标注工具 VoTT 详细教程

逃离我推掉我的手 2022-12-25 14:57 501阅读 0赞

# 标注工具 VoTT 详细教程 #

### 文章目录 ###

*   *  [1. 概述][1.]
     *   *  [1.1. VoTT 的功能][1.1. VoTT]
         *  [1.2. 下载与安装][1.2.]
         *  [1.3. 使用感想][1.3.]
     *  [2. 入门基本使用][2.]
     *   *  [2.1. 准备工作][2.1.]
         *  [2.2. 新建项目][2.2.]
         *  [2.3. 标注bbox][2.3. _bbox]
         *  [2.4. 导出标注结果][2.4.]
     *  [3. 功能详解][3.]
     *   *  [3.1. 自动标定（Active Learning）][3.1. _Active Learning]
         *  [3.2. 视频帧相关][3.2.]
         *  [3.3. Tags 设置][3.3. Tags]
         *  [3.4. 标注结果导出][3.4.]
         *  [3.5. 标框的第三种方式][3.5.]
         *  [3.6. 其他没有详细研究的内容][3.6.]

## 1. 概述 ##

*  我并没有看过源码，只是看了官方README，并尝试使用了VoTT。所以，肯定很多细节并不清楚。

### 1.1. VoTT 的功能 ###

*   对图像或视频标定框（bounding box）
 *   不规则的标注结果（图像分割）
 *   对同一个标定框（bbox）标注多个类别的标签（tags）
 *   手动设置输入视频的帧率（fps）
 *   内置模型自动标定bbox
 *   标注结果统计以及可视化
 *   标注结果导出为多种形式
 *   前后帧标定框关联
 *   对视频片段标定结果
 *   自动浏览视频片段
 *   导入标注好的bbox到项目

### 1.2. 下载与安装 ###

*  下载：
    
     *  [官方Github][Github]
     *  在 [releases][] 中提供了windows/linux/mac下编译好的可执行文件。
 *  安装：
    
     *  只尝试了使用win下的二进制文件，点击运行就行……

### 1.3. 使用感想 ###

*  我用VoTT进行标注的时间超过了50小时，写一些自己的感想。
 *  优势：
    
     *  安装方便，直接下载exe文件即可。
     *  界面好看（这非常重要，毕竟标注的时间一般都很长，而且枯燥）。
     *  功能上满足我的需求（视频选择帧+标注框+同一个框多标签）
 *  劣势（也许通过修改源码能够实现，但当前release不能实现）：
    
     *  不能导入已有的标注结果（如bbox）。
     *  同一个项目在不同电脑不能使用。
     *  Connection对我来说非常鸡肋。
        
         *  Connection的基本作用就是，可以导入不同地方的数据作为输入。
         *  但我自己的使用中，只会用到本地文件作为输入，而不会用到VoTT中额外提供的Bing/Azure等功能。
     *  Project功能对我来说完全没用，还增加了很多工作量
        
         *  每个project对应两个Connection，如果Connection中的视频太多好像会比较卡，所以会建立很多个Project。
         *  Project有Security Token相关内容，会对项目的部分信息进行加密，这导致**Project换台电脑就打不开了**。
         *  如果修改了Project的参数，会导致一些意想不到的错误。比如，如果修改了FPS，就会导致一些标注好的bbox看不到。
     *  程序不稳定，经常会报错
        
         *  使用键盘标注多个标签时，如果键盘点击速度太快，就会报错。
         *  项目多了之后，经常会重启程序。家里的电脑配置特别好，重启没什么影响。单位的电脑配置不行，重启一下就要命了……
         *  项目多了以后（现在有70+个项目），打开历史项目时，有时候会看不到标注好的bbox（如果export会发现少了很多bbox）……但如果你刚好移到标注过的那帧时，bbox又出现了（这时如果export，那缺少的这一个bbox就又会出现了）

## 2. 入门基本使用 ##

*  本章的目标，简单过一遍VoTT的使用过程。部分功能的详细说明将在第三章中介绍。
 *  本章内容包括：
    
     *  准备工作
     *  新建项目
     *  标注bbox
     *  导出标定结果

### 2.1. 准备工作 ###

*  将所有待标注的视频或图像放到一个文件夹中。
    
     *  注意，后续只处理该文件夹中的视频与图像，不会处理子文件夹中的数据。
 *  新建一个目录，用于保存VoTT项目信息以及项目结果输出。
 *  准备好标注类别（tags）。

