文档建议反馈控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

如何改进FCN32的学习以进行语义分割？

FCN32是一种基于全卷积网络（Fully Convolutional Network）的语义分割模型，用于将图像中的每个像素分类为不同的语义类别。为了改进FCN32的学习以提高语义分割的准确性和效果，可以考虑以下几个方面的改进：

  1. 使用更深的网络结构：FCN32采用了VGG16作为基础网络，可以尝试使用更深的网络结构，如ResNet、DenseNet等，以提取更丰富的特征表示能力。
  2. 添加跳跃连接：FCN32通过上采样将低分辨率的特征图恢复到原始图像尺寸，但这样可能会导致信息丢失和模糊。可以通过添加跳跃连接，将浅层特征与深层特征进行融合，以提高分割结果的细节和边界准确性。
  3. 使用更大的感受野：语义分割需要对整个图像进行全局的语义理解，可以通过使用更大的感受野来增加模型的上下文信息。可以采用空洞卷积（Dilated Convolution）或者金字塔池化（Pyramid Pooling）等方法来扩大感受野。
  4. 结合多尺度信息：图像中的目标物体可能具有不同的尺度，为了更好地捕捉不同尺度的信息，可以引入多尺度的特征融合机制。可以通过金字塔结构或者多尺度融合模块来实现。
  5. 数据增强：通过对训练数据进行增强，如随机裁剪、旋转、缩放、翻转等操作，可以增加模型的泛化能力和鲁棒性。
  6. 使用更好的损失函数：FCN32使用交叉熵损失函数进行训练，但对于像素级别的语义分割任务，可以考虑使用更适合的损失函数，如Dice Loss、Jaccard Loss等，以更好地衡量预测结果与真实标签的相似度。
  7. 进行迁移学习：可以利用预训练的模型在大规模图像数据上进行训练，然后将学到的特征迁移到语义分割任务中进行微调，以加快模型的收敛速度和提高准确性。

腾讯云相关产品和产品介绍链接地址：

  • 腾讯云AI开放平台：https://cloud.tencent.com/product/ai
  • 腾讯云图像识别：https://cloud.tencent.com/product/imagerecognition
  • 腾讯云视频处理：https://cloud.tencent.com/product/vod
  • 腾讯云云服务器：https://cloud.tencent.com/product/cvm
  • 腾讯云云数据库：https://cloud.tencent.com/product/cdb
  • 腾讯云云存储：https://cloud.tencent.com/product/cos
  • 腾讯云区块链服务：https://cloud.tencent.com/product/tbaas
  • 腾讯云物联网平台：https://cloud.tencent.com/product/iotexplorer
  • 腾讯云移动开发平台：https://cloud.tencent.com/product/mpp
  • 腾讯云音视频处理：https://cloud.tencent.com/product/mps
相关搜索:如何在python3.7中使用yolov2进行语义分割？如何在Keras中使用flow_from_directory进行多类语义分割？如何清理大型图像数据集以进行深度学习？语义分割:如何评估噪声对医学图像分割的有效性和鲁棒性的影响？选择scikit中的功能子集-学习以进行培训如何改进我的代码以处理大数字？如何对已提取的文本进行分割？如何导入自定义图像数据集以进行迁移学习如何解释缩放报告以改进我的模型？如何通过机器学习识别数据集中的变量目标以进行预测C++如何分割大文本文件以进行多线程读取如何改进我的SQL代码以获得正确的结果？为csv格式的数据添加标签以进行机器学习如何对粘贴文本的颜色更改进行编码使用flow_from_directory()使用keras (TensforFlow后端)进行语义图像分割(3个标签)的输入管道我如何改进我的程序以在后端成功工作？深度学习:如何保存计算模型以进行预测，以及如何在以后加载它如何改进我的spaCy模型以完美地识别坐标？如何改进机器学习python中的accuracy_score来解决这个回归问题？如何在Postgres中对包含语义版本的列进行排序
相关搜索:
页面内容是否对你有帮助？
有帮助
没帮助

