行人重识别:基于度量学习的行人重识别算法

本文介绍行人重识别项目,基于Paddle官方Metric Learning模型开发,修复Bug、优化代码并增加多个BackBone及模型导出脚本。使用Market-1501数据集,经解压、预处理后,用arcmargin loss训练,可微调提升性能,评估用Recall@Rank-1指标,未微调模型达96.65%,还涉及预测与模型导出。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

行人重识别:基于度量学习的行人重识别算法 - 创想鸟

降重鸟 降重鸟

要想效果好,就用降重鸟。AI改写智能降低AIGC率和重复率。

降重鸟 113 查看详情 降重鸟

引入

行人重识别(Person Re-IDentification,简称Re-ID),也称行人再识别,是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术广泛被认为是一个图像检索的子问题。给定一个监控行人图像,检索跨设备下的该行人图像旨在弥补目前固定的摄像头的视觉局限,并可与行人检测/行人跟踪技术相结合,可广泛应用于智能视频监控、智能安保等领域具体任务为:一个区域有多个摄像头拍摄视频序列,ReID的要求对一个摄像头下感兴趣的行人,检索到该行人在其他摄像头下出现的所有图片

项目说明

本项目基于Paddle官方模型库中的Metric Learning模型开发修复了几个小Bug,清理和优化了代码增加了几个BackBone:GhostNet、MobileNetV3、ResNetVd增加模型导出脚本,导出模型可用于多目标追踪:DeepSort_Paddle项目

Metric Learning

Metric Learning即度量学习也叫作相似度学习将度量学习应用于图像领域,就可以用作图像的相似度评估行人重识别恰好可以通过评估两张行人图像的相似度来实现所以本次就使用Paddle官方模型库中的Metric Learning模型实现一个简单的行人重识别算法

数据集介绍

本次使用的数据集是经典的行人重识别数据集Market-1501Market-1501 数据集在清华大学校园中采集,夏天拍摄,在 2015 年构建并公开它包括由6个摄像头(其中5个高清摄像头和1个低清摄像头)拍摄到的 1501 个行人、32668 个检测到的行人矩形框每个行人至少由2个摄像头捕获到,并且在一个摄像头中可能具有多张图像训练集有 751 人,包含 12,936 张图像,平均每个人有 17.2 张训练数据;测试集有 750 人,包含 19,732 张图像,平均每个人有 26.3 张测试数据3368 张查询图像的行人检测矩形框是人工绘制的,而 gallery 中的行人检测矩形框则是使用DPM检测器检测得到的该数据集提供的固定数量的训练集和测试集均可以在single-shot或multi-shot测试设置下使用

解压数据集

In [ ]

%cd ~/work/metric_learning/data!tar -xf ~/data/data1884/Market-1501-v15.09.15.tar!mv Market-1501-v15.09.15 Market-1501

       

/home/aistudio/work/metric_learning/data

       

数据预处理

生成数据列表分割训练集和验证集In [ ]

%cd ~import osimport randomimgs = os.listdir('work/metric_learning/data/Market-1501/gt_bbox')imgs.sort()image_id = 1super_class_id = 1class_id = 1class_dict = {}for img in imgs:    if 'jpg' in img:        person_id = img[:4]        if person_id not in class_dict:            class_dict[person_id] = class_id            class_id += 1total = []for img in imgs:    if 'jpg' in img:        person_id = img[:4]        path = 'gt_bbox/'+img        line = '%s %s %s %sn' % (image_id, class_dict[person_id], super_class_id, path)        image_id += 1        total.append(line)# random.shuffle(total)train = total[:-1014]dev = total[-1014:]with open('work/metric_learning/data/Market-1501/train.txt', 'w', encoding='UTF-8') as f:    f.write('image_id class_id super_class_id pathn')    for line in train:        f.write(line)    with open('work/metric_learning/data/Market-1501/test.txt', 'w', encoding='UTF-8') as f:    f.write('image_id class_id super_class_id pathn')    for line in dev:        f.write(line)

       

/home/aistudio

       

下载预训练模型

这里使用ResNet50_vd做演示可根据需要选择其他更合适的BackBone其他预训练模型可在PaddleClas套件的模型库中找到In [ ]

