 成人国产一区最新在线观看| 国产精品嫩草影院av在线观看 | 亚洲成人免费电影在线观看| 两个人视频免费观看高清| 天堂av国产一区二区熟女人妻| 久久久久久久久大av| 久久精品国产99精品国产亚洲性色| 人妻夜夜爽99麻豆av| 99国产精品一区二区蜜桃av| 亚洲,欧美,日韩| 99在线人妻在线中文字幕| 如何舔出高潮| 99视频精品全部免费 在线| 欧美一区二区国产精品久久精品| 久久久久精品国产欧美久久久| 国产老妇女一区| 噜噜噜噜噜久久久久久91| 亚洲天堂国产精品一区在线| 国产精品av视频在线免费观看| 夜夜夜夜夜久久久久| 欧美日韩黄片免| 欧美黑人巨大hd| 91狼人影院| 精品久久国产蜜桃| 精品久久久久久,| 日韩欧美免费精品| 日韩大尺度精品在线看网址| 亚洲av.av天堂| 亚洲欧美精品综合久久99| 日本免费一区二区三区高清不卡| 18禁裸乳无遮挡免费网站照片| 757午夜福利合集在线观看| 国产精品爽爽va在线观看网站| 一本精品99久久精品77| 热99在线观看视频| 中文字幕免费在线视频6| av在线观看视频网站免费| 久久久国产成人免费| 国语自产精品视频在线第100页| 国产精品女同一区二区软件 | 久久久久免费精品人妻一区二区| 一区福利在线观看| 日日干狠狠操夜夜爽| 成熟少妇高潮喷水视频| 中文亚洲av片在线观看爽| 69av精品久久久久久| 99久久99久久久精品蜜桃| 长腿黑丝高跟| 看免费av毛片| 美女高潮喷水抽搐中文字幕| 日本一本二区三区精品| 亚洲综合色惰| 亚洲久久久久久中文字幕| 人人妻人人澡欧美一区二区| 午夜激情福利司机影院| 日本免费一区二区三区高清不卡| 毛片女人毛片| 999久久久精品免费观看国产| 99久久无色码亚洲精品果冻| 黄色配什么色好看| 一个人免费在线观看电影| 成人精品一区二区免费| 亚洲无线在线观看| 人人妻人人看人人澡| 国产高清视频在线观看网站| 成人美女网站在线观看视频| 天堂动漫精品| 看免费av毛片| 99在线人妻在线中文字幕| 十八禁国产超污无遮挡网站| 国产私拍福利视频在线观看| 在线播放国产精品三级| 国产蜜桃级精品一区二区三区| 午夜福利成人在线免费观看| 亚洲欧美日韩无卡精品| 亚洲一区高清亚洲精品| 色在线成人网| 欧美黄色淫秽网站| 久久人人精品亚洲av| 18禁黄网站禁片午夜丰满| 12—13女人毛片做爰片一| 欧美成狂野欧美在线观看| 国产亚洲精品久久久久久毛片| 亚洲五月天丁香| 伦理电影大哥的女人| 狠狠狠狠99中文字幕| 欧美+日韩+精品| 亚洲无线在线观看| 99久久99久久久精品蜜桃| 欧美性猛交黑人性爽| 脱女人内裤的视频| 亚洲18禁久久av| 日本在线视频免费播放| 此物有八面人人有两片| 久久久久国内视频| 九九在线视频观看精品| 男女之事视频高清在线观看| 国产精品电影一区二区三区| 亚洲自偷自拍三级| 啦啦啦韩国在线观看视频| 波多野结衣高清作品| 99热这里只有是精品50| АⅤ资源中文在线天堂| 看片在线看免费视频| АⅤ资源中文在线天堂| 国产激情偷乱视频一区二区| 色哟哟·www| 成人欧美大片| 国产精品日韩av在线免费观看| 丁香六月欧美| 亚洲最大成人av| 天堂av国产一区二区熟女人妻| 精品久久国产蜜桃| 9191精品国产免费久久| 嫩草影院精品99| 99久久99久久久精品蜜桃| 嫩草影院精品99| 国产亚洲精品av在线| 中文字幕熟女人妻在线| 好看av亚洲va欧美ⅴa在| 一个人免费在线观看的高清视频| 亚洲一区二区三区不卡视频| 日本免费a在线| 夜夜躁狠狠躁天天躁| 