微信调查问卷微信小程序如何做—深度神经网络

摘要: 导语:全文中重要以面部鉴别为例子子子详细详尽详细介绍深层次次学习培训学习培训学习培训学习培训技术性性性在这里里在这其中的运用,及其优图精英精锐精英团队亲身经历近五...

导语:原文中关键以脸部辨别为例子子详尽详细介绍深层次学习培训学习培训技术性性在这里在其中的应用,以及优图精锐精英团队经历近五年的积累对门部辨别技术性性乃至所有人力资源智能化化制造行业的一些掌握和共享资源。

雷锋网按:原文中转自腾讯优图,关键详尽详细介绍了深层次学习培训学习培训在脸部辨别中的应用,最开始回顾了脸部辨别的历史时间時间,随后详尽详细介绍优图在脸部辨别中的优势,及其“演化整个过程”。
[标识:內容1]

说到人力资源智能化化(Artificial Intelligence, AI)大伙儿一直十分非常容易和全知、全能型型那般的词联系起来。许多相关AI的科幻片更给人力资源智能化化蒙上一层神秘的色调。强如《互联网网络黑客帝国》、《机械设备机器设备公敌》中的AI要逆风翻盘作主人家当政人们。稍缺陷的《机械设备机器设备姬》里EVA搞清楚应用容颜欺骗中二程序员,杀掉主人家家逃出起飞。最不济还能够蠢萌蠢萌的像WALL·E能陪玩、送礼物物物还能谈个处对象。

具体上人力资源智能化化这一词在1961年达特茅斯交流会上公布面世时,整体总体目标就是要想让机器设备的本人个人行为看起来仿佛人所关键主要表现出的智能化化本人个人行为一样的“强”人力资源智能化化。可是人力资源智能化化的科学研究科学研究是高度技术性性性和技术性技术专业性的,各支派制造行业都是深层次次且各不相通的,因而涉及到到范围极广。也是这种复杂特点,导致大伙儿对人力资源智能化化的科学研究科学研究全过程一直跌跌撞撞,持续地亲自亲身经历太过乐观的的的浪潮与极为消沉的寒冬。直至如今,要想开展全知、全能型型的强劲工智能化化仍然只是一个长期整体总体目标。

虽然目前的技术性性水平还远不能以进行强劲工智能化化,但在一些十分独特的制造行业里,弱人力资源智能化化技术性性早已亲自亲身经历前所未有的快速发展趋势发展趋势,保证或已超越大家的较大水平。例如深蓝色色、Alpha Go各有在国际性性象棋和围棋制造行业击败全世界总总冠军。例如自然语言掌握、视頻视频语音辨别和人脸辨别接近、保证甚至超越常人的辨别水平。虽然这类弱人力资源智能化化技术性性实际上不可以真正线下推广营销推广理、掌握调处决难点,但是解决独特的每天每日任务她们个人所得出的“辨别”看起来是具有智能化化的。而也是这类看上去“弱弱”的人力资源智能化化技术性性,在悄悄的变更大家生活起居的每个层面。她们以点带面开展越来越越越大的“简单每天每日任务”,为人正直刚正不阿们提供更加简洁、方便快捷和安全性性的服务。

脸部辨别也是众多“弱弱”的人力资源智能化化技术性性之一。依据识人的脸庞辨别其真正真实身份,对每一个一切一切正常的人来说都是再简单可是的。倘若强制性将脸部辨别的难度系数系数和下围棋来比,理应没有人要觉得脸部辨别更难。可是从计算机的角度来看,至少在输入数据信息信息内容的复杂度上边部辨别是远超围棋单步走子管理方法管理决策的。如图所示所显示1(a)所显示信息,一张Angelababy的图像在计算机看来,具体上就是一总数字引流方法引流矩阵如图所示所显示1(b)。数据信息引流方法引流矩阵的每个原素取值范围是0-255的整数金额额度。一般脸部辨别提升优化算法必须的输入图像至少在以上,大的可能保证。基本基础理论上不一样的可能输入目前种(每个清楚度的取值范围为0-255)。而围棋随便单步走子的可能形势限定为(每个旗盘格仅有有黑子,白子,无子三种情况),远远地地小于脸部辨别。无论是围棋还是脸部辨别,依据分析xml详尽的输入房间内室内空间来做出最好的管理方法管理决策,就计算复杂度来说都是完全无法接受的。

