• <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 ?

    基于卷積神經(jīng)網(wǎng)絡(luò)的半身裙款式特征分類識別

    2021-11-26 23:31:41鄧瑩潔羅戎蕾
    現(xiàn)代紡織技術(shù) 2021年6期

    鄧瑩潔 羅戎蕾

    摘 要:針對服裝特征分類識別不夠全面、較多分類特征導(dǎo)致效果較差的問題,提出一種帶有Inception v2模組的快速區(qū)域卷積神經(jīng)網(wǎng)絡(luò)模型的女裝半身裙多特征分類識別方法。建立一個包含8類款式、11種顏色、5種圖案、4種長度,共計28種類別標簽的女裝半身裙樣本庫;以快速區(qū)域卷積神經(jīng)網(wǎng)絡(luò)(Faster r-cnn)結(jié)構(gòu)為基礎(chǔ),引入一個Inception v2模組,對半身裙的款式及多種特征進行學(xué)習(xí)訓(xùn)練,通過全連接層將來自Faster r-cnn主干網(wǎng)絡(luò)和Inception v2的分類信息進行特征融合并共享損失,以提高算法的準確率;將目標檢測框與分類結(jié)果一起輸出,在對半身裙圖像精準定位的基礎(chǔ)上實現(xiàn)了半身裙款式及常見特征的分類識別。結(jié)果表明:該方法的平均分類準確率為92.8%,可以有效地對女裝半身裙款式、特征進行分類識別,并且可用于實際場景的服裝圖片中。

    關(guān)鍵詞:卷積神經(jīng)網(wǎng)絡(luò);Inception v2模組;快速區(qū)域卷積神經(jīng)網(wǎng)絡(luò);女裝半身裙

    中圖分類號: TS941.26

    文獻標志碼:A

    文章編號:1009-265X(2021)06-0098-08

    收稿日期:2020-08-06 網(wǎng)絡(luò)首發(fā)日期:2021-01-21

    基金項目:浙江理工大學(xué)研究生培養(yǎng)基金項目

    作者簡介:鄧瑩潔(1995-),女,福建邵武人,碩士研究生,主要從事服裝數(shù)字化方面的研究。

    通信作者:羅戎蕾,E-mail:luoronglei@163.com。

    Classification and Recognition of Bust Skirt Style and CommonFeatures Based on Convolutional Neural Network

    DENG yingjie, LUO Ronglei

    (a.School of Fashion Design & Engineering;b.Zhejiang Province Engineering Laboratory ofClothing Digital Technology, Zhejiang Sci-Tech University, Hangzhou 310018, China)

    Abstract: To solve the problem that the classification and recognition of garment features are not all-round enough and many classification features lead to poor effect, a multi-feature classification and recognition method for women〖JX+0.8mm〗〖XZ(322#〗〖HT15.〗'〖XZ)〗s bust skirt based on fast regional convolutional neural network model with Inception v2 module is proposed. A sample library of 28 kinds of women's bust skirts is established, which includes 8 styles, 11 colors, 5 patterns and 4 lengths. Based on the structure of fast regional convolutional neural network (Faster R-CNN), an Inception v2 module is introduced to train the learning of the styles and multiple features of bust skirt. Through the fully connected layer, classification information from the faster R-CNN backbone network and Inception v2 has feature fusion and shares loss, to promote the accuracy of the algorithm. The target detection framework is output together with the classification results, which achieves the classification and recognition of bust skirt style and common features on the basis of accurate positioning of bust skirt images. The results show that the average classification accuracy of this method is 92.8%, which can effectively classify and recognize the styles and features of women's bust skirts, and can be used for garment pictures in real scenarios.

    Key words: convolution neural network; Inception v2 module; faster R-CNN; women's bust skirt

    互聯(lián)網(wǎng)與移動設(shè)備的普及,加速了服裝行業(yè)的發(fā)展,基于內(nèi)容的在線推薦系統(tǒng)已成為滿足消費者對服裝需求的常見方式,服裝圖像高效、準確的分類識別并建立相應(yīng)的視覺標簽對于在線推薦系統(tǒng)起著重要作用,可為消費者提供一種更為方便的方式來檢索他們喜歡的服裝商品。

    傳統(tǒng)的圖像處理方法主要采用人工設(shè)計算法進行特征的提取,例如邊緣檢測、顏色直方圖、局部二值模式分別提取輪廓、顏色、紋理特征,再利用決策樹、支持向量機等進行模式的分類識別[1-3]。向忠等[4]采用canny邊緣檢測、HSV顏色空間對織物印花輪廓及顏色特征進行提取;Manfredi等[5]運用二值蒙版投影對人體著裝圖像進行粗糙形狀描述,進而獲取服裝的3D積分顏色直方圖及HOG特征最后通過決策樹實現(xiàn)服裝的顏色分類。李東等[6]根據(jù)服裝輪廓的幾何特點將服裝輪廓曲線的曲率極值點集作為表達服裝款式的特征向量,結(jié)合支持向量機對服裝款式進行分類。以上傳統(tǒng)算法都取得了不錯的進展,但其具有兩項明顯的缺點:一是傳統(tǒng)的特征提取過程是針對具體的底層或局部特征進行提取,經(jīng)過專門的人為設(shè)定,使得該類方法的泛化能力及模型可遷移性都較弱;二是依賴高質(zhì)量的輸入圖像,由于服裝的高度可變性、屬性特征多樣化、拍攝場景復(fù)雜都會導(dǎo)致分類器的準確率下降。近年來,卷積神經(jīng)網(wǎng)絡(luò)的興起為特征提取和分類識別技術(shù)提供了新的研究方向,基于更深層次卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的服裝圖像檢索系統(tǒng)在精確程度及檢索效率上都有大幅度的提升[7]。卷積神經(jīng)網(wǎng)絡(luò)(CNNs)是一種多層次模型,通過逐層遞增的模式及端到端的結(jié)構(gòu)可以學(xué)習(xí)特定的圖像表示并且廣泛運用于服裝領(lǐng)域:Dong等[8]在微調(diào)的VGG-Net中引入了“空間金字塔”池化策略,解決了不同大小及比例的圖像輸入引起的識別精度降低的問題同時對服裝風(fēng)格進行分類;Li等[9]提出一種基于極限學(xué)習(xí)機(ELM)神經(jīng)網(wǎng)絡(luò)的識別框架,采用ELM對CNN特征、顏色直方圖特征進行深度融合實現(xiàn)服裝款式分類;吳歡等[10]運用卷積神經(jīng)網(wǎng)絡(luò)CaffeNet模型對女褲廓形進行分類。觀察服裝時,首先是整體,其次是細節(jié),故對于服裝進行細致的描述至關(guān)重要,上述方法都只針對服裝(風(fēng)格、廓形、顏色等其中之一)單一屬性進行分類識別,不能較好地描述服裝的特點。因此,以女裝半身裙為研究對象,通過對卷積神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)的修改以及參數(shù)微調(diào)實現(xiàn)目標服裝的精準定位,在此基礎(chǔ)上對半身裙的款式及顏色、圖案、長短多種特征進行分類識別,其結(jié)果可用于基于內(nèi)容的推薦。

