- 行业新闻 News
- 公司公告 Bulletin
- 建站问答 wenda
- 珠宝网站 JewelWeb
- 网站分类 Class
- 建站方案 Plan
- 建站流程 Process
- 建站合同 Contract
- 建站百科 Lore
- 网站优化 SEO
- 网站源码 Code
AI生成肖像画，精细到毛发！北大校友最新研究收割2.8k星标，还登上了ICPR2020
“
深圳蚂蚁网络网站建设小编今天给大家整理了一篇有关《AI生成肖像画，精细到毛发！北大校友最新研究收割2.8k星标，还登上了ICPR2020》的相关文章，更多详细内容，欢迎继续往下阅读，下面就由小编来分享给大家！
"
"
我们可以提供这些服务
企业互联网项目开发
城市分站
版权声明
时间：2020-11-30
阅读：626次
来源：智能网站建设
“只要思想不滑坡，办法总比困难多，干巴得！”
打工人的一天终于要结束了！拖着疲惫的身躯准备下班，却听到同事小A还在给自己打气。
只见他迅速打开电脑，打开百度、打开知乎豆瓣微博......
都输入了同一行字 肖像画简易教程......
还以为他要干什么惊天动地的大事！原来是想给女神古力娜扎Gulnazar画一幅肖像画。
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
年轻人就是年轻人，还有精力追星。
可还没等我离开，他却哭了—"世上无难事，只要肯放弃”，哇的一声！
也是难为他了。无文艺细胞的理工男一枚，没学过画儿，也没画过画儿，现在还想给女神画一幅肖像画儿，看这头秀发哪是一个小白能画出来的。
“这哪是简易教程，构图、划线、起形.....看的我头都大了，效果还只是这样。”
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
听着小A絮絮叨叨、絮絮叨叨的吐槽，不禁想起了当年的自己，作为一个呆萌理工男也少不了做过同样的蠢事。
“你不知道有很多 APP，只要输入照片就可以一秒生成吗？”我忍不住说到。
小A呆住了。
“不过，看来你的要求还挺高，这样，给你推荐一个高阶版神器吧”。我迅速发了一张样图给他
别问我为什么可以迅速，问就是早有预谋[让我看看]
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
“先看整体感觉，是不是一股艺术气息扑面而来？再看看神情，轻轻皱眉都能捕捉到位，再看看这头发，浓密柔和自然，还根根分明，一看就是专业水准.....%￥#%@#”，不知不觉又暴露了推销老司机的本质....
“赞、太赞、非常赞！一句话，这是用的什么神器？”
“我发给你，就是用的这款 AI 工具...........%￥#%@#，它的研发者还是我们北大....”
话还没说完，小A就把他的成果图发给了我。
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
“太棒了，没想到如此轻松就搞定了！”只见他边说边合上电脑、装进书包，穿上外套，大步走向了门口，这速度像极了我平常下班的样子......
最后还不忘转身朝我比了一串串小芯芯......
我呆住了。“先走的不应该是我吗？”，“等等，我话还没说完！”。
“算了，这班我不下了”。
除了他，相信大家对这项 AI 工具的背后原理「一定」非常感兴趣，那么我就来给大家详细介绍一下。
北大校友出品 显著性目标检测工具
这款 AI 工具叫U∧2NetU Square Net，最近火到不行！
不仅登上了 GitHub 热榜，收割了 2.8k 星标，还被顶会 ICPR 2020 选中。更关键是，这项研究的一作还是北大校友——秦雪彬。
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
相信不少开发者朋友对这个名字非常熟悉，他之前提出边界感知显著目标检测网络 BASNet，被用来做了很多好玩的工具，比如『隔空复制粘贴』——AR Cut & Paste
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
twittercyrildiagnestatus
只要扫一扫，书本、花盆、杂志人物，你能看到的任何现实物体，只需 10s 统统都可以被“粘贴”到电脑里。
这项研究在 Reddit 上短短几个小时，就获得了近 5K 点赞量，之后累计浏览量超过了 500 万。
秦雪彬以前在北京大学读硕士，现在是加拿大阿尔伯塔大学的一名在读博士。他对计算机视觉技术非常感兴趣，尤其是目标物体检测。最近推出的这款U^2Net 深度网络架构，同样是一个目标检测工具。
之前的 BASNet 网络被用来做“复制粘贴”测试，效果很好。这次，他就用U^2Net 做了一个生成肖像画测试，结果也火了。