婷婷色综合大香蕉| 国内精品久久久久久久电影| 日韩欧美精品v在线| 麻豆国产av国片精品| 中文资源天堂在线| 国产欧美日韩精品一区二区| av在线观看视频网站免费| 国产亚洲av嫩草精品影院| 国产黄片美女视频| 欧美一区二区亚洲| 中文字幕av在线有码专区| 国产高清视频在线观看网站| 久久精品国产亚洲av天美| 亚洲精品一区av在线观看| 我要搜黄色片| 免费观看精品视频网站| 一进一出好大好爽视频| 精品日产1卡2卡| 国产真实伦视频高清在线观看 | 一级黄片播放器| 日本黄大片高清| 最近最新免费中文字幕在线| 成人永久免费在线观看视频| 久久精品综合一区二区三区| 国产色婷婷99| 国产精品,欧美在线| 国产单亲对白刺激| 成年女人看的毛片在线观看| 亚洲av熟女| 免费一级毛片在线播放高清视频| 欧美bdsm另类| 日本三级黄在线观看| 久久精品国产亚洲av香蕉五月| 尤物成人国产欧美一区二区三区| 日韩欧美三级三区| 看片在线看免费视频| 中文字幕熟女人妻在线| 欧美日韩瑟瑟在线播放| 色精品久久人妻99蜜桃| 亚洲中文字幕一区二区三区有码在线看| 久久九九热精品免费| 成人av一区二区三区在线看| 99久久精品国产亚洲精品| 91av网一区二区| 蜜桃久久精品国产亚洲av| 国产伦精品一区二区三区视频9| 国产精品永久免费网站| 美女高潮喷水抽搐中文字幕| 小蜜桃在线观看免费完整版高清| 国内毛片毛片毛片毛片毛片| 国产精品国产高清国产av| 中国美女看黄片| 亚洲人成网站在线播放欧美日韩| 国产欧美日韩一区二区精品| 日韩欧美国产一区二区入口| 特大巨黑吊av在线直播| 丰满的人妻完整版| 成人一区二区视频在线观看| 国产精品女同一区二区软件 | 一区福利在线观看| 国产精品一区二区免费欧美| 国产精品爽爽va在线观看网站| 国产免费男女视频| 97热精品久久久久久| 国产一级毛片七仙女欲春2| 99在线视频只有这里精品首页| 精品人妻偷拍中文字幕| 亚洲精品456在线播放app | 久久久久久久久大av| 日韩av在线大香蕉| 又爽又黄无遮挡网站| 久久人人精品亚洲av| 久久久久性生活片| 国产一级毛片七仙女欲春2| 在线观看午夜福利视频| 国产精品98久久久久久宅男小说| 18禁在线播放成人免费| 国产欧美日韩精品一区二区| 九九热线精品视视频播放| 内射极品少妇av片p| 嫩草影院入口| 国产精品一区二区性色av| 两个人的视频大全免费| 国产视频内射| 久久精品国产亚洲av香蕉五月| 久久久久久久亚洲中文字幕 | 天堂网av新在线| 淫秽高清视频在线观看| 婷婷六月久久综合丁香| 日本黄色视频三级网站网址| 一区二区三区激情视频| 熟女人妻精品中文字幕| 国产精品久久久久久亚洲av鲁大| 精品日产1卡2卡| 91麻豆精品激情在线观看国产| 国产探花在线观看一区二区| 深爱激情五月婷婷| 免费无遮挡裸体视频| 毛片女人毛片| 神马国产精品三级电影在线观看| 人妻久久中文字幕网| 国产精品久久久久久精品电影| 又黄又爽又刺激的免费视频.| 国产一区二区激情短视频| 亚洲成av人片在线播放无| 欧美激情在线99| 精品不卡国产一区二区三区| 久久久国产成人免费| 亚洲精品一区av在线观看| 亚洲男人的天堂狠狠| 男女床上黄色一级片免费看| 国产精品不卡视频一区二区 | 国产精品乱码一区二三区的特点| 最后的刺客免费高清国语| 亚洲专区中文字幕在线| 中文字幕免费在线视频6| 国产精品,欧美在线| 在线国产一区二区在线| 亚洲五月天丁香| 精品一区二区三区人妻视频| 国产精品美女特级片免费视频播放器| 