检索结果-内蒙古大学图书馆

南京农业大学学报 2024年第4期47卷 782-791页

作者：薛悦平胡彦蓉刘洪久童莉珍葛万钊浙江农林大学数学与计算机科学学院/浙江省林业智能监测与信息技术研究重点实验室/林业感知技术与智能装备国家林业和草原局重点实验室浙江杭州311300

[目的]针对水稻病虫害图像分类技术缺少对病症描述的问题,本文提出一种轻量化的水稻病虫害图像描述模型,对水稻病虫害图像进行更为具体的描述。[方法]以白叶枯病、细菌性条斑病、恶苗病、三化螟虫、稻瘟病、稻曲病、纹枯病、飞虱、稻蓟... 详细信息

[目的]针对水稻病虫害图像分类技术缺少对病症描述的问题,本文提出一种轻量化的水稻病虫害图像描述模型,对水稻病虫害图像进行更为具体的描述。[方法]以白叶枯病、细菌性条斑病、恶苗病、三化螟虫、稻瘟病、稻曲病、纹枯病、飞虱、稻蓟马、胡麻斑病这十类常见的水稻病虫害开展研究,构建了水稻病虫害图像中文描述数据集。首先采用多模态预训练模型CLIP生成图像向量,其中包含基本的图像信息以及丰富的语义信息,采用映射网络将图像向量映射到文本空间里生成文本提示向量,语言模型GPT-2根据文本提示向量生成图像描述。[结果]在水稻病虫害图像描述数据集上,本文模型的指标总体明显优于其他模型,本文算法的BLEU-1、BLEU-2、BLEU-3、BLEU-4、ROUGE、METEOR指标较传统的CNN_LSTM模型分别提升0.26、0.27、0.24、0.22、0.22、0.14。生成的图像描述具有准确、详细、语义丰富等优点。另外使用实际稻田图片对模型进行测试,实际田间的场景更为复杂多样,生成的图像描述指标与数据集指标对比总体仅有轻微下降,仍高于其他对比模型。本文模型对水稻病虫害的总体识别准确率达97.28%。[结论]基于多模态预训练模型的水稻病虫害图像描述方法能够准确识别水稻病虫害病症并形成相应的病症描述,为水稻病虫害检测提供一种新思路。

关键词：多模态预训练模型水稻病虫害图像描述生成诊断

来源：评论

学校读者我要写书评

暂无评论

多模态预训练模型在课堂行为智能辅助教学中的应用与拓展研究

引用

教育观察 2024年第11期13卷 24-27页

作者：范文阳黄海波广西交通职业技术学院交通信息工程学院广西建设职业技术学院管理工程学院

多模态预训练模型能够处理图像、文本、语音等多种模态数据。将多模态预训练模型应用于课堂行为智能辅助教学，可实现教育过程的课堂行为分析和优化。对学生的课堂行为进行多模态数据的收集和分析，可以全面了解学生的学习状态和需求。... 详细信息

多模态预训练模型能够处理图像、文本、语音等多种模态数据。将多模态预训练模型应用于课堂行为智能辅助教学，可实现教育过程的课堂行为分析和优化。对学生的课堂行为进行多模态数据的收集和分析，可以全面了解学生的学习状态和需求。多模态预训练模型能够分析学习大量的教育数据，提取出学习者之间的关系、行为模式和特征。利用多模态预训练模型，能够更好地理解学生的学习行为和需求，为学生提供个性化的智能教学辅助。实时分析学生的行为，能够帮助教师调整教学策略，辅助教师对学生进行有针对性的指导，并与学生进行实时互动，提高教学质量，提高学生的学习效果。

关键词：多模态预训练模型课堂行为智能辅助

来源：评论

学校读者我要写书评

暂无评论

基于多模态预训练模型的文档图像问答技术研究与应用

基于多模态预训练模型的文档图像问答技术研究与应用

引用

作者：吴欣雅北京邮电大学

学位级别：硕士

文档视觉问答(Document Visual Question Answer,DocVQA)是指基于视觉文档回答问题的任务,该任务需要有效利用图像中的语言信息来回答问题。DocVQA在实际生活中有广泛的应用,得到了不少研究。但是,现有研究主要集中于“in-line”问题,... 详细信息