### 2.2. 新建项目 ###

*  在打开VoTT后就能看到新建项目选项。
    
     *  ![image-20201127135303026][]
 *  在新建项目目录中，主要要填写的内容包括
    
     *  Display Name：项目名称，随便写
     *  Security Token：用来加密一些敏感信息，我也不知道干什么用的，一般就选默认
     *  ### Source Connection：原始数据路径（后面会单独介绍Connection） ###
     *  ### Target Connection：目标数据存放路径（后面会单独介绍Connection），保存标签以及项目信息 ###
     *  Description：项目描述
     *  Frame Extraction Rate(frames per a video second)：视频帧率
     *  Tags（截图中没有包括）：待标注的标签列表（如COCO 80类物体的名称）。更多 Tags 相关内容请参考 `3.3. Tags 设置`
     *  ![image\_1ef9hmp4l11ii19ho9rij5n2rsm.png-82.3kB][image_1ef9hmp4l11ii19ho9rij5n2rsm.png-82.3kB]![image\_1ef9hnnq1cas1lcrvkriec183t13.png-30.3kB][image_1ef9hnnq1cas1lcrvkriec183t13.png-30.3kB]
 *  Connection介绍
    
     *  所谓Connection，其实就是数据路径。
     *  分类：VoTT中提供了三种 Azure Blob Storge，Bing Image Search，Local File System。
     *  我一般使用的就是 Local File System，需要设置的参数就是 Display Name（在新建项目的Connection相关配置中会展示这个Display Name，我一般设置为文件夹名），Description，Folder Path（本地文件夹路径）。
        
         *  ![image\_1ef9ikske1tbg123o1vc3b2317491t.png-45.2kB][image_1ef9ikske1tbg123o1vc3b2317491t.png-45.2kB]
     *  设置完成后，在新建项目的 Source/Target Connection 下拉菜单中就能找到对应的选项
        
         *  ![image\_1ef9im5601lq3m2e1hparm41bbg2a.png-19.3kB][image_1ef9im5601lq3m2e1hparm41bbg2a.png-19.3kB]
     *  Connection在左边菜单栏中有单独一个选项
        
         *  ![image\_1ef9itqod2f713oj1bn2nn61mng2n.png-72.8kB][image_1ef9itqod2f713oj1bn2nn61mng2n.png-72.8kB]

### 2.3. 标注bbox ###

*  基本流程分为下面几个步骤
    
     *  选择视频帧/图像
        
         *  视频帧更详细情况请参考 `3.2. 视频帧相关`
     *  画框
     *  设置标签（tags），同一个bbox可对应多个tags
 *  上述基本步骤示意图如下
    
     *  注意，图中bbox对应了三个类别的tags（对应3/6/8的标签）
     *  ![image\_1ef9jcja195f1a9u1v98b1d13ns34.png-741.9kB][image_1ef9jcja195f1a9u1v98b1d13ns34.png-741.9kB]
 *  画框时可使用内置SSD模型自动获取bbox
    
     *  bbox的质量可能不是特别高，但也能省一些力气。
     *  更多详细信息可以参考 `3.1. 自动标定`
     *  示意图如下（先点击博士帽按钮，就可以自动获取标定框）
     *  ![image\_1ef9jhcam4rq1l632cj12dj7sc3k.png-714.2kB][image_1ef9jhcam4rq1l632cj12dj7sc3k.png-714.2kB]
 *  其他细节：
    
     *  在画/删框、设置/删除tags后，会**自动保存**标注结果，无序手动设置。
     *  在`3.5. 标框的第三种方式`中介绍了一些标注的小工具的使用。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 1][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 2][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 3][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 4][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 5][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 6][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 7][]

### 2.4. 导出标注结果 ###

*  在标注页面中，可快速将结果导出，如下图所示。
    
     *  ![image\_1ef9jujg7dn61cchhum14mdv2741.png-742.3kB][image_1ef9jujg7dn61cchhum14mdv2741.png-742.3kB]
 *  具体导出设置可以参考
    
     *  ![image\_1ef9jvj4q1g4h1hal10vd1ukd18ae4e.png-71.2kB][image_1ef9jvj4q1g4h1hal10vd1ukd18ae4e.png-71.2kB]
 *  具体导出结果类型等细节请参考 `3.4. 标注结果导出`

## 3. 功能详解 ##

### 3.1. 自动标定（Active Learning） ###

*  实现的功能：对图像/视频帧结果进行画框。
 *  快捷点：`ctrl+D`
 *  在左侧菜单栏中，有自动标注的选项，包括的功能有
    
     *  Model Provider：默认有COCO SSD模型可以使用，也可以自己导入本地模型或url模型地址。
     *  Predict Tag：使用自动标注时，需不需要标注bbox的类别。如果没有选中，则只标框，不标结果。
     *  Auto Detect：在转换图像/视频帧时，是否自动执行自动标注。
     *  ![image\_1ef9kc9551bc855rego1304kdi4r.png-59.1kB][image_1ef9kc9551bc855rego1304kdi4r.png-59.1kB]
 *  需要看源码才能了解的功能
    
