0
本文首發(fā)于知乎，作者為奇點汽車美研中心總裁兼自動駕駛首席科學家黃浴，AI 科技評論經(jīng)授權轉(zhuǎn)載。
還是做一些背景介紹。已經(jīng)是很熱的深度學習，大家都看到不少精彩的故事，我就不一一重復。
簡單的回顧的話，2006年Geoffrey Hinton的論文點燃了“這把火”，現(xiàn)在已經(jīng)有不少人開始潑“冷水”了，主要是AI泡沫太大，而且深度學習不是包治百病的藥方。
計算機視覺不是深度學習最早看到突破的領域，真正讓大家大吃一驚的顛覆傳統(tǒng)方法的應用領域是語音識別，做出來的公司是微軟，而不是當時如日中天的谷歌。計算機視覺應用深度學習堪稱突破的成功點是2012年ImageNet比賽，采用的模型是CNN，而不是Hinton搞的RBM和DBN之類，就是Hinton學生做出來以他命名的AlexNet。
（注：順便提一下，2010年的ImageNet冠軍是余凱/林元慶領導的NEC和UIUC Tom Huang組的合作團隊，當時采用的方法是基于sparse coding+SVM。）
當然，真正一直在研究CNN的專家是Yann LeCun，小扎后來拉他去FB做AI research的頭。第一個CNN模型就是他搞出來的，即LeNet，原來就是做圖像數(shù)字識別。不得不說，CNN非常適合2-D信號的處理任務，RNN呢，是時域上的拓展。
現(xiàn)在CNN在計算機視覺應用的非常成功，傳統(tǒng)機器學習方法基本被棄之不用。其中最大的一個原因就是，圖像數(shù)據(jù)的特征設計，即特征描述，一直是計算機視覺頭痛的問題，在深度學習突破之前10多年，最成功的圖像特征設計 (hand crafted feature)是SIFT，還有著名的Bag of visual words，一種VQ方法。后來大家把CNN模型和SIFT比較，發(fā)現(xiàn)結構還蠻像的：），之后不是也有文章說RNN和CRF很像嗎。
CNN從AlexNet之后，新模型如雨后春筍，每半年就有新發(fā)現(xiàn)。這里隨便列出來就是，ZFNet (也叫MatNet)，VGGNet， NIN， GoogleNet (Inception)， Highway Network， ResNet， DenseNet，SE-Net（Squeeze and Excitation Net），。。?；旧隙际窃贗mageNet先出名的：）。
簡單回顧一下：
AlexNet應該算第一個深度CNN；
ZFNet采用DeconvNet和visualization技術可以監(jiān)控學習過程；
VGGNet采用小濾波器3X3去取代大濾波器5X5和7X7而降低計算復雜度；
GoogleNet推廣NIN的思路定義Inception基本模塊（采用多尺度變換和不同大小濾波器組合，即1X1，3X3，5X5）構建模型；
Highway Networks借鑒了RNN里面LSTM的gaiting單元；
ResNet是革命性的工作，借鑒了Highway Networks的skip connection想法，可以訓練大深度的模型提升性能，計算復雜度變??；
Inception-V3/4用1X7和1X5取代大濾波器5X5和7X7，1X1濾波器做之前的特征瓶頸，這樣卷積操作變成像跨通道（cross channel）的相關操作；
DenseNet主要通過跨層鏈接解決vanishing gradient問題；
SE-Net是針對特征選擇的設計，gating機制還是被采用；
前段時間流行的Attention機制也是借鑒于LSTM，實現(xiàn)object-aware的context模型。
在具體應用領域也出現(xiàn)了不少成功的模型，比如
detection問題的R-CNN，fast RCNN，faster RCNN，SSD，YOLO，RetinaNet，CornerNet等，
解決segmentation問題的FCN，DeepLab，Parsenet，Segnet，Mask R-CNN，RefineNet，PSPNet，U-Net等，
處理激光雷達點云數(shù)據(jù)的VoxelNet，PointNet，BirdNet，LMNet，RT3D，PIXOR，YOLO3D等，
實現(xiàn)激光雷達和圖像融合的PointFusion，RoarNet，PointRCNN，AVOD等，