相关·内容

改进特征融合的实时语义分割方法

作者：王小玉，李志斌来源：《哈尔滨理工大学学报》编辑：东岸因为@一点人工一点智能针对实时语义分割任务中需要同时兼顾位置信息和语义信息的问题，提出一种改进特征融合的实时语义分割方法 。...在虚拟现实、工业自动化、无人驾驶和医学检测等领域具有广泛的应用[2-41]，在这些应用中如何能保持较高的分割的精度和分割实时性是其应用的关键，随着卷积神经网络的产生及迅速发展，其在像语义分割问题取得了显著的成果...针对语义分割网络中浅层位置信息和深层语义信息融合的问题，本文提出改进特征融合的实时语义分割方法，该方法以轻量级的特征提取网络ResNet18(residual networks 18-layer)[5]...1.3 网络结构基于轻量级注意力模块和双通道特征融合模块提出了一种改进特征融合的实时语义分割方法，其结构如图1所示。...03 结论本文对实时语义分割网络中的特征融合进行分析，提出了改进特征融合的实时语义分割方法，该方法使用轻量级残差网络提取位置信息和语义信息特征图，保证语义分割的速度。

19510

在PyTorch中使用DeepLabv3进行语义分割的迁移学习

当我在使用深度学习进行图像语义分割并想使用PyTorch在DeepLabv3[1]上运行一些实验时，我找不到任何在线教程。...在本文中，我将介绍如何使用预先训练的语义分割DeepLabv3模型，通过使用迁移学习在PyTorch中进行道路裂缝检测。同样的过程也可以应用于调整自定义数据集的网络。...已经做出努力以能够从有限的数据训练模型。这些技术中的一种称为转移学习。...如果你对此现象有任何评论，请发表评论，我想知道你的想法。 总结 我们学习了如何使用PyTorch中的DeepLabv3对我们的自定义数据集进行语义分割任务的迁移学习。...首先，我们了解了图像分割和迁移学习。 接下来，我们了解了如何创建用于分割的数据集类来训练模型。 接下来是如何根据我们的数据集改变DeepLabv3模型的分割头的最重要的一步。

1.4K30

    • 深度学习图语义分割的综述

    1 介绍 图像分割是计算机视觉和机器学习领域发展最快的领域之一，包括分类、分类与定位、目标检测、语义分割、实例分割和Panoptic分割。...本综述总结了语义分割的最新进展，特别是实时系统，强调了高效技术的重要性。 2 语义分割的历史 语义分割的早期方法有阈值分割和聚类。阈值分割将图像分为目标和背景，通过使用单个或多个阈值进行分类。...[38]提出通过添加全局上下文来增强全卷积网络的性能，[39]提出了增强语义分割网络（ESSN），对每个卷积层的残差特征图进行上采样和连接，以保持网络所有阶段的特征（如图6）。...在语义分割中，注意力机制通过整合多尺度特征到全卷积网络，学习在每个像素位置对多尺度特征进行软加权，如图9所示，以提高分割准确性。...图9 尺度感知语义图像分割架构 4 用于语义图像分割的实时深度学习架构 深度学习的语义分割准确率显著提高，例如在Cityscapes数据集中实现了65%的mIoU，在PASCAL VOC 2012数据集中实现了

    49910

    基于深度学习的语义分割综述

    1.Fully ConvolutionalNetworks 这项工作被认为是图像分割中的一个里程碑，证明了可以在可变大小的图像上以端到端的方式训练深层网络进行语义分割。...值得注意的是，还有一个很有前途的研究方向是尝试通过学习用于自底向上分割的分组线索来解决实例分割问题，例如深分水岭变换和通过深度量学习进行语义实例分割。 ? ?...RNNs在建立像素间的短期/长期依赖关系模型以（潜在地）改善分割图的估计方面非常有用。使用RNNs，像素可以被连接在一起并按顺序处理，以建模全局信息进行语义分割。 主要工作包括： 1....Chen等人提出了一种attention机制，学习在每个像素位置对多尺度特征进行软加权。它们采用了一个强大的语义分割模型，并与多尺度图像和attention模型联合训练。...一种不同的方法最初试图将ACM仅仅用作FCN输出的后处理程序，一些努力试图通过对FCN进行预训练来实现适度的共同学习。Le等人的工作是一个用于自然图像语义分割的ACM后处理器的例子。

