• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    面向海洋牧場(chǎng)智能化建設(shè)的海珍品實(shí)時(shí)檢測(cè)方法

    2021-08-04 05:55:58蔡克衛(wèi)陳鵬宇林遠(yuǎn)山
    關(guān)鍵詞:準(zhǔn)確率卷積深度

    洪 亮,王 芳,蔡克衛(wèi),陳鵬宇,林遠(yuǎn)山

    (1. 大連海洋大學(xué)信息工程學(xué)院,大連 116023;2. 遼寧省海洋信息技術(shù)重點(diǎn)實(shí)驗(yàn)室,大連 116023; 3. 設(shè)施漁業(yè)教育部重點(diǎn)實(shí)驗(yàn)室,大連海洋大學(xué),大連 116023)

    0 引言

    海洋牧場(chǎng)是指利用自然的海洋生態(tài)環(huán)境,將人工放養(yǎng)的經(jīng)濟(jì)海洋生物聚集起來(lái),像在陸地放牧牛羊一樣,對(duì)海參、海膽、扇貝、魚等海珍品資源進(jìn)行有計(jì)劃和有目的的海上放養(yǎng),是拓展海洋漁業(yè)發(fā)展空間、促進(jìn)海洋漁業(yè)可持續(xù)發(fā)展的有效措施。海洋牧場(chǎng)建設(shè)過(guò)程中需要進(jìn)行海珍品捕撈量調(diào)查、養(yǎng)殖狀態(tài)監(jiān)測(cè)、海珍品采捕等任務(wù),目前這些任務(wù)主要依靠人工完成,成本高,危險(xiǎn)性大?;谒聶C(jī)器人的海珍品捕撈量調(diào)查、狀態(tài)監(jiān)測(cè)、采捕是未來(lái)的發(fā)展方向,這些任務(wù)主要依靠水下海珍品檢測(cè)技術(shù)來(lái)完成。因此,水下海珍品檢測(cè)是其中的關(guān)鍵。

    為此,國(guó)內(nèi)外學(xué)者對(duì)水下海珍品檢測(cè)進(jìn)行廣泛研究。郭常有等[1]將扇貝彩色圖像通過(guò)閾值分割轉(zhuǎn)變?yōu)槎祱D像,利用濾波技術(shù)減少圖像噪聲,并采用改進(jìn)的OPTA算法和邊界追蹤算法提取扇貝圖像邊界,計(jì)算扇貝的位置坐標(biāo)和大小。吳一全等[2]提出了一種淡水魚種類識(shí)別方法。將形狀與紋理特征組合成高維特征向量,通過(guò)人工蜂群算法的待定參數(shù)進(jìn)行尋優(yōu)。吳健輝等[3]提出一種基于圖像處理技術(shù)的魚種類識(shí)別方法。采用鄰域邊界算法對(duì)魚體的輪廓進(jìn)行提取,建立魚體背部輪廓數(shù)學(xué)模型。采用魚體背部彎曲潛能算法對(duì)不同種類魚體樣本的背部彎曲潛能值進(jìn)行計(jì)算和聚類統(tǒng)計(jì)。崔尚等[4]提出基于Sobel改進(jìn)算子的海參圖像識(shí)別方法。將圖像進(jìn)行直方圖均衡化處理,利用Sobel改進(jìn)算子將增強(qiáng)后的圖像進(jìn)行分割處理,經(jīng)過(guò)膨脹、腐蝕和小目標(biāo)移除算法處理,得到含有海參目標(biāo)的二值化圖像。以上方法的基本思路是根據(jù)檢測(cè)對(duì)象的特點(diǎn)利用圖像處理技術(shù)設(shè)計(jì)特定算法進(jìn)行識(shí)別,此類方法通常效率較高,但這些方法只針對(duì)單一品種進(jìn)行檢測(cè),更重要的是需要根據(jù)領(lǐng)域知識(shí)進(jìn)行手工特征提取,過(guò)程繁瑣,工作量大,魯棒性較差。

    深度學(xué)習(xí)[5-8]具有自動(dòng)特征提取的特點(diǎn),大大提高了目標(biāo)檢測(cè)的效率和精度[9-12],推動(dòng)了目標(biāo)檢測(cè)[13-17]在農(nóng)業(yè)[18-20]、工業(yè)[21]等領(lǐng)域的廣泛應(yīng)用。為此,Li等[22]嘗試使用基于改進(jìn)的Faster-RCNN算法實(shí)現(xiàn)了12種魚類的識(shí)別。通過(guò)使用區(qū)域建議網(wǎng)絡(luò),產(chǎn)生的高質(zhì)量建議,與后續(xù)的魚檢測(cè)識(shí)別網(wǎng)絡(luò)共享卷積特征,實(shí)現(xiàn)了良好的識(shí)別和檢測(cè)性能。袁利毫等[23]提出基于YOLOv3的水下檢測(cè)算法,利用水下機(jī)器人采集的數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,采用小批量梯度下降法和沖量對(duì)神經(jīng)網(wǎng)絡(luò)權(quán)重進(jìn)行更新,并調(diào)整算法的超參數(shù),提高了水下小目標(biāo)的識(shí)別率和檢測(cè)速度。Kaveti等[24]提出了基于Inception v2的SSD檢測(cè)算法實(shí)現(xiàn)了水下魚類、海星和海綿的檢測(cè)。利用機(jī)器人平臺(tái)收集水下圖像數(shù)據(jù),建立數(shù)據(jù)標(biāo)簽,訓(xùn)練改進(jìn)的算法模型,實(shí)現(xiàn)高精度檢測(cè)。趙德安等[25]提出了基于機(jī)器視覺(jué)的水下河蟹識(shí)別方法,該方法通過(guò)在投餌船下方安裝攝像頭進(jìn)行河蟹圖像采集,修改基于YOLOv3網(wǎng)絡(luò)的輸入輸出,并采用自建的數(shù)據(jù)集對(duì)其進(jìn)行訓(xùn)練,實(shí)現(xiàn)了對(duì)水下河蟹的識(shí)別。郭祥云等[26]采用基于深度殘差網(wǎng)絡(luò)實(shí)現(xiàn)了水下海參識(shí)別算法。以海參圖像為正樣本,非海參圖像為負(fù)樣本構(gòu)建數(shù)據(jù)集,以不同像素圖像分別進(jìn)行模型訓(xùn)練與識(shí)別。上述基于深度學(xué)習(xí)的海珍品檢測(cè)方法的檢測(cè)精度得到大幅提升,但是模型較大,難以部署到如水下機(jī)器人這種移動(dòng)設(shè)備上。此外鮮有考慮水下圖像模糊、對(duì)比度低、缺色等對(duì)檢測(cè)所帶來(lái)的檢測(cè)性能影響。