%cd ~/work/metric_learning/pretrained_model!wget https://paddle-imagenet-models-name.bj.bcebos.com/ResNet50_vd_ssld_v2_pretrained.tar!tar -xf ResNet50_vd_ssld_v2_pretrained.tar

       

/home/aistudio/work/metric_learning/pretrained_model--2020-11-18 00:03:50--  https://paddle-imagenet-models-name.bj.bcebos.com/ResNet50_vd_ssld_v2_pretrained.tarResolving paddle-imagenet-models-name.bj.bcebos.com (paddle-imagenet-models-name.bj.bcebos.com)... 182.61.200.195, 182.61.200.229, 2409:8c00:6c21:10ad:0:ff:b00e:67dConnecting to paddle-imagenet-models-name.bj.bcebos.com (paddle-imagenet-models-name.bj.bcebos.com)|182.61.200.195|:443... connected.HTTP request sent, awaiting response... 200 OKLength: 95165219 (91M) [application/x-tar]Saving to: ‘ResNet50_vd_ssld_v2_pretrained.tar’ResNet50_vd_ssld_v2 100%[===================>]  90.76M  48.0MB/s    in 1.9s    2020-11-18 00:03:52 (48.0 MB/s) - ‘ResNet50_vd_ssld_v2_pretrained.tar’ saved [95165219/95165219]

       

模型训练

使用softmax loss或者arcmargin loss进行模型训练In [ ]

%cd ~/work/metric_learning!python train_elem.py     --model ResNet50_vd     --embedding_size 128     --train_batch_size 256     --test_batch_size 256     --image_shape 3,128,128     --class_dim 1421     --lr 0.1     --lr_strategy piecewise_decay     --lr_steps 5000,7000,9000     --total_iter_num 10000     --display_iter_step 10     --test_iter_step 500     --save_iter_step 500     --use_gpu True     --pretrained_model pretrained_model/ResNet50_vd_ssld_v2_pretrained     --model_save_dir save_elem_model     --loss_name arcmargin     --arc_scale 80.0     --arc_margin 0.15     --arc_easy_margin False

   

模型微调

上述训练完成后还可对模型进行微调,进一步提升性能In [ ]

%cd ~/work/metric_learning!python train_pair.py     --model ResNet50_vd     --embedding_size 128     --train_batch_size 64     --test_batch_size 64     --image_shape 3,128,128     --class_dim 1421     --lr 0.0001     --lr_strategy piecewise_decay     --lr_steps 3000,6000,9000     --total_iter_num 10000     --display_iter_step 10     --test_iter_step 500     --save_iter_step 500     --use_gpu True     --pretrained_model save_elem_model/ResNet50_vd/10000     --model_save_dir save_pair_model     --loss_name eml     --samples_each_class 4     --margin 0.1     --npairs_reg_lambda 0.01

   

模型评估

对模型的检索效果进行评估,这里使用Recall@Rank-1作为评估指标In [5]

%cd ~/work/metric_learning# arcmargin未微调模型!python eval.py     --model ResNet50_vd     --embedding_size 128     --batch_size 256     --image_shape 3,128,128     --use_gpu True     --pretrained_model pretrained_model/best_model_no_finetune

       

/home/aistudio/work/metric_learningYou are using Paddle compiled with TensorRT, but TensorRT dynamic library is not found. Ignore this if TensorRT is not needed.-----------  Configuration Arguments -----------batch_size: 256embedding_size: 128image_shape: 3,128,128model: ResNet50_vdpretrained_model: pretrained_model/best_model_no_finetuneuse_gpu: 1------------------------------------------------W1118 00:06:56.248965  7755 device_context.cc:338] Please NOTE: device: 0, CUDA Capability: 70, Driver API Version: 10.1, Runtime API Version: 10.1W1118 00:06:56.254372  7755 device_context.cc:346] device: 0, cuDNN Version: 7.6.val dataset size: 80[2020-11-18 00:07:01] testbatch 0, time 0.14 sec[2020-11-18 00:07:05] End test 1014, test_recall 0.96647

       

模型预测

使用模型输出预测图像的特征编码In [2]