文档视觉问答(Document Visual Question Answer,DocVQA)是指基于视觉文档回答问题的任务,该任务需要有效利用图像中的语言信息来回答问题。DocVQA在实际生活中有广泛的应用,得到了不少研究。但是,现有研究主要集中于“in-line”问题,即答案位于关键词所在的同一行、同一列或同一句子,具有简单的线性关系。而在实际应用中,存在大量更具挑战性的情况需要解决。为此,本文在系统综述和分析相关工作的基础上展开研究,主要工作包括:提出了一类新的DocVQA问题,称为“in-region”DocVQA问题。不同于现有的“in-line”问题,“in-region”问题中,问题和答案存在于某个区域中,不具有简单的线性位置关系。要解决这类问题,需要在定位正确区域的基础上,进一步理解区域中的文本。继而,本文构建了一个面向“in-region”问题的全新的文档视觉问答数据集:RDVQA,其包含8582张图像和针对于图像的8814个问题。提出了一个基于区域推理的DocVQA模型ReIQ。其包含两个关键模块:基于区域推理的预训练模块STPM和基于注意力机制的状态追踪模块DocST。在STPM模块中设计了两个全新的预训练任务,MTBR和STR,在DocST模块中,我们采用注意力机制通过多轮迭代的方式,对问题和视觉文档进行多轮推理。ReIQ模型在RDVQA数据集上的实验结果优于StructuralLM,表明了其在解决此类文档视觉问答问题方面的有效性。最后,基于ReIQ模型和RDVQA数据集开发了面向电子商务零售领域的DocVQA演示系统。用户可以方便地上传文档图片、提交问题并获得答案。在前端,该系统提供了一个用户友好的图形用户界面。在后端,调用ReIQ模型对用户的问题和文档进行处理,最终输出精准的答案。

关键词：多模态预训练模型视觉文档问答注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于多模态预训练模型和受限数据的图像分类

基于多模态预训练模型和受限数据的图像分类

引用

作者：郭梓贤哈尔滨工业大学

学位级别：硕士

深度学习领域中针对大规模预训练模型的研究在近些年取得了丰厚的研究成果,其中视觉-语言多模态预训练模型由于其在开放域中良好的语义识别能力而得到了广泛的关注,基于这些多模态预训练模型的模型迁移和适配方法也被广泛研究。本文所... 详细信息

深度学习领域中针对大规模预训练模型的研究在近些年取得了丰厚的研究成果,其中视觉-语言多模态预训练模型由于其在开放域中良好的语义识别能力而得到了广泛的关注,基于这些多模态预训练模型的模型迁移和适配方法也被广泛研究。本文所要研究的是在图像数据获取受限的情况下的基于视觉-语言预训练模型的参数高效优化方法,通过低成本的模型微调以获得在下游分类任务中更好的性能具有重要的研究意义和应用价值。现有的针对视觉-语言预训练模型的模型适配方法大多使用来自目标任务中的少量带标注图像,通过对额外设计的模块中的模型参数进行有监督学习的方式来进行模型微调。而本文从使用文本数据实现模型适配的角度出发,提出了从含有物体描述的语句中学习类别特征判别器的方法,该方法在零样本的情况下实现了预训练模型对目标图像分类任务的适配。带标签图像数据相对于文本数据而言,获取的成本更高,通过借助成熟的搜索引擎技术和日益完善的大型语言模型,获取指定内容的文本变得越来越容易,从内容丰富的文本中挖掘有用的视觉识别知识具有重要意义。在使用文本描述代替图像数据进行训练的过程中,由于训练阶段需要使用各个类别的描述语句作为训练数据,本文提供了两种类别描述文本的获取方法。对于图像内容较为简单的单标签图像分类任务,本文使用T5语言模型对指定类别生成的句子作为训练数据;对于多标签图像识别任务,本文使用从现有的文本描述数据集中进行搜索得到的句子作为训练数据,文本的类别标注均可在无人工标注的情况下通过其收集的过程自然的生成。基于现有的视觉-语言预训练模型所提供的对图像和文本的联合表示空间,带标签的文本数据可以在模型微调过程中作为图像数据的替代,通过提示词微调的方式将预训练模型适配到下游任务中。现有的基于视觉-语言预训练模型适配方法大多将预训练模型适配到下游单标签分类任务上,为了进一步挖掘预训练模型在开放域语义匹配上的潜力,本文首次将预训练模型适配到下游多标签图像识别任务的方法。为了适应多标签分类任务中相对丰富的视觉内容,本文通过引入两分支的提示词设计,分别对预训练模型所输出的整体、局部图像特征进行判别,对细粒度特征的利用使得模型获得了对多标签分类的良好效果。同时本文还尝试在类别共享的提示词基础上改进提示词模型的结构,通过引入类别无关的提示词,使得可微调参数可以灵活地扩展,进一步提升了模型在适配下游任务时的效果。在多个单标签图像分类、多标签图像分类数据集上的实验结果表明,本文所提出的基于文本数据的模型适配方法能够在零样本的设置下显著地提升多模态预训练模型的性能。