    1 樣本準備

    1.1 樣本采集

    由于目前沒有此類的服裝圖像樣本庫,根據(jù)女裝半身裙形態(tài)差異及特點綜合電子商務(wù)平臺對半身裙款式的劃分,本文選取了8種款式的半身裙:直筒裙、包臀裙、A字裙、波浪裙、百褶裙、魚尾裙、不規(guī)則裙以及蛋糕裙。直筒裙是所有半身裙的原型,呈H型也稱為H裙;包臀裙因其緊身貼臀而得名,裙體從腰口沿臀部展開至臀圍線最大然后至下擺逐漸收緊,短稱包臀裙長稱鉛筆裙(這里統(tǒng)稱為包臀裙);A字裙的側(cè)縫從腰口至下擺逐漸擴大,形成A字廓形;波浪裙(喇叭裙、傘裙)將下擺展開到一定范圍,面料自然下垂形成波浪;百褶裙是指裙身由許多細密、垂直的等距褶裥構(gòu)成的裙裝,其褶裥數(shù)量在幾十至上百不等;魚尾裙的裙擺為波浪結(jié)構(gòu),基礎(chǔ)裙型為直筒裙或包臀裙;不規(guī)則裙呈不規(guī)則、不對稱的形狀;蛋糕裙(節(jié)裙、塔裙)由多層次的橫向抽褶裁片拼接而成,使裙體形成像蛋糕一樣的層疊結(jié)構(gòu)。從各大電商平臺收集每種款式半身裙各200張,總計1600張,創(chuàng)建女裝半身裙樣本庫。為了還原真實場景的特征提取與目標識別工作,選取的半身裙圖像均為人體以各種姿態(tài)穿著(包含正、反面及側(cè)面圖片)且背景不一。圖1以截取過的8類半身裙款式正面樣本進行展示。

    1.2 樣本描述及標注

    根據(jù)收集的半身裙款式及對裙類最常見的描述[11],對半身裙的顏色、圖案、長度做進一步的劃分,包括顏色11種、圖案5種、長度4類,其中裙類長度按照裙擺至人體腿部的位置可分為:短裙至大腿中部、中裙至膝蓋附近、中長裙至小腿中部以及長裙至腳踝附近。半身裙的款式及特征見表1。

    針對以上半身裙的款式特征屬性(共計28種),采用Labelimg軟件進行標注,故每張圖片具有款式、顏色、圖案和長度4類標簽。半身裙屬性特征如圖2,圖3,圖4所示。

    2 卷積神經(jīng)網(wǎng)絡(luò)模型構(gòu)建

    通常,典型的卷積神經(jīng)網(wǎng)絡(luò)(CNN)由一個輸入層、一個輸出層和多個隱藏層組成,隱藏層中包括卷積層、池化層及全連接層,這些層次結(jié)構(gòu)通過激活函數(shù),例如Relu、Sigmoid、Tanh等實現(xiàn)輸入圖像的轉(zhuǎn)化,最終通過Softmax回歸完成分類。近年來,服裝領(lǐng)域主要以圖像分類及目標檢測為熱點研究內(nèi)容,其中圖像分類是通過對圖像的整體分析,預(yù)測圖像的類別。而目標檢測主要的目的是從圖片中檢測并定位特定的多個目標[12]。卷積神經(jīng)網(wǎng)絡(luò)針對不同的視覺問題各有側(cè)重點,需要根據(jù)實際問題進行權(quán)衡選擇。

    2.1 Inception v2模組

    Inception v2[13]網(wǎng)絡(luò)是一個旨在降低卷積網(wǎng)絡(luò)復(fù)雜程度的模塊。例如將較大尺寸的5×5卷積替換為較小的3×3卷積即可在保留計算效率的同時獲得較高的精確性。Inception各個模塊主要用于提取圖像特征,隨著每個模塊設(shè)計的卷積分支的數(shù)量、結(jié)構(gòu)和卷積核的大小不同,其特征提取能力隨之改變。Inception A模塊由3條卷積分支組成,分支內(nèi)部選用較小的1×1和3×3的卷積核,用于提取較低級的底層特征;Inception B模塊有2條分支結(jié)構(gòu),為了減少參數(shù),其中一條分支將一個較大的7×7卷積核拆分為兩個不對稱的7×1和1×7卷積核,由于卷積核較大,適用于網(wǎng)絡(luò)中間層;Inception C模塊同樣采用2條分支,與B模塊的區(qū)別是其卷積核為1×3和3×1,可對圖像局部特征進行有效的提取。Inception v2模組結(jié)構(gòu)如圖5所示。

