• <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 ?

    基于非均勻MCE準(zhǔn)則的DNN關(guān)鍵詞檢測(cè)系統(tǒng)中聲學(xué)模型的訓(xùn)練

    2015-05-30 22:01:06王朝松韓紀(jì)慶鄭鐵然
    關(guān)鍵詞:檢測(cè)模型

    王朝松 韓紀(jì)慶 鄭鐵然

    摘 要:關(guān)鍵詞檢測(cè)是從連續(xù)語(yǔ)音流中檢測(cè)預(yù)先定義的給定詞的技術(shù),是語(yǔ)音識(shí)別領(lǐng)域的一個(gè)重要應(yīng)用。目前的關(guān)鍵詞檢測(cè)研究中,主流的方法是基于連續(xù)語(yǔ)音識(shí)別器的先識(shí)別后檢測(cè)的兩階段方法,語(yǔ)音識(shí)別器的準(zhǔn)確率對(duì)關(guān)鍵詞檢測(cè)有很大影響。本文首先在識(shí)別階段引入深度學(xué)習(xí)技術(shù)來(lái)改善關(guān)鍵詞檢測(cè)算法的性能。進(jìn)而針對(duì)識(shí)別階段和檢測(cè)階段缺乏緊密聯(lián)系,耦合度不夠的問(wèn)題,研究了側(cè)重關(guān)鍵詞的深度神經(jīng)網(wǎng)絡(luò)聲學(xué)建模技術(shù),利用非均勻的最小分類錯(cuò)誤準(zhǔn)則來(lái)調(diào)整深度神經(jīng)網(wǎng)絡(luò)聲學(xué)建模中的參數(shù),并利用AdaBoost算法來(lái)動(dòng)態(tài)調(diào)整聲學(xué)建模中的關(guān)鍵詞權(quán)重。結(jié)果表明,利用非均勻最小分類錯(cuò)誤準(zhǔn)則來(lái)調(diào)整深度神經(jīng)網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化的聲學(xué)模型,可以提高關(guān)鍵詞檢測(cè)的性能。

    關(guān)鍵詞:深度學(xué)習(xí);關(guān)鍵詞檢測(cè);AdaBoost;最小分類錯(cuò)誤

    中圖分類號(hào):TP391.4 文獻(xiàn)標(biāo)識(shí)碼: A 文章編號(hào):2095-2163(2015)04-

    Non-uniform MCE based Acoustic Model for Keyword Spotting based on Deep Neural Network

    WANG Zhaosong, HAN Jiqing, ZHENG Tieran

    (School of Computer Science and Technology, Harbin Institute of Technology, Harbin 150001,China)

    Abstract: Spoken term detection (STD) is a task to automatically detect a set of keywords in continuous speech, which is an important field of speech recognition. Current study is based on two-stage approach i.e. recognition and detection. The accuracy of speech recognition has a significant impact on keyword detection. Firstly, this paper uses deep leaning techniques to improve performance during the first stage. As the two stages lack of close contact, the paper studies using non-uniform misclassification error (MCE) criteria to adjust the parameters in deep neural network based acoustic modeling. Further the paper uses the adaptive boosting (AdaBoost) strategy to adjust keywords weight dynamically. It shows that non-uniform MCE can improve the performance of STD.

    Keyword: Deep Learning; Spoken Term Detection; AdaBoost; Minimum Classification Error

    0 引 言

    自2006年以來(lái),深度學(xué)習(xí)已經(jīng)成為機(jī)器學(xué)習(xí)的一個(gè)重點(diǎn)研究領(lǐng)域,而且現(xiàn)已在許多方面取得了卓越進(jìn)展。而在語(yǔ)音識(shí)別領(lǐng)域,基于深度學(xué)習(xí)的方法也隨即應(yīng)用而生,特別是在聲學(xué)建模上,深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Network, DNN)已經(jīng)能夠替代高斯混合模型(Gaussian Mixture Model, GMM),并和隱馬爾科夫模型(Hidden Markov Model, HMM)結(jié)合而推出了DNN-HMM混合模型,在實(shí)際應(yīng)用中取得了很高的識(shí)別率[1]。當(dāng)前的關(guān)鍵詞檢測(cè)(Spoken term detection, STD)系統(tǒng)通常是利用大詞匯量連續(xù)語(yǔ)音識(shí)別器(large vocabulary continuous speech recognition, LVCSR)來(lái)對(duì)搜索語(yǔ)音解碼產(chǎn)生關(guān)鍵詞假設(shè),再通過(guò)將輸入語(yǔ)音轉(zhuǎn)換為文本形式;基于此,關(guān)鍵詞檢測(cè)系統(tǒng)就可以利用文本搜索的一些技術(shù),但其與文本搜索不同的則是關(guān)鍵詞檢測(cè)多會(huì)利用lattice來(lái)表示語(yǔ)音識(shí)別結(jié)果[2-3]。在語(yǔ)音識(shí)別中,常常都是采用不同的區(qū)分性訓(xùn)練準(zhǔn)則來(lái)減小語(yǔ)音識(shí)別的詞錯(cuò)誤率(Word Error Rate, WER),著名的區(qū)分性訓(xùn)練準(zhǔn)則主要有MCE(Minimum Classification Error)[4]、MMI(Maximum Mutual Information)[5]、MPE(Minimum Phone Error)[6]和MWE(Minimum Word Error)[6]。