关键词：计算机视觉识别多模态预训练模型领域自适应 Prompt学习多标签图像分类

来源：评论

学校读者我要写书评

暂无评论

基于轻量级模型的多模态预训练技术及其可视化研究

基于轻量级模型的多模态预训练技术及其可视化研究

引用

作者：刘同同北京邮电大学

学位级别：硕士

随着深度学习以及高性能计算资源的发展,基于注意力机制的预训练模型在自然语言处理以及多模态领域都取得了优异的成绩。但是,当前的预训练模型需要大量训练数据,模型规模巨大,导致其训练成本高,很难部署在低资源设备上。为此,本文研究... 详细信息

随着深度学习以及高性能计算资源的发展,基于注意力机制的预训练模型在自然语言处理以及多模态领域都取得了优异的成绩。但是,当前的预训练模型需要大量训练数据,模型规模巨大,导致其训练成本高,很难部署在低资源设备上。为此,本文研究采用轻量级模型、使用较少量数据集进行训练的多模态预训练模型,具体工作如下:基于课程学习(curriculum learning)的思想,提出了一种新的多阶段预训练方法。模仿人类学习的过程,由简单到复杂分阶段地逐步增加任务的难度,以更好地利用不同类型的数据,提升学习的性能。本文中的多阶段预训练机制利用训练语料图-文对应的不同信息粒度,依次在单词级、短语级、句子级进行分阶段预训练,同时本文为每一阶段的预训练都设计了适合该阶段信息粒度的新的预训练任务,以充分捕获有限语料中的各种知识。例如,为使模型充分学习图像和文本的对应关系,本文设计了图像特征随机打乱(Image Features Random Shuffle,IFRS)任务,使模型根据文本端的顺序还原图像原始顺序。在包括视觉问答、图像文本检索等不同下游任务的多个数据集上的实验结果表明,本文模型在所有下游任务的准确率都达到了与原始大模型可比的性能,在部分数据集上甚至超过了大模型的性能。本文进一步对所提出的多模态预训练模型进行了可视化研究,得到了对模型工作原理的一些解释性结论。包括:基于单词粒度的预训练有助于模型实现图像文本的对齐,基于短语粒度的预训练有助于模型学习物体的属性信息等。在此基础上,构建了一个面向注意力分布的可视化工具,对模型工作时内部注意力分布情况进行可视化,探究单个模态之间以及多模态之间的注意力分布,探究预训练模型如何学习语料中的知识以及如何利用语料中的知识解决下游任务。

关键词：多模态预训练模型多阶段预训练预训练任务

来源：评论

学校读者我要写书评

暂无评论

ChatGPT给语言大模型带来的启示和多模态大模型新的发展思路

引用

数据分析与知识发现 2023年第3期7卷 26-35页

作者：赵朝阳朱贵波王金桥中国科学院自动化研究所北京100190

【目的】剖析ChatGPT的基础技术原理,探讨其对大语言模型发展产生的影响,以及对多模态大模型发展思路产生的影响。【方法】通过分析ChatGPT的发展过程和技术原理,探讨指令微调、数据采集与标注、基于人类反馈的强化学习等模型构建方法... 详细信息

