• <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 ?

    采用混合融合方式的改進(jìn)MV3D目標(biāo)檢測模型研究

    2024-10-13 00:00:00沙俊良曹景勝董翼寧袁增千李剛
    現(xiàn)代電子技術(shù) 2024年19期
    關(guān)鍵詞:深度特征融合

    摘" 要: 針對3D目標(biāo)檢測精度低、在復(fù)雜工況下檢測效果差的問題,利用圖像和點(diǎn)云數(shù)據(jù)作為輸入,引入深度補(bǔ)全增加點(diǎn)云前視圖特征,并對MV3D目標(biāo)檢測模型進(jìn)行改進(jìn),提出混合融合方式,將全局信息較多的圖片特征拼接到融合完成后的點(diǎn)云特征中,最后再進(jìn)行融合。文中所提出的混合融合方案兼顧了深度融合的特征又增加了全局的特征信息,利用DETR模塊對原模型的非極大值抑制操作進(jìn)行優(yōu)化,使得模型輕量化。最后在KITTI數(shù)據(jù)集上對文中模型進(jìn)行了實(shí)驗(yàn)分析,結(jié)果表明,所提出的模型可以實(shí)現(xiàn)復(fù)雜工況下的3D目標(biāo)檢測,且在精度上與原模型相比,在三種不同檢測難度的工況下平均提升了7.19%。

    關(guān)鍵詞: 3D目標(biāo)檢測; MV3D; 模型改進(jìn); 深度補(bǔ)全; 混合融合; DETR

    中圖分類號: TN911.7?34; TP391.41; U463.6" " " " " " 文獻(xiàn)標(biāo)識碼: A" " " " " " 文章編號: 1004?373X(2024)19?0175?06

    Research on improved MV3D object detection model with hybrid fusion mode

    SHA Junliang, CAO Jingsheng, DONG Yining, YUAN Zengqian, LI Gang

    (College of Automotive and Traffic Engineering, Liaoning University of Technology, Jinzhou 121001, China)

    Abstract: The accuracy of the 3D object detection is low and the detection effect is poor under complex working conditions. In view of this, by taking the image and point cloud data as the input, this paper introduces the deep complement to increase the front view features of point cloud, improves the MV3D object detection model, and proposes a hybrid fusion method. In this method, image features with more global information is spliced into the point cloud features after fusion, and then fusion is carried out. In the hybrid fusion scheme proposed, the features of deep fusion are taken into account and the global feature information is added. The DETR module is used to optimize the non?maximum suppression operation of the original model, so as to make the model lightweight. The experimental analysis of the proposed model is carried out on dataset KITTI. The results show that the proposed model can realize 3D object detection under complex working conditions and its accuracy is improved by 7.19% on average under three working conditions with different levels of detection difficulties in comparison with that of the original model.

    Keywords: 3D object detection; MV3D; model improvement; deep complement; hybrid fusion; DETR

    0" 引" 言

    隨著科技的進(jìn)步和社會的發(fā)展,智能汽車技術(shù)成為最熱門的研究方向之一,并且可以初步實(shí)現(xiàn)L2+的功能[1]。技術(shù)的發(fā)展是為了保障人的安全,不能成為安全的隱患,在智能駕駛中,車輛對外部環(huán)境的感知是保證安全行駛的前提。

    目前關(guān)于3D目標(biāo)檢測可分為如下三類[2?5]。

    第一種是基于彩色圖像,如文獻(xiàn)[6]在ROI?10D的模型基礎(chǔ)上得到Pseudo?LiDAR模型,將二維前視圖像生成像素級的深度圖,將深度圖和彩色圖像進(jìn)行融合得到最終的3D目標(biāo)檢測。文獻(xiàn)[7]提出了AM3D模型,該模型也是將2D檢測框與圖像生成的偽點(diǎn)云進(jìn)行融合生成3D檢測框,并且使用PointNet主網(wǎng)絡(luò)進(jìn)行3D框回歸,最終得到目標(biāo)3D框。此類使用彩色圖像生成偽點(diǎn)云的方式有一定的可行性,但是在精度和實(shí)際位置等方面與激光雷達(dá)生成的點(diǎn)云數(shù)據(jù)有很大差別。文獻(xiàn)[8]提出MonoDLE模型,此模型為純視覺領(lǐng)域3D目標(biāo)檢測的“瓶頸”,解決了絕大部分的問題,丟掉訓(xùn)練過程中兩種框的定位問題,刪掉此類問題以提高檢測器的檢測性能。

    第二種是基于點(diǎn)云數(shù)據(jù)的3D目標(biāo)檢測研究,基于純圖像的3D目標(biāo)檢測因本身的局限性發(fā)展進(jìn)入瓶頸期,隨著傳感器硬件的發(fā)展,激光雷達(dá)逐漸成為一個(gè)重要的研究方向。激光雷達(dá)對周圍環(huán)境進(jìn)行掃描得到密集的點(diǎn)云圖,與車載相機(jī)拍攝的彩色圖像相比,點(diǎn)云圖先天具有精確的深度信息,因此點(diǎn)云圖成為3D目標(biāo)檢測的新途徑。如文獻(xiàn)[9]在前人的研究基礎(chǔ)上提出YOLO?3D模型,該模型在YOLO?v2的基礎(chǔ)上進(jìn)行改進(jìn),使模型的輸出框增加了深度和航向信息。YOLO?3D與PIXOR模型都是將點(diǎn)云轉(zhuǎn)換為俯視圖的形式再用圖像檢測器進(jìn)行檢測。由于在俯視圖視角中邊界框之間的差異性較小,因此舍棄了YOLO系列模型錨框的概念,取同一類別的框的平均值作為框的大小,故計(jì)算量大大減小,檢測速度增加。此方式的缺點(diǎn)也較為明顯,精度較差。文獻(xiàn)[10]提出的HDNET模型在PIXOR模型的基礎(chǔ)上添加了高精度地圖信息。高精地圖對道路方面信息具有精確的標(biāo)注,可以更好地解決道路障礙物以及地面的起伏問題,結(jié)合道路的實(shí)際情況對點(diǎn)云進(jìn)行精細(xì)化處理,減少道路實(shí)際客觀情況對檢測結(jié)果的影響。