    2.2 快速區(qū)域卷積神經(jīng)網(wǎng)絡(luò)

    快速區(qū)域卷積神經(jīng)網(wǎng)絡(luò)(Faster r-cnn)是基于Fast r-cnn[14]的改進算法,通過替換Fast r-cnn內(nèi)部的目標選擇算法Selective Search[15]為區(qū)域提議網(wǎng)絡(luò)RPN(Region proposal net),使Faster r-cnn網(wǎng)絡(luò)直接生成目標候選區(qū)域的同時加快了模型的識別速度。Faster r-cnn網(wǎng)絡(luò)由4個部分組成:特征提取網(wǎng)絡(luò)、RPN區(qū)域提議網(wǎng)絡(luò)、ROI池化層以及最終分類和回歸網(wǎng)絡(luò)組成。其網(wǎng)絡(luò)結(jié)構(gòu)由圖6所示。

    將圖像輸入至網(wǎng)絡(luò)模型,經(jīng)過卷積與池化交替變換的特征圖像饋入RPN網(wǎng)絡(luò)得到一組矩形目標提案;ROI Pooling層將特征圖像與RPN形成的候選區(qū)域進行相同尺寸裁剪;最后通過兩個同級全連接網(wǎng)絡(luò)框回歸層(reg)與框分類層(cls)輸出檢測結(jié)果。

    2.3 帶有Inception v2模組的快速區(qū)域卷積神經(jīng)網(wǎng)絡(luò)

    基于本文半身裙的識別特征較多(包含款式、顏色、圖案、長度下的28個類別標簽),將具有強大特征提取能力的Inception v2模組引入Faster r-cnn網(wǎng)絡(luò)。改進后的Faster r-cnn網(wǎng)絡(luò)結(jié)構(gòu)如圖7所示。

    半身裙圖像通過Labelimg標注,得到識別區(qū)域的準確二維坐標,將帶有坐標的圖像輸入至帶有Inception v2模組的快速區(qū)域卷積神經(jīng)網(wǎng)絡(luò),此過程如圖8所示。

    在Faster r-cnn主干網(wǎng)絡(luò)中,圖像通過CNN層的卷積、池化交替操作得到特征圖像,經(jīng)過一個滑動窗口形成不同的錨框(Anchor box),這里根據(jù)大部分半身裙圖像的比例及位置信息,將候選區(qū)域的box修改為100,同時修改Anchor的比例為[0.51.04.06.0],采用此方式可以減少訓(xùn)練時長并降低損失不收斂的風(fēng)險,得到Anchor box信息的RPN網(wǎng)絡(luò)將每個樣本映射為一個概率值(表示錨框有物體的概率)和四組坐標值(定義物體位置),即通過RPN網(wǎng)絡(luò)預(yù)測候選區(qū)域。主要流程如圖9所示。

    首先,特征圖像經(jīng)過一個3×3的卷積操作,增強特征圖像的魯棒性;其次采用1×1卷積獲得一個具有維度18的張量進行Reshape(Reshape尺寸為(15,15,18)),在維度18的張量中具有9個比例hw∈{11,12,21}的Anchor,且每個Anchor都會生成一個包含前景和背景的目標框;最后通過一個二分類的Softmax實現(xiàn)前、后背景分離。

    由以上過程生成的Anchor邊界較模糊,故對其進行邊界框回歸,本文選取前景Anchor(由Softmax判別)回歸,一個box由四維向量(x,y,w,h)構(gòu)成,其中x、y、w、h,表示候選框的位置及長寬。

    設(shè)目標box為G=(Gx,Gy,Gw,Gh),源box為S=(Sx,Sy,Sw,Sh),取映射關(guān)系F,使F(S)=G。

    平移box得:

    縮放box得:

    再求S對G的平移和縮放量(vx,vy)、(vw,vh):

    前景box對box的平移和縮放量(v*x,v*y)、(v*w,v*h):

    式中:x為前景box,xs為源box,x為目標box。

    對dx(S)、dy(S)、dw(S)、dh(S)進行線性回歸,則目標函數(shù)F為:

    式中:φ(S)為區(qū)域提議的特征向量;W*為需要學(xué)習(xí)的參數(shù);d*(S)為預(yù)測結(jié)果。

    采用損失函數(shù)Smooth L1計算損失,其表達式為:

    式中:N為類別數(shù)量;v*為真實框與預(yù)測框的平移和縮放量。

    在Inception v2模組中,圖像經(jīng)過Inception各模塊的特征提取和訓(xùn)練已經(jīng)可以理解較高的特征表示,此過程的其損失值為:

    式中:y為真實標簽;p(y)為真實標簽的概率;ε為模型參數(shù);n為某個類別;p(n)為預(yù)測標簽的概率。

    然后將特征提取的結(jié)果輸入至Softmax分類器中,進而將分類信息送出。

    將Inception v2與Faster-r-cnn網(wǎng)絡(luò)的兩部分的損失進行結(jié)合,得到新的損失函數(shù)為:

    在模型訓(xùn)練過程中手動調(diào)整了參數(shù)a和b的值,最終發(fā)現(xiàn)當(dāng)a=0.6,b=0.5時,神經(jīng)網(wǎng)絡(luò)收斂情況較好,L最終收斂在0.05。

    由Faster r-cnn主干網(wǎng)絡(luò)與Inception v2模組的訓(xùn)練結(jié)果經(jīng)過1×1卷機后進行多分類并輸出最終結(jié)果。

