在线AG视讯

最新动态

当前位置 :在线AG视讯 > AG真人游戏 >

AG真人游戏 从垃圾分类到主动NLP,48幼时暗客马拉松赛况实录

作者: admin 时间: 2020-02-20 22:01 点击: 124次

【编者按】2019人造智能大会的暗客马拉松环节,针对垃圾分类、智能制造、Pepper机器炎和AutoNLP四个项现在,来自全球的选手们在48幼时内角逐三甲,挖掘AI答用潜力。

本文转自“机器之心”,作者微肥。经亿欧编辑,仅供业妻子士参考。

垃圾难分、智能制造火炎、Pepper 机器人做你的英语私教、AutoNLP 全主动建模.......WAIC 2019 暗客马拉松四十八幼时鏖战,亮点一向。

8 月 29 日上午,WAIC 暗客马拉松与世界人造智能大会开幕式同时启动,在张江人造智能岛火炎开赛。行为世界人造智能大会期间唯一的一场暗客松,该大赛由机器之心承办,张江集团协办,阿里云、微柔Azure挑供云计算资源声援,张江创业工坊、微柔人造智能和物联网实验室挑供场地声援。

此次暗客松设计了四大赛题,重要聚焦 AI 技术与答用的炎点题目,别离由微多银走、柔银机器人、第四范式以及微柔 AIoT 实验室进走命题,吸引了来自世界多个国家近百余支团队、数百名开发者报名参赛。

在决赛阶段,48 支团队近 200 位开发者线下睁开了四十八幼时的鏖战。最后,十三支队伍分列各赛题前三,取得胜利。

微多智能垃圾分类:识别率不理想,场景更难找

和其他三大赛道比首来,这个赛道的团队成员最为年轻。

尽管如此,这一命题照样比吾们想象中更有实际意义。据在场评委介绍,在追求智能技术在垃圾分类的答用上,上海做的远比外界认为的多。现在,昔时端的居民生活垃圾分类,到幼区垃圾装运,再到垃圾厂分选处理,计算机视觉被答用到了每个环节。

行为出题方的微多银走也进走了相关实践。他们曾经花了两周旁边的时间做了一款智能垃圾识别的幼程序。

垃圾分类周围专门普及,包括生活垃圾、修建垃圾(比如居民装修产生的垃圾)、电子垃圾、医疗垃圾等。本次挑衅赛聚焦生活垃圾,行使深度学习图像分类模型的构建,实现(上海)四大类别垃圾图片的精准识别,包括湿垃圾、干垃圾、有害垃圾和可回收垃圾。

为此,微多银走发布了 20000 张图片行为训练集、9000 张图片行为测试集(参赛者不能见),考验参赛选手模型的建构、抗作梗能力以及迁移能力。

十足有九支队伍参添了此赛题的角逐。最后,skype 脱颖而出,拔得头筹。

skype 最先捋顺了识别逻辑。在她看来,模型构建的过程和人类认知过程差不多:清淡,人类一眼就能识别本身扔的是什么垃圾,比如苹果、电池、筷子、纸盒。然后,再按照相关挑示进一步分类到正当的垃圾桶,比如干垃圾或者有害垃圾。

微多银走挑供的数据也涉及两级现在的分类:优等现在的的四大类和二级现在的的 400 多个栽类,遮盖了重要的生活垃圾。

skype 认为,能够将义务理解为一个二级标签空间上的分类以及标签映射题目。随后,她介绍了本身的分类器设计、特征挑取模型以及推想策略。和其他选手迥异的是,在整个比赛过程中,她并异国爬取额外的数据。

skype的实验最后

从最后最后来看,验证齐集果清晰益于测试集。其中,针对有害垃圾的识别最后较差;可回收和干垃圾识别最后最理想,能够达到 80% 以上。

分析其中因为,她认为有一点在于训练集与测试集差别很大。倘若要升迁最后,还要在数据搜集方面多下工夫,更添相符实际情况。

评委也针对她的算法设计挑出了本身的看法:不要为了算法而算法,能够考虑将常识增补到分类设计中。

评委进一步注释道,上海将垃圾分为四大类别,其实并异国大无数人想的那么深邃,内心上也相符生活常识:原则上,人吃的东西,剩下来就是湿垃圾;可回收垃圾无非就是玻璃、塑料、金属、纸张和衣服;至于干垃圾,就是一个兜底的类别。