    第三種是基于彩色圖像與點(diǎn)云數(shù)據(jù)融合,如文獻(xiàn)[11]提出的ContFuse模型是深度融合最經(jīng)典的模型。此模型是將點(diǎn)云數(shù)據(jù)與彩色圖像數(shù)據(jù)分別進(jìn)行處理,將彩色圖像的畫面轉(zhuǎn)換為鳥瞰圖的形式。之后將彩色鳥瞰圖前視圖的特征提取出來,再將不同鳥瞰方位的特征進(jìn)行提取,最后將所有方位的特征進(jìn)行融合得到整個(gè)鳥瞰圖的特征。文獻(xiàn)[12]提出的MV3D模型是一種典型的決策融合模型。MV3D在多模態(tài)融合中,輸入數(shù)據(jù)為點(diǎn)云俯視圖、點(diǎn)云前視圖和彩色圖像。在點(diǎn)云俯視圖中生成建議框,其他兩種輸入數(shù)據(jù)按照正常的方式通過VGG16網(wǎng)絡(luò)進(jìn)行特征提取,將建議框與這兩種特征進(jìn)行映射,得到三組ROI特征。將三組ROI輸入至融合網(wǎng)絡(luò)中得到最終的融合結(jié)果,融合結(jié)果再進(jìn)行全連接等操作,得到最終的3D目標(biāo)。

    本文利用圖像與點(diǎn)云數(shù)據(jù)融合進(jìn)行3D目標(biāo)檢測,改進(jìn)目前效果較好的MV3D模型,采用混合融合的方式替代原模型的深度融合,混合融合將全局信息較多的圖片特征拼接到融合完成后的點(diǎn)云特征中,最后進(jìn)行融合,并在目標(biāo)檢測模塊中引入了DETR模型中的檢測模塊,提升精度的同時(shí)使得模型輕量化,最后將本文提出的模型在簡單、中等和復(fù)雜三種不同難度的工況下進(jìn)行實(shí)驗(yàn)分析,結(jié)果表明,本文的方法與原模型相比在三種不同檢測難度的工況下均有良好的表現(xiàn)。

    1" 基礎(chǔ)研究

    1.1" MV3D模型

    MV3D模型是目前被應(yīng)用于自動駕駛3D目標(biāo)檢測效果較好的模型,其模型結(jié)構(gòu)如圖1所示。此模型屬于多模態(tài)融合模型,將雷達(dá)點(diǎn)云數(shù)據(jù)和圖像的數(shù)據(jù)進(jìn)行融合,最終確定結(jié)果。

    在數(shù)據(jù)的輸入階段采用了點(diǎn)云鳥瞰圖(Bird′s Eye View, BEV),同時(shí)模型的輸入還包括點(diǎn)云前視圖和車載相機(jī)高清圖像。首先會經(jīng)過卷積神經(jīng)網(wǎng)絡(luò)提取出輸入圖像數(shù)據(jù)的特征,點(diǎn)云鳥瞰圖中本身具有的優(yōu)勢為遮擋物比較少,因此本模型在點(diǎn)云鳥瞰圖中生成3D建議框。將建議框的信息與其他兩個(gè)通道特征進(jìn)行整合,得到3個(gè)角度的特征,再將3個(gè)尺寸相同的特征傳輸至融合模塊,最后對融合后的特征進(jìn)行分類、回歸等操作,得到最終的3D檢測框。

    1.2" DETR模型

    MV3D模型應(yīng)用了很多非極大值抑制(NMS)操作,此操作具有較大的計(jì)算量。因此本文對原MV3D模型中的NMS部分采用DETR模型進(jìn)行了優(yōu)化。在特征融合方面提出新的融合方案,并利用當(dāng)下性能最強(qiáng)的Transformer進(jìn)行目標(biāo)的檢測和3D框回歸[13?14]。

    DETR模型可以解決非極大值抑制(NMS)操作需要計(jì)算量較大的問題,直接省去非極大值抑制(NMS)操作,只對特征進(jìn)行融合,分類和回歸由模型后面的Transformer encoder/decoder決定。對于3D框的回歸和朝向時(shí)的損失計(jì)算采用匈牙利損失(Hungarian Loss)對比得到最優(yōu)解,DETR模型結(jié)構(gòu)如圖2所示。

    1.2.1" Transformer原理

    Transformer模型不同于傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò),更多地應(yīng)用了注意力機(jī)制(Attention),尤其是自注意力機(jī)制層(self?attention)。同時(shí)引入多頭注意力機(jī)制,增加特征的全局性。self?attention中最重要的三個(gè)參數(shù)為query、key、value,query與key相乘得到的結(jié)果就是相關(guān)度,經(jīng)過softmax后得到權(quán)重表示,之后針對可能的加權(quán)和得到最終的結(jié)果。多頭注意力機(jī)制在Transformer中應(yīng)用最多,與self?attention相比,是將value、query、key分裂成多個(gè),然后在自己的頭部即輸入部分做self?attention操作,將得到的結(jié)果連接起來,將連接后的結(jié)果做維度上的處理即可(只需進(jìn)行矩陣的乘法計(jì)算)。多頭注意力機(jī)制的優(yōu)勢在于不同的“頭”可以對不同的特征進(jìn)行學(xué)習(xí),例如有的頭對局部特征進(jìn)行學(xué)習(xí),有的頭部對全局特征進(jìn)行學(xué)習(xí)。

    1.2.2" 匈牙利算法架構(gòu)

