re-arrange GUI and fix minor bugs

#2
by majinyu - opened
Files changed (3) hide show
  1. app.py +140 -28
  2. ram_tag_list_chinese.txt +4585 -0
  3. tag2text.py +487 -0
app.py CHANGED
@@ -65,31 +65,143 @@ def inference(raw_image, model_n , input_tag):
65
  return tag_1[0],'none',caption[0]
66
 
67
 
68
- inputs = [
69
- gr.inputs.Image(type='pil'),
70
- gr.inputs.Radio(choices=['Recognize Anything Model',"Tag2Text Model"],
71
- type="value",
72
- default="Recognize Anything Model",
73
- label="Select Model" ),
74
- gr.inputs.Textbox(lines=2, label="User Specified Tags (Optional and Currently only Tag2Text is Supported, Enter with commas)")
75
- ]
76
-
77
- outputs = [gr.outputs.Textbox(label="Tags"),gr.outputs.Textbox(label="标签"), gr.outputs.Textbox(label="Caption (currently only Tag2Text is supported)")]
78
-
79
- # title = "Recognize Anything Model"
80
- title = "<font size='10'> Recognize Anything Model</font>"
81
-
82
- description = "Welcome to the Recognize Anything Model (RAM) and Tag2Text Model demo! <li><b>Recognize Anything Model:</b> Upload your image to get the <b>English and Chinese outputs of the image tags</b>!</li><li><b>Tag2Text Model:</b> Upload your image to get the <b>tags</b> and <b>caption</b> of the image. Optional: You can also input specified tags to get the corresponding caption.</li> "
83
-
84
-
85
- article = "<p style='text-align: center'>RAM and Tag2Text is training on open-source datasets, and we are persisting in refining and iterating upon it.<br/><a href='https://recognize-anything.github.io/' target='_blank'>Recognize Anything: A Strong Image Tagging Model</a> | <a href='https://https://tag2text.github.io/' target='_blank'>Tag2Text: Guiding Language-Image Model via Image Tagging</a> | <a href='https://github.com/xinyu1205/Tag2Text' target='_blank'>Github Repo</a></p>"
86
-
87
- demo = gr.Interface(inference, inputs, outputs, title=title, description=description, article=article, examples=[
88
- ['images/demo1.jpg',"Recognize Anything Model","none"],
89
- ['images/demo2.jpg',"Recognize Anything Model","none"],
90
- ['images/demo4.jpg',"Recognize Anything Model","none"],
91
- ['images/demo4.jpg',"Tag2Text Model","power line"],
92
- ['images/demo4.jpg',"Tag2Text Model","track, train"] ,
93
- ])
94
-
95
- demo.launch(enable_queue=True)
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
65
  return tag_1[0],'none',caption[0]
66
 
67
 
68
+ def build_gui():
69
+
70
+ description = """
71
+ <center><strong><font size='10'>Recognize Anything Model</font></strong></center>
72
+ <br>
73
+ Welcome to the Recognize Anything Model (RAM) and Tag2Text Model demo! <br><br>
74
+ <li>
75
+ <b>Recognize Anything Model:</b> Upload your image to get the <b>English and Chinese outputs of the image tags</b>!
76
+ </li>
77
+ <li>
78
+ <b>Tag2Text Model:</b> Upload your image to get the <b>tags</b> and <b>caption</b> of the image.
79
+ Optional: You can also input specified tags to get the corresponding caption.
80
+ </li>
81
+ """ # noqa
82
+
83
+ article = """
84
+ <p style='text-align: center'>
85
+ RAM and Tag2Text is training on open-source datasets, and we are persisting in refining and iterating upon it.<br/>
86
+ <a href='https://recognize-anything.github.io/' target='_blank'>Recognize Anything: A Strong Image Tagging Model</a>
87
+ |
88
+ <a href='https://https://tag2text.github.io/' target='_blank'>Tag2Text: Guiding Language-Image Model via Image Tagging</a>
89
+ |
90
+ <a href='https://github.com/xinyu1205/Tag2Text' target='_blank'>Github Repo</a>
91
+ </p>
92
+ """ # noqa
93
+
94
+ def inference_with_ram(img):
95
+ res = inference(img, "Recognize Anything Model", None)
96
+ return res[0], res[1]
97
+
98
+ def inference_with_t2t(img, input_tags):
99
+ res = inference(img, "Tag2Text Model", input_tags)
100
+ return res[0], res[2]
101
+
102
+ with gr.Blocks(title="Recognize Anything Model") as demo:
103
+ ###############
104
+ # components
105
+ ###############
106
+ gr.HTML(description)
107
+
108
+ with gr.Tab(label="Recognize Anything Model"):
109
+ with gr.Row():
110
+ with gr.Column():
111
+ ram_in_img = gr.Image(type="pil")
112
+ with gr.Row():
113
+ ram_btn_run = gr.Button(value="Run")
114
+ ram_btn_clear = gr.Button(value="Clear")
115
+ with gr.Column():
116
+ ram_out_tag = gr.Textbox(label="Tags")
117
+ ram_out_biaoqian = gr.Textbox(label="标签")
118
+ gr.Examples(
119
+ examples=[
120
+ ["images/demo1.jpg"],
121
+ ["images/demo2.jpg"],
122
+ ["images/demo4.jpg"],
123
+ ],
124
+ fn=inference_with_ram,
125
+ inputs=[ram_in_img],
126
+ outputs=[ram_out_tag, ram_out_biaoqian],
127
+ cache_examples=True
128
+ )
129
+
130
+ with gr.Tab(label="Tag2Text Model"):
131
+ with gr.Row():
132
+ with gr.Column():
133
+ t2t_in_img = gr.Image(type="pil")
134
+ t2t_in_tag = gr.Textbox(label="User Specified Tags (Optional, separated by comma)")
135
+ with gr.Row():
136
+ t2t_btn_run = gr.Button(value="Run")
137
+ t2t_btn_clear = gr.Button(value="Clear")
138
+ with gr.Column():
139
+ t2t_out_tag = gr.Textbox(label="Tags")
140
+ t2t_out_cap = gr.Textbox(label="Caption")
141
+ gr.Examples(
142
+ examples=[
143
+ ["images/demo4.jpg", ""],
144
+ ["images/demo4.jpg", "power line"],
145
+ ["images/demo4.jpg", "track, train"],
146
+ ],
147
+ fn=inference_with_t2t,
148
+ inputs=[t2t_in_img, t2t_in_tag],
149
+ outputs=[t2t_out_tag, t2t_out_cap],
150
+ cache_examples=True
151
+ )
152
+
153
+ gr.HTML(article)
154
+
155
+ ###############
156
+ # events
157
+ ###############
158
+ # run inference
159
+ ram_btn_run.click(
160
+ fn=inference_with_ram,
161
+ inputs=[ram_in_img],
162
+ outputs=[ram_out_tag, ram_out_biaoqian]
163
+ )
164
+ t2t_btn_run.click(
165
+ fn=inference_with_t2t,
166
+ inputs=[t2t_in_img, t2t_in_tag],
167
+ outputs=[t2t_out_tag, t2t_out_cap]
168
+ )
169
+
170
+ # # images of two image panels should keep the same
171
+ # # and clear old outputs when image changes
172
+ # # slow due to internet latency when deployed on huggingface, comment out
173
+ # def sync_img(v):
174
+ # return [gr.update(value=v)] + [gr.update(value="")] * 4
175
+
176
+ # ram_in_img.upload(fn=sync_img, inputs=[ram_in_img], outputs=[
177
+ # t2t_in_img, ram_out_tag, ram_out_biaoqian, t2t_out_tag, t2t_out_cap
178
+ # ])
179
+ # ram_in_img.clear(fn=sync_img, inputs=[ram_in_img], outputs=[
180
+ # t2t_in_img, ram_out_tag, ram_out_biaoqian, t2t_out_tag, t2t_out_cap
181
+ # ])
182
+ # t2t_in_img.clear(fn=sync_img, inputs=[t2t_in_img], outputs=[
183
+ # ram_in_img, ram_out_tag, ram_out_biaoqian, t2t_out_tag, t2t_out_cap
184
+ # ])
185
+ # t2t_in_img.upload(fn=sync_img, inputs=[t2t_in_img], outputs=[
186
+ # ram_in_img, ram_out_tag, ram_out_biaoqian, t2t_out_tag, t2t_out_cap
187
+ # ])
188
+
189
+ # clear all
190
+ def clear_all():
191
+ return [gr.update(value=None)] * 2 + [gr.update(value="")] * 5
192
+
193
+ ram_btn_clear.click(fn=clear_all, inputs=[], outputs=[
194
+ ram_in_img, t2t_in_img,
195
+ ram_out_tag, ram_out_biaoqian, t2t_in_tag, t2t_out_tag, t2t_out_cap
196
+ ])
197
+ t2t_btn_clear.click(fn=clear_all, inputs=[], outputs=[
198
+ ram_in_img, t2t_in_img,
199
+ ram_out_tag, ram_out_biaoqian, t2t_in_tag, t2t_out_tag, t2t_out_cap
200
+ ])
201
+
202
+ return demo
203
+
204
+
205
+ if __name__ == "__main__":
206
+ demo = build_gui()
207
+ demo.launch(enable_queue=True)
ram_tag_list_chinese.txt ADDED
@@ -0,0 +1,4585 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ 三维CG渲染
2
+ 3d眼镜
3
+ 算盘
4
+ 鲍鱼
5
+ 修道院
6
+ 肚子
7
+ 学院
8
+ 附件
9
+ 事故
10
+ 手风琴
11
+ 橡子
12
+ 丙烯颜料
13
+ 表演
14
+ 行动
15
+ 动作电影
16
+ 活动
17
+ 演员
18
+ 改编本
19
+ 添加
20
+ 胶带
21
+ 调整
22
+ 成人
23
+ 冒险
24
+ 广告
25
+ 天线
26
+ 有氧运动
27
+ 喷雾罐
28
+ 爆炸头
29
+ 农业
30
+ 帮助
31
+ 空调
32
+ 空调系统
33
+ 风向标
34
+ 飞机客舱
35
+ 飞机模型
36
+ 机场
37
+ 航线
38
+ 客机
39
+ 飞行员
40
+ 飞机
41
+ 飞机窗口
42
+ 机场
43
+ 机场跑道
44
+ 航站楼
45
+ 飞艇
46
+ 航展
47
+ 过道
48
+ 警报
49
+ 闹钟
50
+ 信天翁
51
+ 唱片
52
+ 唱片封面
53
+ 酒精
54
+ 壁龛
55
+ 水藻
56
+ 胡同/球道
57
+ 杏仁
58
+ 芦荟
59
+ 高山
60
+ 羊驼
61
+ 字母表
62
+ 德国牧羊犬
63
+ 圣坛
64
+ 琥珀
65
+ 救护车
66
+ 秃鹰
67
+ 美国短毛猫
68
+ 紫水晶
69
+ 圆形剧场
70
+ 扩音器
71
+ 游乐园
72
+ 游乐设施
73
+