【目的】剖析ChatGPT的基础技术原理,探讨其对大语言模型发展产生的影响,以及对多模态大模型发展思路产生的影响。【方法】通过分析ChatGPT的发展过程和技术原理,探讨指令微调、数据采集与标注、基于人类反馈的强化学习等模型构建方法对大语言模型产生的影响。分析当前多模态大模型构建过程中遇到的关键科学问题,并借鉴ChatGPT的技术方案,探讨多模态大模型未来的发展发展思路。【结论】ChatGPT为预训练大模型向下游任务的发展提供了良好的参考技术路径,未来的多模态大模型构建以及下游任务实现过程中,可以充分利用高质量的指令微调等技术来显著提升多模态大模型的下游任务性能。

关键词：语言大模型预训练大模型多模态预训练模型 ChatGPT

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的图像-文本匹配研究综述

引用

计算机学报 2023年第11期46卷 2370-2399页

作者：刘萌齐孟津詹圳宇曲磊钢聂秀山聂礼强山东建筑大学计算机科学与技术学院济南250101 山东大学(青岛)计算机科学与技术学院山东青岛266000 哈尔滨工业大学(深圳)计算机科学与技术学院广东深圳518055

图像-文本匹配任务旨在衡量图像和文本描述之间的相似性,其在桥接视觉和语言中起着至关重要的作用.近年来,图像与句子的全局对齐以及区域与单词的局部对齐研究方面取得了很大的进展.本文对当前先进的研究方法进行分类和描述.具体地,本... 详细信息

图像-文本匹配任务旨在衡量图像和文本描述之间的相似性,其在桥接视觉和语言中起着至关重要的作用.近年来,图像与句子的全局对齐以及区域与单词的局部对齐研究方面取得了很大的进展.本文对当前先进的研究方法进行分类和描述.具体地,本文将现有方法划分为基于全局特征的图像-文本匹配方法、基于局部特征的图像-文本匹配方法、基于外部知识的图像-文本匹配方法、基于度量学习的图像-文本匹配方法以及多模态预训练模型,对于基于全局特征的图像-文本匹配方法,本文依据流程类型划分为两类:基于嵌入的方法和基于交互的方法;而对于基于局部特征的图像-文本匹配方法,依据其交互模式的不同,则被细分为三类:基于模态内关系建模的方法、基于模态间关系建模的方法以及基于混合交互建模的方法.随后,本文对当前图像-文本匹配任务的相关数据集进行了整理,并对现有方法的实验结果进行分析与总结.最后,对未来研究可能面临的挑战进行了展望.

关键词：图像-文本匹配跨模态图像检索多模态预训练模型综述深度学习人工智能

来源：评论

学校读者我要写书评

暂无评论

细粒度文本引导的跨模态风格迁移

引用

中文信息学报 2024年第12期38卷 170-180页

作者：孙世昶魏爽孟佳娜林鸿飞肖文浩刘爽大连民族大学计算机科学与工程学院辽宁大连116600 大连理工大学计算机科学与技术学院辽宁大连116024

借助于StyleGANs的解纠缠表示和多模态预训练模型中不同模态之间的语义对应关系,现有方法在跨模态风格迁移领域取得了较好的结果。然而,基于图像尺度分解的StyleGANs的潜在空间不利于局部属性的编辑,这会造成在迁移时对无关部分的干扰... 详细信息

借助于StyleGANs的解纠缠表示和多模态预训练模型中不同模态之间的语义对应关系,现有方法在跨模态风格迁移领域取得了较好的结果。然而,基于图像尺度分解的StyleGANs的潜在空间不利于局部属性的编辑,这会造成在迁移时对无关部分的干扰。该文提出细粒度文本引导的跨模态风格迁移模型,通过利用文本中包含的区域信息来实现局部可控的风格迁移。首先,通过基于BERT的文本语义分类网络对目标风格文本包含的语义区域进行定位,然后利用特征映射网络将目标文本的CLIP特征嵌入到SemanticStyleGAN的潜在空间。文本语义分类网络和特征映射网络的结合使得目标文本的CLIP特征细粒度地嵌入到可编辑的潜在空间。最后通过对生成的风格化图像进行随机透视增强来解决训练中的对抗生成问题。实验表明,该方法能够生成更贴近文本描述风格的图像,并提高了跨模态编辑的区域准确性。