    匈牙利算法(Hungarian Algorithm)是一個(gè)經(jīng)典的解決兩個(gè)部分之間最優(yōu)匹配問題的算法,能得到最優(yōu)匹配結(jié)果。該算法進(jìn)行匹配的原理示意圖如圖3所示,該算法將每一個(gè)物體視為獨(dú)立節(jié)點(diǎn),分別計(jì)算當(dāng)前幀中節(jié)點(diǎn)與上一幀中所有節(jié)點(diǎn)的距離,距離最短的則視為同一物體,完成匹配。

    1.3" 深度補(bǔ)全

    點(diǎn)云數(shù)據(jù)本身具有稀疏性、分辨率低的問題,在三維機(jī)器視覺中,為了提升模型的訓(xùn)練性能,需要大量有效數(shù)據(jù)。為了提高目標(biāo)檢測的準(zhǔn)確度和可靠性,本文引入深度補(bǔ)全算法。使用PF?Net算法對點(diǎn)云數(shù)據(jù)進(jìn)行處理,此方法是基于深度學(xué)習(xí)的點(diǎn)云補(bǔ)全算法。本文對模型輸入的點(diǎn)云前視圖進(jìn)行深度補(bǔ)全。通過深度補(bǔ)全可以將稀疏深度圖轉(zhuǎn)換為密集深度圖,將點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理得到密集的深度圖。因此,可以獲得更多的特征,有利于模型訓(xùn)練,如圖4所示,是在KITTI數(shù)據(jù)集中經(jīng)過點(diǎn)云深度補(bǔ)全后的結(jié)果對比。

    2" 多模態(tài)融合網(wǎng)絡(luò)

    數(shù)據(jù)融合主要是找兩個(gè)視圖之間的相關(guān)特征,提取共享成分。MV3D模型在多模態(tài)數(shù)據(jù)融合方面使用的是深度融合方案,如圖5所示。但是深度融合方案缺少了全局的信息,為了充分利用模型輸入的數(shù)據(jù),提取更多的數(shù)據(jù)特征,本文提出了混合融合方案,如圖6所示,本文使用的混合融合方式兼顧了深度融合的特征又增加了全局的信息。該方法主要是對彩色圖像特征的應(yīng)用,圖像特征具有全局特征,并且各部分之間相互關(guān)聯(lián)性大,具有豐富的語義信息,利用圖像的特征來豐富點(diǎn)云信息,與點(diǎn)云信息形成互補(bǔ)。圖6中單斜線部分是激光雷達(dá)點(diǎn)云的鳥瞰圖提取到的特征,點(diǎn)狀部分為激光雷達(dá)點(diǎn)云前視圖的特征,淺灰色部分為車載相機(jī)拍攝的彩色圖像提取的特征。在融合過程中,首先對點(diǎn)云的俯視圖和點(diǎn)云前視圖特征進(jìn)行逐點(diǎn)的特征融合,圓圈M1、M2、M3的操作為對輸入的特征向量的元素進(jìn)行取均值操作得到融合后的特征,之后將融合后的特征經(jīng)過M2再次進(jìn)行融合操作,此次融合后的特征輸出需要加上彩色圖像的特征,類似于特征拼接。彩色圖像的特征不是直接對特征進(jìn)行“剪切”后拼接到俯視圖與前視圖的特征中,而是根據(jù)M2融合后得到的特征具有的通道數(shù),將彩色圖像特征進(jìn)行池化和全連接操作,將特征拼接至融合后的點(diǎn)云特征中,經(jīng)過M3操作最終獲得融合后的特征。

    本文提出的3D目標(biāo)檢測模型如圖7所示,是一個(gè)端到端的目標(biāo)檢測模型。首先,將點(diǎn)云的鳥瞰圖經(jīng)過深度補(bǔ)全之后的前視圖以及車載相機(jī)的彩色圖片輸入至VGG?16網(wǎng)絡(luò)中,提取各個(gè)視圖的特征;然后在點(diǎn)云鳥瞰圖上生成3D建議框,與原MV3D模型不同的是本模型去除了NMS操作,保留大量的先驗(yàn)框,記錄下先驗(yàn)框最大的占用尺寸和最大中心點(diǎn)尺寸位置;之后將先驗(yàn)框位置傳遞給提取好的特征里,生成感興趣區(qū)域(ROI)的特征,將特征傳送至數(shù)據(jù)混合融合模塊,生成融合特征,將融合特征輸入至目標(biāo)檢測模塊。在實(shí)驗(yàn)時(shí)融合特征的尺寸為3×800×1 066,需要經(jīng)過池化操作,使得特征降維為256×25×34的尺寸;同時(shí)3D建議框中的位置數(shù)據(jù)需要和融合特征一起輸入至檢測網(wǎng)絡(luò),尺寸同樣為256×25×34。此時(shí)輸入的檢測網(wǎng)絡(luò)Transformer encoder/decoder一共是三層,首先需要將輸入的特征進(jìn)行轉(zhuǎn)換,變?yōu)?50×256,將數(shù)據(jù)輸入至Transformer encoder中,輸出的數(shù)據(jù)尺寸大小也為850×256,再輸入至Transformer decoder中。輸入Transformer decoder中的object queries的大小為100×256,其中100為自定義的框的數(shù)量,可以人為調(diào)整,256為輸入decoder中數(shù)據(jù)的通道數(shù)。decoder的輸出尺寸大小也為100×256,實(shí)際訓(xùn)練模型過程中經(jīng)過一層的訓(xùn)練后可以直接將數(shù)據(jù)輸入至FFN全連接層,通過匈牙利算法對是否有目標(biāo)、目標(biāo)種類、3D框進(jìn)行匹配,這樣做的好處是最后得到的結(jié)果會更加精確,并且節(jié)省算力。第一層訓(xùn)練完的decoder輸出數(shù)據(jù)會作為第二層encoder的輸入數(shù)據(jù),重復(fù)上述操作,直至完成三層Transformer encoder/decoder,最后完成對目標(biāo)3D框的定位。