    為進一步提高模型對半身裙的分類性能,對模型的參數(shù)進行修改,將網(wǎng)絡(luò)的初始學(xué)習(xí)率設(shè)置為0.0002,當(dāng)?shù)螖?shù)達90000次后,調(diào)整學(xué)習(xí)率為0.00002,防止學(xué)習(xí)率過高無法求出最優(yōu)解導(dǎo)致最終結(jié)果發(fā)散;網(wǎng)絡(luò)的最大迭代次數(shù)設(shè)置為100000。

    3 結(jié)果與分析

    3.1 訓(xùn)練過程及結(jié)果

    采用Python3.6.5作為編程語言,訓(xùn)練環(huán)境搭建在Ubuntu18.04系統(tǒng)下進行(Intel Xeon E3 2603V2*2型號;CPU 128GB DDR3 ECC內(nèi)存;16GB NVIDIA TESLA V100*2型號顯卡)。

    基于半身裙樣本庫,在實驗數(shù)據(jù)集中將隨機選取80%作為訓(xùn)練集,20%作為測試集用于模型性能的評估。訓(xùn)練過程將統(tǒng)一像素后的半身裙圖像輸入模型,圖像同時經(jīng)過Faster r-cnn主干網(wǎng)絡(luò)與帶有Softmax分類器的Inception v2模組進行特征提取與目標框的選擇,然后利用全卷積層進行特征融合與損失值的共享進而降低損失值,以提高模型分類性能,最終將分類結(jié)果與檢測框一起輸出。本文模型的分類準確率如表2所示。

    由表2可知,圖案的準確率為89.9%,較其他類別準確率較低,原因可能為同種圖案存在大小和比例上的差異,可增加訓(xùn)練數(shù)量提高此類的準確率。此外,其余的準確率都在90%以上且平均準確率為92.8%,可見本文提出的帶有Inception v2模組的快速區(qū)域卷積神經(jīng)網(wǎng)絡(luò)能有效的對女裝半身裙的款式類型及顏色、圖案、長度特征進行分類識別。

    3.2 模型驗證

    抽取阿里巴巴Fashion AI數(shù)據(jù)集中的半身裙圖像對模型進行驗證,F(xiàn)ashion AI數(shù)據(jù)集擁有服裝圖像10萬以上,包含女裝上衣、外套、半身裙等品類的詳細標簽信息。根據(jù)建立的半身裙數(shù)據(jù)集中訓(xùn)練集的數(shù)量有1280張,按照11的比例隨機抽取Fashion AI中1280張半身裙圖片作為測試集,輸入至Faster r-cnn Inception v2模型中。分類準確率如表3所示。

    由表3可知,模型對于在Fashion AI中抽取的測試集的平均分類準確率為86.3%,較先前測試的準確率低了6.5%,但平均準確率在仍能達到85%以上且未出現(xiàn)模型過擬合的問題,說明研究提出的模型分類性能及魯棒性都較好。

    3.3 實例分析

    為更直觀的看出改進Faster r-cnn Inception v2模型的分類識別性能,選取4幅包含多個類別標簽的半身裙圖像輸入模型。測試結(jié)果如圖10所示。

    從圖10測試結(jié)果可以看出,第一幅圖像為短裙的概率為95%、為紅色的概率為70%、為不規(guī)則裙及格子圖案的概率都為100%,其在顏色屬性中分類概率較低的原因是格子圖案具有明顯的黑色方框,使半身裙在顏色上同時具有紅色及黑色,影響了模型的判別能力;第二幅圖像為中長裙的概率為89%、其他屬性概率都為100%,模型能夠較好的對其各個分類特征進行判別。以此類推模型對圖10中的(c)和(d)圖也能進行良好的判別。

    4 結(jié) 論

    根據(jù)半身裙形態(tài)差異結(jié)合電子商務(wù)平臺對半身裙款式的劃分,將女裝半身裙分為8個類別:直筒裙、包臀裙、A字裙、波浪裙、百褶裙、魚尾裙、不規(guī)則裙以及蛋糕裙,在此基礎(chǔ)上對其主要的顏色、圖案、長度特征進行分類,建立帶有28種類別標簽的女裝半身裙樣本庫;提出一種帶有Inception v2模組的快速區(qū)域卷積神經(jīng)網(wǎng)絡(luò),通過修改其box數(shù)量及Anchor比例,對輸入的半身裙圖像進行精準定位,最后通過微調(diào)模型參數(shù),實現(xiàn)了女裝半身裙款式及常見特征的分類識別;該方法可應(yīng)用于實際場景的網(wǎng)絡(luò)圖片,模型通過RPN網(wǎng)絡(luò)可對圖像進行精確定位以及錨框的選擇,無須對圖像的背景進行處理,節(jié)省分類時間。本研究提出的方法平均準確率在92%以上,可對女裝半身裙圖像的多種特征進行判別。

    參考文獻:

    [1]ZHANG W, ANTúNEZ E, GKTRK S, et al. Apparel silhouette attributes recognition[C].Workshop on the Applications of Computer Vision BrecRenridge, CO, USA. IEE, 2012:489-496.

    [2]DI W, WAH C, BHARDWAJ A, et al.Style finder: Fine-grained clothing style detection and retrieval[C].Conference on Computer Vision.and Pattern Recognition work shops. Portland, OR, USA. IEEE, 2012:8-13.

    [3]DHAKA V P, SHARMA M K. Classification of image using a genetic general neural decision tree[J]. International Journal of Applied Pattern Recognition, 2015, 2(1):76-95.

    [4]向忠,何旋,錢淼,等.基于邊緣和顏色特征的織物印花花型檢索[J].紡織學(xué)報,2018,39(5):137-143.

    [5]MANFREDI M, GRANA C, CALDERARA S, et al. A complete system for garment segmentation and color classification[J]. Machine Vision and Applications, 2014, 25(4):955-969.