做圖像處理的DeHazeNet，SRCNN (super-resolution)，DeepContour，DeepEdge等，
2.5 D視覺的MatchNet，DeepFlow，F(xiàn)lowNet等，
3-D重建的PoseNet，VINet，Perspective Transformer Net，SfMNet，CNN-SLAM，SurfaceNet，3D-R2N2，MVSNet等，
以及解決模型壓縮精簡的MobileNet，ShuffleNet，EffNet，SqueezeNet，
等等
下面我們針對具體應用再仔細聊。
先說圖像/視頻處理（計算機視覺的底層，不低級）。
圖像處理，還有視頻處理，曾經(jīng)是很多工業(yè)產(chǎn)品的基礎，現(xiàn)在電視，手機還有相機/攝像頭等等都離不開，是技術慢慢成熟了（傳統(tǒng)方法），經(jīng)驗變得比較重要，而且芯片集成度越來越高，基本上再去研究的人就少了。經(jīng)典的ISP，A3，都是現(xiàn)成的，當然做不好的也很難和別人競爭，成本都降不下來。
這是一個典型成像處理的流程圖：
經(jīng)典的ISP流程圖如下：
圖像處理，根本上講是基于一定假設條件下的信號重建。這個重建不是我們說的3-D重建，是指恢復信號的原始信息，比如去噪聲，內(nèi)插。這本身是一個逆問題，所以沒有約束或者假設條件是無解的，比如去噪最常見的假設就是高斯噪聲，內(nèi)插實際是恢復高頻信號，可以假設邊緣連續(xù)性和灰度相關性，著名的TV（total variation）等等。
以前最成功的方法基本是信號處理，機器學習也有過，信號處理的約束條件變成了貝葉斯規(guī)則的先驗知識，比如sparse coding/dictionary learning，MRF/CRF之類，現(xiàn)在從傳統(tǒng)機器學習方法過渡到深度學習也正常吧。
1 去噪/去霧/去模糊/去鬼影；
先給出一個encoder-decoder network的AR-CNN模型（AR=Artifact Reduction）：
這是一個圖像處理通用型的模型框架：
2 增強/超分辨率（SR）；
Bilateral filter是很有名的圖像濾波器，這里先給出一個受此啟發(fā)的CNN模型做圖像增強的例子：
前面說過內(nèi)插的目的是恢復失去的高頻信息，這里一個做SR的模型就是在學習圖像的高頻分量：
3 修補/恢復/著色；
用于修補的基于GAN思想的Encoder-Decoder Network模型：
用于灰度圖像著色（8比特的灰度空間擴展到24比特的RGB空間）的模型框架：
還有計算機視覺的預處理（2-D）。
計算機視覺需要圖像預處理，比如特征提取，包括特征點，邊緣和輪廓之類。以前做跟蹤和三維重建，首先就得提取特征。特征點以前成功的就是SIFT/SURF/FAST之類，現(xiàn)在完全可以通過CNN形成的特征圖來定義。
邊緣和輪廓的提取是一個非常tricky的工作，細節(jié)也許就會被過強的圖像線條掩蓋，紋理（texture）本身就是一種很弱的邊緣分布模式，分級（hierarchical）表示是常用的方法，俗稱尺度空間（scale space）。以前做移動端的視覺平臺，有時候不得不把一些圖像處理功能關掉，原因是造成了特征畸變?，F(xiàn)在CNN這種天然的特征描述機制，給圖像預處理提供了不錯的工具，它能將圖像處理和視覺預處理合二為一。
1 特征提?。?/span>
LIFT（Learned Invariant Feature Transform）模型，就是在模仿SIFT：
2 邊緣/輪廓提取；
一個輪廓檢測的encoder-decoder network模型：
3 特征匹配；
這里給出一個做匹配的模型MatchNet：
再說2.5-D計算機視覺部分（不是全3-D）。
涉及到視差或者2-D運動的部分一般稱為2.5-D空間。這個部分和前面的2-D問題是一樣的，作為重建任務它也是逆問題，需要約束條件求解優(yōu)化解，比如TV，GraphCut。一段時間（特別是Marr時代）計算機視覺的工作，就是解決約束條件下的優(yōu)化問題。