    3" 實(shí)驗(yàn)與結(jié)果分析

    本實(shí)驗(yàn)在云服務(wù)器中使用KITTI數(shù)據(jù)集進(jìn)行訓(xùn)練,數(shù)據(jù)集包括7 481張道路交通圖片及對應(yīng)的點(diǎn)云文件,其中采用70%用于訓(xùn)練,30%用于測試,目標(biāo)檢測的難度根據(jù)標(biāo)注框是否被遮擋、遮擋程度和框的高度進(jìn)行定義,如表1所示。將訓(xùn)練好的模型進(jìn)行可視化,如圖8所示,沒有出現(xiàn)漏檢和誤檢的情況,在融合方面由于數(shù)據(jù)的融合具有不可解釋性,故不可單獨(dú)對多模態(tài)數(shù)據(jù)融合方式進(jìn)行實(shí)驗(yàn)驗(yàn)證。在對改進(jìn)模型進(jìn)行訓(xùn)練過程中,將原多模態(tài)深度融合方式加入改進(jìn)后的模型訓(xùn)練,通過減少變量的方式來驗(yàn)證融合的有效性。模型的檢測結(jié)果如表2所示。

    改進(jìn)后的MV3D模型用原模型深度融合的方式進(jìn)行訓(xùn)練,與原MV3D模型對比,在簡單、中等和困難模式下的檢測精度均比原模型要高,平均提升了2.76%。改進(jìn)后的MV3D(混合融合)與原模型相比,在簡單、中等、困難等級下,對車的檢測精度均有很大提高,分別提高了4.1%、10.11%、7.35%,與原模型相比精度平均提高了7.19%。

    改進(jìn)MV3D(深度融合)與改進(jìn)MV3D(混合融合)兩個(gè)模型之間只有多模態(tài)數(shù)據(jù)融合的方式不一致,使用混合融合的模型比使用深度融合的模型的車輛檢測精度都要好。由此可見,本文改進(jìn)的多模態(tài)混合融合方案比原模型的深度融合方案性能更好。

    為了進(jìn)一步驗(yàn)證本文模型的泛化性以及在復(fù)雜場景下目標(biāo)檢測的效果,本文設(shè)計(jì)三種復(fù)雜工況,分別為遠(yuǎn)距離工況、遮擋工況以及光照過飽和工況,檢測效果如圖9所示。

    可以看出改進(jìn)后的模型在三種工況下仍然有較好的表現(xiàn)。在圖9a)遠(yuǎn)距離工況中,兩個(gè)場景可以識別出較遠(yuǎn)距離的目標(biāo)并標(biāo)注出來;圖9b)中可以看出改進(jìn)后的模型對遮擋場景的目標(biāo)識別成功率較高;圖9c)中,光照過飽和工況下仍可以識別成功,說明改進(jìn)后的模型具有較強(qiáng)的魯棒性。

    4" 結(jié)" 語

    針對3D目標(biāo)檢測精度低、在復(fù)雜工況下效果差的問題,本文提出了一種采用混合融合方式的改進(jìn)MV3D目標(biāo)檢測算法,將全局信息較多的圖片特征拼接到融合完成后的點(diǎn)云特征中。同時(shí),去除非極大值抑制來降低網(wǎng)絡(luò)計(jì)算量,使用混合融合網(wǎng)絡(luò)替代原模型中的深度融合網(wǎng)絡(luò)。本文所提出的3D目標(biāo)檢測模型,在簡單、中等和困難工況下的檢測精度與原MV3D目標(biāo)檢測模型相比均有提升,特別在中等和困難工況下提升明顯。

    注:本文通訊作者為曹景勝。

    參考文獻(xiàn)

    [1] 蔣拯民,黨少博,李慧云,等.自動駕駛汽車場景測試研究進(jìn)展綜述[J].汽車技術(shù),2022(8):10?22.

    [2] 李艷,沈韜,曾凱.基于毫米波雷達(dá)點(diǎn)云和視覺信息差異性特征注意力融合的3D目標(biāo)檢測[J].光電子·激光,2023,34(1):26?33.

    [3] 陶博,顏伏伍,尹智帥,等.基于高精度地圖增強(qiáng)的三維目標(biāo)檢測算法[J].吉林大學(xué)學(xué)報(bào)(工學(xué)版),2023,53(3):802?809.

    [4] 甄然,蘇康,周金星,等.改進(jìn)SSD的無人機(jī)目標(biāo)檢測研究[J].現(xiàn)代電子技術(shù),2022,45(22):33?37.

    [5] 張洪濤,田星星,周意入,等.改進(jìn)型Faster R?CNN的AGV導(dǎo)航圖案目標(biāo)檢測算法[J].現(xiàn)代電子技術(shù),2022,45(13):51?56.

    [6] WANG Y, CHAO W L, GARG D. Pseudo?LiDAR from visual depth estimation: Bridging the gap in 3D object detection for autonomous driving [C]// Proceedings of the IEEE/CVF Con?ference on Computer Vision and Pattern Recognition. New York: IEEE, 2019: 8445?8453.

    [7] MA X Z, WANG Z H, LI H J. Accurate monocular 3D object detection via color?embedded 3D reconstruction for autonomous driving [C]// Proceedings of the IEEE/CVF International Con?ference on Computer Vision. New York: IEEE, 2019: 6850?6859.

    [8] WANG T, PANG J M, LIN D H. Monocular 3D object detection with depth from motion [C]// Proceedings of 17th European Conference on Computer Vision. Heidelberg, Germany: Springer, 2022: 386?403.

    [9] TAKAHASHI M, JI Y, UMEDA K, et al. Expandable YOLO: 3D object detection from RGB?D images [C]// 2020 21st International Conference on Research and Education in Mechatronics. New York: IEEE, 2020: 1?5.