    1.3K01

    夜间场景缺数据，如何进行语义分割？浙大提出基于GAN的高鲁棒夜间语义分割框架

    因此，如何增强语义分割模型的鲁棒性成为计算机视觉领域的重要问题。在本文工作中，我们着重提高夜间语义分割的性能。...2.2 模型适应 通常，CNN仅从训练数据域中学习特征，并且在不同的领域中可能表现会差很多。这也是为什么在白天训练的语义分割模型在夜间准确率会严重下降的原因。...3.1 训练CycleGAN进行昼夜跨域转换 CycleGAN是一种在没有配对示例的情况下学习将图像从原域转换为目标域的方法，这符合我们的需求。...因此，ERF-PSPNet可以保留其实时的属性。在我们的实验中，我们探索了合成夜间图像的比例如何影响语义分割模型的准确性。...然后在5000的时候曲线达到另外一个峰值，这个原因可能是5000是2000的对称数(总数是7000),并且该模型以互补的方式从白天图像中学习纹理信息，从夜晚图像中学习光照信息，但是此时白天的性能已经降低到了一个较低的水平

    1.7K30

    深度学习时代下的语义分割综述

    ，随着深度学习的流行，语义分割任务也得到了大量的进步。...本文简要地概述了每一篇重要论文的精要和亮点，希望能给读者一些指南。 1 引言 语义分割一直是计算机视觉中十分重要的领域，随着深度学习的流行，语义分割任务也得到了大量的进步。...上图是一个胸腔x-射线片，包括分割出的心脏（hear，红色），肺（lungs，绿色）和锁骨（clavicles，蓝色） 3 如何构建语义分割网络？...Large Kernel Matters 主要贡献 提出了含有非常大核的编码器-解码器结构 语义分割需要同时对分割对象进行分割和分类。...总结 语义分割在深度学习时代下取得了飞速的进步，然而从上面的回顾也可以看出，语义分割仍然有很多问题需要克服，目前还远称不上已经解决，更准确的分割边界，小物体的分割，实时性语义分割等问题仍然是一个挑战，要因此还需要学术界和工业界的持续努力

    2K20

    基于深度学习的语义分割技术总览

    Contents 1 基于深度学习的语义分割方法介绍 1.1 Encoder 1.2 Decoder 1.3 Convolution Layer in Encoder and Decoder 1.4 总结...在计算机视觉领域，有一个方向是语义分割，一般是针对图像进行像素级分类，具体而言，就是语义图像分割会将每个像素都标注上其对应的类别。...基于深度学习的语义分割方法介绍 用卷积神经网络分类（全卷积网络FCN），与普通CNN网络不通的是，FCN的分类层是卷积层，普通网络为全连接层。...卷基层负责获取图像局域特征，池化层对图像进行下采样并且将尺度不变特征传送到下一层，而BN主要对训练图像的分布归一化，加速学习。 ...更多内容可以参考这篇文章 参考资料 2019年最新基于深度学习的语义分割技术讲解（含论文+指标+应用+经验） U-net 论文笔记 语义分割论文-DeepLab系列

    46120

    如何用PyTorch进行语义分割？一个教程教会你｜资源

    正值PyTorch 1.7更新，那么我们这次便给大家带来一个PyTorch简单实用的教程资源：用PyTorch进行语义分割。 ?...△图源：stanford 该教程是基于2020年ECCV Vipriors Chalange Start Code实现了语义分割，并且添加了一些技巧。...数据集的简单数据分析 将各基准类别进行输入： ? 之后，便从0-18计数，对各类别进行像素标记： ?...交叉熵损失函数，常用在大多数语义分割场景，但它有一个明显的缺点，那就是对于只用分割前景和背景的时候，当前景像素的数量远远小于背景像素的数量时，模型严重偏向背景，导致效果不好。...CutMix 将一部分区域cut掉但不填充0像素，而是随机填充训练集中的其他数据的区域像素值，分类结果按一定的比例分配。 ? 而在这里，则是在原有CutMix的基础上，引入了语义分割。