后來，隨機概率和貝葉斯估計大行其事，約束條件變成了先驗知識（prior），計算機視覺圈里寫文章要是沒有 P (Probability) 和 B (Bayes)，都不好意思發(fā)。像SVM， Boosting，Graphical Model，Random Forest，BP（Belief Propagation），CRF（Conditional Random Field），Mixture of Gaussians，MCMC，Sparse Coding都曾經(jīng)是計算機視覺的寵兒，現(xiàn)在輪到CNN出彩：）。
可以說深度學習是相當“暴力”的，以前分析的什么約束呀，先驗知識呀在這里統(tǒng)統(tǒng)扔一邊，只要有圖像數(shù)據(jù)就可以和傳統(tǒng)機器學習方法拼一把。
1 運動/光流估計；
傳統(tǒng)的方法包括局部法和全局法，這里CNN取代的就是全局法。
這里是一個光流估計的模型：
2 視差/深度圖估計；
深度圖估計和運動估計是類似問題，唯一不同的是單目可以估計深度圖，而運動不行。
這里是一個雙目估計深度圖的模型：
而這個是單目估計深度圖的模型：巧妙的是這里利用雙目數(shù)據(jù)做深度圖估計的非監(jiān)督學習
另外一個單目深度估計的模型：也是利用雙目的幾何約束做非監(jiān)督的學習
3 視頻去隔行/內(nèi)插幀；
Deinterlacing和Framerate upconversion視頻處理的經(jīng)典問題，當年Sony和Samsung這些電視生產(chǎn)商這方面下了很大功夫，著名的NXP（從Philips公司spin-off）當年有個牛逼的算法在這個模塊掙了不少錢。
基本傳統(tǒng)方法都是采用運動估計和補償?shù)姆椒ǎ追QMEMC，所以我把它歸類為2.5-D。前面運動估計已經(jīng)用深度學習求解了，現(xiàn)在這兩個問題自然也是。
首先看一個做MEMC的模型：
這是做Deinterlacing的一個模型：
這是Nvidia的Framerate Upconversion方面模型：
因為它采用optic flow方法做插幀，另外附上它的flow estimation模型：就是一個沙漏（hourglass）模式
4 新視角圖像生成；
剛才介紹單目估計深度圖的時候，其實已經(jīng)看到采用inverse warping方法做新視角生成的例子，在IBR領域這里有一個分支叫Depth Image-based Rendering （DIBR）。
和上個問題類似，采用深度圖學習做合成圖像，也屬于2.5-D空間。在電視領域，曾經(jīng)在3-D電視界采用這種方法自動從單鏡頭視頻生成立體鏡頭節(jié)目。以前也用過機器學習，YouTube當年采用image search方法做深度圖預測提供2D-3D的內(nèi)容服務，但性能不好。現(xiàn)在感覺，大家好像不太熱衷這個了。
這是一個產(chǎn)生新視角的模型：
而這個是從單鏡頭視頻生成立體視頻的模型：
有做編碼/解碼的，也是采用運動或者相似變換為基礎，但性能不如傳統(tǒng)方法，這里忽略。
下面談談3-D，基于多視角（MVS）/運動（SFM）的重建，后者也叫SLAM。
這部分就是經(jīng)典的計算機視覺問題：3-D重建。
基本上可以分成兩種路徑：一是多視角重建，二是運動重建。前一個有一個經(jīng)典的方法MVS（multiple view stereo），就是多幀匹配，是雙目匹配的推廣，這樣采用CNN來解決也合理。當年CMU在Superbowl展示的三維重建和視角轉(zhuǎn)化，轟動一時，就是基于此路徑，但最終沒有被產(chǎn)品化（技術已經(jīng)轉(zhuǎn)讓了）。
后一個在機器人領域成為SLAM，有濾波法和關鍵幀法兩種，后者精度高，在稀疏特征點的基礎上可以采用BA（Bundle Adjustment），著名的方法如PTAM，ORB-SLAM1/2，LSD-SLAM，KinectFusion（RGB-D），LOAM和Velodyne SLAM（LiDAR）等。如今SLAM已經(jīng)成為AR產(chǎn)業(yè)的瓶頸，看看MagicLeap和HoloLens，大家不能總是在平面檢測基礎上安一個虛擬物體吧，真正的虛實結合是在一個普通的真實環(huán)境里才行。
想想像特征點匹配，幀間運動估計，Loop Closure檢測這些模塊都可以采用CNN模型解決，那么SLAM/SFM/VO就進入CNN的探索區(qū)域。
1 標定；