74
+ 古老的
75
+ 海葵
76
+ 天使
77
+
78
+ 动物
79
+ 动物雕塑
80
+ 动物收容所
81
+ 动画片
82
+ 动画电影
83
+ 动画师
84
+ 动漫
85
+ 脚踝
86
+ 短袜
87
+ 周年庆
88
+ 风衣
89
+ 蚂蚁
90
+ 羚羊
91
+ 古董
92
+ 鹿角
93
+ 铁砧
94
+ 公寓
95
+
96
+ 应用程序
97
+ 应用图标
98
+ 出现
99
+ 外观
100
+ 开胃菜
101
+ 掌声
102
+ 苹果
103
+ 苹果汁
104
+ 苹果派
105
+ 苹果树
106
+ 苹果酱
107
+ 设备
108
+ 约定
109
+ 通道
110
+ 杏子
111
+ 围裙
112
+ 浅绿色
113
+ 水族馆
114
+ 观赏鱼
115
+ 渡槽
116
+ 游乐中心
117
+ 商场游戏机
118
+ 拱门
119
+ 拱桥
120
+ 考古现场
121
+ 射箭
122
+ 群岛
123
+ 建筑师
124
+ 建筑设计
125
+ 档案
126
+ 拱门
127
+ 地区
128
+ 竞技场
129
+ 争论
130
+ 手臂
131
+ 穿山甲
132
+ 臂章
133
+ 扶手椅
134
+ 衣柜
135
+ 盔甲
136
+ 军队
137
+ 军事基地
138
+ 坦克
139
+ 阵列
140
+ 逮捕
141
+ 箭头
142
+ 艺术
143
+ 艺术展
144
+ 美术馆
145
+ 艺术印刷品
146
+ 艺术学校
147
+ 艺术工作室
148
+ 艺术矢量插图
149
+ 洋蓟
150
+ 文章
151
+ 手工艺品
152
+ 艺术家
153
+ 艺术阁楼
154
+
155
+ 烟灰缸
156
+ 亚洲寺庙
157
+ 芦笋
158
+ 沥青道路
159
+ 组装
160
+ 集会
161
+ 生产流水线
162
+ 协会
163
+ 宇航员
164
+ 天文学家
165
+ 运动员
166
+ 运动
167
+ 地图集
168
+ 自助取款机
169
+ 大气层
170
+ 中庭
171
+ 连接
172
+ 战斗机
173
+ 参加
174
+ 吸引力
175
+ 全地形车
176
+ 茄子
177
+ 拍卖
178
+ 奥迪汽车
179
+ 音频
180
+ 礼堂
181
+ 极光
182
+ 作者
183
+ 汽车厂
184
+ 汽车修理工
185
+ 汽车零件
186
+ 车展
187
+ 汽车展厅
188
+ 汽车电池
189
+ 汽车制造
190
+ 汽车模型
191
+ 汽车
192
+ 秋天
193
+ 秋天的森林
194
+ 秋天的叶子
195
+ 秋天的公园
196
+ 秋天的树
197
+ 阿凡达
198
+ 林荫大道
199
+ 飞行员太阳镜
200
+ 牛油果
201
+ 奖品
202
+ 颁奖典礼
203
+ 获奖者
204
+
205
+ 斧头
206
+ 杜鹃花
207
+ 狒狒
208
+ 婴儿
209
+ 奶瓶
210
+ 婴儿车
211
+ 婴儿衣服
212
+ 小象
213
+ 婴儿食品
214
+ 婴儿座椅
215
+ 迎婴派对
216
+ 背后/后面
217
+ 背景
218
+ 背光
219
+ 背包
220
+ 后院
221
+ 培根
222
+ 徽章
223
+
224
+ 荒地
225
+ 羽毛球运动
226
+ 羽毛球拍
227
+ 袋子
228
+ 面包圈
229
+ 风笛
230
+ 法棍
231
+ 诱饵
232
+ 焙烤食品
233
+ 面包师
234
+ 面包店
235
+ 烘焙
236
+ 烤盘
237
+ 平衡
238
+ 平衡车
239
+ 阳台
240
+
241
+ 球池
242
+ 芭蕾舞女演员
243
+ 芭蕾舞
244
+ 芭蕾舞演员
245
+ 芭蕾舞裙
246
+ 气球
247
+ 气球拱门
248
+ 棒球手
249
+ 舞厅
250
+ 竹子
251
+ 竹林
252
+ 香蕉
253
+ 香蕉面包
254
+ 香蕉叶子
255
+ 香蕉树
256
+ 乐队
257
+ 创可贴
258
+ 绷带
259
+ 头巾
260
+ 束发带
261
+ 刘海
262
+ 手镯
263
+ 栏杆
264
+ 五弦琴
265
+ 银行
266
+ 银行卡
267
+ 银行金库
268
+ 纸币
269
+ 横幅/旗帜
270
+ 宴会
271
+ 宴会厅
272
+ 榕树
273
+ 包子
274
+ 洗礼
275
+ 酒吧
276
+ 条形码
277
+ 高脚凳
278
+ 烧烤
279
+ 烧烤架
280
+ 杠铃
281
+ 理发师
282
+ 理发店
283
+ 芭比娃娃
284
+ 驳船
285
+ 咖啡师
286
+ 树皮
287
+ 大麦
288
+ 谷仓
289
+ 仓鸮
290
+ 挡光板
291
+
292
+ 路障
293
+ 屏障
294
+ 手推车
295
+ 酒保
296
+ 棒球
297
+ 棒球基地
298
+ 棒球棒
299
+ 棒球帽
300
+ 棒球场
301
+ 棒球比赛
302
+ 棒球手套
303
+ 棒球投手
304
+ 棒球队
305
+ 棒球制服
306
+ 地下室
307
+ 罗勒
308
+ 水盆
309
+ 篮子
310
+ 篮子
311
+ 篮球
312
+ 篮球篮板
313
+ 篮球教练
314
+ 篮球场
315
+ 篮球比赛
316
+ 篮球框
317
+ 篮球运动员
318
+ 篮球馆
319
+ 篮球队
320
+ 贝斯
321
+ 低音吉他
322
+ 低音喇叭
323
+ 贝斯手
324
+ 蝙蝠
325
+ 浴室
326
+ 水浴加热器
327
+ 浴垫
328
+ 浴巾
329
+ 泳装
330
+ 浴袍
331
+ 浴室
332
+ 浴室配件
333
+ 浴室柜
334
+ 浴室门
335
+ 浴室镜子
336
+ 浴室水槽
337
+ 卫生纸
338
+ 浴室窗户
339
+ 蝙蝠侠
340
+ 棒子
341
+ 面糊
342
+ 电池
343
+ 战斗
344
+ 战绳
345
+ 战舰
346
+ 海湾
347
+ 海湾大桥
348
+ 凸窗
349
+ 杨梅
350
+ 集市
351
+ 海滩
352
+ 沙滩球
353
+ 沙滩椅
354
+ 海滨别墅
355
+ 海滩小屋
356
+ 沙滩毛巾
357
+ 沙滩排球
358
+ 灯塔
359
+ 珠子
360
+ 比格犬
361
+ 鸟嘴
362
+ 烧杯
363
+ 横梁
364
+ 豆子
365
+ 豆袋椅
366
+ 豆袋
367
+
368
+ 幼熊
369
+ 胡子
370
+ 野兽
371
+ 击打/击败
372
+ 美丽的
373
+ 美丽
374
+ 美容院
375
+ 海狸
376
+
377
+ 床单
378
+ 床架
379
+ 卧室
380
+ 床上用品
381
+ 便盆
382
+ 卧室窗户
383
+ 床头灯
384
+ 蜜蜂
385
+ 山毛榉
386
+ 牛肉
387
+ 养蜂人
388
+ 蜂鸣器
389
+ 啤酒
390
+ 啤酒瓶
391
+ 啤酒罐
392
+ 啤酒花园
393
+ 啤酒杯
394
+ 啤酒馆
395
+ 甜菜
396
+ 甲虫
397
+ 米色
398
+ 时钟
399
+ 甜椒
400
+ 钟楼
401
+ 皮带
402
+ 皮带扣
403
+ 长凳
404
+ 弯曲
405
+ 孟加拉虎
406
+ 盒饭
407
+ 贝雷帽
408
+ 浆果
409
+ 停泊位
410
+ 饮料
411
+ 围嘴
412
+ 拌饭
413
+ 圣经
414
+ 比熊
415
+ 自行车
416
+ 自行车头盔
417
+ 自行车车轮
418
+ 自行车骑士
419
+ 坐浴盆
420
+ 大本钟
421
+ 自行车道
422
+ 自行车道
423
+ 自行车赛
424
+ 骑车
425
+ 比基尼
426
+ 比基尼上衣
427
+ 账单
428
+ 台球
429
+ 广告牌
430
+ 台球台
431
+ 垃圾箱
432
+ 活页夹
433
+ 双筒望远镜
434
+ 生物学实验室
435
+ 双翼飞机
436
+ 桦木
437
+ 桦树
438
+
439
+ 鸟池
440
+ 喂鸟器
441
+ 鸟舍
442
+ 鸟巢
443
+ 鸟池
444
+ 鸟笼
445
+ 出生
446
+ 生日
447
+ 生日蛋糕
448
+ 生日蜡烛
449
+ 生日贺卡
450
+ 生日聚会
451
+ 饼干
452
+ 主教
453
+ 野牛
454
+ 钻头
455
+
456
+ 黑色
457
+ 黑山羊
458
+ 黑莓
459
+ 乌鸦
460
+ 黑板
461
+ 铁匠
462
+ 叶片/刀片
463
+ 毯子/覆盖层
464
+ 运动外套
465
+ 看台
466
+ 搅拌机
467
+ 祝福
468
+ 盲人
469
+ 眼罩
470
+ 闪光
471
+ 暴风雪
472
+
473
+ 博客
474
+
475
+ 开花
476
+
477
+ 女装衬衫
478
+
479
+ 吹风机
480
+ 河豚
481
+ 蓝色
482
+ 蓝色艺术家
483
+ 蓝松鸦
484
+ 蓝天
485
+ 蓝莓
486
+ 蓝知更鸟
487
+
488
+ 板子
489
+ 板擦
490
+ 棋盘游戏
491
+ 木板路
492
+
493
+ 船甲板
494
+ 船屋
495
+
496
+ 乘船
497
+ 浮标
498
+ 山猫
499
+ 躯干
500
+ 身体冲浪板
501
+ 健美运动员
502
+ 水煮鸡蛋
503
+ 锅炉
504
+ 饰扣式领带
505
+ 门闩
506
+ 炸弹
507
+ 轰炸机
508
+ 披肩榛鸡
509
+ 骨骼
510
+ 篝火
511
+ 阀盖
512
+ 盆景
513
+
514
+ 书籍封面
515
+ 书柜
516
+ 文件夹
517
+ 书签
518
+ 书架
519
+ 书店
520
+ 远程拾音器
521
+ 推动
522
+ 靴子
523
+ 边界
524
+ 边境牧羊犬
525
+ 植物园
526
+
527
+ 瓶盖
528
+ 开瓶器
529
+ 螺旋开瓶器
530
+ 三角梅
531
+ 巨石
532
+ 花束
533
+ 时装店
534
+ 精品酒店
535
+ 鞠躬/蝴蝶结
536
+ 领结
537
+ 弓形窗
538
+
539
+ 保龄球运动
540
+ 保龄球馆
541
+ 保龄球
542
+ 保龄球设备
543
+ 盒子
544
+ 箱形梁桥
545
+ 箱龟
546
+ 拳击手
547
+ 内裤
548
+ 拳击
549
+ 拳击手套
550
+ 拳击台
551
+ 男孩
552
+ 支撑物
553
+ 支架
554
+ 辫子
555
+ 大脑
556
+ 刹车
557
+ 刹车灯
558
+ 树枝
559
+ 商标
560
+ 白兰地
561
+ 黄铜
562
+ 黄铜牌匾
563
+ 面包
564
+ 面包箱
565
+ 休息
566
+ 早餐
567
+ 防浪堤
568
+ 胸部
569
+ 啤酒厂
570
+ 砖块
571
+ 砖建筑物
572
+
573
+ 砖块
574
+ 婚纱
575
+ 新娘
576
+ 新郎
577
+ 伴娘
578
+
579
+ 缰绳
580
+ 公文包
581
+ 明亮的
582
+ 边沿
583
+ 钻头
584
+ 广播
585
+ 西兰花
586
+ 青铜
587
+ 铜牌
588
+ 青铜雕塑
589
+ 青铜雕像
590
+ 胸针
591
+ 小溪
592
+ 扫帚
593
+ 肉汤
594
+ 棕色
595
+ 棕熊
596
+ 巧克力蛋糕
597
+ 早午餐
598
+ 浅黑肤色的女人
599
+ 刷子
600
+ 郊狼
601
+ 包菜
602
+ 气泡
603
+ 泡泡糖
604
+ 珍珠奶茶
605
+ 斗柜
606
+ 盾牌
607
+
608
+
609
+ 水牛
610
+ 自助餐
611
+ 昆虫
612
+ 建造
613
+ 建造者
614
+ 建筑
615
+ 积木
616
+ 建筑立面
617
+ 建筑材料
618
+
619
+
620
+ 斗牛犬
621
+ 子弹
622
+ 动车
623
+ 公告栏
624
+ 防弹背心
625
+ 斗牛
626
+ 扩音器
627
+ 斗牛场
628
+ 大黄蜂
629
+ 保险杠
630
+ 卷/地形起伏
631
+
632
+ 蹦极
633
+ 双层床
634
+ 地堡
635
+ 兔子
636
+ 浮标
637
+ 书桌
638
+ 墓室
639
+ 燃烧
640
+ 玉米煎饼
641
+ 公交车
642
+ 公交车司机
643
+ 公交车内部
644
+ 公交车站
645
+ 公交车站
646
+ 公交车窗户
647
+ 灌木
648
+ 商业
649
+ 名片
650
+ 业务主管
651
+ 商务西装
652
+ 业务团队
653
+ 女商人
654
+ 商人
655
+ 半身像
656
+ 屠夫
657
+ 肉铺
658
+ 孤峰
659
+ 黄油
660
+ 奶油
661
+ 蝴蝶
662
+ 蝴蝶馆
663
+ 按钮
664
+ 梧桐树
665
+ 购买
666
+ 出租车
667
+ 小屋
668
+ 卷心菜
669
+ 小屋
670
+ 守车
671
+ 储藏柜
672
+ 橱柜
673
+ 电缆
674
+ 缆车
675
+ 仙人掌
676
+ 咖啡馆
677
+ 食堂
678
+ 笼子
679
+ 蛋糕
680
+ 蛋糕台
681
+ 计算器
682
+ 大锅
683
+ 日历
684
+ 小腿
685
+ 通话
686
+ 电话亭
687
+ 书法
688
+ 平静的
689
+ 摄像机
690
+ 骆驼
691
+ 相机
692
+ 相机镜头
693
+ 迷彩
694
+ 露营
695
+ 露营者
696
+ 篝火
697
+ 露营
698
+ 营地
699
+ 校园
700
+
701
+ 开罐器
702
+ 运河
703
+ 金丝雀
704
+ 癌症
705
+ 蜡烛
706
+ 烛台
707
+ 糖果
708
+ 块状糖
709
+ 柺杖糖
710
+ 糖果店
711
+ 拐杖
712
+ 罐子
713
+ 大炮
714
+ 树冠/顶棚
715
+ 四柱床
716
+ 香瓜
717
+ 悬臂桥
718
+ 帆布
719
+ 峡谷
720
+ 帽子
721
+ 斗篷
722
+ 科德角
723
+ 卡布奇诺
724
+ 胶囊
725
+ 队长
726
+ 捕获
727
+
728
+ 汽车经销商
729
+ 车门
730
+ 汽车内饰
731
+ 车标
732
+ 后视镜
733
+ 停车场
734
+ 汽车座椅
735
+ 车展
736
+ 洗车
737
+ 车窗
738
+ 焦糖
739
+ 卡片
740
+ 纸牌游戏
741
+ 纸板
742
+ 纸板盒
743
+ 羊毛衫
744
+ 红衣凤头鸟
745
+ 货物
746
+ 货运飞机
747
+ 货船
748
+ 加勒比
749
+ 康乃馨
750
+ 狂欢节
751
+ 食肉动物
752
+ 旋转木马
753
+ 鲤鱼
754
+ 木匠
755
+ 地毯
756
+ 拖鞋
757
+ 红雀
758
+ 长途客车
759
+ 斑点狗
760
+ 航空母舰
761
+ 胡萝卜
762
+ 胡萝卜蛋糕
763
+ 携带
764
+ 手推车
765
+ 纸箱/纸盒
766
+ 卡通
767
+ 卡通人物
768
+ 卡通插图
769
+ 卡通风格
770
+ 雕刻
771
+ 容器
772
+ 现金
773
+ 腰果
774
+ 赌场
775
+ 砂锅
776
+ 磁带
777
+ 盒式录音机
778
+ 石膏绷带
779
+ 铸造
780
+ 城堡
781
+
782
+ 猫窝
783
+ 猫粮
784
+ 猫器具
785
+ 猫架
786
+ 地下墓穴
787
+ 双体船
788
+ 美洲狮
789
+ 握着/抓着
790
+ 捕手
791
+ 毛毛虫
792
+ 鲶鱼
793
+ 教堂
794
+
795
+ 猫步
796
+ 走秀
797
+ 菜花
798
+ 洞穴
799
+ 鱼子酱
800
+ 光盘
801
+ CD播放器
802
+ 雪松
803
+ 天花板
804
+ 吊扇
805
+ 庆祝
806
+ 庆典
807
+ 名人
808
+ 芹菜
809
+ 大提琴
810
+ 手机
811
+ 水泥
812
+ 墓地
813
+ 中心装饰品
814
+ 蜈蚣
815
+ 陶瓷
816
+ 瓷砖
817
+ 麦片
818
+ 仪式
819
+ 证书
820
+ 链条
821
+ 链锯
822
+ 椅子
823
+ 升降椅
824
+ 躺椅
825
+ 木屋
826
+ 圣杯
827
+ 粉笔
828
+ 房间
829
+ 变色龙
830
+ 香槟酒
831
+ 香槟杯
832
+ 冠军
833
+ 锦标赛
834
+ 吊灯
835
+ 婴儿换尿布台
836
+ 通道
837
+ 皴裂处
838
+ 小教堂
839
+ 人物雕塑
840
+ 木炭
841
+ 充电
842
+ 充电器
843
+ 战车
844
+ 慈善机构
845
+ 慈善活动
846
+ 魅力
847
+ 图表
848
+ 追逐
849
+ 底盘
850
+ 检查/支票
851
+ 支票簿
852
+ 棋盘
853
+ 检查表
854
+ 欢呼声
855
+ 鼓励/啦啦队
856
+ 奶酪
857
+ 奶酪汉堡
858
+ 奶酪蛋糕
859
+ 猎豹
860
+ 厨师
861
+ 化合物
862
+ 化学家
863
+ 化学
864
+ 化学实验室
865
+ 旗袍
866
+ 樱桃
867
+ 樱花
868
+ 樱桃番茄
869
+ 樱桃树
870
+ 国际象棋
871
+ 栗子
872
+
873
+ 鸡胸肉
874
+ 鸡笼
875
+ 鸡肉沙拉
876
+ 鸡翅
877
+ 鹰嘴豆
878
+ 小衣橱
879
+ 吉娃娃
880
+ 孩子
881
+ 童星
882
+ 孩子的房间
883
+ 红番椒
884
+ 辣热狗
885
+ 烟囱
886
+ 黑猩猩
887
+ 瓷器
888
+ 白菜
889
+ 中国园林
890
+ 中国结
891
+ 月季
892
+ 中国塔
893
+ 炸薯条/炸薯条
894
+ 花栗鼠
895
+ 凿子
896
+ 巧克力
897
+ 巧克力棒
898
+ 巧克力蛋糕
899
+ 巧克力碎片
900
+ 巧克力饼干
901
+ 巧克力牛奶
902
+ 巧克力慕斯
903
+ 松露
904
+ 唱诗班
905
+ 厨房刀
906
+ 砧板
907