关键词：风格迁移多模态预训练模型文本语义分类

来源：评论

学校读者我要写书评

暂无评论

基于粗细粒度融合的组合图像检索研究

基于粗细粒度融合的组合图像检索研究

引用

作者：黄拼拼杭州电子科技大学

学位级别：硕士

在不断扩增的多模态数据浪潮中,以组合多模态信息作为检索条件的图像检索技术日益成为研究重点。组合图像检索的研究普遍采用融合学习范式,通过将文本-图像查询构建为一个联合嵌入向量,并计算其与候选图像的相似度来完成检索过程。现有... 详细信息

在不断扩增的多模态数据浪潮中,以组合多模态信息作为检索条件的图像检索技术日益成为研究重点。组合图像检索的研究普遍采用融合学习范式,通过将文本-图像查询构建为一个联合嵌入向量,并计算其与候选图像的相似度来完成检索过程。现有研究主要通过纳入多模态预训练模型来增强联合嵌入向量的表征能力,从而提高检索的准确性,然而此类方法面临两大挑战:(1)侧重于从全局角度解析图像的语义信息,而忽略了局部空间信息的价值,导致模型在处理侧重图像局部细节的查询时性能不佳;(2)采用对比学习获得的确定性向量,仅能实现查询与目标之间的一对一(细粒度)匹配关系,缺乏多对多(粗粒度)匹配关系建模,以及对困难负样本探索不足,限制了模型的准确度。本文针对上述挑战,提出粗细粒度融合模型和基于不确定性分布的学习方法,另外设计了一个新颖的组合图像检索框架。具体研究内容包括: (1)基于混合CNN和ViT(Vision Transformer)的粗细粒度融合模型。该模型基于混合CNN和ViT的双分支编码器,分别提取图像细粒度级别的局部空间信息和粗粒度级别的全局语义信息,并使用全局-局部融合模块将全局、局部特征进行融合,同时通过跨模态交互模块促进文本与图像间不同层次的特征交互,从而增强模型对不同粒度查询需求的适应能力。在Celeb A数据集和MIT-States数据集上的实验结果证明了该模型的有效性。 (2)基于不确定性分布的粗细粒度学习方法。该方法首先通过不确定性学习模块建模查询和目标的不确定性分布,并利用此分布对确定性向量进行重参数化以实现粗粒度匹配,同时结合原有的细粒度匹配形成统一的学习方法。最后,提出一种基于相似度得分的动态困难负样本采样策略,提升模型的准确度。在Fashion IQ和CIRR数据集上的实验表明,该方法有较高的检索性能。 (3)基于模态偏好的多阶段混合组合图像检索框架。当前的组合图像检索基线采用早期阶段融合学习范式构建联合嵌入向量进行检索,或者在晚期阶段通过多路召回范式整合每个模态单独搜索的结果,这使得它们难以捕捉不同模态的重要性。因此,本文提出多阶段混合的检索框架,该框架集合融合学习与多路召回的优点,在多个阶段融合文本图像特征,并利用向量权重学习模块捕捉不同模态的重要性。此外,设计了一种复合近邻图索引构建方法和联合剪枝策略提高检索效率。实验结果表明,该框架在召回率和响应时间上显著优于基线方法。

关键词：组合图像检索多模态预训练模型混合CNN和ViT 不确定性学习

来源：评论

学校读者我要写书评

暂无评论

基于图文交互增强低资源神经机器翻译方法研究

基于图文交互增强低资源神经机器翻译方法研究

引用

作者：霍茜曈昆明理工大学

学位级别：硕士

神经机器翻译技术已经在生产生活中占有重要地位,尤其随着国家与国家的联系更加紧密,世界趋向整个经济体的今天,机器翻译有较强应用价值。然而神经机器翻译模型性能依赖于大量高质量平行语料随,因此某些低资源翻译语种对难以达到高资源... 详细信息