Calibration是計算機視覺的經(jīng)典問題，攝像頭作為傳感器的視覺系統(tǒng)首要任務就是要確定自己觀測數(shù)據(jù)和3-D世界坐標系的關系，即標定。攝像頭標定要確定兩部分參數(shù)，一是內(nèi)參數(shù)，二是外參數(shù)。對于有多個傳感器的視覺系統(tǒng)，比如深度測距儀，以前有Kinect RGB-D，現(xiàn)在有Velodyne激光雷達，它們相互之間的坐標系關系是標定的任務。
外參數(shù)標定的完成幫助是校準數(shù)據(jù)，比如激光雷達的點云，RGB-D的深度圖，還有攝像頭的圖像像素集，它們一定存在一個最佳匹配標準，這就可以通過數(shù)據(jù)訓練NN模型來完成。而標定參數(shù)就是NN模型回歸輸出的結果。
這里是一個激光雷達和攝像頭標定的系統(tǒng)框圖：
它的模型CalibNet結構視圖：
2 Visual Odometry（VO）;
VO屬于SLAM的一部分，只是估計自身運動和姿態(tài)變化吧。VO是特斯拉的前Autopilot2.0負責人David Nister創(chuàng)立的，他之前以兩幀圖像計算Essential Matrix的“5點算法”而出名，現(xiàn)在是Nvidia的自動駕駛負責人，公司VP。
這里是一個和慣導數(shù)據(jù)結合的VIO（Visual-Inertial Odometry）NN模型：
這是著名的AR創(chuàng)業(yè)公司MagicLeap提出的VO模型：兩部分組成，即特征提取和匹配（Homography）。
順便加一個，激光雷達數(shù)據(jù)做Odometry的CNN模型：
3 SLAM (Mono, Stereo, RGB-D, LiDAR)/SFM；
運動恢復結構是基于背景不動的前提，計算機視覺的同行喜歡SFM這個術語，而機器人的peers稱之為SLAM。SLAM比較看重工程化的解決方案，SFM理論上貢獻大。
先看一個單攝像頭的SFM系統(tǒng)框圖：
它的NN模型SFM-Net，包括Motion和Structure兩部分：
再附上一個SLAM的模型CNN-SLAM：主要是加上一個單目深度圖估計的CNN模塊。
這是一個用CNN的基于Lidar的localization方法：不僅需要點云數(shù)據(jù)，還輸入反射值灰度圖。
圖像像素運動是optic flow，而3-D場景的運動稱之為scene flow，如果有激光雷達的點云數(shù)據(jù)，后者的估計可以通過ICP實現(xiàn)，這里給出一個CNN模型的實現(xiàn)方法FlowNet3D，是PointNet的擴展：
4 MVS；
MVS的傳統(tǒng)方法可以分成兩種：region growing和depth-fusion，前者有著名的PMVS，后者有KinectFusion，CNN模型求解MVS的方法就是基于此。
先看看一個做MVS任務的基于RNN中LSTM的3D-R2N2模型：
它的系統(tǒng)框圖如下：
UIUC/Facebook合作的DeepMVS模型：
這是他們的系統(tǒng)框圖：
現(xiàn)在看到的是Berkeley分校Malik組提出的LSM（Learnt Stereo Machine ）模型：
下面是最近香港權龍教授組提出的MVSNet模型：
核心部分是計算機視覺的高層：環(huán)境理解。
這部分是深度學習在計算機視覺最先觸及，并展示強大實力的部分。出色的工作太多，是大家關注和追捧的，而且有不少分析和總結文章，所以這里不會重復過多，只簡單回顧一下。
1 語義分割/實例分割（Semantic/Instance Segmentation）；
語義分割最早成功應用CNN的模型應該是FCN（Fully Convolution Network），由Berkeley分校的研究人員提出。它是一種pixel2pixel的學習方法，之后各種演變模型，現(xiàn)在都可以把它們歸類于Encoder-Decoder Network。
這里是去年CVPR的一片論文在總結自動駕駛的實時語義分割算法時給出的框圖：
其中Encoder部分特別采用了MobileNet和ShuffleNet。
實例分割是特殊的語義分割，結合了目標檢測，可以說是帶有明確輪廓的目標檢測，其代表作就是Mask R-CNN，應該是何凱明去FB之后的第一個杰作。
這是一個借鑒目標檢測算法SSD的實例分割模型：