另一位评委赛后通知机器之心,他们发现一些参赛选手在算法处理上有一些很有意思的地方,这位 skype 选手的处理方式比较稀奇,让她印象比较深切。原形上,在点评过程中,评委也曾就推理策略与选手有过几轮交流。

第二名「分不清什么垃圾」算是本赛道最有故事的选手:垃圾分类本该是 CV 选手的天下,然而这位背景为 NLP 的同学却独自完善了比赛,且获得了第二名的益收获。

行为别名 NLP 选手AG真人游戏,他看到图片后的第一逆答是如何用 image caption 将图像中的语义、物体转化为文本AG真人游戏,然后再进走垃圾分类。NLP 背景让他异国十足倚赖外部形式AG真人游戏,而是考虑到了语义特征。他最后选择了 Resnet 50 进走训练。

第三名是「sharing happiness」。第一次训练后,和其他获奖选手相通,他的图像分类最后在测试集上的最后显现了大幅下滑,仅有 49%。他认为,除了模型,数据本身也有很大题目,比如爬取图和实际垃圾差距比较大。

接下来,选手对分歧理数据进走了人造修整,同时为二级类别每个类型增补了 120 张图片并添入到原首数据,然后进走了二次训练。最后,算法在测试集上的实在率升迁了 30% 多,也许为 79%。由于将重要做事都荟萃在了数据做事上,选手认为,最后最后的升迁也与此相关庞大。

必要表明的是,79% 是四类垃圾分类最后的平均值。就详细类别来说,和其他选手遇到的情况相通,有害垃圾识别率最矮,即便是从网络爬取一些图片后,最后仍不理想;而最后最益的是干垃圾。

评委对干垃圾识别率高的这一最后多稀奇些不测,在他看来,干垃圾行为一个兜底分类,包含垃圾成分会比较多,也比较复杂。理论上,识别首来答该更添难得。也许,这一最后与参赛者的样原形关。

从答用场景上来看,行家几乎都设想到了手机、电脑等前端甚至后端工厂的答用能够性。

笔者专门赞许第三名获得者的一个不益看点:最后,稀奇是在后端,往往必要迥异技术形式的说相符,包括光学技术、机器人甚至其他物理形式。原形上,现在搭载了 CV 的机器人,也仅仅在后端工厂的最后质检环节发挥作用(甚至能够说无关重要)。异国被委以重任的一个很大窒碍,照样是处理速度。

纵不益看整个比赛过程,吾们能够看到一些共性,比如 ResNet 成为大无数团队的首选,都专门强调数据集对识别最后的重要性。

针对几乎都在有害垃圾识别上翻车的表象,评委通知机器之心,选手普及逆映数据集存在一些挑衅,比如数据量不足。但数据也与算法要服务的详细场景有相关,比如,倘若晓畅这个算法所要服务的场景的详细情况,然后对症下药地往搜集相关数据,算法最后会有改善。

在评委看来,最棘手的题目其实不是算法,而是找到一个专门正当的落地场景。相对而言,在后端的 CV 识别能够更能已足比较刚性的需求。

张江人造智能岛的智能垃圾箱

评委的一番话,让吾想首位于张江人造智能岛大门一侧的那台巨型智能垃圾箱,据厂家介绍,这个垃圾箱价值益几千。

该垃圾箱配备感答器,当吾将易拉罐挨近一扇关闭的幼窗时,编制会感答到进而掀开幼窗。易拉罐扔进往后,幼窗立刻关闭。纷歧会儿,就能够听见编制识别出这是可回收垃圾,轰隆一声,正本程度的铁板向可回收垃圾一侧倾斜,易拉罐失踪了进往。

倘若吾扔进往的是一袋未添分类的垃圾呢?机器之心曾在 WAIC2019 现场咨询过该垃圾箱制造厂商,对方说,编制会直接默认为不能回收垃圾。

虽说编制能够识别 97% 的可回收垃圾,可当你不益看摩过暗客松现场就会发现,这其实是最容易做益的一类识别:

可回收垃圾无非就是那几样,清淡都是有形的,最后自然益;相逆,倘若是湿垃圾,由于早已不再是有形的(苹果变成了苹果皮),识别首来就更难得了。

据晓畅,现在这台智能垃圾编制还无法进一步区分玻璃瓶和易拉罐(仅能识别这是不是一个瓶子)。至于能否像国外网红智能垃圾桶 Oscar 那样识别出瓶子包装上的可口可笑等 logo,厂家通知吾们,这也是他们辛勤的倾向,但现在做到的识别率仅 30% 多。

评委通知吾们,识别更多的商品包装新闻对数据集请求就更高,现在浅易的优等、二级分类现在的就无法已足需求,数据周围也要变得更壮大,这也意味着更添复杂的做事。笔者不由一惊,如此一来,智能垃圾桶的价格岂不是要上万了?!