再来感受下精细到毛发的生成效果。
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
目标检测是计算机视觉和数字图像处理的一个重要分支。计算机视觉对于目标运动的分析大致分为三个层次 图像分割，目标检测 目标跟踪 目标识别与描述。其中，目标检测是最基础且关键的环节。
2016 年，自深度学习三大巨头 Hinton、Bengio、Lecun 提出卷积神经网络CNN，并应用于图像处理以来，目标检测技术得到显著性改善，尤其是随着全卷积神经网络FCN的提出，目标检测任务逐步达到最佳 SOAT。
在今年的 MICCAI 2020国际医学图像计算与计算机介入大会上，U^2Net 凭借出色的性能表现，在甲状腺结节分割比赛中获得第六名。
接下来，我们说说它是如何做到的。
任何 AI 处理过程都分为三个阶段 输入目标——模型训练——输出结果。要想达到高质量的生成效果，除了考验模型精度外，当然输入源也很重要。这一点也是我们所能控制的。
对于U^2Net 而言，高质量的照片源可以获得更多细节，所以在上传照片时要注意以下几点
照片中人头区域应接近或大于 512x512 像素。
照片整体大小最好达到 960x1280 像素。
背景要尽量清晰、无干扰。
如图，秦雪彬还亲自示范做了说明。
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
接下来是最关键的目标检测模型SOD。
U∧2Net 模型 嵌套式双层U型结构
先来看一组与现有最先进 SOD 模型的比较。
其中红色星标代表U∧2 模型176.3 MB，它在相对小的模型尺寸下，表现出了最高性能。蓝色星标为 4.7 MB 的U∧2
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
之所以达到如此性能，是因为U∧2 拥有两层嵌套式U型结构，其中的 ReSidual UBlockRSU中混合了大小不同的接收域，能够从不同尺度捕获更多语境信息。另外，由于这些 RSU 块中使用了池化操作，因此可以深度捕获更多细节，同时不会显著增加计算成本。
最关键的是，这种结构体系能够让模型从头训练深层网络，而无需使用图像分类任务的架构。
现在大多数 SOD 网络设计都存在这样一个问题 即专注于利用现有的基础网络提取深度特征，例如 Alexnet、VGG、ResNet、ResNeXt、DenseNet 等。但这些主干网络最初都是为图像分类任务设计的。
它们提取代表语义含义的特征，而不是代表局部性细节或全局对照信息，这对于显著性目标检测至关重要，并且这些网络通常需要在 ImageNet 数据上进行预训练，效率比较低。相比之下，U∧2Net 可以有效地避免上述问题。
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
U∧2Net 架构
接下来详细介绍其中的 Block 结构、网络监督策略以及训练损失。
ReSidual UBlock
在图像信息提取中，1×1 或3×3 的小型卷积滤波器是最常用的特征提取元件。因为它所需内存小且计算效率高。但该元件接收域太小，无法捕获全局信息，因此解决方法只能是采用扩张卷积Dilated Convolution的方法来扩大接收域。
然而在原始分辨率的特征图上进行多次扩张卷积尤其是在初始阶段，会耗费大量的计算和内存资源。
为了降低计算成本，同时又能捕获全局信息，研究人员采用了金字塔池化模块Pyramid Scene Parseing Network，PSPNet。该模块在下采样特征映射上使用小核滤波器，而不是在原始尺寸的特征映射上使用扩张卷积的方法。
但通过直接上采样和级联将不同尺度的特征融合，可能会导致高分辨率特征的退化。因此，研究人员受到受U型网络结构的启发，提出了一种全新的 ReSidual Ublock RSU，来捕获阶段内的多尺度特征。如图
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
从测试数据来看，RSU 计算开销确实相对较小。与 PLN普通卷积块、RES剩余块、DSE密集块、INC初始化块相比，所耗费的 GFLOPS 浮点数最低。GFLOPS ，全称 Giga Floatingpoint Operations Per Second，即每秒 10 亿次的浮点运算数，常作为 GPU 性能参数。
Supervision 策略
在训练过程中，研究人员采用了类似于 HED 的深度监督。
其中，训练损失Training Loss定义为
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