+ 筷子
908
+ 圣诞节
909
+ 圣诞球
910
+ 圣诞贺卡
911
+ 圣诞装饰
912
+ 圣诞晚宴
913
+ 平安夜
914
+ 圣诞帽
915
+ 圣诞灯
916
+ 圣诞市场
917
+ 圣诞装饰
918
+ 圣诞树
919
+ 菊花
920
+ 教堂
921
+ 教堂塔
922
+ 苹果酒
923
+ 雪茄
924
+ 雪茄盒
925
+ 香烟
926
+ 烟盒
927
+ 腰带
928
+ 电影院
929
+ 摄影师
930
+ 肉桂
931
+
932
+ 电路
933
+ 电路板
934
+ 马戏团
935
+ 水箱
936
+ 柑橘类水果
937
+ 城市
938
+ 城市公交
939
+ 市政厅
940
+ 城市夜景
941
+ 城市公园
942
+ 城市天际线
943
+ 城市广场
944
+ 城市街道
945
+ 城墙
946
+ 城市景观
947
+ 蛤蜊
948
+ 单簧管
949
+ 扣子
950
+ 班级
951
+ 经典
952
+ 教室
953
+ 锁骨
954
+ 爪子
955
+ 黏土
956
+ 陶器
957
+ 清洁
958
+ 洁净室
959
+ 清洁工人
960
+ 清洁用品
961
+ 清晰的
962
+
963
+ 克莱门氏小柑橘
964
+ 客户端
965
+ 悬崖
966
+
967
+ 爬山
968
+ 登山者
969
+ 诊所
970
+ 夹子
971
+ 剪贴画
972
+ 剪贴板
973
+ 快速帆船
974
+ 君子兰
975
+ 斗篷
976
+ 木底鞋
977
+ 特写
978
+ 壁橱
979
+
980
+ 穿衣
981
+ 衣服
982
+ 晒衣夹
983
+ 晒衣绳
984
+ 服装店
985
+
986
+ 云雾森林
987
+ 多云
988
+ 三叶草
989
+ 小丑
990
+ 小丑鱼
991
+ 俱乐部
992
+ 离合器
993
+ 手拿包
994
+ 煤炭
995
+ 海岸
996
+ 外套
997
+ 衣帽架
998
+ 玉米
999
+ 公鸡
1000
+ 凤头鹦鹉
1001
+ 可卡犬
1002
+ 驾驶
1003
+ 蟑螂
1004
+ 鸡尾酒
1005
+ 小礼服
1006
+ 鸡尾酒调制器
1007
+ 鸡尾酒桌
1008
+ 可可
1009
+ 椰子
1010
+ 椰子树
1011
+ 咖啡
1012
+ 咖啡豆
1013
+ 咖啡杯
1014
+ 咖啡机
1015
+ 咖啡店
1016
+ 咖啡壶
1017
+ 棺材
1018
+ 法国白兰地
1019
+ 螺旋
1020
+ 硬币
1021
+ 可口可乐
1022
+ 滤器
1023
+ 冷的
1024
+ 卷心菜沙拉
1025
+ 合作
1026
+ 拼贴画
1027
+ 收藏品
1028
+ 大学生
1029
+ 牧羊犬
1030
+ 碰撞
1031
+ 颜色
1032
+ 涂色书
1033
+ 染色材料
1034
+ 矮种马
1035
+ 柱子
1036
+ 梳子
1037
+ 密码锁
1038
+ 喜剧演员
1039
+ 喜剧
1040
+ 喜剧电影
1041
+ 彗星
1042
+ 舒服
1043
+ 安慰食物
1044
+ 漫画书
1045
+ 漫画人物
1046
+ 连环画
1047
+ 指挥官
1048
+ 评论员
1049
+ 社区
1050
+ 通勤
1051
+ 公司
1052
+ 指南针
1053
+ 比赛
1054
+ 比赛
1055
+ 竞争者
1056
+ 作曲家
1057
+ 作文
1058
+ 堆肥
1059
+ 电脑
1060
+ 电脑机箱
1061
+ 电脑椅
1062
+ 电脑桌
1063
+ 键盘
1064
+ 计算机显示器
1065
+ 计算机房
1066
+ 电脑屏幕
1067
+ 机箱
1068
+ 概念车
1069
+ 音乐会
1070
+ 音乐厅
1071
+ 贝壳
1072
+ 混凝土
1073
+ 调味品
1074
+ 避孕套
1075
+ 独立产权的公寓
1076
+ 指挥
1077
+ 锥形物
1078
+ 会议
1079
+ 会议中心
1080
+ 会议厅
1081
+ 会议室
1082
+ 五彩纸屑
1083
+ 冲突
1084
+ 合流
1085
+ 连接
1086
+ 连接器
1087
+ 温室
1088
+ 星座
1089
+ 建筑工地
1090
+ 建筑工人
1091
+ 包含
1092
+ 容器
1093
+ 集装箱船
1094
+ 大陆
1095
+ 轮廓
1096
+ 合同
1097
+ 控制
1098
+ 控制塔
1099
+ 便利店
1100
+ 集会
1101
+ 交谈
1102
+ 转换器
1103
+ 可转换的
1104
+ 输送机
1105
+ 厨师/烹饪
1106
+ 烹饪
1107
+ 烹饪喷雾剂
1108
+ 炊具
1109
+ 凉的
1110
+ 冷却器
1111
+
1112
+ 复制
1113
+ 珊瑚
1114
+ 珊瑚礁
1115
+ 粗绳
1116
+ 有线电话
1117
+
1118
+ 威尔士矮脚狗
1119
+ 瓶塞
1120
+ 软木板
1121
+ 鸬鹚
1122
+ 玉米
1123
+ 玉米田
1124
+ 玉米面包
1125
+ 角落
1126
+ 小号
1127
+ 飞檐
1128
+ 燕麦片
1129
+ 围栏
1130
+ 走廊
1131
+ 紧身衣
1132
+ 化妆品
1133
+ 化妆刷
1134
+ 化妆镜
1135
+ 角色扮演
1136
+ 服装
1137
+ 服装电影设计师
1138
+ 婴儿床
1139
+ 小屋
1140
+ 棉花
1141
+ 棉花糖
1142
+ 沙发
1143
+ 倒计时
1144
+ 柜台
1145
+ 台面
1146
+ 最佳乡村歌手
1147
+ 乡村别墅
1148
+ 乡村公路
1149
+ 乡村流行歌手
1150
+ 农村
1151
+ 双门小轿车
1152
+ 夫妇/两人/几个
1153
+ 情侣写真
1154
+ 小胡瓜
1155
+ 课程
1156
+ 球场
1157
+ 法院
1158
+ 院子
1159
+ 堂兄弟
1160
+ 工作服
1161
+ 奶牛
1162
+ 母牛的颈铃
1163
+ 牛仔
1164
+ 牛仔靴
1165
+ 牛仔帽
1166
+ 螃蟹
1167
+ 蟹肉
1168
+ 裂纹
1169
+ 摇篮
1170
+ 工艺
1171
+ 工匠
1172
+ 蔓越莓
1173
+ 起重机
1174
+ 黑纱
1175
+ 厕所
1176
+ 板条箱
1177
+ 火山口湖
1178
+ 龙虾
1179
+ 蜡笔
1180
+ 奶油乳酪
1181
+ 奶油罐
1182
+ 创建
1183
+ 生物
1184
+ 信用卡
1185
+ 新月形
1186
+ 新月形面包
1187
+ 山顶
1188
+ 全体船员
1189
+ 蟋蟀
1190
+ 板球用球
1191
+ 板球队
1192
+ 板球队员
1193
+ 钩边
1194
+ 克罗克电锅
1195
+ 鳄鱼
1196
+ 庄稼
1197
+ 露脐上衣
1198
+ 交叉
1199
+ 横木
1200
+ 十字路口
1201
+ 相声
1202
+ 人行横道
1203
+ 油煎面包块
1204
+ 乌鸦
1205
+ 撬棍
1206
+ 人群
1207
+ 拥挤的
1208
+ 皇冠
1209
+ 阴极射线管屏幕
1210
+ 耶稣受难像
1211
+ 巡游
1212
+ 游轮
1213
+ 巡洋艇
1214
+ 面包屑
1215
+ 压坏
1216
+ 拐杖
1217
+ 水晶
1218
+ 幼兽
1219
+ 立方体
1220
+ 黄瓜
1221
+ 球杆
1222
+ 袖口
1223
+ 袖扣
1224
+ 烹饪
1225
+ 农田
1226
+ 杯子
1227
+ 纸杯蛋糕
1228
+ 丘比特
1229
+ 马路牙子
1230
+ 旋度
1231
+ 卷发器
1232
+ 无籽葡萄干
1233
+ 货币
1234
+ 咖喱
1235
+ 窗帘
1236
+ 曲线
1237
+ 软垫
1238
+ 顾客
1239
+
1240
+ 餐具
1241
+ 自行车
1242
+ 骑自行车
1243
+ 龙卷风
1244
+ 汽缸
1245
+ 铙钹
1246
+ 柏树
1247
+ 柏树
1248
+ 达克斯猎狗
1249
+ 水仙花
1250
+ 匕首
1251
+ 大丽花
1252
+ 萝卜
1253
+ 乳制品
1254
+ 雏菊
1255
+ 大坝
1256
+ 损害
1257
+ 潮湿的
1258
+ 跳舞
1259
+ 舞池
1260
+ 舞蹈室
1261
+ 舞者
1262
+ 蒲公英
1263
+ 黑暗
1264
+ 黑暗
1265
+ 飞镖
1266
+ 圆靶
1267
+ 指示板
1268
+ 日期
1269
+ 女儿
1270
+ 黎明
1271
+ 天床上
1272
+ 日光
1273
+ 门栓
1274
+ 死亡
1275
+ 辩论
1276
+ 碎片
1277
+ 玻璃水瓶
1278
+ 甲板
1279
+ 双层巴士
1280
+ 装饰
1281
+ 装修/装饰
1282
+ 装饰画
1283
+ 鹿
1284
+ 后卫
1285
+
1286
+ 熟食
1287
+ 投递
1288
+ 拆迁
1289
+ 怪兽
1290
+ 演示
1291
+ 兽窝
1292
+ 牛仔夹克
1293
+ 牙医
1294
+ 百货商店
1295
+ 抑郁症
1296
+ 德比
1297
+ 皮肤病
1298
+ 沙漠
1299
+ 沙漠公路
1300
+ 设计
1301
+ 设计师
1302
+ 桌子/表格
1303
+ 台灯
1304
+ 桌面
1305
+ 台式电脑
1306
+ 甜点
1307
+ 破坏
1308
+ 侦探
1309
+ 洗涤剂
1310
+ 露水
1311
+ 仪表盘
1312
+ 钻石
1313
+ 尿布
1314
+ 尿布包
1315
+ 杂志
1316
+
1317
+ 饮食
1318
+ 挖掘机
1319
+ 数字
1320
+ 数字时钟
1321
+ 莳萝
1322
+ 晚餐
1323
+ 小船
1324
+ 餐厅
1325
+ 晚宴
1326
+ 餐桌
1327
+ 恐龙
1328
+
1329
+ 文凭
1330
+ 指引
1331
+ 导演
1332
+ 尘埃
1333
+ 越野摩托车
1334
+ 泥土地
1335
+ 泥土路
1336
+ 泥路/土路
1337
+ 灾难
1338
+ 信徒
1339
+ 迪斯科舞厅
1340
+ 迪斯科灯秋
1341
+ 迪斯科舞厅
1342
+ 疾病
1343
+ 盘子
1344
+ 碟形天线
1345
+ 洗碗机
1346
+ 抹布
1347
+ 菜肴
1348
+ 洗碗液
1349
+ 迪斯尼乐园
1350
+ 自动售货机
1351
+ 展示
1352
+ 陈列窗
1353
+ 壕沟
1354
+ 潜水
1355
+ 潜水员
1356
+ 跳水板
1357
+ 纸杯
1358
+ 流行音乐播音员
1359
+ 杜宾犬
1360
+ 码头
1361
+ 医生
1362
+ 文件
1363
+ 纪录片
1364
+
1365
+ 狗窝
1366
+ 犬种
1367
+ 狗项圈
1368
+ 狗粮
1369
+ 狗窝
1370
+ 洋娃娃
1371
+ 美元
1372
+ 玩偶之家
1373
+ 洋娃娃
1374
+ 海豚
1375
+ 穹顶
1376
+ 住宅
1377
+ 多米诺骨牌
1378
+
1379
+ 甜甜圈
1380
+ 涂鸦
1381
+
1382
+ 门把手
1383
+ 受气包
1384
+ 门牌
1385
+ 门口
1386
+ 宿舍
1387
+ 面团
1388
+ 市中心
1389
+ 推土机
1390
+
1391
+
1392
+ 蜻蜓
1393
+ 排水沟
1394
+ 剧本
1395
+ 戏剧电影
1396
+
1397
+ 抽屉里
1398
+ 图画/画画
1399
+ 图钉
1400
+ 辫子
1401
+ 连衣裙/特定场合的服装
1402
+ 礼帽
1403
+ 正装衬衫
1404
+ 皮鞋
1405
+ 大礼服
1406
+ 梳妆台
1407
+ 更衣室
1408
+ 运球
1409
+ 漂移
1410
+ 浮木
1411
+
1412
+ 饮品/喝
1413
+ 饮用水
1414
+ 开车
1415
+ 司机
1416
+ 车道
1417
+ 无人机
1418
+ 水滴/下降
1419
+ 吊灯
1420
+ 滴管
1421
+ 干旱
1422
+ 药物
1423
+ 药店
1424
+
1425
+ 鼓手
1426
+ 鸡腿
1427
+ 干的
1428
+ 公爵夫人
1429
+ 鸭子
1430
+ 鸭嘴兽
1431
+ 小鸭子
1432
+ 布基胶带
1433
+ 伙计
1434
+ 二重唱
1435
+ 粗呢
1436
+ 独木舟
1437
+ 哑铃
1438
+ 饺子
1439
+ 沙丘
1440
+ 扣篮
1441
+ 榴莲
1442
+ 黄昏
1443
+ 灰尘
1444
+ 垃圾车
1445
+ 簸箕
1446
+ 羽绒被
1447
+ DVD
1448
+ 染料
1449
+
1450
+ 耳朵
1451
+ 御寒耳罩
1452
+ 耳机
1453
+ 耳塞
1454
+ 耳环
1455
+ 地震
1456
+ 画架
1457
+ 复活节
1458
+ 复活节兔子
1459
+ 复活节彩蛋
1460
+
1461
+ 餐厅
1462
+ 泡芙
1463
+ 日食
1464
+ 生态系统
1465
+ 编辑
1466
+ 教育
1467
+ 教育家
1468
+ 鳗鱼
1469
+
1470
+ 蛋卷
1471
+ 蛋挞
1472
+ 打蛋器
1473
+ 白鹭
1474
+ 埃菲尔铁塔
1475
+ 橡皮筋
1476
+ 上级
1477
+ 电椅
1478
+ 电钻
1479
+ 电工
1480
+
1481
+ 电子
1482
+ 电子器件
1483
+ 大象
1484
+ 高度图
1485
+ 电梯
1486
+ 电梯轿厢
1487
+ 电梯门
1488
+ 电梯大堂
1489
+ 电梯井
1490
+ 路堤
1491
+ 大使馆
1492
+ 装饰
1493
+ 灰烬
1494
+ 会徽
1495
+ 刺绣
1496
+ 翡翠
1497
+ 紧急
1498
+ 紧急服务
1499
+ 紧急车辆
1500
+ 情感
1501
+ 帝国大厦
1502
+ 搪瓷
1503
+ 围场
1504
+ 茶几
1505
+ 能源
1506
+ 订婚
1507
+ 订婚戒指
1508
+ 引擎
1509
+ 机舱
1510
+ 工程师
1511
+ 工程
1512
+ 英国短毛猫
1513
+ 乐团
1514
+ 回车键
1515
+ 演艺人员
1516
+ 娱乐
1517
+ 娱乐中心
1518
+ 入口
1519
+ ���口大厅
1520
+ 信封
1521
+ 马术
1522
+ 设备
1523
+ 橡皮擦
1524
+ 二胡
1525
+ 侵蚀
1526
+ 自动扶梯
1527
+ 食用蜗牛
1528
+ 浓缩咖啡
1529
+ 房地产
1530
+ 河口
1531
+ 桉树
1532
+ 晚上
1533
+ 晚礼服
1534
+ 夜光
1535
+ 傍晚天空
1536
+ 晚上的太阳
1537
+ 事件
1538
+ 常绿的
1539
+ 母羊
1540
+ 挖掘
1541
+ 运动
1542
+ 排气罩
1543
+ 展览
1544
+ 出口
1545
+ 探险者
1546
+ 爆炸
1547
+ 延长线
1548
+ 灭火器
1549
+ 排气扇
1550
+ 挤压
1551
+ 眼睛
1552
+ 眼影
1553
+
1554
+ 眼线笔
1555
+ 布料
1556
+ 纺织品商店
1557
+ 外观
1558
+
1559
+ 脸部特写
1560
+ 蜜粉
1561
+ 毛巾
1562
+ 面巾纸架
1563
+ 设施
1564
+ 工厂
1565
+ 工厂车间
1566
+ 集市
1567
+ 露天市场
1568
+ 仙女
1569
+ 猎鹰
1570
+ 秋天
1571
+ 家庭
1572
+ 家庭轿车
1573
+ 全家福
1574
+ 家庭房
1575
+ 风扇/扇子
1576
+ 尖牙
1577
+ 农场
1578
+ 农民
1579
+ 农民市场
1580
+ 农舍
1581
+ 时尚
1582
+ 时尚配饰
1583
+ 时装设计师
1584
+ 时尚的女孩
1585
+ 时装插图
1586
+ 时装大片
1587
+ 时装模特
1588
+ 时装表演
1589
+ 快餐
1590
+ 西式快餐
1591
+ 父亲
1592
+ 水龙头
1593
+ 故障
1594
+ 动物
1595
+ 小鹿
1596
+ 传真
1597
+ 宴会
1598
+ 羽毛
1599
+ 软呢帽
1600
+ 饲料
1601
+ 一餐
1602
+ 饲养
1603
+ 喂养的椅子
1604
+ 猫科
1605
+ 美洲狮
1606
+ 栅栏
1607
+ 芬达
1608
+ 蕨类植物
1609
+ 雪貂
1610
+ 摩天轮
1611
+ 渡船
1612
+ 肥料
1613
+ 节日
1614
+ 纤维
1615
+ 小说
1616
+ 小说书
1617
+ 田野/场地/野外
1618
+ 田间道路
1619
+ 无花果
1620
+ 打架
1621
+ 花样滑冰运动员
1622
+ 小雕像
1623
+ 文件
1624
+ 档案照片
1625
+ 文件柜
1626
+ 填满
1627
+ 胶片相机
1628
+ 电影导演
1629
+ 电影格式
1630
+ 电影首映礼
1631
+ 电影制片人
1632
+ 拍摄
1633
+ 过滤器
1634
+
1635
+
1636
+ 终点线
1637
+ 冷杉
1638
+ 冷杉树
1639
+
1640
+ 火灾报警
1641
+ 消防部门
1642
+ 消防车
1643
+ 消防通道
1644
+ 消防水带
1645
+ 火坑
1646
+ 消防站
1647
+ 爆竹
1648
+ 消防队员
1649
+ 壁炉
1650
+ 烟花
1651
+ 烟花表演
1652
+ 急救箱
1653
+
1654
+ 鱼船
1655
+ 海鲜市场
1656
+ 鱼塘
1657
+ 鱼缸
1658
+ 渔夫
1659
+ 钓鱼
1660
+ 渔船
1661
+ 渔网
1662
+ 钓鱼
1663
+ 渔村
1664
+ 健身
1665
+ 健身课程
1666
+ 五个
1667
+ 固定装置
1668