    為此,本文在原有YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)基礎(chǔ)上進(jìn)行改進(jìn),提出了面向海洋牧場(chǎng)智能化建設(shè)的海珍品實(shí)時(shí)檢測(cè)方法。該模型使用深度可分離卷積代替YOLOv3中的標(biāo)準(zhǔn)卷積,減少參數(shù)量,提升推理速度;針對(duì)水下圖像模糊、對(duì)比度低、缺色等特點(diǎn),采用基于UGAN的圖像增強(qiáng)方法來(lái)對(duì)海珍品圖像進(jìn)行預(yù)處理;并且利用基于Mosaic的數(shù)據(jù)增廣方法,提升圖像數(shù)據(jù)的多樣化,增加模型的魯棒性。

    1 海珍品檢測(cè)網(wǎng)絡(luò)框架

    1.1 YOLOv3網(wǎng)絡(luò)

    YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)整體框架分為兩個(gè)部分:主干網(wǎng)絡(luò)和檢測(cè)器。

    主干網(wǎng)絡(luò)部分:YOLOv3采用Darknet-53作為特征提取的主干網(wǎng)絡(luò)。由一個(gè)3×3卷積層和5個(gè)階段的殘差結(jié)構(gòu)組成,每個(gè)階段的殘差結(jié)構(gòu)數(shù)量分別為1、2、8、8、4。其中每個(gè)殘差結(jié)構(gòu)由一個(gè)3×3卷積層和殘差塊構(gòu)成。殘差塊由一個(gè)1×1卷積層、一個(gè)3×3卷積層和求和運(yùn)算構(gòu)成。YOLOv3主干網(wǎng)絡(luò)一方面采用全卷積結(jié)構(gòu),另一方面借鑒ResNet思想,引入了Residual結(jié)構(gòu),使網(wǎng)絡(luò)深度增加,特征提取能力大幅增強(qiáng)。

    檢測(cè)器部分:YOLOv3網(wǎng)絡(luò)生成三個(gè)分支,每個(gè)分支對(duì)應(yīng)三種大小特征圖,分別為13×13、26×26、52×52,每個(gè)分支結(jié)構(gòu)由連續(xù)卷積塊、3×3卷積和1×1卷積構(gòu)成。其中連續(xù)卷積塊由1×1、3×3、1×1、3×3和1×1連續(xù)卷積構(gòu)成。經(jīng)過(guò)網(wǎng)絡(luò)計(jì)算,每個(gè)特征圖會(huì)輸出三個(gè)邊界框,每個(gè)邊界框會(huì)預(yù)測(cè)中心坐標(biāo)x、y,寬w、高h(yuǎn)、置信度和所屬類別信息。

    1.2 DSC-YOLO網(wǎng)絡(luò)

    為提高YOLOv3對(duì)水下海珍品檢測(cè)的實(shí)時(shí)性,本文對(duì)其結(jié)構(gòu)進(jìn)行改進(jìn),提出一種輕量化模型DSC-YOLO,該模型采用深度可分離卷積[27]代替YOLOv3中的標(biāo)準(zhǔn)卷 積。深度可分離卷積是MobileNet采用的一種技術(shù),其可分解為一個(gè)深度卷積和一個(gè)點(diǎn)卷積,如圖1所示。該方法和標(biāo)準(zhǔn)卷積相比,其計(jì)算如式(1)所示。

    式中M為輸入特征圖通道數(shù),H、W為輸入特征圖的高和寬,N為卷積核個(gè)數(shù),Dk為卷積核大小。具體地,將該技術(shù)應(yīng)用到神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中,如圖2所示。

    在DSC-YOLO卷積結(jié)構(gòu)中,圖像數(shù)據(jù)先經(jīng)過(guò)一個(gè)3×3深度卷積層;然后傳入歸一化層,加速數(shù)據(jù)收斂、防止過(guò)擬合和降低網(wǎng)絡(luò)對(duì)權(quán)重敏感度;接著經(jīng)過(guò)LeakyRelu激活函數(shù)層;輸入到一個(gè)1×1點(diǎn)卷積層;最后經(jīng)過(guò)歸一化層和經(jīng)過(guò)LeakyRelu激活函數(shù)層輸出。

    將YOLOv3中標(biāo)準(zhǔn)卷積替換為深度可分離卷積,其標(biāo)準(zhǔn)卷積的參數(shù)量是深度可分離卷積的8.88倍,如表1所示,大大降低了計(jì)算量,提高實(shí)時(shí)性。

    表1 標(biāo)準(zhǔn)卷積和深度可分離卷積的參數(shù)量對(duì)比 Table 1 Comparison of parameters between standard convolution and depthwise separable convolution

    1.3 基于UGAN(Underwater Generative Adversarial Network)的水下圖像增強(qiáng)

    受水體懸浮顆粒對(duì)光產(chǎn)生折射、散射、選擇性吸收等特性的影響,攝像頭采集到的水下圖像存在色彩缺失、細(xì)節(jié)模糊、對(duì)比度低、噪聲污染嚴(yán)重等問(wèn)題,缺失大量有效信息的水下圖像勢(shì)必影響目標(biāo)檢測(cè)的性能。清晰的圖像有助于提升檢測(cè)的準(zhǔn)確性,因此,有必要對(duì)水下圖像進(jìn)行增強(qiáng)。傳統(tǒng)水下圖像增強(qiáng)主要包括基于物理模型的增強(qiáng)方法和基于非物理模型的增強(qiáng)方法。前者針對(duì)模型缺陷,進(jìn)行修補(bǔ)復(fù)原;后者針對(duì)圖像的清晰度進(jìn)行提高。這兩種方法都需要手工特征提取。新的UGAN方法采用無(wú)監(jiān)督方式,可以自動(dòng)學(xué)習(xí)到訓(xùn)練數(shù)據(jù)樣本的分布,產(chǎn)生新的數(shù)據(jù)。其主要思想是網(wǎng)絡(luò)通過(guò)不斷地對(duì)抗博弈,產(chǎn)生新的圖像數(shù)據(jù),實(shí)現(xiàn)從水下模糊圖像到水下清晰圖像的映射過(guò)程,如圖3所示。本文使用UGAN對(duì)水下圖像進(jìn)行增強(qiáng)。為展示UGAN處理效果,本文從水下數(shù)據(jù)集隨機(jī)選擇四張具有代表水下環(huán)境特性的圖像送入U(xiǎn)GAN模型進(jìn)行處理,效果如圖4所示。圖4中左側(cè)圖像代表了水下環(huán)境常見(jiàn)的圖像問(wèn)題,如模糊、對(duì)比度低、缺色或顏色背景等。右側(cè)圖像為UGAN增強(qiáng)后的對(duì)應(yīng)圖像。由圖可見(jiàn),UGAN能夠?qū)︻伾M(jìn)行校正,使圖像更加明亮、清晰。