    73410

    如何用PyTorch进行语义分割？一个教程教会你｜资源

    正值PyTorch 1.7更新，那么我们这次便给大家带来一个PyTorch简单实用的教程资源：用PyTorch进行语义分割。...△图源：stanford 该教程是基于2020年ECCV Vipriors Chalange Start Code实现了语义分割，并且添加了一些技巧。...数据集的简单数据分析 将各基准类别进行输入： 之后，便从0-18计数，对各类别进行像素标记： 使用deeplab v3进行基线测试，结果发现次要类别的IoU特别低，这样会导致难以跟背景进行区分。...交叉熵损失函数，常用在大多数语义分割场景，但它有一个明显的缺点，那就是对于只用分割前景和背景的时候，当前景像素的数量远远小于背景像素的数量时，模型严重偏向背景，导致效果不好。...CutMix 将一部分区域cut掉但不填充0像素，而是随机填充训练集中的其他数据的区域像素值，分类结果按一定的比例分配。 而在这里，则是在原有CutMix的基础上，引入了语义分割。

    35230

    介绍一篇通过无监督depth estimation改进语义分割的论文

    分割需要标注数据的工作很麻烦。本文是semi-supervised方法，其中采用自监督的单目深度估计结果来增强，即auxiliary task。...（1）深度估计的特征学习知识迁移到语义分割任务；（2）采用的data augmentation很强，即DepthMix，将标记和图像基于景物结构进行混合；（3）depth特征的diversity和“学生...-老师”框架的depth学习难度，有助于选择有用特征做语义分割的标注，即Unsupervised Data Selection for Annotation，其选择的标准是diversity和uncertainty...整个半监督的语义分割框架如图：其中SDE（selfsupervised depth estimation）作为辅助任务。...无标注图像的学习，是通过一个mean teacher算法产生伪标记，即对语义分割模型的weight采用exponential moving average，类似temporal ensemble ?

    64010

    基于深度学习的图像语义分割算法综述

    更具体地说，图像语义分割的目标是将图像的每个像素所属类别进行标注。因为我们是预测图像中的每个像素，这个任务通常被称为密集预测（dense prediction）。 ?...02 架构设 对于图像语义分割任务，构建神经网络架构的一种简单方法是简单地堆叠多个卷积层（使用same padding以维持维度大小）并输出最终的分割图。...因此，我们可以通过通过池化或跨步卷积（即压缩空间分辨率）周期性地对特征图进行下采样来减轻计算负载。然而，对于图像分割，我们希望我们的模型最后给出全分辨率的语义预测。...用于图像分割模型的一种流行方法是遵循编码器/解码器（encoder/decoder）结构，其中我们先对输入进行下采样（downsample），得到较低分辨率的特征映射，其学习到了如何高效地区分各个类，然后对这些特征进行上采样...该论文的作者采用已有的较优图像分类网络（例如AlexNet）作为网络的编码器模块，并增加了带有转置卷积层的解码器模块，以便对粗粒度的特征图进行上采样以得到全分辨率分割图。 ?

    1.9K43

    基于深度学习的图像语义分割算法综述

    更具体地说，图像语义分割的目标是将图像的每个像素所属类别进行标注。因为我们是预测图像中的每个像素，这个任务通常被称为密集预测（dense prediction）。 ?...02 架构设 对于图像语义分割任务，构建神经网络架构的一种简单方法是简单地堆叠多个卷积层（使用same padding以维持维度大小）并输出最终的分割图。...因此，我们可以通过通过池化或跨步卷积（即压缩空间分辨率）周期性地对特征图进行下采样来减轻计算负载。然而，对于图像分割，我们希望我们的模型最后给出全分辨率的语义预测。...用于图像分割模型的一种流行方法是遵循编码器/解码器（encoder/decoder）结构，其中我们先对输入进行下采样（downsample），得到较低分辨率的特征映射，其学习到了如何高效地区分各个类，然后对这些特征进行上采样...该论文的作者采用已有的较优图像分类网络（例如AlexNet）作为网络的编码器模块，并增加了带有转置卷积层的解码器模块，以便对粗粒度的特征图进行上采样以得到全分辨率分割图。 ?