    [10] YANG B, LIANG M, URTASUN R. HDNET: Exploiting HD maps for 3D object detection [EB/OL]. [2020?12?21]. https://arxiv.org/abs/2012.11704.

    [11] LIANG M, YANG B, CHEN Y, et al. Multi?task multi?sensor fusion for 3D object detection [C]// Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. New York: IEEE, 2019: 7345?7353.

    [12] CHEN X Z, MA H M, WAN J. Multi?view 3D object detection network for autonomous driving [C]// Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. New York: IEEE, 2017: 6526?6534.

    [13] 康自祥,王升哲,崔雨勇,等.基于Transformer的體素化激光點(diǎn)云目標(biāo)檢測算法[J].激光與紅外,2023,53(2):202?207.

    [14] 王春雷,張建林,李美惠,等.結(jié)合卷積Transformer的目標(biāo)跟蹤算法[J].計(jì)算機(jī)工程,2023,49(4):281?288.

    作者簡介:沙俊良(1998—),男,回族,吉林吉林人,碩士研究生,研究方向?yàn)橹悄荞{駛技術(shù)。

    曹景勝(1984—),男,山東陽谷人,副教授,碩士生導(dǎo)師,研究方向?yàn)橹悄芷囮P(guān)鍵技術(shù)、新能源汽車驅(qū)動與控制。

    收稿日期:2024?03?20" " " " " "修回日期:2024?04?17

    基金項(xiàng)目:國家自然科學(xué)基金項(xiàng)目(51675257);國家自然科學(xué)基金青年基金項(xiàng)目(51305190);遼寧省教育廳基本科研項(xiàng)目(面上項(xiàng)目)(LJKMZ20220976);遼寧省自然科學(xué)基金指導(dǎo)計(jì)劃項(xiàng)目(20180550020)