    UGAN模型由生成網(wǎng)絡(luò)和辨別網(wǎng)絡(luò)構(gòu)成,其整體為全卷積結(jié)構(gòu)。生成網(wǎng)絡(luò)采用Encoder-Decoder模式,在Encoder部分,由8個(gè)卷積層構(gòu)成,卷積核大小為4×4,步長(zhǎng)為2。每個(gè)卷積層后連接歸一化層和斜率為0.2的LeakyReLU激活層。在Decoder部分,由8個(gè)反卷積層構(gòu)成,反卷積核大小為4×4,步長(zhǎng)為2。反卷積層后沒(méi)有接入歸一化層。前7個(gè)反卷積層連接ReLU激活層[28],最后一個(gè)反卷積層連接Tanh激活層。在上采樣過(guò)程,每個(gè)反卷積層與對(duì)應(yīng)的卷積層進(jìn)行拼接輸出到下一層,生成網(wǎng)絡(luò)呈現(xiàn)出U形。辨別網(wǎng)絡(luò)由5個(gè)卷積層構(gòu)成,前三層卷積核大小為4×4,步長(zhǎng)為2,第四層卷積核大小為4×4,步長(zhǎng)為1,第五層卷積核大小為1×1,步長(zhǎng)為1。每個(gè)卷積層后連接歸一化層和LeakyReLU激活層。辨別網(wǎng)絡(luò)采用PatchGAN設(shè)計(jì),輸出32×32×1的矩陣概率,與普通GAN的辨別網(wǎng)絡(luò)輸出的一個(gè)實(shí)數(shù)概率相比,可以獲取更多的圖像細(xì)節(jié)信息。

    訓(xùn)練UGAN網(wǎng)絡(luò)之前需要一組圖像對(duì),圖像對(duì)通過(guò)CycleGAN[29]獲取,把空氣中圖像輸入到CycleGAN中,生成對(duì)應(yīng)的水下環(huán)境風(fēng)格圖像。然后將空氣中圖像和水下環(huán)境風(fēng)格圖像作為圖像對(duì)訓(xùn)練UGAN。生成網(wǎng)絡(luò)接收一個(gè)水下環(huán)境風(fēng)格圖像和一個(gè)隨機(jī)噪聲,然后經(jīng)生成網(wǎng)絡(luò)生成水下生成圖像,水下生成圖像與對(duì)應(yīng)空氣中圖像送入辨別網(wǎng)絡(luò)進(jìn)行辨別,若辨別為真,則返回真實(shí)標(biāo)簽,否則,返回生成標(biāo)簽。生成網(wǎng)絡(luò)與辨別網(wǎng)絡(luò)互相對(duì)抗博弈,直到辨別網(wǎng)絡(luò)分辨不出水下圖像是否為真實(shí)或生成圖像為止。

    1.4 基于Mosaic的數(shù)據(jù)增廣

    深度學(xué)習(xí)需要大量訓(xùn)練數(shù)據(jù),而水下訓(xùn)練圖像獲取成本昂貴,有必要使用數(shù)據(jù)增廣技術(shù)來(lái)生成大量訓(xùn)練樣本[30]。目前數(shù)據(jù)增廣主要有光度變換(亮度、對(duì)比度、色相、飽和度)、幾何變換(隨機(jī)縮放、裁剪、翻轉(zhuǎn)和旋轉(zhuǎn))、圖像遮擋、圖像拼接等。考慮到Mosaic數(shù)據(jù)增廣綜合了光度變換、幾何變換和圖像拼接的優(yōu)點(diǎn),是一種集大成的方法,可以得到多樣的數(shù)據(jù)格式,有望提升性能。為此,使用Mosaic方法進(jìn)行數(shù)據(jù)增廣。其思想是將四張傳統(tǒng)增廣的圖像拼接在一起,形成一張完整圖像,如圖5所示。豐富了圖片的背景,提升目標(biāo)多樣性,變相地提高了輸入網(wǎng)絡(luò)的圖片數(shù)量。并且在進(jìn)行批歸一化[30]的時(shí)候同時(shí)計(jì)算四張圖片的權(quán)值,以提升檢測(cè)的性能。

    具體做法是從水下數(shù)據(jù)集隨機(jī)選取四張像素一致的圖像,每張圖像先進(jìn)行傳統(tǒng)數(shù)據(jù)增廣方法,然后將增廣后的圖像進(jìn)行隨機(jī)大小裁剪,接著將第一張裁剪的圖像固定在整體圖像的左上角,第二張裁剪的圖像固定在整體圖像的左下角,第三張裁剪的圖像固定在整體圖像的右下角,第四張裁剪的圖像固定在整體圖像的右上角。最后得到一張Mosaic增廣的圖像,增廣后的圖像與原四張圖像像素保持一致。

    1.5 總體框架

    基于上述改進(jìn)方法,將三個(gè)方法結(jié)合在一起,改進(jìn)的YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)框架如圖6所示。圖中總共分為兩部分:第一部分為數(shù)據(jù)預(yù)處理,第二部分DSC-YOLO網(wǎng)絡(luò)。

    數(shù)據(jù)預(yù)處理包括兩部分內(nèi)容:基于UGAN的圖像增強(qiáng)、基于Mosaic的數(shù)據(jù)增廣。圖像增強(qiáng)用于提升圖像清晰度與識(shí)別率,數(shù)據(jù)增廣用于豐富海珍品的多樣性,提升模型魯棒性。DSC-YOLO網(wǎng)絡(luò)減少大量標(biāo)準(zhǔn)卷積操作,減小模型大小,提升海珍品識(shí)別速度。相應(yīng)地,將DSC-YOLO卷積結(jié)構(gòu)應(yīng)用到Y(jié)OLOv3網(wǎng)絡(luò)結(jié)構(gòu),得到改進(jìn)的DSC-YOLO海珍品檢測(cè)網(wǎng)絡(luò)。在主干網(wǎng)絡(luò)部分,將416×416圖像送入網(wǎng)絡(luò)的第一個(gè)3×3卷積替換為深度可分離卷積,同時(shí)將每個(gè)階段的殘差結(jié)構(gòu)中的3×3卷積替換為深度可分離卷積。在檢測(cè)器部分,將連續(xù)卷積塊中3×3卷積替換為深度可分離卷積,同時(shí)將從連續(xù)卷積塊輸出的3×3卷積替換為深度可分離卷積。網(wǎng)絡(luò)每個(gè)分支輸出的特征圖大小、Anchor數(shù)量和Anchor大小與原網(wǎng)絡(luò)保持不變。