村上凉子中文字幕在线| 色av中文字幕| 亚洲18禁久久av| 国产伦一二天堂av在线观看| a在线观看视频网站| 神马国产精品三级电影在线观看| 日本在线视频免费播放| 丰满乱子伦码专区| 激情在线观看视频在线高清| 成人av在线播放网站| 亚洲自拍偷在线| 99热这里只有精品一区| 国产一区二区激情短视频| 亚洲国产精品合色在线| 午夜精品久久久久久毛片777| 丁香欧美五月| 中文字幕久久专区| 国产精品三级大全| 国产乱人伦免费视频| 精品熟女少妇八av免费久了| 在线观看一区二区三区| 国产精品野战在线观看| 一个人观看的视频www高清免费观看| 永久网站在线| 日本黄色片子视频| 国产私拍福利视频在线观看| 亚洲无线观看免费| 男人的好看免费观看在线视频| 国产av在哪里看| 一本精品99久久精品77| 俄罗斯特黄特色一大片| 一区二区三区激情视频| 性欧美人与动物交配| 高清日韩中文字幕在线| 丰满人妻熟妇乱又伦精品不卡| 成人特级av手机在线观看| 国产精品98久久久久久宅男小说| 无人区码免费观看不卡| 一进一出好大好爽视频| 久久久久免费精品人妻一区二区| 美女cb高潮喷水在线观看| 村上凉子中文字幕在线| 国产成人a区在线观看| 亚洲av一区综合| 全区人妻精品视频| 欧美中文日本在线观看视频| 日韩欧美三级三区| 99国产精品一区二区三区| 欧美色视频一区免费| 3wmmmm亚洲av在线观看| 啦啦啦韩国在线观看视频| 69av精品久久久久久| 久久热精品热| 内地一区二区视频在线| 国产亚洲欧美在线一区二区| 在线a可以看的网站| xxxwww97欧美| 国产成年人精品一区二区| 伊人久久精品亚洲午夜| 成人av在线播放网站| 热99在线观看视频| 免费av观看视频| 亚洲欧美清纯卡通| 搡老岳熟女国产| 99热精品在线国产| 天天躁日日操中文字幕| 日本五十路高清| 国产在线精品亚洲第一网站| 国产高清有码在线观看视频| 成人av一区二区三区在线看| 亚洲国产精品久久男人天堂| 国产精品自产拍在线观看55亚洲| 国产视频一区二区在线看| 国产日本99.免费观看| 亚洲av美国av| 亚洲国产精品合色在线| 三级毛片av免费| 我的女老师完整版在线观看| 国产免费男女视频| 精品熟女少妇八av免费久了| 日韩欧美一区二区三区在线观看| 欧美日韩国产亚洲二区| 久久性视频一级片| 色噜噜av男人的天堂激情| 成人精品一区二区免费| 桃红色精品国产亚洲av| 日韩成人在线观看一区二区三区| 亚洲在线观看片| 一区二区三区四区激情视频 | 内地一区二区视频在线| 中文字幕熟女人妻在线| 国产一级毛片七仙女欲春2| 一卡2卡三卡四卡精品乱码亚洲| 精品久久久久久久久av| 在线a可以看的网站| 欧美中文日本在线观看视频| 精品久久久久久久久av| 国产老妇女一区| 蜜桃亚洲精品一区二区三区| 久久久久久国产a免费观看| 国产视频一区二区在线看| 国产精品伦人一区二区| 久久久久久国产a免费观看| 熟女电影av网| 人妻久久中文字幕网| 中文字幕熟女人妻在线| 精品一区二区三区人妻视频| 久久伊人香网站| 一个人免费在线观看电影| 中文字幕av成人在线电影| 最近最新中文字幕大全电影3| av视频在线观看入口| 国产精品久久久久久亚洲av鲁大| 亚洲av成人精品一区久久| 男女视频在线观看网站免费| 国产野战对白在线观看| 成人一区二区视频在线观看| 99riav亚洲国产免费| eeuss影院久久| 国产亚洲精品av在线| 麻豆成人午夜福利视频| 91麻豆精品激情在线观看国产| 国内精品一区二区在线观看|