而下面這個是從目標檢測算法Faster-RCNN演變的實例分割模型MaskLab，論文發(fā)表在去年CVPR‘18：
這是它修正Mask的方法示意圖：
這是一個基于3-D點云的語義分割NN模型：
2 檢測/識別(特別例子：人臉)；
目標檢測的開拓性工作應該是Berkeley分校Malik組出來的，即兩步法的R-CNN（Region-based CNN），借用了傳統(tǒng)方法中的Region Proposal。之后不斷改進的有fast RCNN和faster RCNN，每次都有新點子，真是“群星閃耀”的感覺。
一步法的工作，有名的就是SSD（Single Shot Detection）和YOLO（You Only Look Once)，期間何凱明針對one-stage和two-stage方法的各自優(yōu)缺點引進一個Focal Loss，構建的新方法叫RetinaNet，而后來YOLO3基本也解決了精度低的弱點。
這里我畫了一個算法發(fā)展草圖（其實還有一些方法沒有包括在里面，比如densebox，deepbox，R-FCN，F(xiàn)PN等等）。
ImageNet本身就是一個1000多種物體識別比賽，一般公布的是top 5的結果（可見最早精度有多低（：）。CNN在ImageNet的發(fā)展史，就是它在圖像識別的一段近5年的歷史了：）。
激光雷達點云數(shù)據(jù)的處理，無論識別還是分割，有PointNet以及改進的CNN模型：
基于點云做目標識別的例子有Apple公司研究人員發(fā)表的VoxelNet模型：
將點云和RGB圖像結合的目標檢測CNN模型例子如下：
這里順便提一下人臉識別，因為是對人臉的個體屬性判別，所以這個課題應該算fine grained recognition。就好像對狗或者馬這種動物繼續(xù)判別它的品種，都是細分的。
請注意，人臉識別分人臉驗證（face verification）和人臉確認（face identification）；前者是指兩個人是不是同一個人，1-to-1 mapping，而后者是確定一個人是一群人中的某個，1-to-many ampping。以前經(jīng)常有報道機器的人臉識別比人強了，都是指前者，假如后者的話，那誰能像機器一樣識別上萬人的人臉數(shù)據(jù)庫呢？何況中國公安部的數(shù)據(jù)高達億的數(shù)量級。
一個完整的人臉識別系統(tǒng)，需要完成人臉檢測和人臉校準（face alignment），而后者是需要人臉關鍵點（facial landmarks）的檢測，也是可以基于CNN模型來做。這里以FB的DeepFace模型為例吧，給出一個人臉識別的系統(tǒng)框圖：
這是不久前剛剛提出的人臉檢測模型： Selective Refinement Network
而這里給出一個基于facial landmarks做校準的模型：
順便提一下曠世科技的Pyramid CNN模型和商湯科技的DeepID2模型（一共發(fā)布過4個DeepID版本）依次如圖：
3 跟蹤（特別例子：人體姿態(tài)/骨架）；
目標跟蹤是一個遞推估計問題，根據(jù)以前的圖像幀目標的信息推算當前目標的位置甚至大小/姿態(tài)。有一陣子，跟蹤和檢測變得渾為一體，即所謂tracking by detection，跟蹤也可以看出一個目標分割（前后景而言）/識別問題。
跟蹤是短時（short term）鄰域的檢測，而一般的檢測是長時（long term）大范圍的檢測。跟蹤的困難在于目標的遮擋（分部分還是全部），背景復雜（相似目標存在），快速（fast）以及突變（agile）運動等等。比如，跟蹤人臉，當轉(zhuǎn)90度成側(cè)臉時就會有以上這些問題。
跟蹤方法有一個需要區(qū)分的點，多目標（MOT）還是單目標（SOT）跟蹤器。單目標不會考慮目標之間的干擾和耦合，而多目標跟蹤會考慮目標的出現(xiàn)，消失以及相互交互和制約，保證跟蹤各個目標的唯一性是算法設計的前提。
跟蹤目標是多樣的，一般是考慮剛體還是柔體，是考慮單剛體還是鉸接式（articulated），比如人體或者手指運動，需要確定skeleton模型。跟蹤可以是基于圖像的，或者激光雷達點云的，前者還要考慮目標在圖像中大小的變化，姿態(tài)的變化，難度更大。