    2 材料與方法

    為了驗(yàn)證本文海珍品檢測(cè)方法的有效性,進(jìn)行了相應(yīng)的試驗(yàn)。本節(jié)將從數(shù)據(jù)集來(lái)源、試驗(yàn)設(shè)置和試驗(yàn)環(huán)境、評(píng)估標(biāo)準(zhǔn)進(jìn)行闡述。

    2.1 數(shù)據(jù)集來(lái)源

    本文采用“2017首屆水下機(jī)器人目標(biāo)抓取大賽(2017 Underwater Robot Picking Contest,URPC2017)”提供的真實(shí)水下圖像數(shù)據(jù)集(http://2017.cnurpc.org/a/js/ 2017/0829/66.html)。該數(shù)據(jù)集共有三個(gè)類別:海參、海膽、扇貝,包含18 982張圖像,圖像分辨率為720×405,標(biāo)注格式為VOC格式。

    2.2 試驗(yàn)方法

    將水下數(shù)據(jù)集隨機(jī)劃分成三份,其中15 182幅圖像用于訓(xùn)練,1 900幅圖像用于驗(yàn)證,1 900幅圖像用于測(cè)試,比例約為8:1:1。在訓(xùn)練階段,將DSC-YOLO、UGAN水下圖像增強(qiáng)和Mosaic數(shù)據(jù)增廣進(jìn)行組合,訓(xùn)練得到4個(gè)模型: DSC-YOLO、DSC-YOLO+UGAN、DSC-YOLO+ Mosaic、DSC-YOLO+UGAN+Mosaic,然后將此4個(gè)模型與YOLOv3模型進(jìn)行試驗(yàn)對(duì)比。使用預(yù)訓(xùn)練模型進(jìn)行訓(xùn)練,節(jié)省時(shí)間,提高訓(xùn)練速度。在輸入卷積神經(jīng)網(wǎng)絡(luò)前,數(shù)據(jù)集中所有圖像的分辨率調(diào)整為416×416。訓(xùn)練時(shí)以4幅圖像作為一個(gè)批次進(jìn)行小批量訓(xùn)練,每訓(xùn)練一批圖像,權(quán)值更新一次。權(quán)值衰減速率為0.000 5,動(dòng)量為0.9,初始學(xué)習(xí)率為0.001。對(duì)網(wǎng)絡(luò)進(jìn)行110輪訓(xùn)練,每訓(xùn)練1輪保存一次模型,最終選取精度最高的模型。

    本文試驗(yàn)采用的操作系統(tǒng)為Ubuntu16.04,深度學(xué)習(xí)框架為PyTorch,試驗(yàn)處理器為AMD Ryzen Threadripper 1920X 12核,內(nèi)存為8 G,顯卡為NVIDIA GeForce RTX2080,顯存為8 G GDDR6。

    2.3 評(píng)估標(biāo)準(zhǔn)

    本文以準(zhǔn)確率P、召回率R、多類平均準(zhǔn)確率mAP0.5(mean Average Precision)和F1分?jǐn)?shù)作為評(píng)價(jià)標(biāo)準(zhǔn)。準(zhǔn)確率P為被正確預(yù)測(cè)的正樣本數(shù)量占總預(yù)測(cè)的正樣本數(shù)量的比值,如式(2)所示。召回率R為被正確預(yù)測(cè)的正樣本數(shù)量占總正樣本數(shù)量的比值,如式(3)所示。單類平均準(zhǔn)確率AP(Average Precision)為準(zhǔn)確率P與召回率R構(gòu)成的P-R曲線的面積,如式(4)所示。多類平均準(zhǔn)確率mAP0.5為當(dāng)交并比(Intersection Over Union,IOU)為0.5時(shí),準(zhǔn)確率P與召回率R構(gòu)成的P-R曲線的面積,如式(5)所示。IOU為預(yù)測(cè)框與真實(shí)框的交集與并集的比值,當(dāng)預(yù)測(cè)框與真實(shí)框的IOU大于0.5,則為正樣本,預(yù)測(cè)框與真實(shí)框的IOU小于0.5,則為負(fù)樣本。F1分?jǐn)?shù)為精確率和召回率的調(diào)和平均數(shù),如式(6)所示。

    其中,TP為模型正確預(yù)測(cè)的正樣本數(shù)量,F(xiàn)P為模型錯(cuò)誤預(yù)測(cè)的正樣本數(shù)量,F(xiàn)N為模型錯(cuò)誤預(yù)測(cè)的負(fù)樣本數(shù)量,P(R)為P-R曲線函數(shù),n為類別數(shù)量。

    3 結(jié)果與分析

    模型在1 900張圖像測(cè)試集上,采用2.3部分所提的準(zhǔn)確率(P)、召回率(R)、多類平均準(zhǔn)確率(mAP0.5)、F1分?jǐn)?shù),以及推理時(shí)間(Inference time)和模型大小(Size)共6項(xiàng)指標(biāo),對(duì)各個(gè)模型進(jìn)行評(píng)估,試驗(yàn)結(jié)果如表2所示。

    表2 模型檢測(cè)性能對(duì)比 Table 2 Comparisons of model detection performance

    由表2可知,在準(zhǔn)確率P方面,YOLOv3模型為86%,DSC-YOLO+U+M模型為84.4%,僅相差1.6個(gè)百分點(diǎn)。在召回率R上,YOLOv3模型為91.4%,DSC-YOLO+U+M模型和DSC-YOLO+M模型同時(shí)取得了最大值94.1%,提高了2.7個(gè)百分點(diǎn)。

    YOLOv3模型的mAP0.5為92.2%,模型大小為492.6 MB,推理時(shí)間為8.1 ms。與YOLOv3模型相比,DSC-YOLO+U+M模型大小為146.7 MB,減小約70%,推理時(shí)間縮減為6.8 ms,F(xiàn)1分?jǐn)?shù)提升0.4個(gè)百分點(diǎn),并且多類平均準(zhǔn)確率提升2.4個(gè)百分點(diǎn)。