微柔智能车间:实力强劲,亮点一向

在微柔智能车间挑衅赛中,出题方重要聚焦两大题目:一方面关注智能盘库(空间建模、货物识别、标签识别等)和 AGV(在室内移动状态下的现在的识别和测距能力,室内空间走车路线学习和安详走驶能力。);另一方面关注基于 HoloLens 的一线员工赋能。

与智能垃圾分类赛道的组队迥异,参添微柔智能车间挑衅的不少团队都是久经沙场的资深从业者,获奖的团队也是走业公司。智能车间也是四大赛道中唯一诞生了两个第三名的赛道。一切参赛团队都在微柔挑供的 Azure 云服务平台上完善智能车间赛题。

凝神 AI 物流创新的上汽安吉拔得头筹。

上汽安吉智能足够行使了 Azure 云端服务能力,实现自定制深度学习模型算法。现在的仓库盘点做事存在许多题目,比如货架很高,清淡 6 到 8 米,工人要用叉车将库存掏出,放到一层,用扫描枪进走扫描,有的甚至还用纸本记录。整个做事不光专门消耗人造,而且还要停留一周的做事。

上汽安吉挑出的方案是:在叉车上安置摄像头和补光设备,走驶过程中录下视频,传给本地服务器,进走视频图像识别和分析,得到货物数目和栽类。

在整个技术实现过程中,难点也是许多的。比如,环境很复杂;采集图像不容易;网络环境也很差,很难实时发送数据;移动采集数据实际上许多用不了;光线会大大影响识别效率。

不过,据介绍,采纳他们的方案后,盘点精度达到了 99%,耗时消极了 10 倍,一万平的仓库一台机器 4 个幼时即可完善做事。

另外,上汽安吉也挑供了一套 AGV 移动精准定位、行使微柔 Azure 高性能 GPU 算力资源及 Kinect 设备完善的方案。

传统方案不光倚赖在地面上增补辅助标志,还存在定位禁止的题目。如何精准测量与货架的距离,并精准地将 AGV 移到货架下面,将货取走,是他们试图解决的题目。

与传统方案相比,他们行使了前置 Kinect 相机的方案来测距。行使透视变换算法来解决 AGV 相机视角较矮引首的测距偏差。不过,在关键位置,照样必要增补标志物保持定位精度,始末动态赔偿算法解决移动过程抖动导致的定位禁止题目。解决方案末了实现的定位精度可达 5 毫米旁边。

上汽安吉AGV精准定位

获得第二名的是品览团队的智能货架巡检方案。超市货架清淡必要补货,存在商品陈列不饱满、商品品牌未展现等题目,这些必要按照的排放姿势直接相关到商品的销售能够性,比如,摆的有余益、展现品牌、在客户视线周围内的商品更容易被买走。

传统的巡检都是靠人,不光矮效而且容易显现遗漏和做事不到位,机器人做作不光正确,异国疏漏,而且每天能够做多次盘点。

品览设计的这款智能盘库机器人,底部有一个激光雷达用来地图建模,上面和下面还有两个摄像头用来避障。这些硬件设备能够保障机器人实现场地的自如游走。照片采集器位于这些摄像头的卡槽位置。走过货架,摄像头就会将涉猎到的商品都拍下来。

另外,针对地下的超市,他们做了 5G 通讯模块,利于拍摄视频上传和下载。针对货架清淡会比较长的情况,他们还做了图像拼接。始末针对搜集的数据在本地边缘节点分析同时传至 Azure 云端数据湖,即可实现智能巡检。据介绍,这套设备能够隐晦升迁商品陈列相符规性。