%cd ~/work/metric_learning!python infer.py     --model ResNet50_vd     --embedding_size 128     --batch_size 1     --image_shape 3,128,128     --use_gpu True     --pretrained_model pretrained_model/best_model_no_finetune

   

模型导出

In [6]

%cd ~/work/metric_learning!python export_model.py     --model ResNet50_vd     --embedding_size 128     --image_shape 3,128,128     --use_gpu True     --pretrained_model=pretrained_model/best_model_no_finetune     --model_save_dir=save_inference_model

       

/home/aistudio/work/metric_learningYou are using Paddle compiled with TensorRT, but TensorRT dynamic library is not found. Ignore this if TensorRT is not needed.-----------  Configuration Arguments -----------embedding_size: 128image_shape: 3,128,128model: ResNet50_vdmodel_save_dir: save_inference_modelpretrained_model: pretrained_model/best_model_no_finetuneuse_gpu: 1------------------------------------------------W1118 00:07:26.484359  8029 device_context.cc:338] Please NOTE: device: 0, CUDA Capability: 70, Driver API Version: 10.1, Runtime API Version: 10.1W1118 00:07:26.489738  8029 device_context.cc:346] device: 0, cuDNN Version: 7.6.Saving the inference model...Finish.

       

总结

由于微调训练速度较慢,暂未有训练完成的模型训练完成的模型效果(Recall@Rank-1):

预训练模型 arcmargin

未微调96.65%

以上就是行人重识别:基于度量学习的行人重识别算法的详细内容,更多请关注创想鸟其它相关文章!

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 chuangxiangniao@163.com 举报,一经查实,本站将立刻删除。
发布者:程序猿,转转请注明出处:https://www.chuangxiangniao.com/p/317131.html

赞 (0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
Sublime的一些基础技能分享(必看)
上一篇 2026年10月31日 09:17:59
vscode是开源的么?
下一篇 2025年11月9日 00:36:51

相关推荐

  • 点击反欺诈预测Baseline

    点击反欺诈预测Baseline点击反欺诈预测Baseline点击反欺诈预测Baseline点击反欺诈预测Baseline

    本文介绍点击反欺诈预测赛题及基线方案。赛题需预测点击是否为欺诈,基于约50万次点击数据,仅限用飞桨框架。基线含运行方式、设计思想与技术方案,包括数据处理(提供emb和norm方案)、网络结构设计,还给出训练和推理步骤及相关代码实现。 ☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使…

    2026年10月31日 • 用户投稿
    200
  • 一个项目体验stable-diffusion、waifu、NovelAI三大模型

    一个项目体验stable-diffusion、waifu、NovelAI三大模型一个项目体验stable-diffusion、waifu、NovelAI三大模型一个项目体验stable-diffusion、waifu、NovelAI三大模型一个项目体验stable-diffusion、waifu、NovelAI三大模型

    该项目可在一个项目中切换Stable Diffusion、waifu、NovelAI三大模型及权重,支持载入自主训练模型。进入Notebook后按步骤运行代码,含解压模型、安装库等,可实现文生图、图生图、超分等功能,也可批量生成,还介绍了参数、常见问题及非界面版玩法,方便用户集中操作。 ☞☞☞AI …

    2026年10月31日 • 用户投稿
    200
  • Deepseek 满血版携手 Canva Docs,共同创作图文并茂文档​

    Deepseek 满血版携手 Canva Docs,共同创作图文并茂文档​Deepseek 满血版携手 Canva Docs,共同创作图文并茂文档​Deepseek 满血版携手 Canva Docs,共同创作图文并茂文档​Deepseek 满血版携手 Canva Docs,共同创作图文并茂文档​

    deepseek与canva docs结合,极大提升了图文文档的创作效率与质量。通过deepseek强大的文本生成能力,用户可快速完成内容构思、初稿撰写、风格调整及内容提炼;随后借助canva docs直观的拖拽操作、丰富的模板素材库、品牌一致性管理及团队协作功能,将文字内容高效转化为视觉美观的专业…