    此外,除了YOLOv3模型外,采用UGAN的模型比未采用UGAN的模型,在多類平均準(zhǔn)確率和F1分?jǐn)?shù)指標(biāo)上均有提升。并且采用Mosaic的模型比未采用Mosaic的模型,在多類平均準(zhǔn)確率和F1分?jǐn)?shù)指標(biāo)上均有明顯的提升。

    綜上,除了準(zhǔn)確率P外,DSC-YOLO+U+M模型相較于YOLOv3和其他模型而言,在大幅降低模型參數(shù)量的情況下,其他各項(xiàng)指標(biāo)都有所提升,展現(xiàn)出了優(yōu)越的性能,模型檢測(cè)效果如圖7所示。

    此外,試驗(yàn)中發(fā)現(xiàn),本文模型對(duì)漏標(biāo)的圖像數(shù)據(jù)具有較強(qiáng)的魯棒性,能夠?qū)D像中漏標(biāo)的海珍品檢測(cè)出來(lái)。本文隨機(jī)從測(cè)試集中選擇三張存在漏標(biāo)現(xiàn)象的數(shù)據(jù),如圖8所示。圖像8a中4個(gè)海參、5個(gè)海膽未標(biāo)注,圖8b中1個(gè)海參、3個(gè)扇貝未標(biāo)注,圖像8c中3個(gè)海參、1個(gè)海膽、6個(gè)扇貝未標(biāo)注。其他模型均存在不同程度的漏檢,而本文的最終模型DSC-YOLO+U+M將未標(biāo)注數(shù)據(jù)正確檢測(cè)出來(lái)。

    根據(jù)上圖模型檢測(cè)數(shù)量統(tǒng)計(jì)模型的漏檢率,如表3所示。其中漏檢率計(jì)算是模型未檢測(cè)到的目標(biāo)個(gè)數(shù)除以實(shí)際標(biāo)注和漏標(biāo)數(shù)量總和。由表3可知,本文提出的方法漏檢率數(shù)值最低,綜合來(lái)說(shuō),本文提出的模型在數(shù)據(jù)集漏標(biāo)的情況下,能夠?qū)⒙?biāo)的海珍品正確地檢測(cè)出來(lái),魯棒性良好。

    表3 模型漏檢率對(duì)比 Table 3 Comparisons of the model missing rate

    4 結(jié) 論

    本文提出了基于改進(jìn)的YOLOv3網(wǎng)絡(luò)的海珍品檢測(cè)框架,該框架在訓(xùn)練階段之前引入圖像增強(qiáng)和數(shù)據(jù)增廣方法用于提升圖像清晰度和檢測(cè)性能。然后采用深度可分離卷積,將標(biāo)準(zhǔn)卷積分解成深度卷積和點(diǎn)卷積,使參數(shù)量和計(jì)算量大大減少,推理速度縮短,模型大小縮減。在推理速度和準(zhǔn)確率方面得到提高的同時(shí),從定性和定量角度分析各個(gè)模型的性能。試驗(yàn)證明,改進(jìn)的YOLOv3網(wǎng)絡(luò)模型與圖像增強(qiáng)和數(shù)據(jù)增廣方法相結(jié)合,性能優(yōu)于YOLOv3模型。

    1)本文通過(guò)改進(jìn)模型,使得模型參數(shù)量和計(jì)算量減少,模型占用內(nèi)存大小為146.7 MB,YOLOv3網(wǎng)絡(luò)模型占用內(nèi)存大小為492.6 MB,模型占用內(nèi)存減小70%。加入圖像增強(qiáng)和數(shù)據(jù)增廣方法,不增加模型參數(shù)量和計(jì)算量的同時(shí),提高檢測(cè)性能。

    2)根據(jù)定性和定量結(jié)果比較,在網(wǎng)絡(luò)訓(xùn)練之前采用基于生成對(duì)抗網(wǎng)絡(luò)的圖像增強(qiáng)方法,提升了圖像的清晰度和檢測(cè)的準(zhǔn)確率,檢測(cè)的目標(biāo)更多,更全面,使得召回率提升2.7個(gè)百分點(diǎn)。