+ 峡湾
1669
+ 国旗
1670
+ 旗杆
1671
+ 小薄片
1672
+ 火焰
1673
+ 火烈鸟
1674
+ 法兰绒
1675
+ 拍打
1676
+ 耀斑
1677
+ 闪光
1678
+ 烧瓶
1679
+
1680
+ 比目鱼
1681
+ 风味
1682
+ 跳蚤
1683
+ 跳蚤市场
1684
+ 舰队
1685
+ 飞行
1686
+ 空中乘务员
1687
+ 翻转
1688
+ 触发器
1689
+ 翻转图
1690
+ 浮动
1691
+
1692
+ 洪水
1693
+ 地板/地面
1694
+ 落地扇
1695
+ 脚垫
1696
+ 楼层平面图
1697
+ 落地窗
1698
+ 插花艺术
1699
+ 花店
1700
+ 牙线
1701
+ 面粉
1702
+ 流动
1703
+
1704
+ 花篮
1705
+ 花坛
1706
+ 花箱
1707
+ 花田
1708
+ 花童
1709
+ 花卉市场
1710
+ 流体
1711
+ 脸红
1712
+ 长笛
1713
+
1714
+ 飞行钓鱼
1715
+ 传单
1716
+
1717
+ 泡沫
1718
+
1719
+ 多雾的
1720
+ 鹅肝酱
1721
+ 箔纸
1722
+ 折椅
1723
+ 树叶
1724
+ 民间艺术家
1725
+ 民间舞蹈
1726
+ 民间摇滚艺术家
1727
+ 方旦糖
1728
+ 火锅
1729
+ 圣洗池
1730
+ 食物
1731
+ 食用色素
1732
+ 美食广场
1733
+ 食品加工机
1734
+ 小吃摊
1735
+ 快餐车
1736
+ 桌上足球
1737
+
1738
+ 人行桥
1739
+ 足球
1740
+ 足球教练
1741
+ 大学橄榄球赛
1742
+ 足球比赛
1743
+ 足球场
1744
+ 足球比赛
1745
+ 橄榄球头盔
1746
+ 足球运动员
1747
+ 足球场
1748
+ 足球队
1749
+ 小路
1750
+ 脚印
1751
+ 脚踏板
1752
+ 台座
1753
+ 鞋子
1754
+ 故宫
1755
+ 浅滩
1756
+ 额头
1757
+ 森林
1758
+ 森林大火
1759
+ 森林地面
1760
+ 森林小路
1761
+ 森林公路
1762
+ 锻造
1763
+ 餐叉
1764
+ 叉车
1765
+ 表格
1766
+ 园林
1767
+ 队列/形成物
1768
+ F1方程式赛车
1769
+ 堡垒
1770
+ 碉堡
1771
+ 追逐
1772
+ 化石
1773
+ 粉底
1774
+ 喷泉
1775
+ 钢笔
1776
+ 狐狸
1777
+ 框架
1778
+ 雀斑
1779
+ 高速公路
1780
+ 卡车
1781
+ 法国
1782
+ 法国斗牛犬
1783
+ 薯条
1784
+ 法式吐司
1785
+ 化妆水
1786
+ 冰箱
1787
+ 炸鸡
1788
+ 煎蛋
1789
+ 炒饭
1790
+ 友谊
1791
+ 飞盘
1792
+ 青蛙
1793
+
1794
+ 结霜
1795
+ 严寒
1796
+ 结冰
1797
+ 水果
1798
+ 水果蛋糕
1799
+ 水果盘
1800
+ 水果市场
1801
+ 水果沙拉
1802
+ 水果摊
1803
+ 果树
1804
+ 水果商店
1805
+ 油炸食品
1806
+ 煎锅
1807
+ 软糖
1808
+ 燃料
1809
+ 吸烟罩
1810
+ 有趣的
1811
+ 葬礼
1812
+ 真菌
1813
+ 漏斗
1814
+ 毛皮衣服
1815
+ 毛皮大衣
1816
+ 家具
1817
+ 蒲团
1818
+ 小工具
1819
+ 枪口
1820
+ 星云/星系
1821
+ 美术馆
1822
+ 游戏
1823
+ 游戏棋盘
1824
+ 游戏手柄
1825
+ 火腿
1826
+ 团伙
1827
+ 车库
1828
+ 车库门
1829
+ 手工模型
1830
+ 垃圾
1831
+ 花园
1832
+ 花园芦笋
1833
+ 橡胶软管
1834
+ 花园蜘蛛
1835
+ 园丁
1836
+ 园艺
1837
+ 加菲猫
1838
+ 滴水嘴
1839
+ 花环
1840
+ 大蒜
1841
+ 衣服
1842
+ 气体
1843
+ 加油站
1844
+ 煤气炉
1845
+ 防毒面具
1846
+ 收集
1847
+ 聚集
1848
+ 测量仪器
1849
+ 露台
1850
+ 齿轮
1851
+ 壁虎
1852
+ 艺妓
1853
+ 凝胶
1854
+ 百货商店
1855
+ 发电机
1856
+ 天竺葵
1857
+ 幽灵
1858
+ 礼物
1859
+ 礼品袋
1860
+ 礼品篮
1861
+ 礼物盒
1862
+ 礼品卡
1863
+ 礼品商店
1864
+ 礼物包装
1865
+ 演唱会
1866
+ 杜松子酒
1867
+
1868
+ 姜饼
1869
+ 姜饼屋
1870
+ 银杏树
1871
+ 长颈鹿
1872
+ 女孩
1873
+
1874
+ 冰川
1875
+ 角斗士
1876
+ 玻璃珠
1877
+ 玻璃瓶
1878
+ 玻璃碗
1879
+ 玻璃箱
1880
+ 玻璃建筑
1881
+ 玻璃门
1882
+ 玻璃地板
1883
+ 玻璃屋
1884
+ 玻璃罐
1885
+ 玻璃板
1886
+ 玻璃桌子
1887
+ 玻璃花瓶
1888
+ 玻璃墙
1889
+ 玻璃窗
1890
+ 眼镜
1891
+ 光滑面
1892
+ 滑翔机
1893
+ 地球
1894
+ 手套
1895
+ 发光
1896
+ 汤圆
1897
+
1898
+ 袭击
1899
+ 球门
1900
+ 守门员
1901
+ 山羊
1902
+ 羊奶酪
1903
+ 戈壁
1904
+ 护目镜/墨镜
1905
+ 黄金
1906
+ 金牌
1907
+ 金门大桥
1908
+ 金毛猎犬
1909
+ 金鱼
1910
+ 高尔夫运动
1911
+ 高尔夫球帽
1912
+ 高尔夫球车
1913
+ 高尔夫球杆
1914
+ 高尔夫球场
1915
+ 高尔夫球手
1916
+
1917
+ 大猩猩
1918
+ 哥特式
1919
+ 葫芦
1920
+ 政府
1921
+ 政府机构
1922
+ 礼服
1923
+ 毕业生
1924
+ 毕业典礼
1925
+ 谷物
1926
+ 逆戟鲸
1927
+ 大奖赛
1928
+ 祖父
1929
+ 祖母
1930
+ 祖父母
1931
+ 花岗岩
1932
+ 格兰诺拉麦片
1933
+ 葡萄
1934
+ 西柚
1935
+ 葡萄酒
1936
+
1937
+ 蚱蜢
1938
+ 草原
1939
+ 长满草的
1940
+ 擦菜器
1941
+ 坟墓
1942
+ 碎石
1943
+ 墓碑
1944
+ 肉汁
1945
+ 调味汁瓶
1946
+ 灰色
1947
+ 吃草
1948
+ 放牧
1949
+ 绿色
1950
+ 绿色植物
1951
+ 欢迎
1952
+ 问候
1953
+ 贺卡
1954
+ 灰狗
1955
+ 网格
1956
+ 筛子
1957
+ 烧烤架
1958
+ 格栅
1959
+ 烤鳗鱼
1960
+
1961
+ 研磨机
1962
+ 粗燕麦粉
1963
+ 杂货袋
1964
+ 洞穴
1965
+ 地松鼠
1966
+ 群体
1967
+ 合影
1968
+ 小树林
1969
+ 生长
1970
+ 牛油果酱
1971
+ 警卫
1972
+ 看门狗
1973
+ 宾馆
1974
+ 客房
1975
+ 指南
1976
+ 豚鼠
1977
+ 吉他
1978
+ 吉他手
1979
+ 海湾
1980
+ 海鸥
1981
+
1982
+ 高达
1983
+ 谒师所
1984
+ 古筝
1985
+ 健身房
1986
+ 体操运动员
1987
+ 栖息地
1988
+ 黑客
1989
+ 冰雹
1990
+ 头发
1991
+ 头发颜色
1992
+ 发胶
1993
+ 毛刷
1994
+ 发型
1995
+ 发夹
1996
+ 发网
1997
+ 发夹
1998
+ 发型
1999
+ 一半
2000
+ 礼堂
2001
+ 万圣节
2002
+ 万圣节服装
2003
+ 万圣节南瓜
2004
+ 露背装
2005
+ 汉堡
2006
+ 汉堡包
2007
+ 哈密瓜
2008
+ 锤子
2009
+ 吊床
2010
+ 阻碍
2011
+ 仓鼠
2012
+ 烘手机
2013
+ 放大镜
2014
+ 擦手巾
2015
+ 手提包
2016
+ 手球
2017
+ 手铐
2018
+ 手枪
2019
+ 手帕
2020
+ 把手
2021
+ 手锯
2022
+ 握手
2023
+ 倒立
2024
+ 手写
2025
+ 汉服
2026
+ 悬挂
2027
+ 飞机库
2028
+ 衣架
2029
+ 幸福
2030
+ 海港
2031
+ 斑海豹
2032
+ 硬摇滚艺术家
2033
+ 精装书
2034
+ 建筑工人
2035
+ 硬件
2036
+ 五金店
2037
+ 硬木
2038
+ 硬木地板
2039
+ 口琴
2040
+ 管风琴
2041
+ 羽管键琴
2042
+ 收获
2043
+ 收割机
2044
+ 坐垫/搁脚凳/草丛
2045
+ 帽子
2046
+ 帽盒
2047
+ 双簧管
2048
+ 山楂
2049
+ 干草
2050
+ 干草地
2051
+ 榛子
2052
+
2053
+ 主教练
2054
+ 大灯
2055
+ 床头板
2056
+ 头饰
2057
+ 海岬
2058
+ 总部
2059
+ 听力
2060
+ 心脏
2061
+ 心形
2062
+ 热能
2063
+ 加热器
2064
+ 帚石楠
2065
+ 树篱
2066
+ 刺猬
2067
+ 脚后跟
2068
+ 直升机
2069
+ 直升机机场
2070
+ 头盔
2071
+ 帮助
2072
+ 母鸡
2073
+ 指甲花
2074
+ 药草
2075
+ 兽群
2076
+ 寄居蟹
2077
+ 英雄
2078
+ 苍鹭
2079
+ 芙蓉花
2080
+ 芙蓉花
2081
+ 隐藏/隐蔽处
2082
+ 高杠
2083
+ 高跟鞋
2084
+ 高地
2085
+ 突出
2086
+ 徒步旅行
2087
+ 徒步旅行者
2088
+ 徒步靴
2089
+ 登山设备
2090
+ 山丘
2091
+ 丘陵地
2092
+ 别墅
2093
+ 山坡
2094
+ 印度教寺庙
2095
+ 铰链
2096
+ 臀部
2097
+ 嘻哈艺人
2098
+ 河马
2099
+ 历史学家
2100
+ 历史遗迹
2101
+ 历史
2102
+ 曲棍球
2103
+ 冰球馆
2104
+ 曲棍球比赛
2105
+ 曲棍球运动员
2106
+ 曲棍球棒
2107
+ 锄头
2108
+
2109
+ 假日
2110
+ 冬青树
2111
+ 海参
2112
+ 家/住宅
2113
+ 家用电器
2114
+ 基地
2115
+ 家居装饰
2116
+ 室内设计
2117
+ 内政部
2118
+ 家庭影院
2119
+ 家庭作业
2120
+ 鹰嘴豆泥
2121
+ 蜂蜜
2122
+ 蜂窝
2123
+ 蜜月
2124
+ 风帽
2125
+ 连帽衫
2126
+ 挂钩/勾住
2127
+
2128
+ 地平线
2129
+ 犀鸟
2130
+ 长角牛
2131
+ 大黄蜂
2132
+ 震惊
2133
+ 恐怖电影
2134
+ 马鞍褥
2135
+ 马车
2136
+ 马场
2137
+ 骑马
2138
+ 马背
2139
+ 马蹄铁
2140
+ 软管
2141
+ 医院
2142
+ 医院病床
2143
+ 病房
2144
+ 主持人
2145
+ 小旅馆
2146
+
2147
+ 热气球
2148
+ 热狗
2149
+ 辣椒酱
2150
+ 温泉
2151
+ 旅馆
2152
+ 酒店大堂
2153
+ 酒店房间
2154
+ 电炉
2155
+ 沙漏
2156
+ 房子
2157
+ 房子外部
2158
+ 室内植物
2159
+ 悬滑板
2160
+
2161
+ 蜷缩
2162
+ 拥抱
2163
+ 呼啦圈
2164
+
2165
+ 增湿器
2166
+ 蜂鸟
2167
+ 座头鲸
2168
+ 打猎
2169
+ 狩猎小屋
2170
+ 障碍
2171
+ 飓风
2172
+ 哈士奇
2173
+ 小屋
2174
+ 鬣狗
2175
+ 混合物
2176
+ 绣球花
2177
+ 消火栓
2178
+ 水上飞机
2179
+
2180
+ 冰袋
2181
+ 北极熊
2182
+ 冰洞
2183
+ 冰淇淋
2184
+ 冰淇淋蛋卷
2185
+ 冰淇淋商店
2186
+ 冰块
2187
+ 浮冰
2188
+ 冰球运动员
2189
+ 冰球队
2190
+ 棒棒糖
2191
+ 制冰机
2192
+ 溜冰场
2193
+ 冰雕
2194
+ 冰架
2195
+ 溜冰鞋
2196
+ 滑冰
2197
+ 冰山
2198
+ 冰柱
2199
+ 结冰
2200
+ 图标
2201
+ 身份证照片
2202
+ 身份证
2203
+ 冰屋
2204
+ 光/灯光/光线
2205
+ 鬣蜥蜴
2206
+ 照亮
2207
+ 插图
2208
+ 形象
2209
+ 黑斑羚
2210
+ 熏香
2211
+ 独立日
2212
+ 个人
2213
+ 室内
2214
+ 划船器
2215
+ 电磁炉
2216
+ 工业区
2217
+ 工业
2218
+ 步兵
2219
+ 充气艇
2220
+ 服务台
2221
+ 基础设施
2222
+ 成分
2223
+ 吸入器
2224
+ 注射
2225
+ 受伤
2226
+ 墨水
2227
+ 印泥
2228
+ 小湖湾
2229
+ 题词
2230
+ 昆虫
2231
+ 安装
2232
+ 乐器/器械
2233
+ 绝缘杯
2234
+ 互动
2235
+ 室内设计
2236
+ 网站
2237
+ 十字路口
2238
+ 面试
2239
+ 无脊椎动物
2240
+ 邀请
2241
+ 平板电脑
2242
+ 苹果手机
2243
+ 苹果音乐播放器
2244
+ 虹膜
2245
+
2246
+ 熨衣板
2247
+ 灌溉系统
2248
+
2249
+ 小岛
2250
+ 等足类动物
2251
+ 象牙
2252
+ 常青藤
2253
+ 居酒屋
2254
+ 千斤顶
2255
+ 帝王蟹/蟹
2256
+ 夹克衫
2257
+ 按摩浴缸
2258
+
2259
+ 美洲虎
2260
+ 监狱牢房
2261
+ 果酱
2262
+ 日式花园
2263
+ 茉莉花
2264
+ 下巴
2265
+ 松鸦
2266
+ 爵士乐
2267
+ 爵士乐艺术家
2268
+ 爵士融合艺术家
2269
+ 牛仔裤
2270
+ 吉普车
2271
+ 果冻
2272
+ 果冻豆
2273
+ 水母
2274
+ 喷气式飞机
2275
+ 摩托艇
2276
+ 珠宝
2277
+ 珠宝
2278
+ 珠宝店
2279
+ 拼图游戏
2280
+ 人力车
2281
+ 赛马骑师
2282
+ 赛马帽
2283
+ 慢跑
2284
+ 联合的
2285
+ 记者
2286
+ 操纵杆
2287
+ 法官
2288
+ 水壶
2289
+ 玩杂耍
2290
+ 果汁
2291
+ 榨汁器
2292
+ 枣子
2293
+ 跳绳
2294
+ 连身裤
2295
+ 丛林
2296
+ 废品堆放场
2297
+ 羽衣甘蓝
2298
+ 万花筒
2299
+ 袋鼠
2300
+ 卡拉ok
2301
+ 空手道
2302
+ 卡丁车运动
2303
+ 旧城区
2304
+ 皮船
2305
+ 烤肉串
2306
+ 按键/钥匙
2307
+ 门卡
2308
+ 卡其色
2309
+
2310
+ 苏格兰裙
2311
+ 和服
2312
+ 幼儿园教室
2313
+ 幼儿园
2314
+ 国王
2315
+ 帝王蟹
2316
+ 亲吻
2317
+ 工具包
2318
+ 厨房
2319
+ 厨房橱柜
2320
+ 厨房台面
2321
+ 厨房地板
2322
+ 厨房抽油烟机
2323
+ 厨房岛
2324
+ 厨房水槽
2325
+ 厨房桌子
2326
+ 厨房用具
2327
+ 厨房窗户
2328
+ 厨房用具
2329
+ 风筝
2330
+ 猕猴桃
2331
+ 护膝
2332
+ 跪下
2333
+ 餐刀
2334
+ 骑手
2335
+ 编织
2336
+ 编织针
2337
+ 球形把手
2338
+ 门环
2339
+
2340
+ 考拉
2341
+ 锦鲤
2342
+ ktv
2343
+ 实验室
2344
+ 实验室外套
2345
+ 标签
2346
+ 拉布拉多
2347
+ 迷宫
2348
+ 网眼织物
2349
+ 蕾丝连衣裙
2350
+ 梯子
2351
+ 长柄杓
2352
+ 瓢虫
2353
+ 环礁湖
2354
+ 湖泊
2355
+ 湖区
2356
+ 湖边小屋
2357
+ 湖岸
2358
+ 羊肉
2359
+ 羊排
2360
+ 灯柱
2361
+ 灯罩
2362
+
2363
+ 土地
2364
+ 陆地车辆
2365
+ 废物填埋
2366
+ 着陆
2367
+ 降落甲板
2368
+ 地标
2369
+ 风景
2370
+ 山崩
2371
+ 挂带
2372
+ 灯笼
2373
+ 腿/大腿
2374
+ 笔记本电脑
2375
+ 笔记本键盘
2376
+ 幼体
2377
+ 烤宽面条
2378
+ 激光
2379
+ 睫毛
2380
+ 套索
2381
+ 门闩
2382
+ 乳胶
2383
+ 拿铁咖啡
2384
+
2385
+ 发射
2386
+ 发布会
2387
+ 举办会议
2388
+ 自助洗衣店
2389
+ 洗衣房
2390
+ 洗衣篮
2391
+ 洗衣房
2392
+ 熔岩
2393
+ 薰衣草
2394
+ 草坪
2395
+ 草坪婚礼
2396
+ 律师
2397
+
2398
+ 引领
2399
+ 主唱
2400
+ 通向
2401
+ 领袖
2402
+ 泄漏
2403
+ 倾斜/倚靠
2404
+ 学习
2405
+ 皮带
2406
+ 皮革
2407
+ 皮夹克
2408
+ 皮鞋
2409
+ 演讲
2410
+ 演讲厅
2411
+ 教学室
2412
+ 窗台
2413
+ 剩饭
2414
+
2415
+ 传说
2416
+ 紧身裤/秋裤
2417
+ 立法院
2418
+ 乐高