基于以上特點，跟蹤可以用CNN或者RNN模型求解，跟蹤目標的描述本身就是NN模型的優(yōu)勢，檢測也罷，分割或者識別也罷，都不是問題。運動特性的描述也可以借鑒RNN模型，不過目前看到的結果這部分不比傳統(tǒng)方法好多少。
先看一個單目標跟蹤的CNN模型：
這個展示的模型是一個基于R-CNN檢測模型擴展的單目標跟蹤方法：
多目標跟蹤模型有這么一個例子：
下面是一個基于RNN的多目標跟蹤模型：
補充一個基于RGB圖像和3-D點云的目標跟蹤NN模型：
順便談一下人體姿態(tài)和骨架跟蹤問題。以前傳統(tǒng)方法在人體姿態(tài)估計花了很大力氣但效果不好，提出了part-based目標模型，比如constellation model, pictorial structure, implicit shape model, deformable model等等。
最近CMU提出一個方法，基于Part Affinity Fields（PAF）來估計人體姿態(tài)和骨架，速度非常快。PAF是一個非參數(shù)描述模型，用來將圖像像素和人體各肢體相關起來，看它的架構如圖，采用的是two branch CNN結構，聯(lián)合學習各肢體的相關性和位置。
下面這個是其中雙部圖形匹配(Bipartie matching)算法的示意圖。
這種多目標快速姿態(tài)跟蹤的實現(xiàn)對人體行為的理解是非常重要的工具。
最后講一下計算機視覺的推廣領域。
這里我選了4個計算機視覺的應用談談深度學習對這些領域的推動，在CNN或者RNN“火”之前，這些應用已經(jīng)存在，但在識別分類任務上性能有限罷了。自動駕駛的應用在另外文章已經(jīng)提過了，在此忽略。
1 內(nèi)容檢索；
CBIR（Content-based Image Retrieval）有兩波人搞，一波是計算機科學的，把這個問題當數(shù)據(jù)庫看待；另一波人是電子過程的，認為是圖像匹配問題。剛開始大家也是對這個問題的semantic gap比較頭疼，用了一些feature，比如顏色，紋理，輪廓，甚至layout，效果真不咋樣。
后來有了SIFT，用了Information Retrieval的概念Bag of Words，加上inverted Indexing，TF-IDF（term frequency–inverse document frequency），hashing之類的技術變得好多了，每年ACM MM會議上一堆的paper。深度學習進來，主要就是扮演特征描述的角色。
這是一個CBIR采用CNN的框架：
這個展示的是image matching用于CBIR的CNN模型：
2 增強現(xiàn)實；
AR一開始就不好做，不說VR那部分的問題，主要是實時性要求高，無論識別還是運動/姿態(tài)估計，精度都不好。現(xiàn)在計算機硬件發(fā)展了，計算速度提高了，加上深度學習讓識別變得落地容易了，最近越來越熱，無論是姿態(tài)估計還是特征匹配（定位），都變得容易些了。希望這次能真正對社會帶來沖擊，把那些AR的夢想都實現(xiàn)。
這個框架是Google Glass的AR應用平臺，其中幾個模塊都可以基于CNN實現(xiàn)：
下面給出的是camera motion 的encoder-decoder network框架：三個模型串聯(lián)，其中一個有迭代。
下面的模型展示了特征提取和描述的作用，AR中直接可以用做re-localization。
3 內(nèi)容加注/描述；
Captioning是計算機視覺和NLP的結合。你可以把它當成一個“檢索”任務，也可以說是一個“翻譯”工作。深度學習，就是來幫助建立一個語言模型并取樣產(chǎn)生描述。
4 內(nèi)容問答（Q&A）。
Q&A 也是計算機視覺和NLP的結合，其實質(zhì)是在圖像描述和語言描述之間建立一個橋梁。有人說，Q&A是一個Turing Test的好問題，這里深度學習就是在幫助理解圖像的描述，問題的組成，以及它們模式之間的交互。
有些CNN的應用還是需要進一步改進模型，性能并沒有達到滿意。不過，大家高興地看到深度學習已經(jīng)進來了，以后隨著研究的深入性能會越來越好。
結束。
雷峰網(wǎng)版權文章，未經(jīng)授權禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