    猜你喜歡
    深度特征融合
    村企黨建聯(lián)建融合共贏
    融合菜
    從創(chuàng)新出發(fā),與高考數(shù)列相遇、融合
    深度理解一元一次方程
    《融合》
    如何表達(dá)“特征”
    不忠誠的四個(gè)特征
    深度觀察
    深度觀察
    深度觀察
    国产av精品麻豆| 国产欧美日韩一区二区三区在线| 女人爽到高潮嗷嗷叫在线视频| av在线播放精品| 久久99热这里只频精品6学生| 亚洲色图综合在线观看| 国产成人a∨麻豆精品| 王馨瑶露胸无遮挡在线观看| 亚洲精品国产av成人精品| 国产精品熟女久久久久浪| 韩国精品一区二区三区| 成年人免费黄色播放视频| 久久天躁狠狠躁夜夜2o2o| 免费不卡黄色视频| 日本一区二区免费在线视频| 黄色怎么调成土黄色| 男人操女人黄网站| 国产成人影院久久av| 亚洲美女黄色视频免费看| 国产熟女午夜一区二区三区| 国产欧美日韩一区二区精品| 三级毛片av免费| 首页视频小说图片口味搜索| 爱豆传媒免费全集在线观看| √禁漫天堂资源中文www| 制服人妻中文乱码| 青春草亚洲视频在线观看| 精品少妇久久久久久888优播| 精品久久久精品久久久| 好男人电影高清在线观看| 99国产精品免费福利视频| 免费看十八禁软件| 黄片播放在线免费| 欧美日韩亚洲高清精品| 亚洲精品美女久久久久99蜜臀| 久久人妻福利社区极品人妻图片| 精品久久久久久久毛片微露脸 | 午夜福利视频在线观看免费| 午夜免费观看性视频| 精品亚洲成国产av| 在线永久观看黄色视频| 国产一区二区激情短视频 | 午夜福利影视在线免费观看| 黄色视频在线播放观看不卡| 国产老妇伦熟女老妇高清| 女人爽到高潮嗷嗷叫在线视频| 丝袜脚勾引网站| 美国免费a级毛片| 人妻人人澡人人爽人人| 水蜜桃什么品种好| 午夜精品国产一区二区电影| 久久国产精品男人的天堂亚洲| 亚洲第一青青草原| 久久精品人人爽人人爽视色| 男女免费视频国产| 成人手机av| 亚洲免费av在线视频| 午夜久久久在线观看| 窝窝影院91人妻| av福利片在线| xxxhd国产人妻xxx| 丝瓜视频免费看黄片| 亚洲精品国产精品久久久不卡| av福利片在线| 高清欧美精品videossex| 日本91视频免费播放| 99国产综合亚洲精品| 亚洲一卡2卡3卡4卡5卡精品中文| 国产成人精品久久二区二区免费| 亚洲 国产 在线| 日本精品一区二区三区蜜桃| bbb黄色大片| 一级毛片精品| 99国产极品粉嫩在线观看| 亚洲av日韩精品久久久久久密| 欧美日韩一级在线毛片| 丰满少妇做爰视频| 成年动漫av网址| av网站免费在线观看视频| 国产亚洲欧美精品永久| 日韩 亚洲 欧美在线| 午夜福利乱码中文字幕| 91国产中文字幕| 久久99热这里只频精品6学生| 老熟妇仑乱视频hdxx| www.av在线官网国产| 在线观看免费日韩欧美大片| 色综合欧美亚洲国产小说| 亚洲成国产人片在线观看| 国产成人啪精品午夜网站| 伦理电影免费视频| 啦啦啦在线免费观看视频4| 欧美国产精品va在线观看不卡| 水蜜桃什么品种好| 不卡一级毛片| 搡老岳熟女国产| 亚洲av日韩精品久久久久久密| 超色免费av| 久久久精品国产亚洲av高清涩受| 99热国产这里只有精品6| 大码成人一级视频| 中文字幕色久视频| 色综合欧美亚洲国产小说| av天堂久久9| 王馨瑶露胸无遮挡在线观看| 亚洲三区欧美一区| 亚洲国产毛片av蜜桃av| 99国产精品免费福利视频| a级毛片在线看网站| 日本撒尿小便嘘嘘汇集6| 国产一区二区 视频在线| 岛国在线观看网站| 男人舔女人的私密视频| 蜜桃在线观看..| 大型av网站在线播放| 日韩有码中文字幕| 午夜久久久在线观看| 日本av手机在线免费观看| 免费观看av网站的网址| cao死你这个sao货| 欧美日韩亚洲国产一区二区在线观看 | 国产成人av教育| 中国国产av一级| 曰老女人黄片| 亚洲欧美色中文字幕在线| 狠狠婷婷综合久久久久久88av| 日韩一卡2卡3卡4卡2021年| 久久国产亚洲av麻豆专区| 三上悠亚av全集在线观看| 亚洲精品美女久久久久99蜜臀| 国产一区二区三区av在线| 亚洲av电影在线观看一区二区三区| 国产精品久久久久成人av| 美女视频免费永久观看网站| 亚洲av成人不卡在线观看播放网 | 免费av中文字幕在线| netflix在线观看网站| 亚洲精品国产区一区二| 日韩精品免费视频一区二区三区| 五月开心婷婷网| 十八禁网站免费在线| 高清黄色对白视频在线免费看| 狠狠狠狠99中文字幕| 日本wwww免费看| 脱女人内裤的视频| 曰老女人黄片| 亚洲精品国产av蜜桃| 亚洲精品粉嫩美女一区| 夫妻午夜视频| 自线自在国产av| 久久精品国产亚洲av高清一级| 正在播放国产对白刺激| 日韩制服丝袜自拍偷拍| 日韩大码丰满熟妇| 又黄又粗又硬又大视频| 欧美午夜高清在线| 一本—道久久a久久精品蜜桃钙片| 美女国产高潮福利片在线看| 19禁男女啪啪无遮挡网站| 国产成人欧美在线观看 | 夜夜骑夜夜射夜夜干| 久久精品熟女亚洲av麻豆精品| 亚洲av国产av综合av卡| 中文字幕av电影在线播放| 涩涩av久久男人的天堂| 国产成人影院久久av| 少妇猛男粗大的猛烈进出视频| av天堂在线播放| 一级片免费观看大全| 脱女人内裤的视频| 欧美av亚洲av综合av国产av| 国产色视频综合| 黑人操中国人逼视频| 欧美97在线视频| 日本av免费视频播放| 国产成人精品久久二区二区免费| 欧美激情 高清一区二区三区| 99热国产这里只有精品6| 我要看黄色一级片免费的| 午夜福利一区二区在线看| 国产熟女午夜一区二区三区| 性色av乱码一区二区三区2| 欧美日韩福利视频一区二区| 一边摸一边抽搐一进一出视频| 91精品三级在线观看| 日本撒尿小便嘘嘘汇集6| 亚洲精品一卡2卡三卡4卡5卡 | 丰满人妻熟妇乱又伦精品不卡| 欧美亚洲日本最大视频资源| 亚洲国产欧美一区二区综合| 99久久99久久久精品蜜桃| 国产淫语在线视频| 99热网站在线观看| 妹子高潮喷水视频| 51午夜福利影视在线观看| av天堂久久9| 99国产极品粉嫩在线观看| 一级,二级,三级黄色视频| 精品国内亚洲2022精品成人 | a级毛片黄视频| 中文字幕人妻丝袜一区二区| 性少妇av在线| 不卡一级毛片| 最近最新免费中文字幕在线| 亚洲专区字幕在线| 欧美日本中文国产一区发布| 多毛熟女@视频| 伊人久久大香线蕉亚洲五| 亚洲一码二码三码区别大吗| 男男h啪啪无遮挡| 国产淫语在线视频| 一进一出抽搐动态| 国产精品国产三级国产专区5o| 91成年电影在线观看| 丰满人妻熟妇乱又伦精品不卡| www.