2419
+ 豆类
2420
+ 柠檬
2421
+ 柠檬汁
2422
+ 柠檬水
2423
+ 狐猴
2424
+ 镜头
2425
+ 眩光
2426
+ 扁豆
2427
+
2428
+ 紧身连衣裤
2429
+ 紧身裤袜
2430
+ 小妖精
2431
+ 功课
2432
+ 信函
2433
+ 信箱
2434
+ 信的标志
2435
+ 刻字
2436
+ 生菜
2437
+ 水平
2438
+ 图书馆
2439
+ 许可证
2440
+ 车牌
2441
+ 地衣
2442
+
2443
+ 盖子
2444
+ 躺着
2445
+ 安全带
2446
+ 救生衣
2447
+ 救生艇
2448
+ 救生员
2449
+ 提起
2450
+ 灯具
2451
+ 灯光秀
2452
+ 电灯开关
2453
+ 照明/照明设备
2454
+ 闪电
2455
+ 避雷针
2456
+ 淡紫色
2457
+ 百合
2458
+ 肢体
2459
+ 石灰
2460
+ 石灰石
2461
+ 豪华轿车
2462
+ 线条
2463
+ 艺术线条
2464
+ 排队
2465
+ 亚麻
2466
+ 邮轮
2467
+ 狮子
2468
+ 润唇膏
2469
+ 口红
2470
+ 液体
2471
+ 酒类商店
2472
+ 列表
2473
+ 荔枝
2474
+ 生活
2475
+ 家畜
2476
+ 客厅
2477
+ 生活空间
2478
+ 蜥蜴
2479
+ 负载
2480
+ 装卸码头
2481
+ 游手好闲的人
2482
+ 走廊
2483
+ 定位
2484
+
2485
+ 闸室
2486
+ 储物柜
2487
+ 阁楼
2488
+ 原木
2489
+ 小木屋
2490
+ 标志
2491
+ 洛基
2492
+ 长头发
2493
+ 冲浪板
2494
+ 隐约显现/织布机
2495
+ 环状
2496
+ 遗失
2497
+ 彩票
2498
+ 莲花
2499
+
2500
+ 双人沙发
2501
+ 行李
2502
+ 木材
2503
+ 伐木工人
2504
+ 午餐
2505
+ 午餐盒
2506
+ 郁郁葱葱的
2507
+ 奢侈品
2508
+ 豪华游艇
2509
+ 雨衣
2510
+ 澳洲胡桃
2511
+ 短尾猿
2512
+ 通心粉
2513
+ 金刚鹦鹉
2514
+ 弯刀
2515
+ 机器
2516
+ 机枪
2517
+ 杂志
2518
+ 魔法
2519
+ 魔术师
2520
+ 磁铁
2521
+ 放大镜
2522
+ 木兰花
2523
+ 喜鹊
2524
+ 麻将
2525
+ 象夫
2526
+ 女仆
2527
+ 邮件
2528
+ 邮件槽
2529
+ 制作
2530
+ 改造
2531
+ 化妆师
2532
+ 化妆工具
2533
+ 野鸭
2534
+ 野鸭
2535
+ 槌棒
2536
+ 哺乳动物
2537
+ 猛犸象
2538
+ 男人
2539
+ 管理
2540
+ 经理
2541
+ 海牛
2542
+ 曼荼罗
2543
+ 橘子
2544
+ 普通话
2545
+ 鬃毛
2546
+ 漫画
2547
+ 食槽
2548
+ 芒果
2549
+ 山竹果
2550
+ 红树林
2551
+ 曼哈顿
2552
+ 检修孔
2553
+ 井盖
2554
+ 修指甲
2555
+ 人体模型
2556
+ 庄园主宅
2557
+ 大厦
2558
+ 螳螂
2559
+ 地幔
2560
+ 活动房层
2561
+ 制造业
2562
+ 手稿
2563
+ 地图
2564
+ 枫木
2565
+ 枫叶
2566
+ 枫糖浆
2567
+ 沙球
2568
+ 马拉松
2569
+ 大理石
2570
+ 行进
2571
+ 行进乐队
2572
+ 母马
2573
+ 金盏花
2574
+ 水兵
2575
+ 海洋无脊椎动物
2576
+ 海洋哺乳动物
2577
+ 木偶
2578
+ 标志
2579
+ 集市
2580
+ 市场广场
2581
+ 市场摊位
2582
+ 结婚
2583
+ 武术
2584
+ 武术家
2585
+ 武术馆
2586
+ 马提尼
2587
+ 马丁尼酒杯
2588
+ 睫毛膏
2589
+ 吉祥物
2590
+ 土豆泥
2591
+ 搅碎机
2592
+ 面具
2593
+ 按摩
2594
+ 桅杆
2595
+ 地垫
2596
+ 斗牛士
2597
+ 比赛
2598
+ 火柴盒
2599
+ 衣料
2600
+ 床垫
2601
+ 陵墓
2602
+ 长裙
2603
+ 一餐
2604
+ 量杯
2605
+ 卷尺
2606
+ 肉类
2607
+ 肉丸
2608
+ 机械师
2609
+ 机械风扇
2610
+ 奖牌
2611
+ 媒体
2612
+ 医疗设备
2613
+ 医学图像
2614
+ 医务人员
2615
+ 医药箱
2616
+ 中世纪的
2617
+ 麦地那市
2618
+ 冥想
2619
+ 猫鼬
2620
+ 赛事
2621
+ 香瓜
2622
+ 纪念碑
2623
+ 菜单
2624
+ 美人鱼
2625
+
2626
+ 肮脏
2627
+ 信使袋
2628
+ 金属
2629
+ 金属艺术家
2630
+ 金属探测器
2631
+ 计量器
2632
+ 中层楼
2633
+ 麦克风
2634
+ 显微镜
2635
+ 微波炉
2636
+ 午夜
2637
+ 里程碑
2638
+ 军装
2639
+ 奶汁
2640
+ 牛奶罐
2641
+ 奶茶
2642
+ 奶昔
2643
+ 磨坊
2644
+ 矿井
2645
+ 矿工
2646
+ 矿物质
2647
+ 矿泉水
2648
+ 迷你
2649
+ 微缩模型
2650
+ 面包车
2651
+ 部长
2652
+ 小型货车
2653
+ 薄荷
2654
+ 薄荷糖
2655
+ 镜子
2656
+ 小姐
2657
+ 导弹
2658
+ 任务
2659
+ 槲寄生
2660
+ 混合
2661
+ 搅拌机
2662
+ 搅拌碗
2663
+ 混合物
2664
+ 护城河
2665
+ 电动踏板车
2666
+ 模型/模特
2667
+ 汽车模型
2668
+ 现代
2669
+ 现代大厦
2670
+ 潮湿
2671
+ 模具
2672
+ 模具
2673
+ 鼹鼠
2674
+ 君主
2675
+
2676
+ 监控器
2677
+ 和尚
2678
+ 猴子
2679
+ 活动扳手
2680
+ 黑白照片
2681
+ 独轮脚踏车
2682
+ 怪物卡车
2683
+ 月亮
2684
+ 月饼
2685
+ 月光
2686
+ 沼泽
2687
+ 驼鹿
2688
+ 拭子
2689
+ 助力车
2690
+ 早晨
2691
+ 晨雾
2692
+ 晨光
2693
+ 朝阳
2694
+ 砂浆
2695
+ 马赛克
2696
+ 清真寺
2697
+ 蚊子
2698
+ 藓类植物
2699
+ 汽车旅馆
2700
+
2701
+ 母亲
2702
+ 主板
2703
+ 主题
2704
+ 动作
2705
+ 电动机
2706
+ 摩托车
2707
+ 摩托车
2708
+ 摩托车头盔
2709
+ 摩托车赛车手
2710
+ 骑摩托车的人
2711
+ 赛车运动
2712
+ 土堆
2713
+
2714
+ 山地自行车
2715
+ 山地自行车员
2716
+ 山地自行车运动
2717
+ 山地大猩猩
2718
+ 山湖
2719
+ 山景观
2720
+ 山口
2721
+ 山路
2722
+ 山脉
2723
+ 山区河流
2724
+ 山雪
2725
+ 山间溪流
2726
+ 山景城
2727
+ 山村
2728
+ 登山者
2729
+ 登山包
2730
+ 鼠标/鼠
2731
+ 鼠标垫
2732
+ 捕鼠器
2733
+
2734
+ 漱口水
2735
+ 移动
2736
+ 电影海报
2737
+ 电影票
2738
+ 割草机
2739
+ mp3播放器
2740
+ 先生
2741
+
2742
+ 松饼
2743
+ 马克杯
2744
+ 桑树
2745
+ 覆盖物
2746
+ 骡子
2747
+ 直辖市
2748
+ 壁画
2749
+ 肌肉
2750
+ 肌肉车
2751
+ 博物馆
2752
+ 蘑菇
2753
+ 音乐
2754
+ 音乐节
2755
+ 音乐凳子
2756
+ 音乐工作室
2757
+ 音乐录影带表演者
2758
+ 音乐键盘
2759
+ 音乐家
2760
+ 贻贝
2761
+ 芥末
2762
+ 神话
2763
+ 烤干酪辣味玉米片
2764
+ 指甲油
2765
+ 指甲锉
2766
+ 保姆
2767
+ 餐巾
2768
+ 狭窄的
2769
+ 国旗
2770
+ 基督诞生的场景
2771
+ 自然历史博物馆
2772
+ 自然
2773
+ 自然保护区
2774
+ 导航
2775
+ 九夜节
2776
+ 海军
2777
+ 星云
2778
+ 脖子
2779
+ 围颈带
2780
+ 项链
2781
+ 领口
2782
+ 花蜜
2783
+ 油桃
2784
+ 针状物
2785
+ 邻居
2786
+ 与某处邻近的地区
2787
+
2788
+ 霓虹灯
2789
+ 神经
2790
+
2791
+ 新年
2792
+ 新生的
2793
+ 纽芬兰
2794
+ 新婚
2795
+ 新闻
2796
+ 记者招待会
2797
+ 报摊
2798
+ 晚上
2799
+ 夜市
2800
+ 夜空
2801
+ 夜景
2802
+ 夜总会
2803
+ 放在床头边的小桌
2804
+ 面条
2805
+ 鼻子
2806
+ 鼻羁
2807
+ 注解
2808
+ 笔记本
2809
+ 记事本
2810
+ 信纸
2811
+ 公告
2812
+ 数字图标
2813
+ 修女
2814
+ 护士
2815
+ 托儿所
2816
+ 养老院
2817
+ 螺母
2818
+ 胡桃夹子
2819
+ 橡木
2820
+ 橡树
2821
+
2822
+ 绿洲
2823
+ 烘干室
2824
+ 燕麦片
2825
+ 燕麦
2826
+ 方尖塔
2827
+ 观察塔
2828
+ 天文台
2829
+ 超越障碍训练场
2830
+ 海洋
2831
+ 章鱼
2832
+ 提供
2833
+ 办公室
2834
+ 办公大楼
2835
+ 办公椅
2836
+ 办公室隔间
2837
+ 办公桌
2838
+ 办公用品
2839
+ 办公室的窗户
2840
+ 军官
2841
+ 行政官员
2842
+ 石油
2843
+ 油灯
2844
+ 油画
2845
+ 石油钻台
2846
+ 秋葵
2847
+ 老照片
2848
+ 橄榄
2849
+ 橄榄油
2850
+ 橄榄树
2851
+ 煎蛋卷
2852
+ 洋葱
2853
+ 洋葱圈
2854
+ 蛋白石
2855
+ 开阔的/张开
2856
+ 开始
2857
+ 开幕式
2858
+ 歌剧
2859
+ 歌剧院
2860
+ 操作
2861
+ 手术室
2862
+ 操作
2863
+ 眼镜店
2864
+ 猩猩
2865
+ 橙子/橙色
2866
+ 橙汁
2867
+ 橙树
2868
+ 橘园
2869
+ 轨道
2870
+ 果园
2871
+ 乐池
2872
+ 兰花
2873
+ 订单
2874
+ 组织
2875
+ 折纸
2876
+ 点缀
2877
+ 鱼鹰
2878
+ 鸵鸟
2879
+ 水獭
2880
+ 外面的
2881
+ 露头
2882
+ 户外
2883
+ 厕所
2884
+ 出口
2885
+ 大纲
2886
+ 椭圆形
2887
+ 烤箱
2888
+ 整体
2889
+ 大衣
2890
+ 天桥
2891
+ 猫头鹰
2892
+ 牡蛎
2893
+ 橡皮环
2894
+ 包裹
2895
+
2896
+ 围场
2897
+ 警车
2898
+ 挂锁
2899
+ 肉菜饭
2900
+ 宝塔
2901
+ 疼痛
2902
+ 油漆刷
2903
+ 画家
2904
+ 佩斯利印花大手帕
2905
+ 宫殿
2906
+ 调色板
2907
+ 打桩
2908
+ 棺罩
2909
+ 棕榈树
2910
+ 平底锅
2911
+ 煎饼
2912
+ 熊猫
2913
+ 面板
2914
+ 全景
2915
+ 三色堇
2916
+ 喘息
2917
+ 储藏室
2918
+ 裤子
2919
+ 连裤袜
2920
+ 木瓜
2921
+
2922
+ 纸袋
2923
+ 切纸机
2924
+ 纸灯笼
2925
+ 纸盘子
2926
+ 纸巾
2927
+ 平装书
2928
+ 压纸器
2929
+ 降落伞
2930
+ 游行
2931
+ 天堂
2932
+ 鹦鹉
2933
+ 护理人员
2934
+ 长尾小鹦鹉
2935
+ 滑翔伞
2936
+ 伞兵
2937
+ 羊皮纸
2938
+ 教区
2939
+ 公园
2940
+ 公园的长椅上
2941
+ 停车
2942
+ 停车场
2943
+ 停车费
2944
+ 停车标志
2945
+ 议会
2946
+ 欧芹
2947
+ 参与者
2948
+ 合作伙伴
2949
+ 帕特里奇
2950
+ 聚会
2951
+ 派对帽
2952
+ 通过
2953
+ 通道
2954
+ 存折
2955
+ 乘客
2956
+ 客船
2957
+ 旅客列车
2958
+ 百香果
2959
+ 护照
2960
+ 面食
2961
+ 粘贴
2962
+ 糕点
2963
+ 牧场
2964
+ 补丁
2965
+ 病人
2966
+ 图案/款式
2967
+ 人行道/硬路面
2968
+ 大帐篷
2969
+ 爪子
2970
+ 支付
2971
+ 付费电话
2972
+ 豌豆
2973
+ 和平
2974
+ 桃子
2975
+ 孔雀
2976
+ 山峰/尖顶
2977
+ 花生
2978
+ 花生酱
2979
+
2980
+ 珍珠
2981
+ 卵石
2982
+ 山核桃
2983
+ 沃克
2984
+ 人行天桥
2985
+ 步行街
2986
+ 果皮
2987
+ 削皮器
2988
+ 小钉板
2989
+ 木质腿
2990
+ 鹈鹕
2991
+ 笔/围栏
2992
+ 点球
2993
+ 铅笔
2994
+ 铅笔盒
2995
+ 卷笔刀
2996
+ 铅笔裙
2997
+ 吊坠
2998
+ 钟摆
2999
+ 企鹅
3000
+ 半岛
3001
+ 锦标旗
3002
+ 便士
3003
+ 储蓄罐
3004
+ 牡丹
3005
+ 胡椒/辣椒
3006
+ 胡椒研磨机
3007
+ 胡椒子
3008
+ 意大利辣香肠
3009
+ 栖息/鲈鱼
3010
+ 表演
3011
+ 性能
3012
+ 表演舞台
3013
+ 香水
3014
+ 绿廊
3015
+ 波斯猫
3016
+ 柿子
3017
+ 个人护理
3018
+ 个人漂浮装置
3019
+ 害虫
3020
+ 宠物
3021
+ 宠物店
3022
+ ���物店
3023
+ 花瓣
3024
+ 佩妮
3025
+ 教堂的长椅
3026
+ 野鸡
3027
+ 现象
3028
+ 哲学家
3029
+ 电话
3030
+ 电话簿
3031
+ 留声机
3032
+ 照片
3033
+ 照相亭
3034
+ 相框
3035
+ 摄影
3036
+ 物理学家
3037
+ 物理实验室
3038
+ 钢琴家
3039
+ 钢琴
3040
+ 选择
3041
+ 捡起
3042
+ 泡菜
3043
+ 野餐
3044
+ 野餐区
3045
+ 野餐篮
3046
+ 野餐桌
3047
+ 图片
3048
+ 相框
3049
+ 馅饼
3050
+ 鸽子
3051
+ 朝圣者
3052
+ 药片
3053
+ 枕头
3054
+ 飞行员
3055
+ 领航艇
3056
+ 别针
3057
+ 松树
3058
+ 松果
3059
+ 松林
3060
+ 松子
3061
+ 菠萝
3062
+ 乒乓球桌
3063
+ 乒乓球
3064
+ 粉色
3065
+ 一品脱的量
3066
+ 琵琶
3067
+ 管子
3068
+ 管碗
3069
+ 海盗
3070
+ 海盗旗
3071
+ 海盗船
3072
+ 阿月浑子
3073
+ 滑雪场
3074
+ 口袋里的面包
3075
+ 火龙果
3076
+ 斗牛犬
3077
+ 球场
3078
+ 投手
3079
+ 猪笼草
3080
+ 干草叉
3081
+ 披萨
3082
+ 披萨刀
3083
+ 比萨锅
3084
+ 披萨店
3085
+ 招牌
3086
+ 地方
3087
+ 餐具垫
3088
+ 格子
3089
+ 平原
3090
+ 示意图
3091
+ 行星
3092
+ 行星地球
3093
+ 厚木板
3094
+ 植物
3095
+ 种植园
3096
+ 种植
3097
+ 匾额
3098
+ 石膏
3099
+ 塑料
3100
+ 橡皮泥
3101
+ 高原
3102
+ 平台
3103
+ 白金
3104
+ 大浅盘
3105
+ 玩/演奏/运动
3106
+ 打羽毛球
3107
+ 打棒球
3108
+ 打篮球
3109
+ 玩台球
3110
+ 踢足球
3111
+ 玩乒乓球
3112
+ 打网球
3113
+ 打排球
3114
+ 选手/运动员
3115
+ 操场
3116
+ 剧场
3117
+ 扑克牌
3118
+ 下棋
3119
+ 打高尔夫球
3120
+ 打麻将
3121
+ 运动场
3122
+ 护栏
3123
+ 游戏室
3124
+ 广场
3125
+ 钳子
3126
+ 故事情节
3127
+
3128
+ 插头
3129
+ 插头帽
3130
+ 李子
3131
+ 水管工
3132
+ 卫生洁具
3133
+ 羽毛
3134
+ 夹板
3135
+ 口袋
3136
+ 怀表
3137
+ 随身小折刀
3138
+ 圆荚体
3139
+ 乐队指挥台
3140
+ 诗歌
3141
+ 一品红
3142
+ 指/朝向
3143
+ 指针
3144
+ 扑克卡
3145
+ 筹码
3146
+ 扑克表
3147
+ 杆/柱
3148
+ 臭猫
3149
+ 警察
3150
+ 警车
3151
+ 警犬
3152
+ 警察局
3153
+ 政治家
3154
+ 圆点
3155
+ 花粉
3156
+ 污染
3157
+ 马球
3158
+ 马球领
3159
+ 马球衬衫
3160
+ 石榴
3161
+ 波美拉尼亚的
3162
+ 雨披
3163
+ 池塘
3164
+ 马尾辫
3165
+ 贵宾犬
3166
+
3167
+ 流行
3168