图1:数据信息化的脸部辨别 VS. 围棋单步管理方法管理决策

具体上对大部分所有人力资源智能化化难点,如何依据高些等级的抽象性性来啦解输入从而快速速的做出管理方法管理决策都是解决难点的关键隶属。近十年至今促进新一波人力资源智能化化的的浪潮的重要技术性性“深层次学习培训学习培训”就是那般一种方法,它依据少则近几层大量便是上百层人力资源神经系统系统软件互连网不断地对高维的输入数据信息信息内容块进行抽象性性与掌握并最终做出“智能化化”的管理方法管理决策。光凭深层次学习培训学习培训技术性性可能仍然没法开展全知全能型型的“强”人力资源智能化化,但它确是开展一切独特“弱”智能化化每天每日任务的一把牛刀。也是看到深层次学习培训学习培训技术性性如此巨大的发展趋势发展潜力,国际性性互联网巨头Google,Facebook,Microsoft争相抢鲜有效合理布局,我国互联网领导干部者BAT也不惜资源进行技术性性储备,作为腾讯内部顶级的机器设备学习培训学习培训商品产品研发精锐精英团队,优图也资产资金投入精英人力资源資源全身心于深层次学习培训学习培训技术性性的商品产品研发与产品落地式式。

原文中关键以脸部辨别为例子子详尽详细介绍深层次学习培训学习培训技术性性在这里在其中的应用,以及优图精锐精英团队经历近五年的积累对门部辨别技术性性乃至所有人力资源智能化化制造行业的一些掌握和共享资源。

回顾——脸部辨别的“浅”阶段

在详尽详细介绍深层次学习培训学习培训技术性性在脸部辨别中的应用之前,大伙儿最先看一下深层次学习培训学习培训技术性性风靡前的“浅”阶段脸部辨别技术性性。前边谈及高维输入是所有类人力资源智能化化难点的一个普遍难题,学术研究界称之为“维数灾难”(The curse of dimensionality)。具体上在机器设备自动式脸部辨别技术性性科学研究科学研究的前期科学研究科学研究者们尝试过用一些十分简单的几何图形图型特性来进行脸部辨别, 如图所示所显示2所显示信息(请原谅相片的质量,选节自9三年的一篇脸部辨别制造行业奠基之作[1])。

 

图2:依据几何图形图型特性的脸部辨别

那般的朴素想法具有特性维数少的优点,因而不可易遭到维数灾难难点。可是由于安稳性差、差别工作中工作能力弱和没法自动式化等原因,这种做法很早以前之前就被抛弃。科学研究科学研究工作中工作人员们发现,设计方案计划方案各种各样各种各样几何图形图型特性,瞎瞎折腾一一大半天还不如马上比较清楚度地域的差别准确,也就是简言之的模板匹配技术性性。可是,马上核查清楚度误差有一个十分非常容易想到的缺点,不一样脸部地域对差别人的真正真实身份的重要性实际上不一样。客观性客观事实上科学研究科学研究[2]表明眉毛和眼睛是差别人身安全安全性份较大要的地域,其次是嘴巴,而大量积脸颊地域所包含的真正真实身份信息内容內容是较为比较有限的。如图所示所显示3所显示信息,大家较难鉴别真正真实身份的是祛除眉毛和眼睛的脸部。

 图3:不一样地域对门部辨别的重要性

便于解决那般的难点,较长时间脸部辨别都十分借助于鉴别性特性的学习培训学习培训,最成心味着性的工作中中莫过fisherfaces[3],简言之鉴别性信息内容內容就是那类唯一无二特性,就可以了像图16中常会示,成龙的大鼻部,姚晨的大嘴,李勇的招牌马脸,查尔斯韦德的搞怪笑容。总要来讲,如果能找寻你不同寻常的“气质”便可以更强的掌握你。


 