每个项L使用标准二进制交叉熵来计算损失
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
在训练过程，等式1让总体损失最小化 在测试过程，选择融合输出的lfuse作为最终的显著性图。
比较实验 全尺寸最佳 SOTA
在论文中，研究人员将 U2 模型与其他 20 多种现有最先进的模型进行了比较。
其中，各模型采用训练数据集是 DUTSTR，它含 10553 张图像，是目前用于目标检测的最大和最常用的数据集 采用的基准数据集分别为 DUTOMRON、DUTSTE、HKUIS、ECSSD、PASCALS、SOD 六种。
先来看下定性比较的结果
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
红色、绿色和蓝色分别表示最佳、第二和第三性能
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
从表3、表 4 来看，U∧2Net 在 DUTOMRON、HKUIS 以及 ECSSD 三个基准数据集上展现了极大先进性，五个评估指标都达到了最佳 SOTA。
其中，在 DUTSTE 上，U∧2Net 总体性能仅次于 PoolNet 在 PASCALS 上，U∧2Net 性能仅略低于 AFNet、CPD 和 PoolNet。此外，在边界质量评估指标RelaxFbβ方面，U∧2Net 性能位居第二。
在 SOD 数据集上， U∧2Net 在整体性能方面也仅此于 PoolNet。更重要的是，U∧2Net 模型大小只有 4.7 MB，是在显著性目标检测领域型 最小的，而且与其他型 相比，它的参数量也少的多。
定性比较结果 比较了七种 SOTA 模型，如图
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
可以看出，U∧2Net 能够处理不同类型的目标，并均产生了精准的识别结果。
比如，第 4 行图像充分展示它在分割由大结构和薄结构组成的目标时的性能 在第六行复杂的图像结构下，产生了近乎完美的结果。
总之，U∧2Net 模型能够处理全尺寸和小尺寸图像的各种场景，与其他模型相比，能够产生更高精度的显著目标检测结果。
好了。就这样，希望了解更多论文内容的可以戳这里 arxivpdf2016.09007.pdf
等了一个小时的滴滴准时到了！
加油，打工人！
以上就是深圳蚂蚁网络网站建设小编为您整理的相关内容，我们提供系统定制、微信开发、小程序定制、微商城开发、网站建设等互联网项目定制开发服务。
打工人的一天终于要结束了！拖着疲惫的身躯准备下班，却听到同事小A还在给自己打气。
都输入了同一行字 肖像画简易教程......
还以为他要干什么惊天动地的大事！原来是想给女神古力娜扎Gulnazar画一幅肖像画。
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
年轻人就是年轻人，还有精力追星。
可还没等我离开，他却哭了—"世上无难事，只要肯放弃”，哇的一声！
也是难为他了。无文艺细胞的理工男一枚，没学过画儿，也没画过画儿，现在还想给女神画一幅肖像画儿，看这头秀发哪是一个小白能画出来的。
“这哪是简易教程，构图、划线、起形.....看的我头都大了，效果还只是这样。”
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
听着小A絮絮叨叨、絮絮叨叨的吐槽，不禁想起了当年的自己，作为一个呆萌理工男也少不了做过同样的蠢事。
“你不知道有很多 APP，只要输入照片就可以一秒生成吗？”我忍不住说到。
小A呆住了。
“不过，看来你的要求还挺高，这样，给你推荐一个高阶版神器吧”。我迅速发了一张样图给他
别问我为什么可以迅速，问就是早有预谋[让我看看]
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
“先看整体感觉，是不是一股艺术气息扑面而来？再看看神情，轻轻皱眉都能捕捉到位，再看看这头发，浓密柔和自然，还根根分明，一看就是专业水准.....%￥#%@#”，不知不觉又暴露了推销老司机的本质....
“赞、太赞、非常赞！一句话，这是用的什么神器？”
“我发给你，就是用的这款 AI 工具...........%￥#%@#，它的研发者还是我们北大....”
话还没说完，小A就把他的成果图发给了我。
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
“太棒了，没想到如此轻松就搞定了！”只见他边说边合上电脑、装进书包，穿上外套，大步走向了门口，这速度像极了我平常下班的样子......
最后还不忘转身朝我比了一串串小芯芯......