    2026年10月31日 • 用户投稿
    100
  • sublimetest怎么运行

    sublimetest怎么运行sublimetest怎么运行sublimetest怎么运行sublimetest怎么运行

    要使用 Sublime Text 运行代码,需要遵循以下步骤:安装相关插件配置构建系统,定义编译和运行代码的命令设置快捷键以方便运行构建系统按快捷键或通过菜单运行代码示例:运行 Python 代码,需安装 Anaconda Python 插件,配置构建系统 (名称:Python,命令:python3…

    2026年10月31日 • 用户投稿
    000
  • “中国软件杯”大学生软件设计大赛——龙源风电赛道比赛预测基线

    “中国软件杯”大学生软件设计大赛——龙源风电赛道比赛预测基线“中国软件杯”大学生软件设计大赛——龙源风电赛道比赛预测基线“中国软件杯”大学生软件设计大赛——龙源风电赛道比赛预测基线“中国软件杯”大学生软件设计大赛——龙源风电赛道比赛预测基线

    本文围绕风电功率预测赛题展开,介绍了龙源电力提供的数据集,包括数据字段、采集方式及预测时间要求。阐述了用PaddleTS模型库处理数据的流程,如预处理、分析,还讲解了单模型和集成模型的训练、评估、保存等,以及回测、提交说明和常见问题解答。 ☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无…

    2026年10月31日 • 用户投稿
    000
  • 基于YOLOv3实现跌倒检测

    基于YOLOv3实现跌倒检测基于YOLOv3实现跌倒检测基于YOLOv3实现跌倒检测基于YOLOv3实现跌倒检测

    本教程介绍如何用PaddleDetection的YOLOv3模型实现摔倒检测。步骤包括解压VOC格式数据集、安装相关包、划分数据集,修改配置文件后训练模型,还涉及模型评估、预测及可视化,最后说明Paddle Inference、Serving、Lite等部署方式,mAP达80.28%,可用于监控场景…

    2026年10月31日 • 用户投稿
    100
  • 微软CEO再出暴论:游戏界最好的创新是保持良好的利润率

    微软CEO再出暴论:游戏界最好的创新是保持良好的利润率微软CEO再出暴论:游戏界最好的创新是保持良好的利润率微软CEO再出暴论:游戏界最好的创新是保持良好的利润率微软CEO再出暴论:游戏界最好的创新是保持良好的利润率

    据pc gamer消息,微软首席执行官萨提亚·纳德拉(satya nadella)在最近的一次访谈中提到:“在游戏行业,最有效的创新路径之一,就是维持健康的利润水平。” 他进一步解释道:“如果我们在内容创作、技术实现、发行方式以及商业模式上无法持续突破,那么确保稳定的利润率就成了关键。只有具备足够的…

    2026年10月31日 • 用户投稿
    1200
  • “中国软件杯”大学生软件设计大赛-3D智慧医疗baseline

    “中国软件杯”大学生软件设计大赛-3D智慧医疗baseline“中国软件杯”大学生软件设计大赛-3D智慧医疗baseline“中国软件杯”大学生软件设计大赛-3D智慧医疗baseline“中国软件杯”大学生软件设计大赛-3D智慧医疗baseline

    “中国软件杯”3D智慧医疗赛题要求基于百度飞桨,完成3D医疗数据分割算法及WEB解析平台开发。算法需用PaddleSeg的MedicaSeg,以AMOS2022数据集(含11个器官标注)训练,采用nnunet模型;平台需实现数据导入、分割等功能。baseline提供了克隆仓库、数据处理、训练推理等全…

    2026年10月31日 • 用户投稿
    300
  • 海棠小说城快速登录入口_海棠小说城快速登录入口使用方法

    海棠小说城快速登录入口_海棠小说城快速登录入口使用方法海棠小说城快速登录入口_海棠小说城快速登录入口使用方法海棠小说城快速登录入口_海棠小说城快速登录入口使用方法海棠小说城快速登录入口_海棠小说城快速登录入口使用方法

    海棠小说城快速登录入口为https://www.htwhbook.com,推荐使用谷歌、360或QQ浏览器访问,若无法打开可通过搜索“海棠文学城官网入口”获取备用链接;进入官网后点击注册并填写信息完成账号创建,再返回登录页面输入账号密码及验证码即可登录,也可通过微信、QQ或手机号一键登录;移动端用户…