图16:具有鉴别性的脸部

鉴别性特性的想法十博采象化有效也得到了一定获得取得成功,但是由于脸部的清楚度特性十分高低不平稳,不一样拍摄设备机器设备和拍摄场景、不一样的太阳直射规范和拍摄角度等全是造成一样脸部的清楚度区别巨大。要想在各种各样各种各样复杂伤害因素下找寻一张脸部安稳且不同寻常的特性就无法了。便于解决这类难点,科学研究科学研究工作中工作人员一开始科学研究科学研究比简单清楚度值更加安稳的图像描述子。在这其中比较时兴的一种描述子Gabor描述子仿效了大家人的人的大脑的视觉效果实际效果皮层中对视觉效果实际效果信息内容內容进行预处理的整个过程。人的人的大脑皮层中对视觉效果实际效果信息内容內容生产制造生产加工处理的具体实际操作重要有二种,一种是在简单生殖细胞中进行的线型具体实际操作,一种是在复杂生殖细胞中进行的非线型集聚。如图所示所显示5所显示信息的是MIT人的人的大脑和认知能力工作能力科学研究科学研究院校人力资源智能化化实验室的承担人Poggio权威专家专家教授确立明确提出的一个叫HMAX[4]的类脑视觉效果实际效果信息内容內容处理流程:

 

图5: HMAX图像信息内容內容处理整个过程

这在这其中的简单控制模块“S1 units”和“S2 units”进行了一种称之为Gabor小波变换转换滤波的具体实际操作。而复杂控制模块“C1 units”和“C2 units”进行了一种称之为Max Pooling的取一部分地域很大值的具体实际操作。客观性客观事实上去除马上运用事先设定的Gabor滤波器,HMAX等额本息的于一个四层的神经系统系统软件互连网,实际上早就基本具备了当今深层次实体线实体模型的雏形。

在深层次学习培训学习培训面世前的“浅”阶段,脸部辨别科学研究科学研究工作中工作人员不断改进预处理整个过程、运用更强的描述子,获得更有鉴别性的特性,这类都是逐渐地的提高计算机辨别脸部的工作中工作能力。可是直到深层次学习培训学习培训面世前,“浅”阶段的各种各样各种各样脸部辨别方法,对大家本身所具有的脸部辨别工作中工作能力仍然望尘莫及。

相拥——脸部辨别的“深”阶段

要授于计算机详尽的脸部辨别工作中工作能力,除开能掌握人外具体上也是有两步十分重要的预处理整个过程。如图所示所显示6所显示信息,详尽的脸部自动式辨别提升优化算法务必能本身从图像里找寻哪一些面部,学术研究界称之为脸部检测?哪里是眼睛鼻部嘴,学术研究界称之为脸部特性点精确精准定位?最后才算作获得前边说到的具有鉴别性的特性进行真正真实身份的辨别,即范围上的脸部辨别。

 

图6:详尽的自动式脸部辨别流程

在深层次学习培训学习培训出现以前相关脸部检测、特性点精确精准定位和人脸辨别这三身高每天每日任务的科学研究科学研究都是相对性性独立的开展的。从上一新时代90时期一开始到二零一零年左右,经历不断的探索,科学研究科学研究工作中工作人员们对每个子每天每日任务都发现了一些比较有效的特性与方法的构成来解决难点如图所示所显示7所显示信息。可是由于科学研究科学研究工作中工作人员务必根据每个子每天每日任务本身的特点设计方案计划方案不一样的特性,选择不一样的机器设备学习培训学习培训方法,因此技术性性的发展趋势发展趋势相对性性缓慢。

从二零一三年左右,受深层次学习培训学习培训在所有机器设备视觉效果实际效果制造行业快速发展趋势发展趋势的伤害,脸部辨别的“深”阶段公布开启序幕。短短的的的四年时间里,依据深层次卷积神经系统系统软件互连网的方法不断在这里里三身高每天每日任务中升级人力资源智能化化提升优化算法的全世界记录。脸部辨别“浅”阶段让人头昏头晕眼花缭乱的各种各样各种各样技术性性和方法仿佛一页正中间变为历史时间時间。脸部辨别科学研究科学研究工作中工作人员,无需在费尽心思的设计方案计划方案特性,也不务必忧虑后面务必什么的学习培训学习培训提升优化算法。所有的工作中工作经验的积累整个过程转换便于深层次神经系统系统软件互联网提升优化算法自动式学习培训学习培训整个过程。这公布深层次学习培训学习培训提升优化算法很大的优点:自动式学习培训学习培训对独特每天每日任务最合理的特性!