+ 流行艺术家
3169
+ 爆米花
3170
+ 教皇
3171
+ 罂粟
3172
+
3173
+ 玄关
3174
+ 猪肉
3175
+
3176
+ 便携式电池
3177
+ 门户网站
3178
+ 投资组合
3179
+ 汽门
3180
+ 肖像
3181
+ 肖像会话
3182
+ 摆姿势拍照
3183
+ 负鼠
3184
+ 帖子
3185
+ 邮局
3186
+ 邮票
3187
+ 明信片
3188
+ 海报
3189
+ 海报页
3190
+ 锅/罐/陶盆
3191
+ 土豆
3192
+ 土豆片
3193
+ 土豆沙拉
3194
+ 布垫子
3195
+ 便壶
3196
+
3197
+ 家禽
3198
+ 英镑
3199
+ 倾泻
3200
+ 粉末
3201
+ 电源线
3202
+ 电源插头及插座
3203
+ 权力看
3204
+ 电站
3205
+ 练习
3206
+ 布拉格城堡
3207
+ 祈祷
3208
+ 牧师
3209
+ 首映
3210
+ 处方
3211
+ 显示
3212
+ 演讲
3213
+ 总统
3214
+ 新闻发布室
3215
+ 高压锅
3216
+ 椒盐卷饼
3217
+ 王子
3218
+ 公主
3219
+ 打印
3220
+ 打印页面
3221
+ 打印机
3222
+ 印刷
3223
+ 监狱
3224
+ 农产品/生产
3225
+ 产品
3226
+ 职业
3227
+ 专业的
3228
+ 教授
3229
+ 项目图片
3230
+ 投影屏幕
3231
+ 投影仪
3232
+ 毕业舞会
3233
+ 散步
3234
+ 螺旋桨
3235
+ 先知
3236
+ 建议
3237
+ 防护服
3238
+ 抗议
3239
+ 抗议者
3240
+ 出版
3241
+ 宣传画像
3242
+ 冰上曲棍球
3243
+ 布丁
3244
+ 水坑
3245
+ 泡芙
3246
+ 角嘴海雀
3247
+ 哈巴狗
3248
+
3249
+ 讲坛
3250
+ 脉冲
3251
+
3252
+ 南瓜
3253
+ 南瓜饼
3254
+ 南瓜种子
3255
+ 拳击吊袋
3256
+ 拳头猛击/穿孔
3257
+ 学生
3258
+ 紫色
3259
+
3260
+ 轻轻一击
3261
+ 谜题
3262
+
3263
+ 金字塔
3264
+ 大蟒
3265
+ 二维码
3266
+ 鹌鹑
3267
+ 采石场
3268
+ 季度
3269
+ 石英
3270
+ 女王
3271
+ 油炸玉米粉饼
3272
+ 队列
3273
+ 乳蛋饼
3274
+ 被子
3275
+ 绗缝
3276
+ 引用
3277
+ 兔子
3278
+ 浣熊
3279
+ 比赛
3280
+ 赛道
3281
+ 水沟/跑道
3282
+ 赛车
3283
+ 球拍
3284
+ 雷达
3285
+ 散热器
3286
+ 广播
3287
+ 木筏
3288
+ 布娃娃
3289
+ 栏杆/铁轨
3290
+ 轨道车
3291
+ 铁道
3292
+ 铁路桥梁
3293
+ 轨道线
3294
+ 火车站
3295
+
3296
+ 雨靴
3297
+ 彩虹
3298
+ 虹鳟鱼
3299
+ 雨衣
3300
+ 热带雨林
3301
+ 多雨的
3302
+ 葡萄干
3303
+ 耙子
3304
+ 公羊
3305
+ 斜坡
3306
+ 油菜籽
3307
+ 快速
3308
+ 说唱歌手
3309
+ 树莓
3310
+ 老鼠
3311
+ 棘轮
3312
+ 乌鸦
3313
+ 峡谷
3314
+
3315
+ 剃须刀
3316
+ 锋利的
3317
+ 阅读
3318
+ 阅读材料
3319
+ 钻孔器
3320
+ 后面
3321
+ 尾灯
3322
+ 后视图
3323
+ 后视镜
3324
+ 收据
3325
+ 收到
3326
+ 接待
3327
+ 配方
3328
+ 记录
3329
+ 唱片制作人
3330
+ 录音机
3331
+ 录音室
3332
+ 娱乐室
3333
+ 休闲车
3334
+ 矩形
3335
+ 回收
3336
+ 回收站
3337
+ 红色
3338
+ 红地毯
3339
+ 红旗
3340
+ 红熊猫
3341
+ 红酒
3342
+ 红木
3343
+ 芦苇
3344
+ 礁石
3345
+ 卷轴
3346
+ 裁判
3347
+ 倒影
3348
+ 倒影
3349
+ 反射器
3350
+ 注册
3351
+ 控制
3352
+ 驯鹿
3353
+ 放松
3354
+ 释放
3355
+ 救援
3356
+ 宗教
3357
+ 宗教的
3358
+ 享受
3359
+ 保持
3360
+ 改造
3361
+ 遥控器
3362
+ 移除
3363
+ 修复
3364
+ 维修店
3365
+ 爬行动物
3366
+ 救援
3367
+ 救助者
3368
+ 研究
3369
+ 研究员
3370
+ 储层
3371
+ 住宅
3372
+ 居民区
3373
+ 树脂
3374
+ 度假胜地
3375
+ 度假小镇
3376
+ 餐厅的厨房
3377
+ 餐厅的露台
3378
+ 厕所
3379
+ 零售
3380
+ 寻回犬
3381
+ 制动火箭
3382
+ 揭示
3383
+ 犀牛
3384
+ 杜鹃
3385
+ 肋骨
3386
+ 丝带
3387
+ 大米
3388
+ 电饭煲
3389
+ 稻田
3390
+
3391
+
3392
+ 骑马
3393
+ 步枪
3394
+ 边缘
3395
+ 环/戒指
3396
+ 暴乱
3397
+ 涟漪
3398
+ 上升
3399
+ 高层建筑
3400
+
3401
+ 河岸
3402
+ 河船
3403
+ 河谷
3404
+ 河床
3405
+
3406
+ 路标
3407
+ 公路旅行
3408
+ 路边
3409
+ 烤鸡
3410
+ 长袍
3411
+ 罗宾
3412
+ 机器人
3413
+ 石头
3414
+ 岩石拱
3415
+ 摇滚艺术家
3416
+ 摇滚乐队
3417
+ 攀岩者
3418
+ 攀岩
3419
+ 摇滚音乐会
3420
+ 岩石表面
3421
+ 岩层
3422
+ 摇滚歌手
3423
+ 火箭
3424
+ 摇椅
3425
+ 岩石
3426
+ 啮齿动物
3427
+ 牛仔竞技表演
3428
+ 竞技舞台
3429
+ 罗伊
3430
+ 狍子
3431
+
3432
+ 过山车
3433
+ 轮式溜冰鞋
3434
+ 溜冰鞋
3435
+ 擀面杖
3436
+ 浪漫
3437
+ 浪漫的
3438
+ 屋顶
3439
+ 屋顶花园
3440
+ 房间
3441
+ 房间分频器
3442
+
3443
+ 根啤酒
3444
+ 绳索桥
3445
+ 念珠
3446
+ 玫瑰
3447
+ 迷迭香
3448
+ 玫瑰色的云
3449
+ 罗特韦尔犬
3450
+ 圆桌
3451
+ 路由器
3452
+
3453
+ 罗文
3454
+ 皇家
3455
+ 橡皮图章
3456
+ 废墟
3457
+ 魔方
3458
+ 红宝石
3459
+ 莱夫
3460
+ 橄榄球
3461
+ 橄榄球
3462
+ 橄榄球运动员
3463
+ 毁坏
3464
+
3465
+ 朗姆酒
3466
+
3467
+ 跑步者
3468
+ 跑步鞋
3469
+ 农村的
3470
+
3471
+ 乡村的
3472
+ 黑麦
3473
+
3474
+
3475
+ 鞍囊
3476
+ 旅行
3477
+ 安全
3478
+ 安全背心
3479
+ 圣人
3480
+
3481
+ 帆船
3482
+ 航行
3483
+ 水手
3484
+ 松鼠猴
3485
+ 缘故
3486
+ 沙拉
3487
+ 沙拉碗
3488
+ 火蜥蜴
3489
+ 意大利蒜味腊肠
3490
+ 出售
3491
+ 三文鱼
3492
+ 沙龙
3493
+ 萨尔萨舞
3494
+
3495
+ 盐和胡椒瓶
3496
+ 盐湖
3497
+ 盐沼
3498
+ 盐瓶
3499
+ 敬礼
3500
+ 萨莫耶德人
3501
+ 武士
3502
+ 沙子
3503
+ 沙洲
3504
+ 砂箱
3505
+ 沙堡
3506
+ 沙雕
3507
+ 凉鞋
3508
+ 三明治
3509
+ 卫生巾
3510
+ 圣诞老人
3511
+ 蓝宝石
3512
+ 沙丁鱼
3513
+ 莎丽
3514
+ 生鱼片
3515
+ 沙爹
3516
+ 书包
3517
+ 卫星
3518
+
3519
+ 酱汁
3520
+ 碟子
3521
+ 桑拿
3522
+ 香肠
3523
+ 稀树大草原
3524
+
3525
+ 锯木架
3526
+ 萨克斯管
3527
+ 萨克斯手
3528
+ 脚手架
3529
+ 秤/标尺
3530
+ 比例模型
3531
+ 扇贝
3532
+ 疤痕
3533
+ 稻草人
3534
+ 围巾
3535
+ 场景
3536
+ 风景
3537
+ 雪纳瑞犬
3538
+ 学校
3539
+ 校车
3540
+ 校服
3541
+ 校舍
3542
+ 纵帆船
3543
+ 科学
3544
+ 科幻电影
3545
+ 科学博物馆
3546
+ 科学家
3547
+ 剪刀
3548
+ 壁灯
3549
+ 司康饼
3550
+ 勺子
3551
+ 踏板车
3552
+ 分数
3553
+ 记分板
3554
+ 蝎子
3555
+ 童子军
3556
+ 炒蛋
3557
+ 废弃
3558
+ 刮板
3559
+ 刮伤
3560
+ 屏幕
3561
+ 纱门
3562
+ 截图
3563
+ 螺杆
3564
+ 螺丝刀
3565
+ 长卷纸/卷轴
3566
+ 擦洗
3567
+ 硬毛刷
3568
+ 雕塑家
3569
+ 雕塑
3570
+ 海洞穴
3571
+ 海冰
3572
+ 海狮
3573
+ 海龟
3574
+ 海胆
3575
+ 尖吻鲈
3576
+ 海底
3577
+ 海鸟
3578
+ 海鲜
3579
+ 海马
3580
+ 海豹
3581
+ 海景
3582
+ 海贝
3583
+ 海滨度假胜地
3584
+ 季节
3585
+ 座位
3586
+ 安全带
3587
+ 海藻
3588
+ 秘书
3589
+ 安全
3590
+ 小轿车
3591
+ 看到
3592
+ 种子
3593
+ 跷跷板
3594
+ 赛格威
3595
+ 自拍
3596
+ 出售
3597
+ 研讨会
3598
+ 感觉
3599
+ 传感器
3600
+ 服务器
3601
+ 服务器机房
3602
+ 服务
3603
+
3604
+ 缝纫机
3605
+ 影子
3606
+
3607
+
3608
+ 洗发水
3609
+ 形状
3610
+ 分享
3611
+ 鲨鱼
3612
+ 卷笔刀
3613
+ 记号笔
3614
+ 剃须刀
3615
+ 剃须膏
3616
+ 披肩/围巾
3617
+ 剪切
3618
+ 剪刀
3619
+
3620
+ 床单
3621
+ 乐谱
3622
+ 架子
3623
+ 贝壳
3624
+ 贝类
3625
+ 避难所
3626
+ 搁置
3627
+ 牧羊人
3628
+ 果子露
3629
+ 柴犬
3630
+ 发光
3631
+ 航运
3632
+ 集装箱
3633
+ 海难
3634
+ 船厂
3635
+ 衬衫
3636
+ 赤膊的
3637
+ 浅滩
3638
+
3639
+ 鞋盒
3640
+ 鞋店
3641
+ 鞋楦
3642
+ 射击
3643
+ 得分篮球后卫
3644
+ 商店橱窗
3645
+ 门面
3646
+ 购物者
3647
+ 购物
3648
+ 购物袋
3649
+ 购物篮
3650
+ 购物车
3651
+ 购物中心
3652
+ 购物街
3653
+ 海岸
3654
+ 海岸线
3655
+ 短的
3656
+ 短发
3657
+ 短裤
3658
+ 小酒杯
3659
+ 散弹枪
3660
+ 肩膀
3661
+ 单肩包
3662
+
3663
+ 陈列柜
3664
+ 淋浴
3665
+ 浴帽
3666
+ 浴帘
3667
+ 淋浴门
3668
+ 淋浴头
3669
+ 碎纸机
3670
+ 泼妇
3671
+
3672
+ 神社
3673
+ 灌木
3674
+ 快门
3675
+ 暹罗猫
3676
+ 西伯利亚
3677
+ 兄弟姐妹
3678
+ 侧面
3679
+ 边柜
3680
+ 配菜
3681
+ 边车
3682
+ 副业
3683
+ 壁板
3684
+ 标志
3685
+ 指示牌
3686
+ 信号
3687
+ 签名
3688
+ 丝绸
3689
+ 丝袜
3690
+ 筒仓
3691
+
3692
+ 银牌
3693
+ 银器
3694
+ 唱歌
3695
+ 烧焦
3696
+ 歌手
3697
+ 水槽
3698
+
3699
+ 坐/放置/坐落
3700
+ 坐着
3701
+ 滑板公园
3702
+ 滑板
3703
+ 滑板者
3704
+ 溜冰者
3705
+ 溜冰场
3706
+ 骨架
3707
+ 草图
3708
+ 串串
3709
+ 滑雪
3710
+ 滑雪靴
3711
+ 滑雪设备
3712
+ 滑雪服
3713
+ 滑雪缆车
3714
+ 滑雪杖
3715
+ 滑雪胜地
3716
+ 滑雪板
3717
+ 滑雪
3718
+ 滑雪鞋
3719
+ 皮肤
3720
+ 头骨
3721
+ 无边便帽
3722
+ 天空
3723
+ 天空塔
3724
+ 天窗
3725
+ 天际线
3726
+ 摩天大楼
3727
+ 激流回旋
3728
+ 石板
3729
+ 雪橇
3730
+ 睡眠
3731
+ 睡袋
3732
+ 睡衣
3733
+ 袖子
3734
+
3735
+ 滑动
3736
+ 滑块
3737
+ 吊索
3738
+
3739
+ 投币口
3740
+ 老虎机
3741
+ 树懒
3742
+ 慢炖锅
3743
+ 鼻涕虫
3744
+ 贫民窟
3745
+ 气味
3746
+ 微笑
3747
+ 烟雾/抽烟
3748
+ 零食
3749
+ 蜗牛
3750
+
3751
+ 鲷鱼
3752
+ 快照
3753
+ 通气管
3754
+ 鼻子
3755
+
3756
+ 雪豹
3757
+ 雪山
3758
+ 雪球
3759
+ 单板滑雪者
3760
+ 雪原
3761
+ 雪花
3762
+ 雪人
3763
+ 雪地摩托
3764
+ 雪犁
3765
+ 雪鞋
3766
+
3767
+ 肥皂
3768
+ 肥皂泡
3769
+ 给皂器
3770
+ 足球守门员
3771
+ 社会名流
3772
+ 短袜
3773
+ 插座
3774
+ 苏打水
3775
+ 垒球
3776
+ 软件
3777
+ 太阳能电池阵列
3778
+ 士兵
3779
+ 独奏
3780
+ 解决方案
3781
+ 宽边帽
3782
+ 歌曲
3783
+ 声音
3784
+
3785
+ 汤碗
3786
+ 汤匙
3787
+ 酸奶油
3788
+ 纪念品
3789
+ 豆浆
3790
+ 水疗中心
3791
+ 空间
3792
+ 航天飞机
3793
+ 空间站
3794
+ 宇宙飞船
3795
+ 意大利面
3796
+ 跨度
3797
+ 扳手
3798
+ 火花
3799
+ 闪耀
3800
+ 烟火
3801
+ 起泡葡萄酒
3802
+ 麻雀
3803
+ 抹刀
3804
+ 扬声器
3805
+ 观众
3806
+ 会话框
3807
+ 速度限制
3808
+ 限速标志
3809
+ 快艇
3810
+ 车速表
3811
+
3812
+ 香料
3813
+ 调料架
3814
+ 蜘蛛
3815
+ 蜘蛛网
3816
+ 斯派克
3817
+ 旋转
3818
+ 菠菜
3819
+ 尖塔
3820
+ 飞溅
3821
+ 海绵
3822
+ 勺子
3823
+ 体育协会
3824
+ 运动器材
3825
+ 运动团队
3826
+ 体育球
3827
+ 体育器材
3828
+ 运动会
3829
+ 运动服装
3830
+
3831
+ 喷雾
3832
+ 伸展
3833
+ 春天
3834
+ 春卷
3835
+
3836
+ 洒水器
3837
+ 发芽
3838
+ 云杉
3839
+ 云杉森林
3840
+
3841
+ 广场
3842
+ 南瓜
3843
+
3844
+
3845
+ 鱿鱼
3846
+ 松鼠
3847
+ 水枪
3848
+
3849
+ 稳定的
3850
+ (码放整齐的)一叠
3851
+ 体育场
3852
+ 工作人员
3853
+ 舞台
3854
+ 舞台灯
3855
+ 驿马车
3856
+ 弄脏
3857
+ 不锈钢
3858
+ 楼梯
3859
+ 楼梯
3860
+ 楼梯间
3861
+ 摊位/小隔间
3862
+ 种马
3863
+ 站/矗立/摊位
3864
+
3865
+ 主食
3866
+ 订书机
3867
+ 星星
3868
+ 盯着
3869
+ 海星
3870
+ 杨桃
3871
+ 燕八哥
3872
+ 州立公园
3873
+ 公立学校
3874
+ 车站
3875
+ 固定自行车
3876
+ 文具
3877
+ 雕像
3878
+ 牛排
3879
+ 牛排刀
3880
+ 蒸汽
3881
+ 蒸汽机
3882
+ 蒸汽机车
3883
+ 蒸汽火车
3884
+ 馒头
3885
+
3886
+ 方向盘
3887
+ (花草的)茎
3888
+ 模版
3889
+ 梯凳
3890
+ 立体声
3891
+ 听诊器
3892
+
3893
+ 戳/条状物
3894
+ 竹节虫
3895
+ 贴纸
3896
+ 静物画
3897
+ 高跷
3898
+ 黄貂鱼
3899
+ 搅拌
3900
+ 搅拌器
3901
+
3902
+
3903
+ 股票
3904
+ 长筒袜
3905
+ 腹部
3906
+ 石头建筑
3907
+ 石雕
3908
+ 石屋
3909
+ 石磨
3910
+ 凳子
3911
+ 停止
3912
+ 停在
3913
+ 红灯
3914
+ 停车标志
3915
+ 秒表
3916
+ 红绿灯
3917
+ 存储箱
3918
+ 储藏室
3919
+ 罐/蓄水池
3920
+ 商店
3921
+ 店面
3922
+
3923
+ 风暴
3924
+ 暴风云
3925
+ 狂风暴雨的
3926
+ 炉子
3927
+ 扑克
3928
+ 跨骑
3929
+ 过滤器
3930
+ 海峡
3931
+
3932
+ 稻草/吸管
3933
+ 草帽
3934
+ 草莓
3935
+ 溪流