    猜你喜歡
    準(zhǔn)確率卷積深度
    基于3D-Winograd的快速卷積算法設(shè)計(jì)及FPGA實(shí)現(xiàn)
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    2015—2017 年寧夏各天氣預(yù)報(bào)參考產(chǎn)品質(zhì)量檢驗(yàn)分析
    深度理解一元一次方程
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    深度觀察
    深度觀察
    深度觀察
    高速公路車牌識(shí)別標(biāo)識(shí)站準(zhǔn)確率驗(yàn)證法
    国产熟女午夜一区二区三区| 久久久久精品人妻al黑| 国产av精品麻豆| 成人国语在线视频| a级片在线免费高清观看视频| 人妻系列 视频| 啦啦啦在线免费观看视频4| 亚洲伊人久久精品综合| 亚洲av中文av极速乱| 欧美精品一区二区大全| 亚洲精品一二三| 在线观看一区二区三区激情| 久久久久网色| 青青草视频在线视频观看| 极品人妻少妇av视频| 交换朋友夫妻互换小说| 国产探花极品一区二区| 丝袜喷水一区| 麻豆乱淫一区二区| 亚洲国产欧美网| 久久热在线av| 精品国产一区二区久久| 成人毛片60女人毛片免费| 岛国毛片在线播放| 精品一品国产午夜福利视频| 99热全是精品| 日韩欧美精品免费久久| 精品第一国产精品| 少妇的丰满在线观看| 久久久亚洲精品成人影院| 两个人免费观看高清视频| 婷婷色av中文字幕| 国产成人av激情在线播放| 桃花免费在线播放| 日本色播在线视频| 叶爱在线成人免费视频播放| 国产精品久久久av美女十八| 一边摸一边做爽爽视频免费| 一本色道久久久久久精品综合| 久久亚洲国产成人精品v| 国产精品久久久久久精品古装| 日日摸夜夜添夜夜爱| 国产97色在线日韩免费| 亚洲精品,欧美精品| 国产高清不卡午夜福利| 巨乳人妻的诱惑在线观看| 在线免费观看不下载黄p国产| 日日摸夜夜添夜夜爱| 午夜久久久在线观看| 中文字幕人妻熟女乱码| 亚洲人成77777在线视频| 天天躁日日躁夜夜躁夜夜| 国产精品三级大全| 桃花免费在线播放| 欧美日韩视频精品一区| 纵有疾风起免费观看全集完整版| 亚洲国产精品一区二区三区在线| 香蕉丝袜av| 黄片小视频在线播放| 国产成人午夜福利电影在线观看| 久久久久精品人妻al黑| 国产一区二区三区综合在线观看| 老司机影院毛片| 在线看a的网站| 91午夜精品亚洲一区二区三区| 黄片无遮挡物在线观看| 天天操日日干夜夜撸| 国产高清不卡午夜福利| 国产一级毛片在线| 99久国产av精品国产电影| 亚洲情色 制服丝袜| 色吧在线观看| 欧美日韩视频精品一区| 亚洲av欧美aⅴ国产| 90打野战视频偷拍视频| 午夜福利乱码中文字幕| 97在线人人人人妻| 最近2019中文字幕mv第一页| 99久久综合免费| 青青草视频在线视频观看| 午夜激情久久久久久久| 免费播放大片免费观看视频在线观看| 亚洲一区二区三区欧美精品| 成人亚洲欧美一区二区av| 亚洲久久久国产精品| 国产日韩欧美在线精品| 久久人人97超碰香蕉20202| 久久精品夜色国产| 日韩欧美精品免费久久| 亚洲,一卡二卡三卡| 在线观看国产h片| 一本色道久久久久久精品综合| 一区在线观看完整版| 边亲边吃奶的免费视频| 久久精品熟女亚洲av麻豆精品| 久久久国产欧美日韩av| 国产精品久久久久久精品古装| 啦啦啦视频在线资源免费观看| 免费av中文字幕在线| 久久久久国产一级毛片高清牌| 视频区图区小说| 制服诱惑二区| 免费高清在线观看视频在线观看| 母亲3免费完整高清在线观看 | 国产又色又爽无遮挡免| tube8黄色片| 纯流量卡能插随身wifi吗| 丰满饥渴人妻一区二区三| 男人爽女人下面视频在线观看| av电影中文网址| 一级毛片我不卡| av卡一久久| 色视频在线一区二区三区| 亚洲国产精品一区三区| 亚洲国产最新在线播放| 久久 成人 亚洲| www日本在线高清视频| 国产亚洲一区二区精品| 午夜福利视频在线观看免费| 亚洲精品一二三| 中文字幕另类日韩欧美亚洲嫩草| 两性夫妻黄色片| 日韩中文字幕视频在线看片| 人人澡人人妻人| 青青草视频在线视频观看| 欧美人与性动交α欧美精品济南到 | 啦啦啦中文免费视频观看日本| 欧美精品av麻豆av| 欧美国产精品一级二级三级| 久久久久国产一级毛片高清牌| 成人国语在线视频| 国产成人免费观看mmmm| 亚洲欧美成人综合另类久久久| 国产 一区精品| 日本色播在线视频| 如日韩欧美国产精品一区二区三区| 汤姆久久久久久久影院中文字幕| 亚洲精品aⅴ在线观看| 久久久久人妻精品一区果冻| 大片电影免费在线观看免费| 中文精品一卡2卡3卡4更新| 成人18禁高潮啪啪吃奶动态图| 久久久久人妻精品一区果冻| 久久久久久久久免费视频了| 91精品伊人久久大香线蕉| 在线 av 中文字幕| 日韩中文字幕欧美一区二区 | 欧美日韩精品成人综合77777| 青草久久国产| 免费高清在线观看视频在线观看| 国产熟女午夜一区二区三区| 日韩伦理黄色片| 少妇人妻 视频| 亚洲欧洲国产日韩| 亚洲av.av天堂| 亚洲av男天堂| 中文字幕色久视频| 久久久国产一区二区| 亚洲av福利一区| 午夜激情久久久久久久| 国产精品欧美亚洲77777| 亚洲情色 制服丝袜| 国产成人a∨麻豆精品| 少妇人妻精品综合一区二区| 新久久久久国产一级毛片| 亚洲精华国产精华液的使用体验| 成人亚洲欧美一区二区av| 国产 一区精品| 欧美少妇被猛烈插入视频| 久久精品国产综合久久久| 韩国av在线不卡| av视频免费观看在线观看| 夫妻性生交免费视频一级片| 捣出白浆h1v1| 一区二区日韩欧美中文字幕| 国产精品国产av在线观看| 熟女av电影| 十八禁网站网址无遮挡| 精品人妻熟女毛片av久久网站| 亚洲,欧美,日韩| 看免费成人av毛片| 看十八女毛片水多多多| 精品国产露脸久久av麻豆| 精品国产一区二区三区久久久樱花| 肉色欧美久久久久久久蜜桃| 