 

图7:脸部辨别

调研一个单项工程工程项目的“弱”人力资源智能化化技术性性不是是健全,保证乃至超过大家的平均值水平理应是一个比较通用性性的标准。说到这儿不能不提一自己脸辨别的标准评测数据信息信息内容库LFW(Labeled Face in the Wild)数据信息信息内容库。在17年,Facebook运用一个称之为DeepFace的深层次学习培训学习培训方法,第一次在LFW数据信息信息内容库上接近大家的辨别水平(DeepFace: 97.35% VS. Human: 97.53%),其结果如图所示所显示8所显示信息:

 

图8: DeepFace深层次学习培训学习培训互连网

“Talk is cheap, show me the code”,自从DeepFace在脸部辨别制造行业一战知名,让科学研究科学研究工作中工作人员们看到了超越大家辨别工作中工作能力的黎明曙光。随着着好多个开源系统系统软件深层次学习培训学习培训最新项目(例如CAFFE,TORCH, TensorFlow)的发展趋势发展趋势发展趋势发展壮大,依据深层次学习培训学习培训的方法真正如如雨后春笋盛行所有脸部辨别制造行业。客观性客观事实也确认深层次学习培训学习培训确实能够确保,短短的的一年以后便会有很多依据深层次学习培训学习培训的方法在LFW数据信息信息内容库上超过大家的辨别工作中工作能力,例如优图的脸部辨别提升优化算法就在十五年得到那时候候全世界第一的99.65%准确率。

深层次学习培训学习培训为什么如此奇特,能在短短的的的2年时间里一统江湖呢?撇开技术性性重要点不谈,基本概念上来说更加关键的两个因素就是:级别式抽象性性和端到端可学习培训学习培训。

在回顾“浅”阶段脸部辨别方法历史时间時间时之前详尽详细介绍了依据几何图形图型特性的方法(图2)和依据鉴别性特性的方法(图16)。下边的图这类特性没什么疑惑都是针对脸部的某类抽象性性。由于原始图像输入的查找房间内室内空间巨大,唯一依据适度的抽象性性缩小查找范围,才能够最终做出合理的管理方法管理决策。对一个复杂的界定要想依据一层的抽象性性就将所有结构梳理清楚会是无法甚至不可以能的,而深层次神经系统系统软件互连网这种两层结构给自底往上的逐渐抽象性性提供了天然的模具。如果将充裕多的数据信息信息内容输入到具有两层结构的深层次神经系统系统软件互连网并告知它你需要要的输出结果,互连网可以自动式的学习培训学习培训中间层的抽象性性界定,如图所示所显示9所显示信息,好奇心心的科学研究科学研究工作中工作人员将一个能够辨别1000类物品的神经系统系统软件互连网中的特性进行了可视性性化:

 图9:深层次神经系统系统软件互连网特性可视性性化结果

从图可以见到在深层次神经系统系统软件互连网的第一层有点儿儿相仿大家科学研究科学研究家积累好多年工作中工作经验找寻的Gabor特性。第二层学习培训学习培训到的是更复杂的纹理特性。第三层的特性更加复杂,早就一开始出现一些简单的结构,例如车轱轳、蜂窝状状、人头数数。赶到第四、五层机器设备输出的关键主要表现早就足以让人误以为它具备一定的智能化化,能够对一些建立的抽象性性界定例如狗、花、数字时钟、甚至电脑上电脑键盘做出十分的响应。科学研究科学研究工作中工作人员们积累2年甚至十2年设计方案计划方案出来的特性例如Gabor、SIFT,具体可以够依据深层次神经系统系统软件互连网自动式的学习培训学习培训出来(如图所示所显示9中“Layer 1”),甚至自动式学习培训学习培训出它的大家“爸爸”没法言喻的高些等级抽象性性。从某类具体实际意义上来说,人力资源智能化化科学研究科学研究家就是机器设备的父亲母亲,务必“教”机器设备宝宝宝掌握这一全世界。谁都希望本身有一个聪明伶俐宝宝宝,仅用教它“知其然”,它本身逐渐地总结消化吸收消化吸收接着“知其因而然”。深层次神经系统系统软件互连网好似个聪明伶俐的机器设备宝宝宝本身会学习培训学习培训、会抽象性性、会总结。

端到端可学习培训学习培训,乍一听这一位词可能觉得头有点儿儿“方”,具体可以够简单掌握为全局性性最好。图7中小型结了在“浅”阶段,脸部辨别的每一个子难点都务必依据两个甚至很多个步骤来开展,而很多步骤正中间完全独立的进行提高。它是典型性性贪欲规范,无法保证全局性性最好。客观性客观事实上,遭受限定于提高提升优化算法深层次神经系统系统软件互连网也无法保证全局性性最好解,但是它的提高整体总体目标是全局性性最好的。近几年来深层次学习培训学习培训在各种各样各种各样每天每日任务上的获得取得成功工作中工作经验,表明机器设备宝宝宝也是务必言之有理想的,马上偏向“远方”的全局性性最好整体总体目标进行学习培训学习培训,就算没法获得最好解也也远远地地好过小碎步的一部分贪欲提升优化算法。要想干到真正的“强”人力资源智能化化,深层次神经系统系统软件互连网也是有较长的路要走,星爷的名言对神经系统系统软件宝宝宝一样能用,为人正直处事没有理想化和咸鸟有什么各有?