    2026年10月31日 • 用户投稿
    200
  • 使用Lora技术进行Dreambooth训练【抢先体验版】

    使用Lora技术进行Dreambooth训练【抢先体验版】使用Lora技术进行Dreambooth训练【抢先体验版】使用Lora技术进行Dreambooth训练【抢先体验版】使用Lora技术进行Dreambooth训练【抢先体验版】

    本文介绍了使用PaddleNLP等工具进行模型训练与推理的流程。先安装paddlenlp等依赖,再分别用dreambooth lora和文生图lora方式训练,设置参数并保存权重。之后可启动visualdl查看训练出图,最后加载训练好的文件,通过相关代码进行推理生成图像。 ☞☞☞AI 智能聊天, 问…

    2026年10月31日 • 用户投稿
    100
  • Python编程夏令营线上平台推荐 暑期儿童Python专项学习网站官网汇总

    Python编程夏令营线上平台推荐 暑期儿童Python专项学习网站官网汇总Python编程夏令营线上平台推荐 暑期儿童Python专项学习网站官网汇总Python编程夏令营线上平台推荐 暑期儿童Python专项学习网站官网汇总Python编程夏令营线上平台推荐 暑期儿童Python专项学习网站官网汇总

    Code.org、Turtle Academy、可汗学院等平台通过游戏化和可视化方式帮助儿童入门编程;Scratch过渡课程、freeCodeCamp教程及Real Python项目助力系统学习;GitHub与CheckiO则提供实战与挑战机会,激发孩子创造与解决问题的兴趣。 针对儿童和青少年的Py…

    2026年10月31日 • 用户投稿
    100
  • 怎么在sublime中安装pygame

    怎么在sublime中安装pygame怎么在sublime中安装pygame怎么在sublime中安装pygame怎么在sublime中安装pygame

    在 Sublime Text 中安装 Pygame 的步骤:确保已安装 Python 3。使用 pip 安装 pip。使用 pip 安装 Pygame。将 Pygame 路径添加到环境变量。验证安装是否成功。 如何在 Sublime Text 中安装 Pygame Pygame 是一个用于创建 2D…

    2026年10月31日 • 用户投稿
    100
  • 【快速上手ERNIE 3.0】法律文本多标签分类实战

    【快速上手ERNIE 3.0】法律文本多标签分类实战【快速上手ERNIE 3.0】法律文本多标签分类实战【快速上手ERNIE 3.0】法律文本多标签分类实战【快速上手ERNIE 3.0】法律文本多标签分类实战

    本项目将介绍如何基于PaddleNLP对ERNIE 3.0预训练模型微调完成法律文本多标签分类预测。本项目主要包括“什么是多标签文本分类预测”、“ERNIE 3.0模型”、“如何使用ERNIE 3.0中文预训练模型进行法律文本多标签分类预测”等三个部分。 ☞☞☞AI 智能聊天, 问答助手, AI 智…

    2026年10月31日 • 用户投稿
    100
  • 全尺寸旗舰SUV、国产“迈巴赫GLS”!岚图泰山内饰官图公布

    全尺寸旗舰SUV、国产“迈巴赫GLS”!岚图泰山内饰官图公布全尺寸旗舰SUV、国产“迈巴赫GLS”!岚图泰山内饰官图公布全尺寸旗舰SUV、国产“迈巴赫GLS”!岚图泰山内饰官图公布全尺寸旗舰SUV、国产“迈巴赫GLS”!岚图泰山内饰官图公布

    10月30日,岚图即将发布一款名为“泰山”的旗舰级suv。在昨晚的直播活动中,该车的内饰迎来全球首秀,搭载了鸿蒙座舱5.0系统、超感ai云舒零重力座椅,以及同级别车型中最多的32扬声器天籁全景音响系统。 据官方介绍,岚图泰山的座舱设计延续了追光L与梦想家的设计语言,灵感源自中国传统山水意境与古典建筑…