我呆住了。“先走的不应该是我吗？”，“等等，我话还没说完！”。
“算了，这班我不下了”。
除了他，相信大家对这项 AI 工具的背后原理「一定」非常感兴趣，那么我就来给大家详细介绍一下。
北大校友出品 显著性目标检测工具
这款 AI 工具叫U∧2NetU Square Net，最近火到不行！
不仅登上了 GitHub 热榜，收割了 2.8k 星标，还被顶会 ICPR 2020 选中。更关键是，这项研究的一作还是北大校友——秦雪彬。
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
相信不少开发者朋友对这个名字非常熟悉，他之前提出边界感知显著目标检测网络 BASNet，被用来做了很多好玩的工具，比如『隔空复制粘贴』——AR Cut & Paste
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
twittercyrildiagnestatus
只要扫一扫，书本、花盆、杂志人物，你能看到的任何现实物体，只需 10s 统统都可以被“粘贴”到电脑里。
这项研究在 Reddit 上短短几个小时，就获得了近 5K 点赞量，之后累计浏览量超过了 500 万。
秦雪彬以前在北京大学读硕士，现在是加拿大阿尔伯塔大学的一名在读博士。他对计算机视觉技术非常感兴趣，尤其是目标物体检测。最近推出的这款U^2Net 深度网络架构，同样是一个目标检测工具。
之前的 BASNet 网络被用来做“复制粘贴”测试，效果很好。这次，他就用U^2Net 做了一个生成肖像画测试，结果也火了。
再来感受下精细到毛发的生成效果。
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
目标检测是计算机视觉和数字图像处理的一个重要分支。计算机视觉对于目标运动的分析大致分为三个层次 图像分割，目标检测 目标跟踪 目标识别与描述。其中，目标检测是最基础且关键的环节。
2016 年，自深度学习三大巨头 Hinton、Bengio、Lecun 提出卷积神经网络CNN，并应用于图像处理以来，目标检测技术得到显著性改善，尤其是随着全卷积神经网络FCN的提出，目标检测任务逐步达到最佳 SOAT。
在今年的 MICCAI 2020国际医学图像计算与计算机介入大会上，U^2Net 凭借出色的性能表现，在甲状腺结节分割比赛中获得第六名。
接下来，我们说说它是如何做到的。
任何 AI 处理过程都分为三个阶段 输入目标——模型训练——输出结果。要想达到高质量的生成效果，除了考验模型精度外，当然输入源也很重要。这一点也是我们所能控制的。
对于U^2Net 而言，高质量的照片源可以获得更多细节，所以在上传照片时要注意以下几点
照片中人头区域应接近或大于 512x512 像素。
照片整体大小最好达到 960x1280 像素。
背景要尽量清晰、无干扰。
如图，秦雪彬还亲自示范做了说明。
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
接下来是最关键的目标检测模型SOD。
U∧2Net 模型 嵌套式双层U型结构
先来看一组与现有最先进 SOD 模型的比较。
其中红色星标代表U∧2 模型176.3 MB，它在相对小的模型尺寸下，表现出了最高性能。蓝色星标为 4.7 MB 的U∧2
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
之所以达到如此性能，是因为U∧2 拥有两层嵌套式U型结构，其中的 ReSidual UBlockRSU中混合了大小不同的接收域，能够从不同尺度捕获更多语境信息。另外，由于这些 RSU 块中使用了池化操作，因此可以深度捕获更多细节，同时不会显著增加计算成本。
最关键的是，这种结构体系能够让模型从头训练深层网络，而无需使用图像分类任务的架构。
现在大多数 SOD 网络设计都存在这样一个问题 即专注于利用现有的基础网络提取深度特征，例如 Alexnet、VGG、ResNet、ResNeXt、DenseNet 等。但这些主干网络最初都是为图像分类任务设计的。
它们提取代表语义含义的特征，而不是代表局部性细节或全局对照信息，这对于显著性目标检测至关重要，并且这些网络通常需要在 ImageNet 数据上进行预训练，效率比较低。相比之下，U∧2Net 可以有效地避免上述问题。
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
U∧2Net 架构
接下来详细介绍其中的 Block 结构、网络监督策略以及训练损失。
ReSidual UBlock
在图像信息提取中，1×1 或3×3 的小型卷积滤波器是最常用的特征提取元件。因为它所需内存小且计算效率高。但该元件接收域太小，无法捕获全局信息，因此解决方法只能是采用扩张卷积Dilated Convolution的方法来扩大接收域。
然而在原始分辨率的特征图上进行多次扩张卷积尤其是在初始阶段，会耗费大量的计算和内存资源。