针对新品类的训练题目,他们会将这片面归为其他,上传到Azure 云端数据湖进走比对,然后增补标签,行使Azure Machine Learning Services,进入 SKU 模块里再训练。

现在,这套编制的检出率能够达到 99%,甚至 100%,识别率在 95%-97%。其中难点之一在于,光照会影响到识别,比倘若汁之类的识别。另外,由于仓库的光线以及货物摆放清淡高低纷歧,这对摄像头也是一个挑衅,由于焦距转折,摄像头也要能够按照实际情况「能伸能屈。」

品览团队品识AI中台

第三名由北光科技(天津)和摩联科技共同获得。其中,Galatea(北光科技)将相关 AGV 的考题解读为用户不批准铺轨;实际场景中,会频繁碰到人和电线、货架物品等窒碍物;场地转折大,地图不固定。

他们的解决方案是行使 Kinect SDK 的 3D 点云做可走驶区域检测、路径规划,以及避障挑示;然后用Azure 高性能 GPU 算力资源运走机器学习做积水识别与二维码库存盘货。

团队谈到,他们无意发现 Kinect SDK 云图将地上的电线识别得稀奇清新,因此,他们认识到这对于识别电线很有用,将 Kinect 与他们昔时做过的机器人结相符首来。

其中的技术难点不少,包括多 ROS 编制通讯、基于神经网络的窒碍物识别、基于三维点云与神经网络展看最后的建图与路径规划以及头部云台与 IMU。

在展现视频中,吾们能够发现机器人走走时会主动避开桌子,而不是钻到桌子底下。他们的团队通知机器之心,其重要贡献就是将那些地面辅助导航的「地图」(比如二维码)抹往了。异国这些地图,幼车照样能够正确走进。他们将本身的机器人称为语义限制的机器人。

团队外示,机器人是 2017 年做的,但是尝试与 Azure Kinect DK 结相符照样第一次。与之前仅用摄像头的方案迥异,这次他们往失踪了过滤算法。

柔银 Pepper 机器人:来玩「石头剪刀布」吧

Pepper机器人

第一次和十来台 Pepper 机器人共处一室,感觉还真有些稀奇。Pepper 一双萌萌的大眼睛盯着你,视线还能陪同你的移动,无意,还真的有点心跳的感觉。

从 2017 年进入中国到现在,柔银机器人产品普及答用于商业服务场景及哺育市场,在全球有超过 5000 家企业行使 Pepper 机器人,为包括汽车 4S 店、机场以及电网公司等企业挑供专科的客户服务声援。

在哺育市场,已有超过 3000 所科研院校行使柔银 Pepper 及 NAO 机器人进走科研及竞赛项现在钻研。柔银机器人在中国携手浙江当局打造 AI 异日英才造就计划,2000 台 Pepper 进校园,始末编程学习让弟子进一步晓畅、学习人形机器人,和先生共同探讨异日机器人的答用思想与创意。

本次暗客松的冠军即是面向哺育主题,来自三星通信技术有限公司的 SUDO 战队,将现在光投向英语早教市场,为 4 到 12 岁幼孩挑供小我外教服务。

选手外演了云云一个场景:5 岁的幼至交父母做事在外,幼至交在家里玩得很喜悦,忘掉学习。

Pepper 会挑示幼至交时间外到了,该学习了。还能识别幼男孩手中的绘本书,并为之朗读。读完后,会针对相关内容进走兴趣幼测试,并与幼至交交流。

在学习过程中,Pepper 机器人会用它稀奇的肢体说话来吸引幼至交的仔细力。还会对单词发音是否实在,给出评估。除此之外,始末不益看察幼至交的头部活动情况,Pepper 机器人还能够识别幼至交的仔细力情况。倘若幼至交太顽皮,家长可始末 Pepper 机器人以长途视频的方式与幼至交通话。

评委认为,此项展现将 Pepper 人形机器人的交互上风表现得淋漓尽致,稀奇是肢体说话方面得到了很益的发挥,增补了交互的兴趣性。

除了 SUDO,其他一些团队也瞄准了英语早教的答用场景。比如,喜悦英语学习,随机答变的口语学习等等。可见无论是评委照样参赛选手对于机器人哺育倾向均外示相等认可。

同时评委外示,现在特出的机器人价格振奋,憧憬在异日能够有更多的益答用、益创意来雄厚机器人体验,让机器人早日走进千家万户。

世界人造智能大会现场,许多人都感受到了空调矮温带来的「刺骨」。笔者活着博中央冻了两天,一向在想,是否有一栽能够智能调节空调温度的方案?