     *  自定义模型要如何导入，这个从源码中研究模型的输出，不知道PyTorch等行不行。

### 3.2. 视频帧相关 ###

*  在VoTT中，视频会自动根据输入帧率成帧。
 *  视频帧类别分为三类（如下图所示）：
    
     *  第一类：包含bbox的视频帧（绿色的竖线）
     *  第二类：单独浏览过但没有标注结果的视频帧（黄色的竖线）
     *  第三类：没有单独浏览过的视频帧（没有竖线位置的视频帧）
     *  ![image\_1ef9kmn1j1ho9lfr48a9fk2s858.png-407.1kB][image_1ef9kmn1j1ho9lfr48a9fk2s858.png-407.1kB]
 *  所谓**单独浏览**，指的是单独停下来到某一帧
    
     *  在播放视频时，可能浏览了所有帧，但不会都标黄色竖线。
 *  视频帧的选择
    
     *  鼠标直接在进度条中选择，选中 “没有单独浏览过的视频帧” 后会将当前帧转换为 “单独浏览过但没有标注结果的视频帧”。
     *  上一帧/下一帧（Previous/Next Frame）：选择上一帧或下一帧，快捷键为 `A/D`。
        
         *  按照输入设置中的视频帧率提取帧。
         *  这里选择的上下帧就是临近帧，与帧的类别无关。
     *  Previous Tag Frame/Next Tag Frame：快捷键为 `Q/E`
        
         *  这里选择的是第一类帧，即包含bbox的视频帧。
     *  ![image\_1ef9ngfg91i42abs1sjhp3410p6f.png-649.6kB][image_1ef9ngfg91i42abs1sjhp3410p6f.png-649.6kB]

### 3.3. Tags 设置 ###

*  VoTT中选中bbox的一些表现形式（如果bbox为实线表示选中，虚线表示未选中），如下图所示
    
     *  ![image\_1ef9levqq1qlnkk1g3f83516p05l.png-433.9kB][image_1ef9levqq1qlnkk1g3f83516p05l.png-433.9kB]
 *  对于选中的bbox设置tag有以下两种方式
    
     *  鼠标选择左侧的tags列表
     *  Tags列表中的钱10类可通过快捷键设置（快捷键就是tags右边中`[x]`的信息）
     *  ![image\_1ef9lob3nmsn1bfqv8cco4r4d62.png-484.7kB][image_1ef9lob3nmsn1bfqv8cco4r4d62.png-484.7kB]
 *  在标同一张图片中的多个bbox时
    
     *  如果使用快捷键选择tag，每个bbox默认标了一个tag后就会选择后一个bbox。
     *  当选择到最后一个bbox时，**不会**跳转到第一个bbox从头开始，而是会在最后一个bbox上重复进行标记。
 *  Tag工具栏中还包括一些其他功能，比如reording/lock
    
     *  reording就是改变tag的顺序，通过下图中的上下箭头实现
     *  lock不知道是干什么用的，没看懂 `A tag can be locked for repeated tagging using the lock icon at the top of the tag editor pane.`
     *  ![image\_1ef9nkdj417cgohv173b14o016rm6s.png-17.1kB][image_1ef9nkdj417cgohv173b14o016rm6s.png-17.1kB]
 *  如何快速设置Tags
    
     *  VoTT支持的方式就是在创建项目或项目设置中的`Tags`选项中一个个输入，这种方式非常不方便（比如要把COCO80类输入进去……）。
     *  可编程的修改方式：通过修改VoTT项目文件 `my_project.vott` 实现
        
         *  配置文件总体是一个json文件，其中包含一个参数 `tag` 列表，每个tag包含两个属性`name/color`，name就是字符串，color是RGB字符串，如`#008000`。
         *  整体结构形如 `"tags": [{"name": "name1", "color": "#595959"}, ...]`
     *  注意，有两种方式可以打开已有VoTT项目
        
         *  方式一：手动打开.vott文件。
         *  方式二：直接右侧选中最近打开的项目。
     *  当使用修改`.vott`的方法新建tags后，第一次打开项目时，**只能用方式一打开**，如果用方式二会导致新增的tags消失。
        
         *  ![image\_1ef9qknelsrv11bnialatc1o0k9n.png-59.7kB][image_1ef9qknelsrv11bnialatc1o0k9n.png-59.7kB]