进击——优图姥姥实体线实体模型的“演化”

随着着深层次神经系统系统软件互连网的机器设备学习培训学习培训技术性性的发展趋势发展趋势,在LFW脸部数据信息信息内容库上,三、四年之前让所有机器设备学习培训学习培训提升优化算法宝宝宝们望尘莫及的大家辨别工作中工作能力早已被超越。虽然优图也曾在LFW上得到99.65%超越大家平均值水平的优异的成绩,但是大伙儿清楚的弄清楚刷库还远远地地不够,在实际场景中的应用更重要也更具有有挑战性,融合具体优图早就根据落地式式规定对各种各样各种各样应用场景和应用类型做出了细分化化,有利于进行各种各样各种各样场景下边部辨别每天每日任务的每一个击破。目前在落地式式应用中,广泛的照片场景类型有生活起居照,自拍照照照、管控视频、门禁系统系统软件闸机、西方国家我国人及其他人种照片,如图所示所显示10所显示信息。

图10:广泛脸部辨别场景类型

互联在网络上挺大量的脸部照片,依据查找控制模块优图也积累了很多带真正真实身份标出的互联网脸部数据信息信息内容。这一部考试成绩据无论从数量,图像数、数据信息信息内容多种多样多种多样性上边是最好的,为优图脸部辨别技术性性的商品产品研发提供了基本规范。随着着脸部辨别技术性性的逐步健全,实际业务流程步骤中持续出现许多新场景下的应用规定,例如微众金融业组织的核身业务流程步骤,交流会每天每日签到业务流程步骤都涉及到到合理有效证件照和手机上上自拍照照照的核查,公安机关行政机关的管控务必视频管控数据信息信息内容与合理有效证件照的核查。不一样场景下得到的脸部图像存在巨大区别,如何对门部辨别实体线实体模型进行快速调整,在每一个不一样场景下快速落地式式就变为一个十分具有挑战性的难点。

便于在逐渐日益加剧的市场销售销售市场销售市场市场竞争中占获得者动权,优图在三年深耕细作细作脸部辨别和深层次学习培训学习培训的大部分建立了本身在场景迁移与适应上的一整套科学研究科学方法论。这一科学研究科学方法论可以用一句话来梳理:姥姥实体线实体模型的“演化”。这句话话话有两个关键点。最开始大伙儿务必建立能用于一般场景的、功效强悍的脸部辨别实体线实体模型,也就是姥姥实体线实体模型。其次姥姥实体线实体模型依据“演化”来适应新场景下的脸部辨别。

建立姥姥实体线实体模型大伙儿族

姥姥实体线实体模型实际上不专指一个深层次神经系统系统软件互连网实体线实体模型,仅仅具有某类结构特点的一类神经系统系统软件互连网实体线实体模型,因此更为合适的叫法理应是姥姥实体线实体模型族。不一样业务流程步骤场景下的应用,顾客对门部辨别的速度和高精密度可能有不一样的规定。姥姥实体线实体模型族尽量像一个武器装备库,既包含能够快速推送的行政部门行政机关枪也务必毁坏力力强悍致冷时间长的分子结构弹。

 