狠狠婷婷综合久久久久久88av| 亚洲精品aⅴ在线观看| 日产精品乱码卡一卡2卡三| 波多野结衣一区麻豆| 视频区图区小说| 国产精品亚洲av一区麻豆 | a级毛片在线看网站| 亚洲美女黄色视频免费看| 久久精品久久久久久噜噜老黄| 成人国产麻豆网| 日韩三级伦理在线观看| 男女国产视频网站| 色视频在线一区二区三区| 午夜日韩欧美国产| 亚洲欧美一区二区三区国产| 天堂俺去俺来也www色官网| 亚洲图色成人| 亚洲三级黄色毛片| 免费在线观看完整版高清| 国产在线免费精品| 一级片免费观看大全| 最新中文字幕久久久久| xxx大片免费视频| 青春草亚洲视频在线观看| av在线播放精品| 久久国内精品自在自线图片| 少妇 在线观看| 熟妇人妻不卡中文字幕| 午夜福利视频在线观看免费| 亚洲欧美成人精品一区二区| 不卡视频在线观看欧美| 成人亚洲欧美一区二区av| 大香蕉久久成人网| 国产精品人妻久久久影院| 男女高潮啪啪啪动态图| 91在线精品国自产拍蜜月| 日韩免费高清中文字幕av| 亚洲五月色婷婷综合| 亚洲国产精品国产精品| kizo精华| 国产有黄有色有爽视频| 国产黄色免费在线视频| 成人国产av品久久久| 香蕉精品网在线| 高清在线视频一区二区三区| 少妇的逼水好多| 大陆偷拍与自拍| 91国产中文字幕| 久久久久国产一级毛片高清牌| 91在线精品国自产拍蜜月| www日本在线高清视频| 老汉色∧v一级毛片| av在线老鸭窝| 欧美+日韩+精品| 男人操女人黄网站| 国产精品欧美亚洲77777| 久久久久网色| 一级爰片在线观看| 叶爱在线成人免费视频播放| 国产成人91sexporn| 色播在线永久视频| 中文字幕亚洲精品专区| 亚洲,欧美,日韩| 日韩av不卡免费在线播放| 成人漫画全彩无遮挡| 亚洲精品中文字幕在线视频| 亚洲欧美成人精品一区二区| 欧美精品一区二区大全| 丰满乱子伦码专区| 下体分泌物呈黄色| 伊人久久国产一区二区| 赤兔流量卡办理| 欧美日韩综合久久久久久| 亚洲精品视频女| 亚洲国产av新网站| 美女xxoo啪啪120秒动态图| 一级毛片我不卡| 建设人人有责人人尽责人人享有的| 高清在线视频一区二区三区| 免费看不卡的av| 熟女电影av网| 欧美人与性动交α欧美精品济南到 | 黄频高清免费视频| 亚洲精品久久久久久婷婷小说| 日韩制服骚丝袜av| 精品一区在线观看国产| 丝袜美足系列| 国产成人aa在线观看| 午夜福利视频在线观看免费| 国产免费又黄又爽又色| 亚洲,欧美精品.| 狠狠婷婷综合久久久久久88av| 中文欧美无线码| 亚洲精品国产一区二区精华液| 一级毛片我不卡| 丝袜在线中文字幕| 亚洲人成网站在线观看播放| 亚洲第一区二区三区不卡| 一区在线观看完整版| 免费久久久久久久精品成人欧美视频| 久久97久久精品| 另类精品久久| 亚洲欧美成人精品一区二区| 国产免费福利视频在线观看| 菩萨蛮人人尽说江南好唐韦庄| 国精品久久久久久国模美| 18禁观看日本| 丝袜美腿诱惑在线| 一级毛片 在线播放| 亚洲欧美清纯卡通| 男女无遮挡免费网站观看| 老鸭窝网址在线观看| 中文字幕最新亚洲高清| 久久久久久免费高清国产稀缺| 精品少妇黑人巨大在线播放| 观看av在线不卡| 亚洲情色 制服丝袜| 一边摸一边做爽爽视频免费| 精品一品国产午夜福利视频| 亚洲第一区二区三区不卡| 极品人妻少妇av视频| 啦啦啦在线免费观看视频4| 免费看av在线观看网站| 国产伦理片在线播放av一区| 日韩一本色道免费dvd| 久久久久久伊人网av| 热re99久久国产66热| 晚上一个人看的免费电影| 在线精品无人区一区二区三| 这个男人来自地球电影免费观看 | 久久精品久久久久久噜噜老黄| 一区二区三区四区激情视频| 黄网站色视频无遮挡免费观看| 少妇的逼水好多| 午夜日本视频在线| 男女国产视频网站| 免费黄色在线免费观看| 美女中出高潮动态图| 肉色欧美久久久久久久蜜桃| 桃花免费在线播放| 最近手机中文字幕大全| videos熟女内射| 波野结衣二区三区在线| 成人国产麻豆网| 热re99久久国产66热| 免费黄网站久久成人精品| 女性生殖器流出的白浆| 欧美人与性动交α欧美精品济南到 | 七月丁香在线播放| 好男人视频免费观看在线| 精品99又大又爽又粗少妇毛片| 欧美激情极品国产一区二区三区| 日本色播在线视频| 久久久久久久精品精品| 日韩 亚洲 欧美在线| 国产精品香港三级国产av潘金莲 | 亚洲,一卡二卡三卡| 女的被弄到高潮叫床怎么办| 不卡视频在线观看欧美| 日韩不卡一区二区三区视频在线| 日本爱情动作片www.在线观看| 欧美 日韩 精品 国产| 亚洲,欧美,日韩| 亚洲天堂av无毛| 美女福利国产在线| 久久精品国产亚洲av天美| 五月开心婷婷网| 看非洲黑人一级黄片| 亚洲婷婷狠狠爱综合网| 在线观看人妻少妇| 制服丝袜香蕉在线| 国产成人91sexporn| 久久99热这里只频精品6学生| 另类精品久久| 人妻一区二区av| 男人操女人黄网站| 精品少妇久久久久久888优播| 天堂俺去俺来也www色官网| a级片在线免费高清观看视频| 免费高清在线观看视频在线观看| 国产1区2区3区精品| 日本欧美视频一区| 大香蕉久久成人网| 免费观看无遮挡的男女| 黄色 视频免费看| 精品少妇黑人巨大在线播放| 午夜av观看不卡| 亚洲 欧美一区二区三区| 熟妇人妻不卡中文字幕| 伦理电影大哥的女人| 日韩制服骚丝袜av| 夜夜骑夜夜射夜夜干| 丝袜喷水一区| 亚洲精品aⅴ在线观看| 久久午夜综合久久蜜桃| 在线亚洲精品国产二区图片欧美| 满18在线观看网站| 我的亚洲天堂| 国产成人精品一,二区| 亚洲美女黄色视频免费看| 久久 成人 亚洲| 精品人妻一区二区三区麻豆| 国产精品av久久久久免费| 久久久久久久久免费视频了| 男女午夜视频在线观看| 免费高清在线观看视频在线观看| 国产免费视频播放在线视频| h视频一区二区三区| 亚洲天堂av无毛| 欧美国产精品va在线观看不卡| 亚洲成av片中文字幕在线观看 | 青春草亚洲视频在线观看| 精品亚洲乱码少妇综合久久| 男女边摸边吃奶| 99九九在线精品视频| 日韩欧美一区视频在线观看| 日产精品乱码卡一卡2卡三| 