3936
+ 街头艺术
3937
+ 街头艺术家
3938
+ 街角
3939
+ 流浪狗
3940
+ 街头食品
3941
+ 路灯
3942
+ 街市场
3943
+ 街头摄影
3944
+ 街景
3945
+ 路标
3946
+ 街头小贩
3947
+ 拉伸
3948
+ 担架
3949
+ 罢工
3950
+ 前锋
3951
+ 细绳
3952
+ 芝士条
3953
+ 带子
3954
+ 条纹
3955
+ 漫步
3956
+ 结构
3957
+ 工作室
3958
+ 影棚拍摄
3959
+ 材料
3960
+ 填充玩具动物
3961
+ 毛绒玩具
3962
+
3963
+ 树桩
3964
+ 惊人的
3965
+ 特技
3966
+ 佛塔
3967
+ 风格
3968
+ 手写笔
3969
+ 潜艇
3970
+ 潜艇形大三明治
3971
+ 海底水
3972
+ 郊区
3973
+ 地铁
3974
+ 地铁站
3975
+ 低音炮
3976
+ 多肉
3977
+ 绒面革
3978
+
3979
+ 糖碗
3980
+ 甘蔗
3981
+ 方糖
3982
+ 西装
3983
+ 套房
3984
+ 夏天
3985
+ 夏天傍晚
3986
+ 峰顶
3987
+ 太阳
3988
+ 太阳帽
3989
+ 日光浴
3990
+ 周日
3991
+ 日晷
3992
+ 向日葵
3993
+ 向日葵田
3994
+ 葵花籽
3995
+ 太阳镜
3996
+ 晴天
3997
+ 日出
3998
+ 日落
3999
+ 遮阳伞
4000
+ 阳光
4001
+ 超级碗
4002
+ 跑车
4003
+ 超级英雄
4004
+ 超市
4005
+ 超市货架
4006
+ 超模
4007
+ 支持者
4008
+ 冲浪
4009
+ 表面
4010
+ 冲浪板
4011
+ 冲浪者
4012
+ 外科医生
4013
+ 外科手术
4014
+ 环绕
4015
+ 寿司
4016
+ 寿司吧
4017
+ 背带裤
4018
+ 悬架
4019
+ 吊桥
4020
+ 越野车
4021
+ 燕子
4022
+ 燕尾蝶
4023
+ 沼泽
4024
+ 天鹅
4025
+ 天鹅游艇
4026
+ 运动裤
4027
+ 防汗带
4028
+ 毛衣
4029
+ 运动衫
4030
+ 甜的
4031
+ 红薯
4032
+ 游泳
4033
+ 泳帽
4034
+ 游泳者
4035
+ 游泳洞
4036
+ 游泳池
4037
+ 摆动
4038
+ 平转桥
4039
+ 秋千
4040
+ 漩涡
4041
+ 开关
4042
+ 转椅
4043
+
4044
+ 旗鱼
4045
+ 象征
4046
+ 对称
4047
+ 犹太教堂
4048
+ 注射器
4049
+ 糖浆
4050
+ 系统
4051
+ t恤
4052
+ t恤
4053
+ 塔巴斯科辣椒酱
4054
+ 虎斑
4055
+ 乒乓球拍
4056
+ 桌面
4057
+ 桌布
4058
+ 平板电脑
4059
+ 餐具
4060
+ 转速表
4061
+ 拦截
4062
+ 墨西哥煎玉米卷
4063
+ 跆拳道
4064
+ 太极
4065
+ 尾巴
4066
+ 裁缝
4067
+ 拍/拿
4068
+ 起飞
4069
+ 演讲
4070
+ 手鼓
4071
+ 棕褐色
4072
+ 橘子
4073
+ 胶带/磁带/终点线
4074
+ 挂毯
4075
+ 沥青碎石路面
4076
+ 芋头
4077
+ 篷布
4078
+ 果馅饼
4079
+ 流苏
4080
+ 味道
4081
+ 榻榻米
4082
+ 纹身
4083
+ 纹身艺术家
4084
+ 酒馆
4085
+
4086
+ 茶包
4087
+ 茶话会
4088
+ 茶园
4089
+ 茶壶
4090
+ 茶具
4091
+
4092
+ 老师
4093
+ 茶杯
4094
+ 水鸭
4095
+ 团队合影
4096
+ 团队介绍
4097
+ 眼泪
4098
+ 技术员
4099
+ 技术
4100
+ 泰迪熊
4101
+ T字形物
4102
+ 青少年
4103
+ 电线杆
4104
+ 变焦镜头
4105
+ 望远镜
4106
+ 电视
4107
+ 电视摄像机
4108
+ 电视室
4109
+ 电视演播室
4110
+ 温度
4111
+ 寺庙
4112
+ 天妇罗
4113
+ 网球
4114
+ 网球场
4115
+ 网球比赛
4116
+ 网球网
4117
+ 网球运动员
4118
+ 网球拍
4119
+ 帐篷
4120
+ 龙舌兰酒
4121
+ 终端/航站楼
4122
+ 阳台
4123
+ 地形
4124
+ 玻璃容器
4125
+ 领土
4126
+ 测试
4127
+ 测试赛
4128
+ 试管
4129
+ 文本
4130
+ 短信
4131
+ 纺织
4132
+ 纹理
4133
+ 感恩节
4134
+ 感恩节晚餐
4135
+ 剧院
4136
+ 戏剧演员
4137
+ 治疗
4138
+ 温度计
4139
+ 热水瓶
4140
+ 暖瓶
4141
+ 恒温器
4142
+ 灌木丛
4143
+ 顶针
4144
+ 东西
4145
+ 思考
4146
+
4147
+ 宝座
4148
+ 金銮殿
4149
+
4150
+ 抱枕
4151
+
4152
+ 雷雨
4153
+ 百里香
4154
+ 皇冠
4155
+ 记号
4156
+
4157
+ 售票亭
4158
+ 潮池
4159
+ 领带
4160
+ 老虎
4161
+
4162
+
4163
+ 瓷砖地板
4164
+ 瓦屋顶
4165
+ 瓷砖墙
4166
+
4167
+ 锡纸
4168
+
4169
+ 提拉米苏
4170
+ 轮胎
4171
+ 纸巾
4172
+ 烤面包
4173
+ 烤面包机
4174
+ 烟草
4175
+ 烟斗
4176
+ 学步的小孩
4177
+ 脚趾
4178
+ 豆腐
4179
+ 马桶
4180
+ 马桶座圈
4181
+ 化妆包
4182
+ 东京铁塔
4183
+ 番茄
4184
+ 番茄酱
4185
+ 番茄汤
4186
+
4187
+ 钳子
4188
+ 钳子
4189
+ 工具
4190
+ 工具箱
4191
+ 牙刷
4192
+ 牙膏
4193
+ 牙签
4194
+ 修剪成形的花园
4195
+ 配料
4196
+ 火炬
4197
+ 龙卷风
4198
+ 玉米粉圆饼
4199
+ 乌龟
4200
+ 大手提袋
4201
+ 图腾柱
4202
+ 龙猫
4203
+ 巨嘴鸟
4204
+ 触摸
4205
+ 触地
4206
+ 旅行
4207
+ 旅游巴士
4208
+ 导游
4209
+ 游客
4210
+ 旅游景点
4211
+ 锦标赛
4212
+ 拖车
4213
+ 毛巾
4214
+ 毛巾杆
4215
+ 大厦
4216
+ 塔桥
4217
+ 小镇
4218
+ 城镇广场
4219
+ 玩具
4220
+ 玩具车
4221
+ 玩具枪
4222
+ 玩具店
4223
+ 跑道
4224
+ 拖拉机
4225
+ 贸易
4226
+ 传统
4227
+ 传统的
4228
+ 交通
4229
+ 锥形交通路标
4230
+ 交通拥堵
4231
+ 交通堵塞
4232
+ 交通标志
4233
+ 小道
4234
+ 预告片
4235
+ 拖车
4236
+ 火车
4237
+ 火车桥
4238
+ 火车车厢
4239
+ 火车内部
4240
+ 火车轨道
4241
+ 火车窗口
4242
+ 教练
4243
+ 训练
4244
+ 训练长椅
4245
+ 训练场
4246
+ 电车
4247
+ 蹦床
4248
+ 变形金刚
4249
+ 透明度
4250
+ 旅行
4251
+ 托盘/碟子
4252
+ 跑步机
4253
+ 款待
4254
+
4255
+ 树枝
4256
+ 林场
4257
+ 树蛙
4258
+ 树屋
4259
+ 树根
4260
+ 树干
4261
+ 试验
4262
+ 三角形
4263
+ 铁人三项
4264
+ 部落
4265
+ 支流
4266
+ 戏法
4267
+ 三轮车
4268
+ 修剪
4269
+ 三人组
4270
+ 三脚架
4271
+ 长号
4272
+ 部队
4273
+ 奖杯
4274
+ 奖杯
4275
+ 热带
4276
+ 鳟鱼
4277
+ 卡车
4278
+ 卡车司机
4279
+ 浴缸
4280
+ 管子
4281
+ 拖船
4282
+ 郁金香
4283
+ 金枪鱼
4284
+ 苔原
4285
+ 隧道
4286
+ 涡轮
4287
+ 火鸡
4288
+ 转动
4289
+ 芜菁
4290
+ 绿松石
4291
+ 炮塔
4292
+ 乌龟
4293
+ 獠牙
4294
+ 电视演员
4295
+ 电视柜
4296
+ 电视剧
4297
+ 电视节目类型
4298
+ 电视名人
4299
+ 电视节目
4300
+ 情景喜剧
4301
+ 电视塔
4302
+ 枝条
4303
+ 黄昏
4304
+ 双胞胎
4305
+ 麻线
4306
+
4307
+ 类型
4308
+ 键入
4309
+ 打字机
4310
+ 尤克里里
4311
+ 奥特曼
4312
+
4313
+ 内衣
4314
+ 水下
4315
+ 独角兽
4316
+ 制服
4317
+ 宇宙
4318
+ 大学
4319
+ 向上
4320
+ 城市
4321
+ 尿壶
4322
+
4323
+ 使用
4324
+ 用具
4325
+ 杂物间
4326
+ 吸尘器/真空
4327
+
4328
+ 阀门
4329
+ 吸血鬼
4330
+ 货车
4331
+ 香草
4332
+ 虚荣
4333
+ 种类
4334
+ 花瓶
4335
+ 金库
4336
+ 矢量卡通插图
4337
+ 矢量图标
4338
+ 蔬菜
4339
+ 菜园
4340
+ 蔬菜市场
4341
+ 植被
4342
+ 车辆
4343
+ 面纱
4344
+ 静脉
4345
+ 天鹅绒
4346
+ 自动售货机
4347
+ 小贩
4348
+ 通风孔
4349
+ 胡蜂属
4350
+
4351
+ 背心
4352
+ 兽医
4353
+ 经验丰富的
4354
+ 兽医办公室
4355
+ 高架桥
4356
+ 视频
4357
+ 摄像机
4358
+ 电子游戏
4359
+ 录像带
4360
+ 视镜
4361
+ 守夜
4362
+ 别墅
4363
+ 村庄
4364
+ 藤蔓
4365
+
4366
+ 葡萄园
4367
+ 暴力
4368
+ 紫罗兰色
4369
+ 小提琴
4370
+ 小提琴家
4371
+ 中提琴演奏者
4372
+ 愿景
4373
+ 遮阳板
4374
+ 伏特加
4375
+ 火山
4376
+ 排球
4377
+ 排球场
4378
+ 排球运动员
4379
+ 志愿者
4380
+ 航行
4381
+ 秃鹰
4382
+ 华夫饼干
4383
+ 华夫饼机
4384
+ 货车
4385
+ 马车车轮
4386
+
4387
+ 服务员
4388
+ 候机室
4389
+ 等候室
4390
+
4391
+ 步行
4392
+ 手杖
4393
+ 挂钟
4394
+ 壁纸
4395
+ 核桃
4396
+ 海象
4397
+ 战争
4398
+ 仓库
4399
+ 温暖的
4400
+ 警告标志
4401
+ 战士
4402
+ 军舰
4403
+ 疣猪
4404
+
4405
+ 洗衣机/垫圈
4406
+
4407
+ 洗衣机
4408
+ 黄蜂
4409
+ 浪费
4410
+ 废物容器
4411
+ 手表
4412
+
4413
+ 水鸟
4414
+ 水牛
4415
+ 水冷却器
4416
+ 水滴
4417
+ 水景
4418
+ 热水器
4419
+ 水位
4420
+ 荷花
4421
+ 水上乐园
4422
+ 水管
4423
+ 净水器
4424
+ 滑水板
4425
+ 水上运动
4426
+ 水面
4427
+ 水塔
4428
+ 水彩
4429
+ 水彩插图
4430
+ 水彩画
4431
+ 瀑布
4432
+ 喷壶
4433
+ 水印叠加图章
4434
+ 西瓜
4435
+ 防水外套
4436
+ 水路
4437
+ 波浪
4438
+
4439
+ 武器
4440
+ 穿着
4441
+ 天气
4442
+ 叶片
4443
+
4444
+ 摄像头
4445
+ 婚礼
4446
+ 结婚戒指
4447
+ 婚礼花束
4448
+ 结婚蛋糕
4449
+ 新婚夫妇
4450
+ 婚礼请柬
4451
+ 婚礼派对
4452
+ 婚纱照
4453
+ 婚礼摄影师
4454
+ 婚纱摄影
4455
+ 婚宴
4456
+
4457
+ 杂草
4458
+ 重量
4459
+ 体重秤
4460
+ 焊接工
4461
+
4462
+ 西餐
4463
+ 西餐厅
4464
+ 湿
4465
+ 吧台
4466
+ 潜水衣
4467
+ 湿地
4468
+ 潜水服
4469
+ 鲸鱼
4470
+ 鲸鲨
4471
+ 小麦
4472
+ 麦田
4473
+ 车轮
4474
+ 轮椅
4475
+ 后轮支撑车技
4476
+ 生奶油
4477
+ 搅拌器
4478
+ 胡须
4479
+ 威士忌
4480
+ 哨子
4481
+ 白色
4482
+ 白宫
4483
+ 白葡萄酒
4484
+ 白板
4485
+ 便门
4486
+ 宽的
4487
+ 挥动
4488
+ 假发
4489
+ Wii
4490
+ Wii手柄
4491
+ 荒野
4492
+ 角马
4493
+ 野火
4494
+ 野花
4495
+ 野生动物
4496
+ 柳树
4497
+
4498
+ 风铃
4499
+ 风电场
4500
+ 风力涡轮机
4501
+ 风车
4502
+ 窗户
4503
+ 窗台花盆箱
4504
+ 橱窗展示
4505
+ 窗框
4506
+ 纱窗
4507
+ 靠窗的座位
4508
+ 窗台
4509
+ 雨刮器
4510
+ 挡风玻璃
4511
+ 有风的
4512
+ 酒瓶
4513
+ 冷酒器
4514
+ 酒柜
4515
+ 酒窖
4516
+ 酒杯
4517
+ 酒架
4518
+ 品酒
4519
+ 酒庄
4520
+ 翅膀
4521
+ 冬天
4522
+ 冬瓜
4523
+ 冬天的早晨
4524
+ 冬季场景
4525
+ 冬季运动
4526
+ 冬季风暴
4527
+ 电线
4528
+ 紫藤
4529
+ 巫婆
4530
+ 女巫帽子
4531
+ 炒锅
4532
+
4533
+ 女人
4534
+ 木头
4535
+ 林鸳鸯
4536
+ 木地板
4537
+ 木墙
4538
+ 烧木炉
4539
+ 木匙
4540
+ 林地
4541
+ 啄木鸟
4542
+ 木工刨
4543
+ 羊毛
4544
+ 工作
4545
+ 练习卡
4546
+ 工作台
4547
+ 工人
4548
+ 工作场所
4549
+ 车间
4550
+ 世界
4551
+ 蠕虫
4552
+ 敬拜
4553
+ 伤口
4554
+
4555
+ 裹身裙
4556
+ 包装纸
4557
+ 搏斗
4558
+ 摔跤手
4559
+ 皱纹
4560
+ 腕带
4561
+
4562
+ 作家
4563
+ 手写/字迹
4564
+ 毛笔
4565
+ 写字桌
4566
+ 游艇
4567
+ 牦牛
4568
+ 院子
4569
+ 黄色
4570
+ 瑜伽
4571
+ 瑜伽垫
4572
+ 酸奶
4573
+
4574
+ 蛋黄
4575
+ 青年
4576
+ 青年旅馆
4577
+ 蒙古包
4578
+ 斑马
4579
+ 斑马线
4580
+ 禅意花园
4581
+ 拉链
4582
+ 拉链
4583
+ 僵尸
4584
+ 粽子
4585
+ 动物园
tag2text.py ADDED
@@ -0,0 +1,487 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ '''
2
+ * The Recognize Anything Model (RAM) & Tag2Text Model
3
+ * Written by Xinyu Huang
4
+ '''
5
+ import numpy as np
6
+ import json
7
+ import torch
8
+ import warnings
9
+
10
+ from torch import nn
11
+ from models.bert import BertConfig, BertModel, BertLMHeadModel
12
+ from models.vit import VisionTransformer
13
+ from models.swin_transformer import SwinTransformer
14
+ from data.ram_tag_list_threshold import ram_class_threshold
15
+
16
+ from models.utils import *
17
+
18
+ warnings.filterwarnings("ignore")
19
+
20
+ class RAM(nn.Module):
21
+ def __init__(self,
22
+ med_config=f'{CONFIG_PATH}/configs/med_config.json',
23
+ image_size=384,
24
+ vit='base',
25
+ vit_grad_ckpt=False,
26
+ vit_ckpt_layer=0,
27
+ prompt='a picture of ',
28
+ threshold=0.68,
29
+ delete_tag_index=[],
30
+ tag_list=f'{CONFIG_PATH}/data/ram_tag_list.txt',
31
+ tag_list_chinese=f'{CONFIG_PATH}/data/ram_tag_list_chinese.txt'):
32
+ r""" The Recognize Anything Model (RAM) inference module.
33
+ RAM is a strong image tagging model, which can recognize any common category with high accuracy.