    2026年10月31日 • 用户投稿
    100
  • 基于ChatGLM-6B模型 + prompt实现角色扮演功能

    基于ChatGLM-6B模型 + prompt实现角色扮演功能基于ChatGLM-6B模型 + prompt实现角色扮演功能基于ChatGLM-6B模型 + prompt实现角色扮演功能基于ChatGLM-6B模型 + prompt实现角色扮演功能

    本文介绍了ChatGLM相关内容,包括ChatGLM的定义、模型结构、预测方式,还说明了基于其的项目。ChatGLM是通用语言模型,ChatGLM-6B是开源双语对话模型。项目结合ChatGLM和Prompt技术,介绍了在Paddle上的使用,包括模型读取、功能设计等。 ☞☞☞AI 智能聊天, 问答…

    2026年10月31日 • 用户投稿
    200
  • 任天堂捉宠专利申请遭驳回!官方:缺乏原创性

    任天堂捉宠专利申请遭驳回!官方:缺乏原创性任天堂捉宠专利申请遭驳回!官方:缺乏原创性任天堂捉宠专利申请遭驳回!官方:缺乏原创性任天堂捉宠专利申请遭驳回!官方:缺乏原创性

    根据Dexerto的消息,任天堂在对《幻兽帕鲁》开发商Pocketpair发起的法律行动中,可能正面临新的变数。日本专利局最近以“不具备足够原创性”为由,拒绝了任天堂一项关于“生物捕捉系统”的重要专利申请。 该决定发布于2025年10月下旬,涉及任天堂提交的编号为2024-031879的专利申请。这…

    2026年10月31日 • 用户投稿
    100
  • 1999元起!魅族StarV Snap AI拍摄眼镜首销:39g、支持看一下支付

    1999元起!魅族StarV Snap AI拍摄眼镜首销:39g、支持看一下支付1999元起!魅族StarV Snap AI拍摄眼镜首销:39g、支持看一下支付1999元起!魅族StarV Snap AI拍摄眼镜首销:39g、支持看一下支付1999元起!魅族StarV Snap AI拍摄眼镜首销:39g、支持看一下支付

    在此前的魅族22系列发布会上,魅族同步推出了全新ai智能拍摄眼镜——starv snap,今日正式开启发售,起售价为1999元。 该眼镜采用39克轻盈人因工学设计,历经50项人体工程优化,实现重量均匀分布与佩戴重心平衡,彻底摆脱传统智能眼镜“笨重压脸”的痛点。 佩戴体验上真正做到不压鼻梁、不夹头部、…

    2026年10月31日 • 用户投稿
    400
  • 英雄联盟大师 Baseline

    英雄联盟大师 Baseline英雄联盟大师 Baseline英雄联盟大师 Baseline英雄联盟大师 Baseline

    该赛事围绕英雄联盟实时对局数据预测胜负展开。提供18万训练数据与2万测试数据,含击杀、伤害等30个字段,需预测测试集“win”标签,以准确率评分。Baseline流程含环境配置、代码运行等步骤,采用简单神经网络模型,还可通过提取交叉特征、加入验证集等优化模型提升成绩。 ☞☞☞AI 智能聊天, 问答助…

    2026年10月31日 • 用户投稿
    100
  • Decktopus AI如何制作促进冲动消费的限时促销页?

    首先选择简洁模板,利用倒计时、突出优惠力度和强行动号召三点核心,结合Deckt%ignore_a_1% AI的个性化设计与A/B测试功能,根据用户画像调整风格并推荐商品,再通过数据分析点击率、转化率等持续优化页面,提升限时促销转化效果。 ☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限…

    2026年10月31日
    000
  • 基于卷积神经网络VGG实现水果分类识别

    基于卷积神经网络VGG实现水果分类识别基于卷积神经网络VGG实现水果分类识别基于卷积神经网络VGG实现水果分类识别基于卷积神经网络VGG实现水果分类识别

    本案例使用对水果数据集进行分类识别,案例详细的讲解了数据读取和预处理,模型介绍,训练,优化,评估,预测,部署这一完整流程,同时提供带有详细注释的代码。 ☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜ 基于卷积神经网络VGG实现水果分类识别  …

    2026年10月31日 • 用户投稿
    100

发表回复

登录后才能评论
关注微信