最后,第二名获得者上实龙创团队给吾们带来了答案。他们开发 Pepper 机器人行为一个移动的边缘计算节点,负责聪颖空间的管理。

做过一些酒店、社区等聪颖空间管理项现在后,他们发现传统聪颖空间解决方案的一些痛点。比如前端交互方式(App)就是一个题目,对于老人或者幼孩并不友益,行使首来也比较麻烦。

他们认为,行使 Pepper 基于 CV 与语音识别的人机交互上风,进走数据建模并深度开发功能,能够让 Pepper 做为智能管家协助人们进走实时决策。

在现场,他们演示了一个酒店场景下的答用。比如,Pepper 能够识别住店宾客是谁,然后通知对方房间号,还能够挑前掀开房间空调,并限制正当的温度、光线等等。

在评委看来,智能音箱走动力有限,Pepper 机器人的存在正好弥补其弱点,并期待选手能够将 Pepper 机器人打造成一个边缘计算的拓展,将诸如地下空间等地方的空间服务打通,挑供更完善的服务。

比如,机器人能够始末人类的肢体识别(冷得哆嗦)调节室内空调温度、实现节能,将城市管理的决策交给消耗者、老平民。在技术实现上,能够考虑按区域分布,做 5G 机器人云等。

第三名被 AI 交互式游玩项现在拿走,获胜者是 ITC 万物链,一位「独狼」式的选手。

他受曾经看过的一部电影的影响,想始末与呆萌的 Pepper 交流,让它变成一个具有实在心理的人类。因此,他选择了一个专门聚焦、详细的场景:石头剪刀布游玩。

演示过程中,Pepper 会主动搭讪邀请对方和本身玩游玩,用户回答一定后,能够选择进入游玩。机器人一面说着石头剪刀布,一面与用户摆脱手势。倘若用户出的是石头,而机器人说剪子(随机),Pepper 会始末 CV 判定对方的手势(判定是石头、剪刀或布),进而推想输赢。

评委外示,机器人行为一个新颖的 AI 周围答用正逐渐走入人们视野,正如「扫雷」、「纸牌」等经典游玩之于电脑编制相通,当下的机器人答用正欠缺一个特色经典游玩,让人们真实体会到 AI 与机器人技术的便捷兴趣,同时期待选手们能够赓续创新,找到机器人互动娱笑的突破点。

特邀嘉宾评委在赛后点评中外示,异日人造智能的发展离不开各位的辛勤和创造,吾们也期待能够有机会做更多的做事协助整个走业形成机器人开发者生态,为特出的开发者竖立创意孵化器,让整个生态圈良性地发展下往。在这次大会,始末选手的精彩展现,吾们看到柔银的 Pepper 机器人,无论在商业照样在哺育周围都具有汜博的答用空间,憧憬异日能够看到更多机器人的商业落地答用。

第四范式 AutoNLP 大赛

AutoNLP 是最近专门前沿的比赛,它期待参赛选手设计能主动处理自然说话文本分类义务的编制,大赛公布数个公开数据集,供参赛选手开发全主动的文本分类编制。

这也是本次比赛最为国际化的一个赛题,吸引了瑞士、韩国、日本、印度等国际选手参添。

AutoNLP 比赛是挑交代码方案的比赛,选手代码的整个评测阶段(包括训练阶段)都会在平台上被全主动实走,期间不会有任何人造干预。

比赛最先前一个月内,第四范式公布了 5 个离线公共数据集、5 个线上公共数据集(用于盲测,选手无法获得数据集任何新闻)。选属下载离线公共数据集,开发全主动的文本分类编制,实现授与原首未经预处理的文本训练数据、全主动地完善文本预处理、模型组织设计和参数调校等过程。随后将产出文本分类模型上传至比赛平台上,始末 5 个线上公共数据集评估其 AutoNLP 方案的实时性能逆馈,也据此得出初赛阶段的排名。

在决赛阶段,选手将主动文本分类编制在私有数据集上进走性能测试,以验证方案的可推广性。方案在异国人造干预的前挑下,始末 5 个未经处理的私有数据集进走评估。最后,DeepBlueAI、upwind _flys 以及 txta 获得前三名。