自偷自拍.com| 大香蕉久久成人网| 午夜福利影视在线免费观看| 国产亚洲欧美在线一区二区| 精品一区二区三区av网在线观看 | 久久av网站| 国产成人免费观看mmmm| 国产精品久久久久久精品古装| 国产免费福利视频在线观看| av在线播放精品| 成年动漫av网址| 黄色片一级片一级黄色片| 手机成人av网站| 视频区欧美日本亚洲| 男女高潮啪啪啪动态图| 久久国产精品男人的天堂亚洲| 免费观看a级毛片全部| 两性午夜刺激爽爽歪歪视频在线观看 | 性少妇av在线| 在线亚洲精品国产二区图片欧美| 亚洲av国产av综合av卡| 亚洲国产精品成人久久小说| 一个人免费在线观看的高清视频 | 国产精品久久久av美女十八| 69精品国产乱码久久久| 精品福利观看| 免费观看人在逋| 高潮久久久久久久久久久不卡| 国产淫语在线视频| av片东京热男人的天堂| 久久久久久人人人人人| 亚洲一区二区三区欧美精品| 黑人操中国人逼视频| 午夜福利,免费看| 国产男人的电影天堂91| 精品人妻1区二区| 久久中文字幕一级| 一本—道久久a久久精品蜜桃钙片| 亚洲精品中文字幕在线视频| 国产成人影院久久av| 欧美 亚洲 国产 日韩一| 成年人免费黄色播放视频| 国产精品欧美亚洲77777| 久久精品国产a三级三级三级| 国产亚洲精品久久久久5区| 日本一区二区免费在线视频| 男女之事视频高清在线观看| 两人在一起打扑克的视频| 国产男女内射视频| 日韩欧美国产一区二区入口| 久久亚洲国产成人精品v| 国产精品 国内视频| 国产1区2区3区精品| 国产一卡二卡三卡精品| 国产精品免费大片| 亚洲国产毛片av蜜桃av| 国产区一区二久久| 99国产极品粉嫩在线观看| 亚洲色图 男人天堂 中文字幕| 精品福利观看| 69av精品久久久久久 | 下体分泌物呈黄色| 蜜桃在线观看..| 亚洲一卡2卡3卡4卡5卡精品中文| 动漫黄色视频在线观看| 俄罗斯特黄特色一大片| 正在播放国产对白刺激| 国产av一区二区精品久久| 亚洲成国产人片在线观看| 午夜精品国产一区二区电影| 免费观看a级毛片全部| 精品少妇一区二区三区视频日本电影| 大型av网站在线播放| 咕卡用的链子| 亚洲av日韩精品久久久久久密| 亚洲情色 制服丝袜| 精品亚洲乱码少妇综合久久| 91成年电影在线观看| 亚洲精品自拍成人| 人人妻,人人澡人人爽秒播| 亚洲欧美一区二区三区久久| 侵犯人妻中文字幕一二三四区| 午夜免费成人在线视频| 国产精品一区二区在线观看99| 亚洲第一欧美日韩一区二区三区 | 女人精品久久久久毛片| 亚洲欧美日韩另类电影网站| 亚洲精品粉嫩美女一区| 如日韩欧美国产精品一区二区三区| 啦啦啦中文免费视频观看日本| 极品少妇高潮喷水抽搐| 蜜桃国产av成人99| 国产伦理片在线播放av一区| 99热国产这里只有精品6| 精品一区二区三区av网在线观看 | 久久青草综合色| 天天影视国产精品| 最新的欧美精品一区二区| 国产高清videossex| 免费在线观看影片大全网站| 老鸭窝网址在线观看| 9色porny在线观看| 91成人精品电影| 交换朋友夫妻互换小说| 中文字幕高清在线视频| 美女中出高潮动态图| 亚洲国产av新网站| 一级黄色大片毛片| 国产在线视频一区二区| 日韩有码中文字幕| 我要看黄色一级片免费的| 女人久久www免费人成看片| 精品久久蜜臀av无| 久久久精品区二区三区| 男女免费视频国产| 亚洲国产欧美网| 久久中文看片网| 亚洲第一欧美日韩一区二区三区 | 日本av手机在线免费观看| 精品人妻1区二区| 亚洲色图 男人天堂 中文字幕| 老熟妇乱子伦视频在线观看 | 久久久久国产一级毛片高清牌| 亚洲精品成人av观看孕妇| 高清视频免费观看一区二区| 2018国产大陆天天弄谢| 亚洲 国产 在线| 大香蕉久久成人网| 欧美日韩av久久| 国产亚洲精品久久久久5区| 国产免费视频播放在线视频| 欧美老熟妇乱子伦牲交| 成年女人毛片免费观看观看9 | 国产一区二区在线观看av| 在线观看舔阴道视频| 久久精品aⅴ一区二区三区四区| 国产成人影院久久av| 国产人伦9x9x在线观看| 亚洲中文字幕日韩| 天天操日日干夜夜撸| 亚洲色图综合在线观看| 亚洲成人免费av在线播放| 最近最新免费中文字幕在线| 美国免费a级毛片| 亚洲国产精品999| 精品一区二区三区四区五区乱码| 丰满饥渴人妻一区二区三| 肉色欧美久久久久久久蜜桃| 久久影院123| 亚洲国产看品久久| 久久这里只有精品19| 丰满饥渴人妻一区二区三| 最近最新免费中文字幕在线| 国产成人a∨麻豆精品| av欧美777| 欧美黄色淫秽网站| 91字幕亚洲| 一级片免费观看大全| av国产精品久久久久影院| 亚洲,欧美精品.