图11:深层次神经系统系统软件互连网一部分结构分类

目前更加流行的深层次神经系统系统软件互连网结构大约可以归到三类:1.平行面线型(如AlexNet,VGGNet);2.一部分双支派型(ResNet);3.一部分分多支型(GoogleNet)。在这其中平行面线型互连网结构设计方案计划方案更加简单,但是当互连网深层次超过20后这种结构的互连网将变的没法提高。一部分分多支型互连网实体线实体模型工作中工作能力强,计算高效率率高些,但是设计方案计划方案也更加复杂。在建立姥姥实体线实体模型大伙儿族的早期,大伙儿选择了实体线实体模型工作中工作能力相对性性很强设计方案计划方案又相对性性简单的一部分双支派型互连网ResNet来构建优图脸部辨别的姥姥实体线实体模型族。一方面ResNet本身具有强悍的学习培训学习培训工作中工作能力,是去年深层次学习培训学习培训制造行业全新升级的科学研究科学研究进展。MSRA凭借一个152 层的ResNet深层次互连网摘取了图像辨别制造行业最具伤害力的ImageNet2015赛事很多单项工程工程项目的第一名。此外一方面ResNet设计方案计划方案相对性性简单,一个很大的特点就是辨别工作中工作能力基本与神经系统系统软件互连网深层次正比。神经系统系统软件互连网的深层次又与计算复杂度马上相关,这就为训练不一样辨别高精密度与运行速度的很多实体线实体模型从而建立姥姥实体线实体模型族提供了极大的方便快捷。当选定了姥姥实体线实体模型的互连网结构后,大伙儿将其在数据信息信息内容量很大的互联网生活起居照数据信息信息内容集上训练,以保证姥姥实体线实体模型的通用性性脸部辨别工作中工作能力,图12所显示信息。

图12:优图脸部辨别姥姥实体线实体模型

在依据一部分双支派实体线实体模型族建立开展后,大伙儿也一开始尝试运用更复杂的一部分分多支构件来进一步提高实体线实体模型高效率率,丰富多彩五彩缤纷大伙儿的姥姥实体线实体模型族。

姥姥实体线实体模型的“演化”

迁移学习培训学习培训是近些年来来在人力资源智能化化制造行业确立明确提出的处理不一样场景下辨别难点的时兴方法。比照于浅阶段的简单方法,深层次神经系统系统软件互连网实体线实体模型具备更加优异的迁移学习培训学习培训工作中工作能力。并有一套简单有效的迁移方法,梳理来说就是在复杂每天每日任务努力行基本实体线实体模型的预训练(pre-train),在独特每天每日任务上对实体线实体模型进行细腻化调整(fine-tune)。套入在脸部辨别难点上,只务必将训练好的优图姥姥实体线实体模型在新场景的新数据信息信息内容努力行细腻化调整。


图13:优图姥姥实体线实体模型的演化

这种传统式式的迁移学习培训学习培训方法确实能帮助姥姥实体线实体模型更强的开展新场景下的脸部辨别每天每日任务。但这仅有算特异化理论基础理论,无法将迁移学习培训学习培训中学到的新信息内容內容建议意见反馈给姥姥实体线实体模型。迁移之后的特异化理论基础理论实体线实体模型仅有应用在独特场景,在原融合上的特点甚至可能会大幅度度减少。在没有深层次学习培训学习培训的“浅”阶段,实体线实体模型没有同时处理很多场景的工作中工作能力,这可能是最好的适应新场景的方法。可是融合具体大伙儿发现,由于深层次神经系统系统软件互连网的强悍描述工作中工作能力,完全可以在迁移学习培训学习培训整个过程中保持姥姥实体线实体模型的通用性性特点。采用提升量学习培训学习培训的方式进行新场景的适应,在开展新场景下辨别的同时还可以保持其他场景下的工作中工作能力,从而得到通用性性性更强的优图姥姥实体线实体模型,即优图姥姥实体线实体模型的“演化”。

 

随着着每一个场景下的数据信息信息内容不断积累,优图姥姥实体线实体模型将不断演化,变的更加强悍。

过后大伙儿将根据业务流程步骤规定,再度积累在新场景下的脸部辨别工作中工作能力。并尝试将这种深层次神经系统系统软件互连网的奇特“演化”工作中工作能力营销推广营销推广到很多的难点上。依据不断演化,姥姥实体线实体模型变的越来越越越聪明伶俐,也许有一天大伙儿的确能铸就出全知全能型型的“优图人的人的大脑”!

雷锋网注:原文中为腾讯优图授权雷锋网(手机微信微信公众号:雷锋网)(查找“雷锋网”手机微信微信公众号关注)转截,如需转截请联系授权,并储存出處和写作者,不能删剪内容。

雷锋网原创文章内容內容,没承受权禁止转截。详尽信息内容见。



联系我们

全国服务热线:4000-399-000 公司邮箱:343111187@qq.com

  工作日 9:00-18:00

关注我们

官网公众号

官网公众号

Copyright?2020 广州凡科互联网科技股份有限公司 版权所有 粤ICP备10235580号 客服热线 400-000-8888