91精品国产国语对白视频| 久久久久久久国产电影| 国产高清不卡午夜福利| 最近最新中文字幕免费大全7| 在线 av 中文字幕| 久热这里只有精品99| 香蕉国产在线看| 亚洲国产欧美网| 青春草视频在线免费观看| 只有这里有精品99| 一二三四中文在线观看免费高清| 国产在线一区二区三区精| 一级片免费观看大全| 最近中文字幕高清免费大全6| 丁香六月天网| 久久免费观看电影| 啦啦啦视频在线资源免费观看| 极品少妇高潮喷水抽搐| 久久久久久久久久久久大奶| 国产高清国产精品国产三级| 丝袜在线中文字幕| 色网站视频免费| 国产精品三级大全| 丝袜在线中文字幕| 精品国产露脸久久av麻豆| 国产亚洲午夜精品一区二区久久| 婷婷色av中文字幕| 叶爱在线成人免费视频播放| 多毛熟女@视频| 啦啦啦啦在线视频资源| 精品国产一区二区三区久久久樱花| 大片电影免费在线观看免费| 一区二区三区激情视频| 成人亚洲精品一区在线观看| 成年女人毛片免费观看观看9 | 91在线精品国自产拍蜜月| 久久久a久久爽久久v久久| 日韩av不卡免费在线播放| 黄色怎么调成土黄色| 精品人妻一区二区三区麻豆| 久久免费观看电影| 啦啦啦中文免费视频观看日本| 国产亚洲av片在线观看秒播厂| 一级,二级,三级黄色视频| 看免费av毛片| 少妇精品久久久久久久| 国产精品 国内视频| 国产免费视频播放在线视频| 亚洲美女黄色视频免费看| av在线播放精品| 精品国产一区二区三区四区第35| 91国产中文字幕| 亚洲精品国产av成人精品| 亚洲人成网站在线观看播放| 国产精品秋霞免费鲁丝片| 人妻少妇偷人精品九色| 欧美97在线视频| 大话2 男鬼变身卡| 校园人妻丝袜中文字幕| 欧美成人午夜精品| 精品少妇黑人巨大在线播放| 中文字幕色久视频| 黄色 视频免费看| 人成视频在线观看免费观看| 国产1区2区3区精品| 欧美变态另类bdsm刘玥| 亚洲国产av新网站| 秋霞在线观看毛片| 久久国产精品大桥未久av| 国产高清国产精品国产三级| 亚洲图色成人| 这个男人来自地球电影免费观看 | 精品少妇久久久久久888优播| tube8黄色片| 欧美日韩视频精品一区| 女性被躁到高潮视频| 国产一区二区三区综合在线观看| 国产男女内射视频| 国产精品久久久久久精品古装| 一级毛片黄色毛片免费观看视频| 国产视频首页在线观看| 波多野结衣av一区二区av| 香蕉国产在线看| 美女国产高潮福利片在线看| 精品酒店卫生间| 国产精品欧美亚洲77777| 高清在线视频一区二区三区| 在线观看免费日韩欧美大片| 男人爽女人下面视频在线观看| 免费观看在线日韩| 色播在线永久视频| 久久久久久久久久久免费av| 午夜久久久在线观看| 久久精品国产a三级三级三级| 一区二区三区精品91| 色婷婷久久久亚洲欧美| videosex国产| 国产高清国产精品国产三级| 亚洲第一av免费看| 一区二区av电影网| 另类精品久久| av网站免费在线观看视频| 国产在视频线精品| 亚洲精品美女久久久久99蜜臀 | 欧美av亚洲av综合av国产av | 国产精品偷伦视频观看了| 欧美人与性动交α欧美软件| 国产一区二区激情短视频 | 在线观看免费高清a一片| 欧美老熟妇乱子伦牲交| 久久久国产一区二区| 伊人久久国产一区二区| 亚洲美女黄色视频免费看| 亚洲国产色片| 黑丝袜美女国产一区| 观看美女的网站| 考比视频在线观看| 男女国产视频网站| 亚洲国产毛片av蜜桃av| 美女国产视频在线观看| 国产深夜福利视频在线观看| 欧美亚洲 丝袜 人妻 在线| 欧美日韩精品网址| 亚洲欧美一区二区三区黑人 | 熟女av电影| 丰满乱子伦码专区| 亚洲第一av免费看| 日韩一卡2卡3卡4卡2021年| 久久精品久久久久久久性| av网站免费在线观看视频| 春色校园在线视频观看| 黄色配什么色好看| 精品第一国产精品| 80岁老熟妇乱子伦牲交| 亚洲av福利一区| 91成人精品电影| 性少妇av在线| 伊人久久大香线蕉亚洲五| 国产精品一国产av| 777久久人妻少妇嫩草av网站| 亚洲成人av在线免费| 亚洲,一卡二卡三卡| 日韩在线高清观看一区二区三区| 欧美精品国产亚洲| 在线观看一区二区三区激情| 亚洲av.av天堂| 亚洲伊人色综图| 亚洲国产av影院在线观看| 18禁动态无遮挡网站| 成人手机av| 精品少妇一区二区三区视频日本电影 | 青春草亚洲视频在线观看| 久热这里只有精品99| 大片电影免费在线观看免费| 老女人水多毛片| 国产成人免费观看mmmm| 天天躁夜夜躁狠狠躁躁| 一区在线观看完整版| 精品国产超薄肉色丝袜足j| 一级,二级,三级黄色视频| 亚洲精品日本国产第一区| 美女脱内裤让男人舔精品视频| 99久久综合免费| www.av在线官网国产| 综合色丁香网| 人妻一区二区av| 成人影院久久| 欧美变态另类bdsm刘玥| 91久久精品国产一区二区三区| 午夜福利乱码中文字幕| 亚洲综合色网址| 欧美精品高潮呻吟av久久| 亚洲国产av新网站| 久久精品国产亚洲av天美| 欧美bdsm另类| 如何舔出高潮| 国产 一区精品| 免费看av在线观看网站| 亚洲精品,欧美精品| 人妻系列 视频| 亚洲一区二区三区欧美精品| 曰老女人黄片| 大话2 男鬼变身卡| 国产老妇伦熟女老妇高清| 久久人妻熟女aⅴ| 国产精品久久久久成人av| 男女免费视频国产| 国产精品嫩草影院av在线观看| 制服丝袜香蕉在线| 五月天丁香电影| 男女免费视频国产| 人妻少妇偷人精品九色| 国产免费福利视频在线观看| 2021少妇久久久久久久久久久| 亚洲欧美精品自产自拍| 国产精品久久久久成人av| 大陆偷拍与自拍| 中文字幕精品免费在线观看视频| 狠狠婷婷综合久久久久久88av| 久久国内精品自在自线图片| 免费观看av网站的网址| 久久国内精品自在自线图片| 免费观看av网站的网址| 国产老妇伦熟女老妇高清| 国产女主播在线喷水免费视频网站| 黄色视频在线播放观看不卡| 天天躁夜夜躁狠狠久久av| 侵犯人妻中文字幕一二三四区| 国产熟女午夜一区二区三区| 老女人水多毛片| 成人18禁高潮啪啪吃奶动态图| 波野结衣二区三区在线| 国产黄色视频一区二区在线观看|