    [6]李東,萬賢福,汪軍,等.基于輪廓曲率特征點的服裝款式識別方法[J].東華大學(xué)學(xué)報(自然科學(xué)版),2018,44(1):87-92.

    [7]LUO Y, WANG Z, HUANG Z, et al. Snap and find: Deep discrete cross-domain garment image retrieval[J]. IEEE Transactions on Image Procession,2019,60(12):1-10.

    [8]DONG C Y, SHI Y Q,TAO R. Convolutional neural networks for clothing image style recognition[C]// Proceedings of 2018 International Conference on Computational, Modeling, Simulation and Mathematical Statistics Xi'an: Advanced Science and Industry Research Center,2018.

    [9]LI R, LU W, LIANG H, et al. Multiple features with extreme learning machines for clothing image recognition[J]. IEEE Access, 2018, 6:36283-36294.

    [10]吳歡,丁笑君,李秦曼,等.采用卷積神經(jīng)網(wǎng)絡(luò)CaffeNet模型的女褲廓形分類[J].紡織學(xué)報,2019,40(4):117-121.

    [11]吳苗苗,劉驪,付曉東,等.款式特征描述符的服裝圖像細粒度分類方法[J].計算機輔助設(shè)計與圖形學(xué)學(xué)報,2019,31(5):780-791.

    [12]周俊宇,趙艷明.卷積神經(jīng)網(wǎng)絡(luò)在圖像分類和目標檢測應(yīng)用綜述[J].計算機工程與應(yīng)用,2017,53(13):34-41.

    [13]SZEGEDY C, IOFFE S, VANHOUCKE V, et al. Inception-v4, inception-resnet and the impact of residual connections on learning[C]// Proceedings of the 31st AAAI Conference on Artificial Intelligence,2017:4278-4284.

    [14]GIRSHICK R. Fast R-CNN[C]// International Conference on Computer Vision.Santiago, chile.IEEE,2015:1440-1448.

    [15]UIJLINGS J R R, DE VAN SANDE K E A,GEVERS T,et al. Selective search for object recognition[J]. International Journal of Computer Vision, 2013,104(2):154-171.