### 3.4. 标注结果导出 ###

*  在介绍导出功能前，先明确几个定义：
    
     *  视频帧的分类：详情请看 `3.2.` 中内容，分为三类，第一类对应Tagged，第二类对应Visited，第三类就是没有标签。
     *  视频/图片的Visited/Tagged属性，如下图所示（看过没标过的是Visited，标过的是Tagged）
        
         *  ![image\_1ef9obmcg7jf18etql1m8d67e7m.png-805.1kB][image_1ef9obmcg7jf18etql1m8d67e7m.png-805.1kB]
 *  导出功能有单独的菜单栏（如下图所示），包括三个选项
    
     *  ![image\_1ef9ofrpf4gkkrnr0q1r4f8st83.png-71.3kB][image_1ef9ofrpf4gkkrnr0q1r4f8st83.png-71.3kB]
 *  导出数据形式（六种，就不细说了）
    
     *  ![image\_1ef9p91a1eek1urv8781m701ftr8t.png-11.8kB][image_1ef9p91a1eek1urv8781m701ftr8t.png-11.8kB]
 *  导出数据
    
     *  All Asserts：所有数据
     *  Only Visited Assets：仅Visited相关数据
     *  Only Tagged Assets：仅Tagged相关数据
 *  `Include Images`：导出数据中是否需要包含图片
 *  举例：导出为PASCAL VOC形式时，数据如下
    
     *  ![image\_1ef9pdl468d115na1nebfpbqfd9a.png-21.7kB][image_1ef9pdl468d115na1nebfpbqfd9a.png-21.7kB]

### 3.5. 标框的第三种方式 ###

*  标框（bbox）的方法主要有三种，本节主要介绍第三种方式。
    
     *  自己直接画
     *  先用Active Learning标再调整
     *  复制其他图片/视频帧的bbox到当前帧：这种方式适合视频中连续帧的标注。
 *  在标注页面上，有几个关于regions（就是bbox）的操作：复制/剪切/黏贴/删除regions
    
     *  regions复制/剪切/粘贴/全选操作对应的快捷键是 `ctrl+c/x/v/a`
     *  可以在当前帧进行标注，然后全选+复制+选择下一帧+粘贴，然后调整bbox。
     *  ![image\_1ef9oscvevk11n81bpj19blhjp8g.png-452.6kB][image_1ef9oscvevk11n81bpj19blhjp8g.png-452.6kB]

### 3.6. 其他没有详细研究的内容 ###

*  在 `Project Settings` 中有标定结果可视化
    
     *  ![image\_1ef9o8c7oenrjaukuq9d100d79.png-127.8kB][image_1ef9o8c7oenrjaukuq9d100d79.png-127.8kB]
 *  多边形标定
 *  放大/缩小（不只是图像放大/缩小，连整体UI都放大/缩小了，使用tag锁定快捷键，如ctrl+0就恢复默认尺寸了）
 *  多人协同
 *  Security Token