    2.4K21

    POINTNET：利用深度学习对点云进行3D分类和语义分割

    POINTNET：利用深度学习对点云进行3D分类和语义分割 参考自，PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation...代码仓库地址为：https://github.com/charlesq34/pointnet/ 介绍 这次介绍的是一个比较基础的工作，针对空间点云，进行分类或者语义分割的框架，现在通常也被用作对RGB-D...图像进行特征提取的部分。...该工作的目的就是，输入点云信息，得到每一个点的语义，或者是得到整个点云代表的物体信息。 PointNet Application 如上图所示，该工作可以对点云数据进行分类，语义分割，部分分割等。...语义分割 seg 可以看到，比起3D全卷积的baseline，mIoU也是达到SOTA的性能

    40440

    CVPR2020 | SANet：视觉注意力SE模块的改进，并用于语义分割

    主要的思想是通过对视觉注意力模块SE模块进行改进得到了SA模块，同时捕获全局和局部上下文信息，并构建了SANet来完成语义分割任务。...文章中对SE模块的改进思想可以学习，并可以迁移到backbone设计等其他领域。...简介 目前，语义分割方法的进步主要是通过改进逐像素表示以进行精确标记来驱动的。但是，语义分割并不完全等同于逐像素预测。...最近的分割模型通过使用金字塔池和空洞卷积层聚合上下文特征以进行像素化标记而取得了重大进展，但是空洞卷积的内核限制了在分割网络中学习到的空间特征的形状。...全局上下文特征是对这些区域进行整体编码，而不是针对图像的每个部分独立地学习重新加权。 为此，本文设计了一个SA模块，以通过考虑局部和全局方面的重新加权机制来学习语义分割任务的更多代表性特征。

    5K10

    深度学习如何在医学影像分割上大显神通？——分割网络的三个改进思路

    近年来深度学习在计算机视觉的各个细分邻域都取得了出色的成绩，那么，深度学习如何帮助医生得到更满意的图像分割结果呢？本文就从三个深度学习分割网络的改进思路谈起，聊一聊这些改进的出发点和具体实现策略。...图1 分割和分类的区别[1] 2.2 医学影像的分割精度要求高 经典的语义分割更重视像素点的多分类信息，往往对多个类别进行分割，对分割细节要求不高。...图4 不同池化层做上采样操作后的结果，最右侧为金标准[1] 那么，面对这样此消彼长的网络特性我们能够通过哪些思路进行改进呢？这些改进思路之间究竟存在怎样的内在逻辑？...和FCN这种对不同层的池化结果进行上采样的思路不同，UNet的这个合并操作有效避免了FCN网络中语义信息和分割细节此消彼长的情况。...图11 心脏和肋骨的相对位置关系示意图 小结一下，本文介绍了三个在医学影像分割问题上深度学习网络的改进思路：1、网络深层抽象信息与底层细节信息共享，用底层信息补充分割细节；2、网络各个层互补信息，通过最大限度的保留网络信息流来提升分割精度

    9.4K134

    DAFormer | 使用Transformer进行语义分割无监督域自适应的开篇之作

    由于目前网络结构的影响尚未得到系统的研究，作者首先对UDA的不同网络结构进行了基准测试，并揭示了Transformer在UDA语义分割方面的潜力。在此基础上提出了一种新的UDA方法DAFormer。...通过在早期训练中线性提高学习率到预期值，学习过程稳定，从ImageNet预处理训练的特征可以更好地迁移到语义分割。...2相关方法 2.1 语义分割 自从引入卷积神经网络用于语义分割以来，它们一直占据着该领域的主导地位。通常，语义分割网络遵循编码器-解码器的设计。...下采样是通过overlapping patch merging实现的，这样可以保持局部连续性。 以前使用Transformer Backbone进行语义分割的工作通常只利用局部信息作为解码器。...为了避免这一问题，基于语义分割UDA模型 的瓶颈特征 和ImageNet模型的瓶颈特征 的特征距离(FD)对模型进行规范化: 然而，ImageNet模型主要训练对象类(具有明确形状的对象，