| 一级片'在线观看视频| 亚洲专区中文字幕在线| 免费人妻精品一区二区三区视频| netflix在线观看网站| 宅男免费午夜| 美女主播在线视频| 久久久久网色| 美女高潮到喷水免费观看| 夫妻午夜视频| 国产日韩欧美亚洲二区| 十八禁人妻一区二区| 午夜91福利影院| 亚洲av美国av| 777米奇影视久久| 18禁观看日本| 欧美亚洲 丝袜 人妻 在线| 91九色精品人成在线观看| 午夜福利乱码中文字幕| av超薄肉色丝袜交足视频| 99久久99久久久精品蜜桃| 黄片小视频在线播放| 91麻豆av在线| 久久久久久人人人人人| 亚洲av国产av综合av卡| 热99国产精品久久久久久7| www.av在线官网国产| av天堂久久9| 一区福利在线观看| av网站在线播放免费| 少妇粗大呻吟视频| 亚洲精品久久久久久婷婷小说| 色综合欧美亚洲国产小说| 两个人看的免费小视频| 久久精品国产亚洲av高清一级| 日日爽夜夜爽网站| videos熟女内射| 免费人妻精品一区二区三区视频| 又黄又粗又硬又大视频| 国产在线免费精品| 成人18禁高潮啪啪吃奶动态图| 亚洲第一av免费看| 三级毛片av免费| 亚洲精品在线美女| av超薄肉色丝袜交足视频| 国产亚洲精品一区二区www | 国产av一区二区精品久久| 中国国产av一级| 老汉色av国产亚洲站长工具| 丰满少妇做爰视频| 亚洲黑人精品在线| 久久国产精品影院| 亚洲色图 男人天堂 中文字幕| 国产欧美日韩一区二区三区在线| 国产97色在线日韩免费| 精品一区二区三卡| 伦理电影免费视频| 欧美激情极品国产一区二区三区| 欧美乱码精品一区二区三区| 亚洲黑人精品在线| 国产无遮挡羞羞视频在线观看| 男人操女人黄网站| 男女午夜视频在线观看| av网站在线播放免费| 久久天堂一区二区三区四区| 黄色怎么调成土黄色| 午夜福利免费观看在线| 免费在线观看视频国产中文字幕亚洲 | 精品国产乱子伦一区二区三区 | 色婷婷久久久亚洲欧美| 丝袜人妻中文字幕| 亚洲一卡2卡3卡4卡5卡精品中文| 建设人人有责人人尽责人人享有的| 亚洲av日韩在线播放| 午夜福利视频精品| 亚洲va日本ⅴa欧美va伊人久久 | 久久人人97超碰香蕉20202| 欧美激情高清一区二区三区| 成年女人毛片免费观看观看9 | 成年人黄色毛片网站| 国产在视频线精品| 两个人免费观看高清视频| 婷婷丁香在线五月| 免费在线观看视频国产中文字幕亚洲 | 免费观看人在逋| 精品高清国产在线一区| 亚洲,欧美精品.| √禁漫天堂资源中文www| 巨乳人妻的诱惑在线观看| 十分钟在线观看高清视频www| 欧美激情久久久久久爽电影 | 国产片内射在线| 老汉色av国产亚洲站长工具| 国产在视频线精品| 久久久久国内视频| 亚洲国产成人一精品久久久| 久久久久国产一级毛片高清牌| 热99久久久久精品小说推荐| 久久久久久久精品精品| 欧美激情高清一区二区三区| 侵犯人妻中文字幕一二三四区| 亚洲一卡2卡3卡4卡5卡精品中文| tube8黄色片| www.熟女人妻精品国产| 日韩,欧美,国产一区二区三区| netflix在线观看网站| 精品福利永久在线观看| 黄色 视频免费看| 亚洲伊人久久精品综合| 精品一品国产午夜福利视频| 人人澡人人妻人| 黄色视频,在线免费观看| 97人妻天天添夜夜摸| 免费观看a级毛片全部| 在线观看人妻少妇| 欧美大码av| 国产欧美亚洲国产| 亚洲自偷自拍图片 自拍| 又大又爽又粗| 亚洲 国产 在线| 高清av免费在线| 精品人妻熟女毛片av久久网站| 9191精品国产免费久久| 午夜福利在线观看吧| 免费在线观看影片大全网站| 久久久久国产一级毛片高清牌| 精品乱码久久久久久99久播| 91九色精品人成在线观看| 色精品久久人妻99蜜桃| 嫩草影视91久久| 亚洲avbb在线观看| 国产欧美亚洲国产| 美女国产高潮福利片在线看| 久久香蕉激情| 日韩电影二区| 啦啦啦视频在线资源免费观看| 在线看a的网站| 蜜桃国产av成人99| av又黄又爽大尺度在线免费看| 免费在线观看完整版高清| 咕卡用的链子| 免费人妻精品一区二区三区视频| 精品亚洲成a人片在线观看| 国产精品 欧美亚洲| 国产亚洲欧美在线一区二区| 午夜激情av网站| 在线观看免费午夜福利视频| 日本欧美视频一区| 黄色a级毛片大全视频| 狠狠婷婷综合久久久久久88av| 黄网站色视频无遮挡免费观看| 日本撒尿小便嘘嘘汇集6| 久久久欧美国产精品| 真人做人爱边吃奶动态| 亚洲国产欧美一区二区综合| 欧美+亚洲+日韩+国产| 国产男人的电影天堂91| 在线天堂中文资源库| 久久精品国产综合久久久| 中亚洲国语对白在线视频| 韩国精品一区二区三区| 久久久精品94久久精品| 亚洲中文av在线| 97人妻天天添夜夜摸| 18禁黄网站禁片午夜丰满| 国产主播在线观看一区二区| 国产av国产精品国产| 欧美精品一区二区大全| 伊人久久大香线蕉亚洲五| 免费av中文字幕在线| www.av在线官网国产| a 毛片基地| 亚洲色图 男人天堂 中文字幕| 天天影视国产精品| av在线播放精品| 欧美精品人与动牲交sv欧美| 日韩制服丝袜自拍偷拍| 国产高清国产精品国产三级| 香蕉丝袜av| 国产亚洲av高清不卡| 国产97色在线日韩免费| 99re6热这里在线精品视频| 欧美精品啪啪一区二区三区 | av电影中文网址| 成年人黄色毛片网站| 美女午夜性视频免费| 日日摸夜夜添夜夜添小说| 欧美xxⅹ黑人| 久久久久久久国产电影| 欧美日韩亚洲国产一区二区在线观看 | 搡老熟女国产l中国老女人| 这个男人来自地球电影免费观看| 男女午夜视频在线观看| 我的亚洲天堂| 男女免费视频国产| 男人舔女人的私密视频| 欧美精品av麻豆av| 免费高清在线观看日韩| 热99国产精品久久久久久7| av福利片在线| 日韩欧美一区二区三区在线观看 | 可以免费在线观看a视频的电影网站| a级片在线免费高清观看视频| 一区二区三区乱码不卡18| 国产av又大| 欧美97在线视频| 精品高清国产在线一区| a在线观看视频网站| 国产在线观看jvid| 久久 成人 亚洲| 久久久久国内视频| 国产成人系列免费观看| 啦啦啦视频在线资源免费观看| 中国美女看黄片| 天天躁狠狠躁夜夜躁狠狠躁| 日日爽夜夜爽网站| 18在线观看网站| 午夜影院在线不卡| 美女福利国产在线| 丝袜人妻中文字幕| 巨乳人妻的诱惑在线观看| 真人做人爱边吃奶动态| 欧美亚洲 丝袜 人妻 在线| 国产又爽黄色视频| 亚洲成人手机| 免费高清在线观看视频在线观看| 在线观看一区二区三区激情| 脱女人内裤的视频| 视频在线观看一区二区三区| 欧美精品高潮呻吟av久久| 脱女人内裤的视频| 久久精品成人免费网站| 天天影视国产精品| 亚洲成人手机| 国产av又大| 国产精品久久久人人做人人爽| 黑人操中国人逼视频| 免费观看a级毛片全部| 久久久欧美国产精品| 欧美精品啪啪一区二区三区 | 免费在线观看影片大全网站|