神经机器翻译技术已经在生产生活中占有重要地位,尤其随着国家与国家的联系更加紧密,世界趋向整个经济体的今天,机器翻译有较强应用价值。然而神经机器翻译模型性能依赖于大量高质量平行语料随,因此某些低资源翻译语种对难以达到高资源语种对翻译效果。然而这些语种的翻译任务跟随经济发展的脚步发展的格外重要,例如着我国与东南亚国家的交流合作发展,语言壁垒成了急需克服的障碍,然而东南亚语言的翻译任务因为资源较少,可获取公共翻译引擎较少且翻译效果差强人意。因此低资源语言的翻译方法至关有重要的现实研究意义。同时,低资源神经机器翻译也是一个被研究多年的学术难题,已有许多方法方向对这一难题展开研究,具有客观学术价值。图像是一种语言无关的模态,可以跨越语言之间的语义鸿沟,且包括丰富的词级或实体信息。低资源语言翻译的难点在于可用资源较少,在已有低资源翻译方法中,并没有充分的使用图像这一可以跨越语言壁垒的资源,因此本文立足于图像信息可以拉近不同语言信息并可以补充文本信息没有的信息这一特点将图像信息用图文检索,多模态门控信息增强等方式融入低资源神经机器翻译的任务中,主要完成了下述工作:(1)图文数据细粒度检索及预处理:针对已有数据集中部分语种缺少细粒度图文匹配数据的问题,提出了基于已有图像语义描述句子提取名词和动词作为图像标签进行文字检索图像的检索方法。建立了英语-越南语图像-文本平行数据集。并对图像数据和文本数据进行了数据预处理及特征提取的操作为后续研究提供数据。(2)基于图文多模态门控增强的文本平行句对抽取方法研究:已有平行句对抽取方法中,主要凭借句子全局语义特征判断句子间语义相关程度,而对词级实体级等细粒度信息考虑不足,使得获取的平行句对在词级粒度对齐存在噪声。针对这一问题提出了融入细粒度语义相关图像信息辅助平行句对判断的方法。论文以图像模态为双语对齐的锚点,基于多模态门控增强实现了图像模态信息在双语表征端的自适应融合,最终实现平行句对的判别。且论文方法无需提前进行图像和文本的对齐标注。所提方法的思路为:首先从预构建好的图像数据库中基于词级或实体粒度对齐抽取源语言和目标语言的相关的图像模态信息;然后基于图文多模态门控的方式分别实现源语言和目标语言图文信息的融合,获得图像增强后的文本语义表征;最后将双语表征信息进行融合实现平行句对抽取。所提方法在英语-越南语、英语-德语双语平行句对抽取任务上进行了实验,证明了融合图像信息对文本平行句对抽取的有效性。(3)基于多模态预训练知识增强的低资源神经机器翻译方法研究:针对低资源神经机器翻译模型在不同语种语义空间对齐效果不佳的问题,论文以多模态语义表征为枢轴缩小跨语言语义鸿沟,提出一种基于图文多模态预训练知识增强的低资源神经机器翻译框架,利用多模态语义表征拉近双语语义空间距离,缩小双语语言壁垒。首先将源语言句子基于跨模态预训练模型和Transformer编码模块分别进行表征;然后基于跨模态注意力机制实现多模态预训练知识与源语言语义空间的对齐,构建融合多模态特征的源语言表征编码器;最后构建源语言与多模态知识双通道解码器,自适应的实现多模态特征指导下的低资源机器翻译。所提方法基于IWSLT英越、英德数据集的实验结果证明了本文所题方法的有效性,多模态预训练知识可以有效提升低资源文本机器翻译的性能。(4)基于图像增强的低资源神经机器翻译原型系统:论文设计了一个基于图像增强的低资源神经机器翻译原型系统,该系统集成文字细粒度检索语义相关图像功能,平行句对判断功能,机器翻译功能等,进行了合理系统架构并为用户提供可视化交互界面,进行了用户友好设计。

关键词：多模态神经机器翻译图文多模态门控多模态预训练模型数据增强图文特征对齐

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：