    2.5K50

    ECCV2020 | Cityscapes上83.7 mIoU，通过解耦的主体和边缘监督改进语义分割

    在包括Cityscapes、CamVid、KIITI和BDD在内的四个主要道路场景语义分割数据集上进行的大量实验表明，本文提出的方法实现了SOTA，同时保持了较高的推理效率。...受此启发，本文以明确的方式探索主体和边缘之间的关系，以获得最终的语义分割结果。...然后，对这两个部分进行专门设计的监督。然后合并两个改进的功能以进行最终预测。 在本文中，通过在特征层上显式地建模主体一致性和保留边缘信息，然后在统一框架中联合优化它们来解决语义分割。...主体特征由mask进行监督，在训练过程中忽略边缘，而边缘特征由边缘mask监督以学习边缘预测。最后，将两个优化的特征合并到最终的表示中进行分割。...因为物体内部的像素彼此相似，而沿边界的像素则显示出差异，因此可以显式地学习body和边缘特征表示，为此，本文的方法学习了flow field，并使用它对原始特征图进行warp以获得显式的主体特征表示。

    2.1K20

    基于深度学习的图像语义分割技术精度度量标准

    一、基于深度学习的图像语义分割技术精度度量标准 1.1 度量标准 为何需要语义分割系统的评价标准？ 为了衡量分割系统的作用及贡献，其性能需要经过严格评估。...并且，评估须使用标准、公认的方法以保证公平性。 系统的多个方面需要被测试以评估其有效性，包括：执行时间、内存占用、和精确度。...由于系统所处背景及测试目的的不同，某些标准可能要比其他标准更加重要，例如，对于实时系统可以损失精确度以提高运算速度。而对于一种特定的方法，尽量提高所有的度量性能是必须的。...（3）Mean Intersection over Union(MIoU，均交并比)：为语义分割的标准度量。...其计算两个集合的交集和并集之比，在语义分割的问题中，这两个集合为真实值（ground truth）和预测值（predicted segmentation）。

    2K20

    三维深度学习中的目标分类与语义分割

    在过去的几年中，基于RGB的深度学习已经在目标分类与语义分割方面取得了非常好的效果，也促进了很多技术的发展，深度学习在现实生活中的应用也越来越多。...点云姿态变换的类别不变性 物体在三维空间中的姿态是任意的，将物体点云进行旋转平移操作，虽然改变了点云中的点的坐标，但是物体的类别其实是没有改变的，因此在三维深度网络架构过程中需要考虑到如何保证神经网络对于姿态的不变性...，可见网络还有很大的改进空间。...3）将PointNet加入了进来，使用PointNet直接对Frustrum中的点云进行物体分割，而不是使用传统的滑动窗口操作，从而使得分割的速度更快。...论文另一个吸引人的地方就是BCL2D->3D，可以将从多视图图像中提取的特征利用Permutohedral Lattice投射到三维空间，使得二维图像与点云以一种学习的方法结合在一起，论文也通过这种方法取得了非常好的语义分割性能

    4.2K50

    如何利用Kurukshetra以交互式的方式学习如何进行安全编码

    关于Kurukshetra Kurukshetra是一款功能强大的开源框架，该框架的主要目标就是通过交互式的问题解决方式来告诉广大研究人员或开发人员如何能够更好地实现安全编码。...Kurukshetra本质上是一个Web框架，并未托管合理复杂的安全编码挑战提供坚实的基础，同时仍然能够根据用户输入高效动态地在安全的沙盒环境中执行每个挑战。...Kurukshetra由两个组件组成，一个是用PHP编写的后端框架，它的任务是管理并利用底层Docker系统为挑战执行提供安全的沙盒环境；另一个组件则是前端部分，它是一个面向用户的Web应用程序，主要负责提供所有必要的控制机制...支持的平台 Kurukshetra已经在Ubuntu/Debian（基于apt-get的发行版）和Mac操作系统上进行了测试。...理想情况下，它可以在任何安装了PHP 7.2、MySQL和Docker（以及启用了远程API）的Linux的发行版操作系统上正常运行 工具要求 该工具的正常运行需要使用到下列依赖组件以及配置参数：

    16030
    点击加载更多

    扫码

    添加站长 进交流群

    领取专属 10元无门槛券

    手把手带您无忧上云

    扫码加入开发者社群

    相关资讯

    热门标签

    更多标签

    活动推荐

      运营活动

      活动名称
      广告关闭

      腾讯云开发者

      扫码关注腾讯云开发者

      扫码关注腾讯云开发者

      领取腾讯云代金券

      热门产品

      热门推荐

      更多推荐

      Copyright © 2013 - 2024 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有

      深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 深公网安备号 44030502008569

      腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号 | 京公网安备号11010802020287

      领券