[1.]: https://blog.csdn.net/irving512/article/details/107901599#1__2
[1.1. VoTT]: https://blog.csdn.net/irving512/article/details/107901599#11_VoTT__5
[1.2.]: https://blog.csdn.net/irving512/article/details/107901599#12__18
[1.3.]: https://blog.csdn.net/irving512/article/details/107901599#13__25
[2.]: https://blog.csdn.net/irving512/article/details/107901599#2__49
[2.1.]: https://blog.csdn.net/irving512/article/details/107901599#21__57
[2.2.]: https://blog.csdn.net/irving512/article/details/107901599#22__63
[2.3. _bbox]: https://blog.csdn.net/irving512/article/details/107901599#23_bbox_85
[2.4.]: https://blog.csdn.net/irving512/article/details/107901599#24__103
[3.]: https://blog.csdn.net/irving512/article/details/107901599#3__112
[3.1. _Active Learning]: https://blog.csdn.net/irving512/article/details/107901599#31_Active_Learning_114
[3.2.]: https://blog.csdn.net/irving512/article/details/107901599#32__125
[3.3. Tags]: https://blog.csdn.net/irving512/article/details/107901599#33_Tags__144
[3.4.]: https://blog.csdn.net/irving512/article/details/107901599#34__171
[3.5.]: https://blog.csdn.net/irving512/article/details/107901599#35__189
[3.6.]: https://blog.csdn.net/irving512/article/details/107901599#36__200
[Github]: https://github.com/microsoft/VoTT
[releases]: https://github.com/microsoft/VoTT/releases
[image-20201127135303026]: /images/20221120/c17e00e42a5c450bac4d6f512d720e2d.png
[image_1ef9hmp4l11ii19ho9rij5n2rsm.png-82.3kB]: https://img-blog.csdnimg.cn/img_convert/2f32e12c23d3b6c9a25fe5aefa6370dc.png
[image_1ef9hnnq1cas1lcrvkriec183t13.png-30.3kB]: /images/20221120/42764c42b7b0431da0430a17d1995749.png
[image_1ef9ikske1tbg123o1vc3b2317491t.png-45.2kB]: /images/20221120/483dfea36559433fa2a2cc67e8af86fb.png
[image_1ef9im5601lq3m2e1hparm41bbg2a.png-19.3kB]: /images/20221120/b2ab861e89624701a286a8dd4b6fbe87.png
[image_1ef9itqod2f713oj1bn2nn61mng2n.png-72.8kB]: https://img-blog.csdnimg.cn/img_convert/13c0c53e3e195be6b82d1f3573bcf6c7.png
[image_1ef9jcja195f1a9u1v98b1d13ns34.png-741.9kB]: https://img-blog.csdnimg.cn/img_convert/ca5e39e3781daabeace4794f9870d7e9.png
[image_1ef9jhcam4rq1l632cj12dj7sc3k.png-714.2kB]: https://img-blog.csdnimg.cn/img_convert/d8328b92671ad025cea93151681b68b5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20201202150656800.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20201202150755506.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20201202150629946.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20201202150559428.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/20201202150532398.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 5]: https://img-blog.csdnimg.cn/20201202150511123.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 6]: https://img-blog.csdnimg.cn/20201202150451970.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 7]: https://img-blog.csdnimg.cn/20201202150437187.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[image_1ef9jujg7dn61cchhum14mdv2741.png-742.3kB]: https://img-blog.csdnimg.cn/img_convert/7c1c1ad22a8e6db54dd801dd35310f32.png
[image_1ef9jvj4q1g4h1hal10vd1ukd18ae4e.png-71.2kB]: https://img-blog.csdnimg.cn/img_convert/60802ca597ced90bcbeb2ea6d0320406.png
[image_1ef9kc9551bc855rego1304kdi4r.png-59.1kB]: https://img-blog.csdnimg.cn/img_convert/36036f3709d20e2f0747e6e32fc3ec1b.png
[image_1ef9kmn1j1ho9lfr48a9fk2s858.png-407.1kB]: https://img-blog.csdnimg.cn/img_convert/f7a334a6a901e1e879f483407a2f3f97.png
[image_1ef9ngfg91i42abs1sjhp3410p6f.png-649.6kB]: https://img-blog.csdnimg.cn/img_convert/ec23ec065449e664a7a56f57dc7dc073.png
[image_1ef9levqq1qlnkk1g3f83516p05l.png-433.9kB]: https://img-blog.csdnimg.cn/img_convert/62d01620c9ff22393bbb8d53ea7d566f.png
[image_1ef9lob3nmsn1bfqv8cco4r4d62.png-484.7kB]: https://img-blog.csdnimg.cn/img_convert/f75cf831fd22b16580acc06f6153cb49.png
[image_1ef9nkdj417cgohv173b14o016rm6s.png-17.1kB]: https://img-blog.csdnimg.cn/img_convert/ee61e424823ee23f1b4a34fdbc12fdca.png
[image_1ef9qknelsrv11bnialatc1o0k9n.png-59.7kB]: https://img-blog.csdnimg.cn/img_convert/bad08de14257b46a947c74f83c95af9a.png
[image_1ef9obmcg7jf18etql1m8d67e7m.png-805.1kB]: https://img-blog.csdnimg.cn/img_convert/b5aad0a2aeaa8f659a7a9b39e395e318.png
[image_1ef9ofrpf4gkkrnr0q1r4f8st83.png-71.3kB]: https://img-blog.csdnimg.cn/img_convert/966b76640579d9bdea3b08013c69eb4d.png
[image_1ef9p91a1eek1urv8781m701ftr8t.png-11.8kB]: https://img-blog.csdnimg.cn/img_convert/f77c2a776beb15ef2f8605112ad1022a.png
[image_1ef9pdl468d115na1nebfpbqfd9a.png-21.7kB]: https://img-blog.csdnimg.cn/img_convert/86b7877f2f0cba0736a6d624e4872ac5.png
[image_1ef9oscvevk11n81bpj19blhjp8g.png-452.6kB]: https://img-blog.csdnimg.cn/img_convert/5c3d0edc90f48a85fd41bed2289e9a94.png
[image_1ef9o8c7oenrjaukuq9d100d79.png-127.8kB]: https://img-blog.csdnimg.cn/img_convert/5efd668403359eb8c7d7a38a37f04d53.png