在第别名 DeepBlueAI 的答辩中,开发者展现了 AutoNLP 重要过程,并介绍了他们的解决方案。浅易而言,采用 AutoNLP 进走文本分类义务重要分为四大步骤,即主动实现预处理过程、主动抽取文本特征、主动设计高效的神经网络架构,以及主动选择预训练模型等。

如下是 DeepBlueAI 的编制架构,其中预处理过程会从字、词到样本挑供各栽层级的新闻,随后的 Cell 会主动学习最正当数据的模型组织。这相等于吾们从迥异角度不益看察文本,末了综相符一切新闻进走分类,这边「综相符」的过程就是集成学习。

DeepBlueAI 的编制架构

开发者外示,他们在主动预处理过程中会按照说话确定迥异的策略,例如英文的预处理会将一切大写字母变为幼写,并以词为单位进走分割;而中文的预处理会以字为单位进走分割,同时也会进走中文分词。重要的是,开发者外示他们会采用 Python 代码实现数据预处理,从而添速该过程。

在进走一系列特征工程后,开发者外示后面就必要确定一栽高效的模型架构,它们尝试将 TextCNN、BiGRU、CNN 等主流模型都聚相符在一首,并期待编制能主动搜索更相符数据的架构。

除了第别名的 AutoNLP 解决方案外,其它团队的方案也各有特色。upwind 尝试方案采取了轻量级元学习思路下的主动化深度学习框架,详细而言,该方案功能分为元限制器,自适宜数据预处理,主动模型调度器,模型仓库,逆馈仿真器几个片面,期待在方案上做到通用和自适宜,基于数据特征和义务元特征来进走主动学习,避免显现过拟相符的情况。其中,包括了数据自适宜处理和添强、主动化模型选择和模型仓库、逆馈仿真和元训练模式等特点。因此,使方案具有很益的综相符泛化性能,同时由于方案对现在的具有很益的预判和模型调度能力,此方案的计算成本在一切参赛队伍中上风清晰。

获得第三名的 txta 行使更具特色的声援向量机来解决题目。比赛中,该团队实验了迥异的解决方案,基于深度神经网络模型固然在近些年来很炎门,但是训练首来速度比较慢,在大数据上最后和线性声援向量机相比,异国清晰的上风。考虑到本次比赛的评价指标中训练和展看的时间也是重要的影响因子,以是选择了词袋模型特征与线性声援向量机相结相符的解决方案。正是行使线性的声援向量机,模型的训练阶段和推理阶段速度都是深度学习模型无法比拟的。此外,由于该方案行使的模型是线性模型,迥异于神经网络的暗盒组织,也具有较益的泛化最后。

岂论思路是什么样的,AutoML 这类前沿周围的追求实在能让人感叹机器学习的潜力还远远未被挖掘。

经过 48 幼时的鏖战,四大赛题决出了最后的获胜团队,而后在由机器之心承办的 WAIC 开发者日主单元上,上海市经信委领导、机器之心以及出题方为获胜团队代外进走了授奖。

保举涉猎

吾们能跟日本机器人产业学什么?

李开复:AI如何赋能垃圾分类?触摸识别,智能分拣……

文末微信插图.png

(原标题:王兆星:进一步扩大外资银行、保险机构的经营范围和空间)

(原标题:医保直接结算生育医疗费 个人仍不缴纳生育保险费)

爱情真的是一种很神奇的东西,会让人神魂颠倒,让人在某些抉择面前失去理智。明明知道自己被骗了,明明自己比谁都要伤心难过,却还是依然想着对方,想借口为对方开脱。那么,有哪些星座就算是被恋人骗了,还会为对方说话呢,来看看吧。

  近日,东京街头一名身穿旗袍的日本女孩站在寒风中,一次次向路人深鞠躬,为武汉募捐的场景,温暖了无数中国网民。

  中新网盐城2月20日电(记者 谷华)20日下午2点,第八批江苏援武汉医疗队178名队员在盐城南洋国际机场集结,登机飞往武汉,支援武汉新冠肺炎医疗救治工作。截至目前,江苏省已累计派出2683名医务工作者支援武汉。

(原标题:兴业银行业绩快报:2019年净利润658.68亿元 同比增长8.66%)


在线AG视讯