    色网站视频免费| 少妇猛男粗大的猛烈进出视频| a 毛片基地| 丁香六月天网| 在线天堂最新版资源| 3wmmmm亚洲av在线观看| 色视频在线一区二区三区| 下体分泌物呈黄色| 欧美变态另类bdsm刘玥| 最新的欧美精品一区二区| 777米奇影视久久| 一区二区三区免费毛片| 又爽又黄a免费视频| 99re6热这里在线精品视频| 午夜日本视频在线| 男女边吃奶边做爰视频| 热99国产精品久久久久久7| 久久久久精品性色| 中文乱码字字幕精品一区二区三区| av女优亚洲男人天堂| 亚洲精品成人av观看孕妇| 欧美成人精品欧美一级黄| 十八禁高潮呻吟视频 | 午夜日本视频在线| 亚洲精品日韩av片在线观看| 亚洲国产av新网站| 国产成人精品婷婷| 久久午夜综合久久蜜桃| 91精品国产国语对白视频| 最近手机中文字幕大全| 水蜜桃什么品种好| 丝袜在线中文字幕| 九九爱精品视频在线观看| 成人综合一区亚洲| 亚洲性久久影院| 夫妻性生交免费视频一级片| 永久免费av网站大全| 亚洲激情五月婷婷啪啪| 少妇被粗大猛烈的视频| 亚洲一级一片aⅴ在线观看| 男女国产视频网站| 啦啦啦中文免费视频观看日本| 日韩欧美精品免费久久| 精品人妻熟女av久视频| 国产精品一二三区在线看| 高清毛片免费看| 日韩视频在线欧美| 久久久久久久久久成人| 欧美三级亚洲精品| 成人18禁高潮啪啪吃奶动态图 | 大话2 男鬼变身卡| 国产极品天堂在线| 精品久久久久久电影网| 国产精品三级大全| 91久久精品国产一区二区成人| 日韩亚洲欧美综合| 丝袜脚勾引网站| 国产精品久久久久久久久免| av在线老鸭窝| 国产伦在线观看视频一区| 久久久久久久久久人人人人人人| 男的添女的下面高潮视频| 精品国产乱码久久久久久小说| 国产精品秋霞免费鲁丝片| 国产成人精品婷婷| 日日摸夜夜添夜夜爱| 丝袜脚勾引网站| 欧美成人午夜免费资源| 日韩欧美一区视频在线观看 | 18禁在线播放成人免费| 国语对白做爰xxxⅹ性视频网站| 日韩一区二区三区影片| av黄色大香蕉| 尾随美女入室| 免费观看在线日韩| 国产真实伦视频高清在线观看| 18禁裸乳无遮挡动漫免费视频| 偷拍熟女少妇极品色| 中文字幕精品免费在线观看视频 | 精品国产一区二区久久| 精品久久国产蜜桃| 国产精品女同一区二区软件| 美女xxoo啪啪120秒动态图| 丰满少妇做爰视频| 欧美丝袜亚洲另类| 一级爰片在线观看| 亚洲国产日韩一区二区| 交换朋友夫妻互换小说| 国内揄拍国产精品人妻在线| 91久久精品国产一区二区三区| 六月丁香七月| 国产视频内射| 在线观看一区二区三区激情| 日韩,欧美,国产一区二区三区| 欧美三级亚洲精品| 免费观看a级毛片全部| 精品久久久久久久久av| 99久久综合免费| 青春草国产在线视频| 久久久国产欧美日韩av| 国产在线视频一区二区| 成人毛片a级毛片在线播放| 亚洲怡红院男人天堂| 成人影院久久| av不卡在线播放| 特大巨黑吊av在线直播| 在线观看免费视频网站a站| 亚洲经典国产精华液单| 只有这里有精品99| 又粗又硬又长又爽又黄的视频| 卡戴珊不雅视频在线播放| 在线免费观看不下载黄p国产| 亚洲国产精品国产精品| 亚洲国产精品999| 亚洲国产精品一区二区三区在线| 中文字幕人妻熟人妻熟丝袜美| 99久久精品一区二区三区| 国产男女超爽视频在线观看| 亚洲av国产av综合av卡| 日韩中文字幕视频在线看片| av天堂久久9| 我要看黄色一级片免费的| 香蕉精品网在线| 成人午夜精彩视频在线观看| 国产av精品麻豆| 91aial.com中文字幕在线观看| 精品午夜福利在线看| 免费观看性生交大片5| 最近2019中文字幕mv第一页| 国产日韩欧美亚洲二区| 日韩,欧美,国产一区二区三区| 亚洲精品视频女| 桃花免费在线播放| 久久精品久久精品一区二区三区| 日韩 亚洲 欧美在线| 亚洲精品一区蜜桃| 国产精品99久久久久久久久| 亚洲av欧美aⅴ国产| 亚洲av男天堂| av在线播放精品| 亚洲欧美日韩另类电影网站| 成年女人在线观看亚洲视频| 少妇高潮的动态图| 一本久久精品| 如何舔出高潮| 国产精品不卡视频一区二区| 中文字幕人妻丝袜制服| 日韩精品有码人妻一区| 国产日韩一区二区三区精品不卡 | 综合色丁香网| 在线免费观看不下载黄p国产| 丝袜喷水一区| 国产白丝娇喘喷水9色精品| 如日韩欧美国产精品一区二区三区 | 国产成人午夜福利电影在线观看| 精品熟女少妇av免费看| 久久久久精品久久久久真实原创| 一级二级三级毛片免费看| 精品一区二区三区视频在线| 十八禁高潮呻吟视频 | 国产成人a∨麻豆精品| 日本黄色片子视频| 国产精品国产av在线观看| 国产免费一级a男人的天堂| 日日撸夜夜添| 大片免费播放器 马上看| 亚洲精品456在线播放app| 少妇被粗大的猛进出69影院 | 国产在视频线精品| 妹子高潮喷水视频| 另类精品久久| a级一级毛片免费在线观看| 久久毛片免费看一区二区三区| 免费观看av网站的网址| 亚洲美女视频黄频| 久久青草综合色| 国产69精品久久久久777片| 少妇的逼水好多| 中文天堂在线官网| 2018国产大陆天天弄谢| 99久国产av精品国产电影| 乱码一卡2卡4卡精品| 老司机影院毛片| 成人国产麻豆网| 亚洲色图综合在线观看| 成人二区视频| 精品少妇黑人巨大在线播放| 欧美亚洲 丝袜 人妻 在线| 伦理电影免费视频| 久久久久国产精品人妻一区二区| 久久久国产欧美日韩av| 伦理电影大哥的女人| 3wmmmm亚洲av在线观看| 91在线精品国自产拍蜜月| 啦啦啦啦在线视频资源| 午夜免费男女啪啪视频观看| 欧美精品人与动牲交sv欧美| 国产男人的电影天堂91| 一区二区三区乱码不卡18| 久久精品国产a三级三级三级| 女人久久www免费人成看片| 国产在线男女| 永久网站在线| 日韩三级伦理在线观看| 中文字幕精品免费在线观看视频 | 日本爱情动作片www.