为了降低计算成本，同时又能捕获全局信息，研究人员采用了金字塔池化模块Pyramid Scene Parseing Network，PSPNet。该模块在下采样特征映射上使用小核滤波器，而不是在原始尺寸的特征映射上使用扩张卷积的方法。
但通过直接上采样和级联将不同尺度的特征融合，可能会导致高分辨率特征的退化。因此，研究人员受到受U型网络结构的启发，提出了一种全新的 ReSidual Ublock RSU，来捕获阶段内的多尺度特征。如图
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
从测试数据来看，RSU 计算开销确实相对较小。与 PLN普通卷积块、RES剩余块、DSE密集块、INC初始化块相比，所耗费的 GFLOPS 浮点数最低。GFLOPS ，全称 Giga Floatingpoint Operations Per Second，即每秒 10 亿次的浮点运算数，常作为 GPU 性能参数。
Supervision 策略
在训练过程中，研究人员采用了类似于 HED 的深度监督。
其中，训练损失Training Loss定义为
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
每个项L使用标准二进制交叉熵来计算损失
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
在训练过程，等式1让总体损失最小化 在测试过程，选择融合输出的lfuse作为最终的显著性图。
比较实验 全尺寸最佳 SOTA
在论文中，研究人员将 U2 模型与其他 20 多种现有最先进的模型进行了比较。
其中，各模型采用训练数据集是 DUTSTR，它含 10553 张图像，是目前用于目标检测的最大和最常用的数据集 采用的基准数据集分别为 DUTOMRON、DUTSTE、HKUIS、ECSSD、PASCALS、SOD 六种。
先来看下定性比较的结果
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
红色、绿色和蓝色分别表示最佳、第二和第三性能
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
从表3、表 4 来看，U∧2Net 在 DUTOMRON、HKUIS 以及 ECSSD 三个基准数据集上展现了极大先进性，五个评估指标都达到了最佳 SOTA。
其中，在 DUTSTE 上，U∧2Net 总体性能仅次于 PoolNet 在 PASCALS 上，U∧2Net 性能仅略低于 AFNet、CPD 和 PoolNet。此外，在边界质量评估指标RelaxFbβ方面，U∧2Net 性能位居第二。
在 SOD 数据集上， U∧2Net 在整体性能方面也仅此于 PoolNet。更重要的是，U∧2Net 模型大小只有 4.7 MB，是在显著性目标检测领域型 最小的，而且与其他型 相比，它的参数量也少的多。
定性比较结果 比较了七种 SOTA 模型，如图
AI 生成肖像画，精细到毛发！北大校友最新研究收割 2.8k 星标，还登上了 ICPR 2020
可以看出，U∧2Net 能够处理不同类型的目标，并均产生了精准的识别结果。
比如，第 4 行图像充分展示它在分割由大结构和薄结构组成的目标时的性能 在第六行复杂的图像结构下，产生了近乎完美的结果。
总之，U∧2Net 模型能够处理全尺寸和小尺寸图像的各种场景，与其他模型相比，能够产生更高精度的显著目标检测结果。
好了。就这样，希望了解更多论文内容的可以戳这里 arxivpdf2016.09007.pdf
等了一个小时的滴滴准时到了！
加油，打工人！
以上就是深圳蚂蚁网络网站建设小编为您整理的相关内容，我们提供系统定制、微信开发、小程序定制、微商城开发、网站建设等互联网项目定制开发服务。
扫二维码与项目经理沟通
我们在微信上24小时为你服务
—— 企业互联网品牌建设服务商
目前，AI生成肖像画北大校友2.8k星标标签聚合页面仍在完善中，后续将为您提供丰富、全面的关于AI生成肖像画北大校友2.8k星标的最新资讯、图片信息、文字内容，让您第一时间了解到关于AI生成肖像画北大校友2.8k星标的热门信息。小编将持续从百度新闻、搜狗百科、微博热搜、知乎热门问答以及部分合作站点渠道收集和补充完善信息。
深圳蚂蚁网络网站建设公司提供，系统定制，微信开发、小程序定制、微商城开发、网站建设、网站排名优化推广等互联网项目定制开发服务。
佛山网站建设 | 东莞网站建设 | 从化网站建设 | 广州网站建设 | 惠来网站建设 | 惠州网站建设 | 揭阳网站建设 | 普宁网站建设 | 汕头网站建设 | 汕尾网站建设 | 韶光网站建设 | 布吉网站建设 | 福田网站建设 | 龙岗网站建设 | 龙华网站建设 | 南山网站建设 | 肇庆网站建设 | 中山网站建设 | 珠海网站建设 。
深圳蚂蚁网络声明：如发现内容存在版权问题，烦请提供相关信息发邮件至3310459304@qq.com，我们将及时沟通与处理。本站内容除声明原创外其他均来源于网络，涉及言论、版权与本站无关。如果您对互联网营销方面有哪些不明白的可以继续访问本站，返回首页