34
+ Described in the paper " Recognize Anything: A Strong Image Tagging Model" https://recognize-anything.github.io/
35
+
36
+ Args:
37
+ med_config (str): path for the mixture of encoder-decoder model's configuration file
38
+ image_size (int): input image size
39
+ vit (str): model size of vision transformer
40
+ threshold (int): tagging threshold
41
+ delete_tag_index (list): delete some tags that may disturb captioning
42
+ """
43
+ super().__init__()
44
+
45
+ # create image encoder
46
+ if vit == 'swin_b':
47
+ if image_size == 224:
48
+ vision_config_path = f'{CONFIG_PATH}/configs/swin/config_swinB_224.json'
49
+ elif image_size == 384:
50
+ vision_config_path = f'{CONFIG_PATH}/configs/swin/config_swinB_384.json'
51
+ vision_config = read_json(vision_config_path)
52
+ assert image_size == vision_config['image_res']
53
+ # assert config['patch_size'] == 32
54
+ vision_width = vision_config['vision_width']
55
+
56
+ self.visual_encoder = SwinTransformer(
57
+ img_size=vision_config['image_res'],
58
+ patch_size=4,
59
+ in_chans=3,
60
+ embed_dim=vision_config['embed_dim'],
61
+ depths=vision_config['depths'],
62
+ num_heads=vision_config['num_heads'],
63
+ window_size=vision_config['window_size'],
64
+ mlp_ratio=4.,
65
+ qkv_bias=True,
66
+ drop_rate=0.0,
67
+ drop_path_rate=0.1,
68
+ ape=False,
69
+ patch_norm=True,
70
+ use_checkpoint=False)
71
+
72
+ elif vit == 'swin_l':
73
+ if image_size == 224:
74
+ vision_config_path = f'{CONFIG_PATH}/configs/swin/config_swinL_224.json'
75
+ elif image_size == 384:
76
+ vision_config_path = f'{CONFIG_PATH}/configs/swin/config_swinL_384.json'
77
+ vision_config = read_json(vision_config_path)
78
+ assert image_size == vision_config['image_res']
79
+ # assert config['patch_size'] == 32
80
+ vision_width = vision_config['vision_width']
81
+
82
+ self.visual_encoder = SwinTransformer(
83
+ img_size=vision_config['image_res'],
84
+ patch_size=4,
85
+ in_chans=3,
86
+ embed_dim=vision_config['embed_dim'],
87
+ depths=vision_config['depths'],
88
+ num_heads=vision_config['num_heads'],
89
+ window_size=vision_config['window_size'],
90
+ mlp_ratio=4.,
91
+ qkv_bias=True,
92
+ drop_rate=0.0,
93
+ drop_path_rate=0.1,
94
+ ape=False,
95
+ patch_norm=True,
96
+ use_checkpoint=False)
97
+
98
+ else:
99
+ self.visual_encoder, vision_width = create_vit(
100
+ vit, image_size, vit_grad_ckpt, vit_ckpt_layer)
101
+
102
+ # create tokenzier
103
+ self.tokenizer = init_tokenizer()
104
+
105
+ # Tag2Text employ encoder-decoder architecture for image-tag-text generation: image-tag interaction encoder and image-tag-text decoder
106
+ # create image-tag interaction encoder
107
+ encoder_config = BertConfig.from_json_file(med_config)
108
+ encoder_config.encoder_width = 512
109
+ self.tag_encoder = BertModel(config=encoder_config,
110
+ add_pooling_layer=False)
111
+
112
+ # create image-tag-text decoder
113
+ decoder_config = BertConfig.from_json_file(med_config)
114
+ self.text_decoder = BertLMHeadModel(config=decoder_config)
115
+
116
+ self.delete_tag_index = delete_tag_index
117
+ self.prompt = prompt
118
+ self.prompt_length = len(self.tokenizer(self.prompt).input_ids) - 1
119
+
120
+ # load tag list
121
+ self.tag_list = self.load_tag_list(tag_list)
122
+ self.tag_list_chinese = self.load_tag_list(tag_list_chinese)
123
+
124
+ # create image-tag recognition decoder
125
+ self.threshold = threshold
126
+ self.num_class = len(self.tag_list)
127
+ q2l_config = BertConfig.from_json_file(f'{CONFIG_PATH}/configs/q2l_config.json')
128
+ q2l_config.encoder_width = 512
129
+ self.tagging_head = BertModel(config=q2l_config,
130
+ add_pooling_layer=False)
131
+ self.tagging_head.resize_token_embeddings(len(self.tokenizer))
132
+ self.label_embed = nn.Embedding(self.num_class, q2l_config.hidden_size)
133
+
134
+ if q2l_config.hidden_size != 512:
135
+ self.wordvec_proj = nn.Linear(512, q2l_config.hidden_size)
136
+ else:
137
+ self.wordvec_proj = nn.Identity()
138
+
139
+ self.fc = nn.Linear(q2l_config.hidden_size, 1)
140
+
141
+ self.del_selfattention()
142
+
143
+ # share weights of the lowest 2-layer of "image-tag interaction encoder" with the "image-tag recogntion decoder"
144
+ tie_encoder_decoder_weights(self.tag_encoder, self.tagging_head, '',
145
+ ' ')
146
+ self.image_proj = nn.Linear(vision_width, 512)
147
+ self.label_embed = nn.Parameter(torch.load('data/textual_label_embedding.pth',map_location='cpu').float())
148
+
149
+ # adjust thresholds for some tags
150
+ self.class_threshold = torch.ones(self.num_class) * self.threshold
151
+ for key,value in enumerate(ram_class_threshold):
152
+ self.class_threshold[key] = value
153
+
154
+ def load_tag_list(self, tag_list_file):
155
+ with open(tag_list_file, 'r', encoding="utf8") as f:
156
+ tag_list = f.read().splitlines()
157
+ tag_list = np.array(tag_list)
158
+ return tag_list
159
+
160
+ # delete self-attention layer of image-tag recognition decoder to reduce computation, follower Query2Label
161
+ def del_selfattention(self):
162
+ del self.tagging_head.embeddings
163
+ for layer in self.tagging_head.encoder.layer:
164
+ del layer.attention
165
+
166
+ def generate_tag(self,
167
+ image,
168
+ threshold=0.68,
169
+ tag_input=None,
170
+ ):
171
+
172
+ label_embed = torch.nn.functional.relu(self.wordvec_proj(self.label_embed))
173
+
174
+ image_embeds = self.image_proj(self.visual_encoder(image))
175
+ image_atts = torch.ones(image_embeds.size()[:-1],
176
+ dtype=torch.long).to(image.device)
177
+
178
+ # recognized image tags using image-tag recogntiion decoder
179
+ image_cls_embeds = image_embeds[:, 0, :]
180
+ image_spatial_embeds = image_embeds[:, 1:, :]
181
+
182
+ bs = image_spatial_embeds.shape[0]
183
+ label_embed = label_embed.unsqueeze(0).repeat(bs, 1, 1)
184
+ tagging_embed = self.tagging_head(
185
+ encoder_embeds=label_embed,
186
+ encoder_hidden_states=image_embeds,
187
+ encoder_attention_mask=image_atts,
188
+ return_dict=False,
189
+ mode='tagging',
190
+ )
191
+
192
+ logits = self.fc(tagging_embed[0]).squeeze(-1)
193
+
194
+ targets = torch.where(
195
+ torch.sigmoid(logits) > self.class_threshold.to(image.device),
196
+ torch.tensor(1.0).to(image.device),
197
+ torch.zeros(self.num_class).to(image.device))
198
+
199
+ tag = targets.cpu().numpy()
200
+ tag[:,self.delete_tag_index] = 0
201
+ tag_output = []
202
+ tag_output_chinese = []
203
+ for b in range(bs):
204
+ index = np.argwhere(tag[b] == 1)
205
+ token = self.tag_list[index].squeeze(axis=1)
206
+ tag_output.append(' | '.join(token))
207
+ token_chinese = self.tag_list_chinese[index].squeeze(axis=1)
208
+ tag_output_chinese.append(' | '.join(token_chinese))
209
+
210
+
211
+ return tag_output, tag_output_chinese
212
+
213
+
214
+ class Tag2Text_Caption(nn.Module):
215
+
216
+ def __init__(self,
217
+ med_config=f'{CONFIG_PATH}/configs/med_config.json',
218
+ image_size=384,
219
+ vit='base',
220
+ vit_grad_ckpt=False,
221
+ vit_ckpt_layer=0,
222
+ prompt='a picture of ',
223
+ threshold=0.68,
224
+ delete_tag_index=[127,2961, 3351, 3265, 3338, 3355, 3359],
225
+ tag_list=f'{CONFIG_PATH}/data/tag_list.txt'):
226
+ r""" Tag2Text inference module, both captioning and tagging are included.
227
+ Tag2Text is an efficient and controllable vision-language pre-training framework.
228
+ Described in the paper "Tag2Text: Guiding Vision-Language Model via Image Tagging" https://arxiv.org/abs/2303.05657
229
+
230
+ Args:
231
+ med_config (str): path for the mixture of encoder-decoder model's configuration file
232
+ image_size (int): input image size
233
+ vit (str): model size of vision transformer
234
+ threshold (int): tagging threshold
235
+ delete_tag_index (list): delete some tags that may disturb captioning
236
+ """
237
+ super().__init__()
238
+
239
+ # create image encoder
240
+ if vit == 'swin_b':
241
+ if image_size == 224:
242
+ vision_config_path = f'{CONFIG_PATH}/configs/swin/config_swinB_224.json'
243
+ elif image_size == 384:
244
+ vision_config_path = f'{CONFIG_PATH}/configs/swin/config_swinB_384.json'
245
+ vision_config = read_json(vision_config_path)
246
+ assert image_size == vision_config['image_res']
247
+ # assert config['patch_size'] == 32
248
+ vision_width = vision_config['vision_width']
249
+
250
+ self.visual_encoder = SwinTransformer(
251
+ img_size=vision_config['image_res'],
252
+ patch_size=4,
253
+ in_chans=3,
254
+ embed_dim=vision_config['embed_dim'],
255
+ depths=vision_config['depths'],
256
+ num_heads=vision_config['num_heads'],
257
+ window_size=vision_config['window_size'],
258
+ mlp_ratio=4.,
259
+ qkv_bias=True,
260
+ drop_rate=0.0,
261
+ drop_path_rate=0.1,
262
+ ape=False,
263
+ patch_norm=True,
264
+ use_checkpoint=False)
265
+
266
+ else:
267
+ self.visual_encoder, vision_width = create_vit(
268
+ vit, image_size, vit_grad_ckpt, vit_ckpt_layer)
269
+
270
+ # create tokenzier
271
+ self.tokenizer = init_tokenizer()
272
+
273
+ # Tag2Text employ encoder-decoder architecture for image-tag-text generation: image-tag interaction encoder and image-tag-text decoder
274
+ # create image-tag interaction encoder
275
+ encoder_config = BertConfig.from_json_file(med_config)
276
+ encoder_config.encoder_width = vision_width
277
+ self.tag_encoder = BertModel(config=encoder_config,
278
+ add_pooling_layer=False)
279
+
280
+ # create image-tag-text decoder
281
+ decoder_config = BertConfig.from_json_file(med_config)
282
+ self.text_decoder = BertLMHeadModel(config=decoder_config)
283
+
284
+ # delete some tags that may disturb captioning
285
+ # 127: "quarter"; 2961: "back"; 3351: "two"; 3265: "three"; 3338: "four"; 3355: "five"; 3359: "one"
286
+ self.delete_tag_index = delete_tag_index
287
+ self.prompt = prompt
288
+ self.prompt_length = len(self.tokenizer(self.prompt).input_ids) - 1
289
+
290
+ # load tag list
291
+ self.tag_list = self.load_tag_list(tag_list)
292
+
293
+ # create image-tag recognition decoder
294
+ self.threshold = threshold
295
+ self.num_class = len(self.tag_list)
296
+ q2l_config = BertConfig.from_json_file(f'{CONFIG_PATH}/configs/q2l_config.json')
297
+ q2l_config.encoder_width = vision_width
298
+ self.tagging_head = BertModel(config=q2l_config,
299
+ add_pooling_layer=False)
300
+ self.tagging_head.resize_token_embeddings(len(self.tokenizer))
301
+ self.label_embed = nn.Embedding(self.num_class, q2l_config.hidden_size)
302
+ self.fc = GroupWiseLinear(self.num_class,
303
+ q2l_config.hidden_size,
304
+ bias=True)
305
+ self.del_selfattention()
306
+
307
+ # share weights of the lowest 2-layer of "image-tag interaction encoder" with the "image-tag recogntion decoder"
308
+ tie_encoder_decoder_weights(self.tag_encoder, self.tagging_head, '',
309
+ ' ')
310
+
311
+ # adjust thresholds for some tags
312
+ # default threshold: 0.68
313
+ # 2701: "person"; 2828: "man"; 1167: "woman";
314
+ tag_thrshold = {2701:0.7, 2828: 0.7, 1167: 0.7}
315
+ self.class_threshold = torch.ones(self.num_class) * self.threshold
316
+ for key,value in tag_thrshold.items():
317
+ self.class_threshold[key] = value
318
+
319
+ def load_tag_list(self, tag_list_file):
320
+ with open(tag_list_file, 'r') as f:
321
+ tag_list = f.read().splitlines()
322
+ tag_list = np.array(tag_list)
323
+ return tag_list
324
+
325
+ # delete self-attention layer of image-tag recognition decoder to reduce computation, follower Query2Label
326
+ def del_selfattention(self):
327
+ del self.tagging_head.embeddings
328
+ for layer in self.tagging_head.encoder.layer:
329
+ del layer.attention
330
+
331
+ def generate(self,
332
+ image,
333
+ sample=False,
334
+ num_beams=3,
335
+ max_length=30,
336
+ min_length=10,
337
+ top_p=0.9,
338
+ repetition_penalty=1.0,
339
+ tag_input=None,
340
+ return_tag_predict=False):
341
+
342
+ image_embeds = self.visual_encoder(image)
343
+ image_atts = torch.ones(image_embeds.size()[:-1],
344
+ dtype=torch.long).to(image.device)
345
+
346
+ # if not user specified tags, recognized image tags using image-tag recogntiion decoder
347
+ if tag_input == None:
348
+ image_cls_embeds = image_embeds[:, 0, :]
349
+ image_spatial_embeds = image_embeds[:, 1:, :]
350
+
351
+ bs = image_spatial_embeds.shape[0]
352
+ label_embed = self.label_embed.weight.unsqueeze(0).repeat(bs, 1, 1)
353
+ tagging_embed = self.tagging_head(
354
+ encoder_embeds=label_embed,
355
+ encoder_hidden_states=image_embeds,
356
+ encoder_attention_mask=image_atts,
357
+ return_dict=False,
358
+ mode='tagging',
359
+ )
360
+
361
+ logits = self.fc(tagging_embed[0])
362
+
363
+ targets = torch.where(
364
+ torch.sigmoid(logits) > self.class_threshold.to(image.device),
365
+ torch.tensor(1.0).to(image.device),
366
+ torch.zeros(self.num_class).to(image.device))
367
+
368
+ tag = targets.cpu().numpy()
369
+
370
+ # delete some tags that may disturb captioning
371
+ tag[:, self.delete_tag_index] = 0
372
+
373
+ tag_input = []
374
+ for b in range(bs):
375
+ index = np.argwhere(tag[b] == 1)
376
+ token = self.tag_list[index].squeeze(axis=1)
377
+ tag_input.append(' | '.join(token))
378
+
379
+ tag_output = tag_input
380
+
381
+ # beam search for text generation(default)
382
+ if not sample:
383
+ image_embeds = image_embeds.repeat_interleave(num_beams, dim=0)
384
+ tag_input_temp = []
385
+ for tag in tag_input:
386
+ for i in range(num_beams):
387
+ tag_input_temp.append(tag)
388
+ tag_input = tag_input_temp
389
+
390
+ image_atts = torch.ones(image_embeds.size()[:-1],
391
+ dtype=torch.long).to(image.device)
392
+
393
+ # tokenizer input tags
394
+ tag_input_tokenzier = self.tokenizer(tag_input,
395
+ padding='max_length',
396
+ truncation=True,
397
+ max_length=40,
398
+ return_tensors="pt").to(
399
+ image.device)
400
+ encoder_input_ids = tag_input_tokenzier.input_ids
401
+ encoder_input_ids[:, 0] = self.tokenizer.enc_token_id
402
+
403
+ # put input tag into image-tag interaction encoder to interact with image embeddings
404
+ output_tagembedding = self.tag_encoder(
405
+ encoder_input_ids,
406
+ attention_mask=tag_input_tokenzier.attention_mask,
407
+ encoder_hidden_states=image_embeds,
408
+ encoder_attention_mask=image_atts,
409
+ return_dict=True,
410
+ )
411
+
412
+ # prompt trick for better captioning, followed BLIP
413
+ prompt = [self.prompt] * image.size(0)
414
+ input_ids = self.tokenizer(prompt, return_tensors="pt").input_ids.to(
415
+ image.device)
416
+ input_ids[:, 0] = self.tokenizer.bos_token_id
417
+ input_ids = input_ids[:, :-1]
418
+
419
+ if sample:
420
+ # nucleus sampling
421
+ model_kwargs = {
422
+ "encoder_hidden_states": output_tagembedding.last_hidden_state,
423
+ "encoder_attention_mask": None
424
+ }
425
+ outputs = self.text_decoder.generate(
426
+ input_ids=input_ids,
427
+ max_length=max_length,
428
+ min_length=min_length,
429
+ do_sample=True,
430
+ top_p=top_p,
431
+ num_return_sequences=1,
432
+ eos_token_id=self.tokenizer.sep_token_id,
433
+ pad_token_id=self.tokenizer.pad_token_id,
434
+ repetition_penalty=1.1,
435
+ **model_kwargs)
436
+ else:
437
+ # beam search (default)
438
+ model_kwargs = {
439
+ "encoder_hidden_states": output_tagembedding.last_hidden_state,
440
+ "encoder_attention_mask": None
441
+ }
442
+ outputs = self.text_decoder.generate(
443
+ input_ids=input_ids,
444
+ max_length=max_length,
445
+ min_length=min_length,
446
+ num_beams=num_beams,
447
+ eos_token_id=self.tokenizer.sep_token_id,
448
+ pad_token_id=self.tokenizer.pad_token_id,
449
+ repetition_penalty=repetition_penalty,
450
+ **model_kwargs)
451
+
452
+ captions = []
453
+ for output in outputs:
454
+ caption = self.tokenizer.decode(output, skip_special_tokens=True)
455
+ captions.append(caption[len(self.prompt):])
456
+ if return_tag_predict == True:
457
+ return captions, tag_output
458
+ return captions
459
+
460
+
461
+ # load Tag2Text pretrained model parameters
462
+ def tag2text_caption(pretrained='', **kwargs):
463
+ model = Tag2Text_Caption(**kwargs)
464
+ if pretrained:
465
+ if kwargs['vit'] == 'swin_b':
466
+ model, msg = load_checkpoint_swinbase(model, pretrained, kwargs)
467
+ else:
468
+ model, msg = load_checkpoint(model, pretrained)
469
+ print('vit:', kwargs['vit'])
470
+ print('msg', msg)
471
+ return model
472
+
473
+
474
+ # load RAM pretrained model parameters
475
+ def ram(pretrained='', **kwargs):
476
+ model = RAM(**kwargs)
477
+ if pretrained:
478
+ if kwargs['vit'] == 'swin_b':
479
+ model, msg = load_checkpoint_swinbase(model, pretrained, kwargs)
480
+ elif kwargs['vit'] == 'swin_l':
481
+ model, msg = load_checkpoint_swinlarge(model, pretrained, kwargs)
482
+ else:
483
+ model, msg = load_checkpoint(model, pretrained)
484
+ print('vit:', kwargs['vit'])
485
+ print('msg', msg)
486
+ return model
487
+