在线观看| 亚洲av综合色区一区| 亚洲性久久影院| 亚洲美女黄色视频免费看| 欧美性感艳星| 国产视频内射| 伦精品一区二区三区| 成人黄色视频免费在线看| 少妇裸体淫交视频免费看高清| 久久99热6这里只有精品| 在线播放无遮挡| 在线观看av片永久免费下载| 色哟哟·www| 国产 精品1| 日韩欧美一区视频在线观看 | 最近的中文字幕免费完整| 在线观看免费视频网站a站| 成人毛片a级毛片在线播放| 免费久久久久久久精品成人欧美视频 | 又爽又黄a免费视频| 大陆偷拍与自拍| 一级毛片 在线播放| 欧美日韩国产mv在线观看视频| 极品少妇高潮喷水抽搐| 欧美日韩综合久久久久久| 国产成人免费观看mmmm| 一级毛片我不卡| 丝袜喷水一区| 我的老师免费观看完整版| 18禁裸乳无遮挡动漫免费视频| 一本大道久久a久久精品| 久久久久久久亚洲中文字幕| 天堂中文最新版在线下载| av又黄又爽大尺度在线免费看| 亚洲四区av| 夜夜爽夜夜爽视频| 高清黄色对白视频在线免费看 | 久久这里有精品视频免费| 久久热精品热| 97在线视频观看| a级毛色黄片| 精品少妇黑人巨大在线播放| 日韩中字成人| 99久久综合免费| 一个人免费看片子| 亚洲欧美精品自产自拍| 高清av免费在线| 欧美精品亚洲一区二区| 国产精品国产av在线观看| 汤姆久久久久久久影院中文字幕| 精品一区在线观看国产| 麻豆精品久久久久久蜜桃| 人妻一区二区av| 免费观看a级毛片全部| 在线观看免费高清a一片| 亚洲av在线观看美女高潮| 国产熟女欧美一区二区| 在线观看三级黄色| 国产成人aa在线观看| 欧美高清成人免费视频www| av播播在线观看一区| 亚洲,一卡二卡三卡| 老熟女久久久| 欧美xxⅹ黑人| 欧美另类一区| 一级av片app| 成人亚洲精品一区在线观看| 久久久精品94久久精品| 黄色视频在线播放观看不卡| 91精品一卡2卡3卡4卡| 亚洲美女黄色视频免费看| 中文字幕av电影在线播放| 99久久人妻综合| 欧美日韩一区二区视频在线观看视频在线| 国产男人的电影天堂91| 免费黄色在线免费观看| 内射极品少妇av片p| 尾随美女入室| 午夜福利网站1000一区二区三区| 有码 亚洲区| 少妇熟女欧美另类| 国产探花极品一区二区| 亚洲欧美成人综合另类久久久| 性色avwww在线观看| 成人综合一区亚洲| 亚洲精品久久久久久婷婷小说| 亚洲精品久久午夜乱码| 亚洲不卡免费看| 欧美区成人在线视频| 一边亲一边摸免费视频| 久久人人爽人人片av| 国产一区二区三区综合在线观看 | 亚洲,欧美,日韩| 搡女人真爽免费视频火全软件| 99九九在线精品视频 | 午夜激情久久久久久久| 秋霞在线观看毛片| 国产在线免费精品| 国产一区亚洲一区在线观看| 一级黄片播放器| 人妻制服诱惑在线中文字幕| 一级毛片 在线播放| 精品人妻熟女av久视频| 高清视频免费观看一区二区| 菩萨蛮人人尽说江南好唐韦庄| 日本欧美国产在线视频| 国产精品人妻久久久久久| 国产极品粉嫩免费观看在线 | 国产极品粉嫩免费观看在线 | 亚洲图色成人| 亚洲熟女精品中文字幕| 麻豆精品久久久久久蜜桃| 伊人亚洲综合成人网| 最近手机中文字幕大全| 肉色欧美久久久久久久蜜桃| 日韩免费高清中文字幕av| 三级经典国产精品| 六月丁香七月| 欧美日韩综合久久久久久| 91久久精品国产一区二区成人| 男男h啪啪无遮挡| 18+在线观看网站| 国产精品三级大全| 国产av一区二区精品久久| 久久人人爽人人爽人人片va| 青春草视频在线免费观看| 中国三级夫妇交换| 又黄又爽又刺激的免费视频.| 少妇人妻 视频| 中文字幕亚洲精品专区| 又大又黄又爽视频免费| 免费看av在线观看网站| 日本色播在线视频| 欧美 日韩 精品 国产| 国产一区二区三区av在线| 三级国产精品片| 两个人的视频大全免费| 国产精品一区www在线观看| 国产免费一级a男人的天堂| 我要看黄色一级片免费的| 欧美区成人在线视频| 精品国产国语对白av| 国产白丝娇喘喷水9色精品| 国精品久久久久久国模美| 精品人妻熟女毛片av久久网站| 美女xxoo啪啪120秒动态图| 国产精品人妻久久久久久| 欧美另类一区| 熟女av电影| 我要看日韩黄色一级片| 熟女av电影| 搡老乐熟女国产| 国产精品人妻久久久久久| 激情五月婷婷亚洲| 熟女av电影| 国产精品一区二区在线不卡| 色5月婷婷丁香| 丰满迷人的少妇在线观看| 欧美老熟妇乱子伦牲交| 9色porny在线观看| 国产精品99久久久久久久久| 国产av国产精品国产| 亚洲在久久综合| 偷拍熟女少妇极品色| 亚洲国产精品999| 国产日韩一区二区三区精品不卡 | 大香蕉久久网| 99久久综合免费| 波野结衣二区三区在线| 99久久综合免费| h日本视频在线播放| 毛片一级片免费看久久久久| 久久久国产精品麻豆| 少妇猛男粗大的猛烈进出视频| 成年人免费黄色播放视频 | 国产一区有黄有色的免费视频| 日韩不卡一区二区三区视频在线| 亚洲国产精品国产精品| 日本黄大片高清| 偷拍熟女少妇极品色| 99热这里只有是精品50| 免费观看a级毛片全部| 男人爽女人下面视频在线观看| 国产一区二区三区综合在线观看 | 久久国产精品大桥未久av | 亚洲性久久影院| 精品午夜福利在线看| 中文字幕制服av| 美女大奶头黄色视频| 好男人视频免费观看在线| 久久久欧美国产精品| 最近最新中文字幕免费大全7| 超碰97精品在线观看| 国产女主播在线喷水免费视频网站| 日日爽夜夜爽网站| 国产伦精品一区二区三区四那| 九九久久精品国产亚洲av麻豆| 麻豆乱淫一区二区| 在线天堂最新版资源| 亚洲欧美日韩卡通动漫| 亚洲精华国产精华液的使用体验| 久久久久久久久大av| 国产精品蜜桃在线观看| 亚洲精品aⅴ在线观看| 在线观看免费高清a一片| 久久久欧美国产精品| 免费不卡的大黄色大毛片视频在线观看| 亚洲av综合色区一区| 91久久精品电影网| 亚洲成人手机| 国产伦在线观看视频一区| 自拍欧美九色日韩亚洲蝌蚪91 | 亚洲怡红院男人天堂| a级毛色黄片| 永久免费av网站大全| 精品卡一卡二卡四卡免费| 国产毛片在线视频| 国产男女内射视频| 97在线人人人人妻| 日本午夜av视频| 狂野欧美白嫩少妇大欣赏| 熟女电影av网| 啦啦啦视频在线资源免费观看| 国产又色又爽无遮挡免| 国产一区亚洲一区在线观看| 蜜桃久久精品国产亚洲av| 国产黄频视频在线观看| 五月天丁香电影| 欧美日韩综合久久久久久| 久久青草综合色| 91精品一卡2卡3卡4卡| 国产成人精品婷婷| 亚洲国产精品国产精品| 亚洲精品日韩av片在线观看| 国产精品国产三级国产专区5o| 制服丝袜香蕉在线| 久久久久久久精品精品| 久久狼人影院| 草草在线视频免费看| 啦啦啦啦在线视频资源| 欧美精品人与动牲交sv欧美| 成人无遮挡网站| 精品少妇黑人巨大在线播放| 国产免费一区二区三区四区乱码| 亚洲av日韩在线播放| 一级黄片播放器| 美女主播在线视频| 丁香六月天网| 伦理电影免费视频| 亚洲中文av在线| 一区二区三区乱码不卡18| 边亲边吃奶的免费视频| 成人二区视频| 色吧在线观看| 成人午夜精彩视频在线观看| 国产高清有码在线观看视频| 免费观看av网站的网址| 麻豆乱淫一区二区| 在线播放无遮挡| 免费大片18禁| 国产av精品麻豆| 黄色视频在线播放观看不卡| 亚洲熟女精品中文字幕| 在线观看人妻少妇| 国产高清国产精品国产三级| 久久久久久久久久久免费av| 亚洲国产色片| 欧美日韩在线观看h| 伊人久久国产一区二区| 夫妻午夜视频| 国产成人freesex在线| 精品久久久精品久久久| 亚洲一区二区三区欧美精品| 久久久久久人妻| 亚洲自偷自拍三级| 午夜福利,免费看| 美女内射精品一级片tv| 国产女主播在线喷水免费视频网站| 国产精品一二三区在线看| 搡女人真爽免费视频火全软件| 黄色欧美视频在线观看| 视频中文字幕在线观看| 欧美日韩一区二区视频在线观看视频在线| 少妇熟女欧美另类| 日韩制服骚丝袜av| 国产在线男女| 热re99久久国产66热| 成人毛片60女人毛片免费| 国产亚洲一区二区精品| 久久久久久伊人网av| 成人午夜精彩视频在线观看| 日日摸夜夜添夜夜爱| 国产成人精品久久久久久| 人妻系列 视频| 日本wwww免费看| 午夜免费观看性视频| 欧美精品高潮呻吟av久久| 国产精品一区二区在线不卡| 国产高清不卡午夜福利| 免费黄色在线免费观看| 国产精品秋霞免费鲁丝片| h视频一区二区三区| 国产黄片视频在线免费观看| 久久鲁丝午夜福利片| 最近中文字幕高清免费大全6| 日韩电影二区| 日韩,欧美,国产一区二区三区| 亚洲精品国产成人久久av| 精品视频人人做人人爽| 十分钟在线观看高清视频www | 亚洲三级黄色毛片| 色婷婷av一区二区三区视频| 纯流量卡能插随身wifi吗| 日本av免费视频播放| 男人狂女人下面高潮的视频| 欧美日韩在线观看h| 欧美3d第一页| 自拍偷自拍亚洲精品老妇| 国产亚洲一区二区精品| 国产亚洲5aaaaa淫片| 高清毛片免费看| 免费av中文字幕在线| 性高湖久久久久久久久免费观看| 国产精品99久久99久久久不卡 | 91久久精品国产一区二区成人| 纵有疾风起免费观看全集完整版| 在线亚洲精品国产二区图片欧美 | 少妇 在线观看| 亚洲美女视频黄频| 国产午夜精品一二区理论片| 国产精品久久久久久av不卡| 在线观看av片永久免费下载| 久久精品国产a三级三级三级| 精品一区在线观看国产| 大陆偷拍与自拍| 建设人人有责人人尽责人人享有的| 亚洲av男天堂| 伦精品一区二区三区| 2021少妇久久久久久久久久久| 午夜av观看不卡| 久久久久久久亚洲中文字幕| 最近中文字幕高清免费大全6| 三级国产精品欧美在线观看| 三上悠亚av全集在线观看 | 日韩,欧美,国产一区二区三区| 女性被躁到高潮视频| 看非洲黑人一级黄片| 精品一品国产午夜福利视频| 大片免费播放器 马上看| 国产黄色免费在线视频| 在线观看人妻少妇| 精品少妇久久久久久888优播| 99视频精品全部免费 在线| 色视频www国产| 大码成人一级视频| 国产成人精品福利久久| 51国产日韩欧美| 亚洲伊人久久精品综合| 亚洲无线观看免费| 一本一本综合久久| 欧美日韩精品成人综合77777| 久久这里有精品视频免费| 亚洲成人手机| 日本与韩国留学比较| 中文字幕免费在线视频6| 精品久久久久久电影网| 久久精品久久久久久久性| 久久久欧美国产精品| 成人18禁高潮啪啪吃奶动态图 | 国产日韩欧美视频二区| 国产一区二区三区av在线| 亚洲美女搞黄在线观看| 97超视频在线观看视频| 午夜视频国产福利| 丰满迷人的少妇在线观看| 色94色欧美一区二区| 国产精品国产三级国产专区5o| 国产欧美另类精品又又久久亚洲欧美| 亚洲欧美日韩东京热| 国产黄色视频一区二区在线观看| 亚洲综合色惰| 一个人看视频在线观看www免费| 丝袜脚勾引网站| 99热网站在线观看| 国产探花极品一区二区| 日韩 亚洲 欧美在线| 一级毛片 在线播放| 欧美日本中文国产一区发布| 久久精品夜色国产| 各种免费的搞黄视频| 黄色配什么色好看| 少妇人妻精品综合一区二区| 一本色道久久久久久精品综合| 免费大片黄手机在线观看| 最近的中文字幕免费完整| 一本色道久久久久久精品综合| 黄色一级大片看看| 秋霞在线观看毛片| 国产男人的电影天堂91| 黄色日韩在线| 欧美3d第一页| 国国产精品蜜臀av免费| 中文字幕人妻丝袜制服| 99热这里只有精品一区| 亚洲av电影在线观看一区二区三区| 国产精品一区二区性色av| 99久久人妻综合| 日本av手机在线免费观看| 亚洲一区二区三区欧美精品| 日本欧美视频一区|