    在關(guān)鍵詞檢測(cè)任務(wù)中,關(guān)注的重點(diǎn)只是預(yù)定義的關(guān)鍵詞是否被檢測(cè)到。至于與目標(biāo)關(guān)鍵詞無(wú)關(guān)的詞,針對(duì)其所獲的檢測(cè)結(jié)果卻并不重要。Fu等人提出利用非均勻MCE準(zhǔn)則,并開展了運(yùn)用至語(yǔ)音識(shí)別中的嘗試[7-8]。Weng等人針對(duì)傳統(tǒng)GMM-HMM模型利用非均勻MCE準(zhǔn)則來(lái)推進(jìn)關(guān)鍵詞檢測(cè)的研究,也就是通過(guò)在聲學(xué)建模階段利用非均勻MCE準(zhǔn)則來(lái)進(jìn)行區(qū)分性訓(xùn)練,提高了關(guān)鍵詞檢測(cè)系統(tǒng)的性能[9]。研究表明,區(qū)分性訓(xùn)練可以改善DNN系統(tǒng)的性能[10]。Chen等人在非均勻準(zhǔn)則的基礎(chǔ)上,利用基于keyword-boosted sMBR(state-level minimum Bayes risk)準(zhǔn)則來(lái)訓(xùn)練關(guān)鍵詞檢測(cè)中的DNN-HMM模型,同時(shí)再通過(guò)在聲學(xué)模型訓(xùn)練階段對(duì)定義的關(guān)鍵詞進(jìn)行加重來(lái)提高模型對(duì)關(guān)鍵詞的建模能力,結(jié)果即取得了ATWV(Actual Term Weighted Value)1.7%-6.1%的提升[11]。

    在此,立基于對(duì)傳統(tǒng)GMM-HMM模型之上,相較于非均勻sMBR準(zhǔn)則而言,非均勻MCE準(zhǔn)則能夠利用AdaBoost來(lái)調(diào)整關(guān)鍵詞權(quán)重系數(shù),而非均勻sMBR準(zhǔn)則的權(quán)重系數(shù)卻是固定的,因而非均勻MCE準(zhǔn)則要比非均勻sMBR準(zhǔn)則獲得更佳效果[12]。從這一結(jié)論出發(fā),本文即將文獻(xiàn)[9]中所提出的非均勻MCE準(zhǔn)則引入到關(guān)鍵詞檢測(cè)的DNN聲學(xué)建模階段,在DNN的參數(shù)調(diào)整過(guò)程中,通過(guò)對(duì)關(guān)鍵詞進(jìn)行一定程度的側(cè)重來(lái)提高DNN-HMM模型對(duì)關(guān)鍵詞的建模能力。

    1 基于非均勻MCE準(zhǔn)則的關(guān)鍵詞DNN聲學(xué)模型訓(xùn)練

    1.1 DNN-HMM聲學(xué)模型

    DNN-HMM模型利用DNN替代GMM提供LVCSR中HMM狀態(tài)的后驗(yàn)概率。特別的, 表示語(yǔ)句r時(shí)刻t的觀測(cè)變量,DNN對(duì)HMM狀態(tài)s的輸出 可以通過(guò)softmax激活函數(shù)來(lái)計(jì)算:

    (1)

    其中, 表示狀態(tài)s對(duì)應(yīng)的輸出層的激活值,識(shí)別器通常利用偽對(duì)數(shù)似然來(lái)計(jì)算后驗(yàn)概率:

    (2)

    式中, 表示從訓(xùn)練數(shù)據(jù)中計(jì)算得到的狀態(tài)s的先驗(yàn)概率。

    網(wǎng)絡(luò)訓(xùn)練可以通過(guò)利用反向傳播算法來(lái)優(yōu)化給定的目標(biāo)函數(shù)而獲得實(shí)現(xiàn)。更經(jīng)常地,DNN-HMM聲學(xué)模型主要利用交叉熵(cross-entropy)作為目標(biāo)函數(shù),優(yōu)化則主要利用隨機(jī)梯度下降方法來(lái)進(jìn)行處理和操作展開。

    1.2 基于MCE準(zhǔn)則的區(qū)分性訓(xùn)練

    區(qū)分性訓(xùn)練中,MCE訓(xùn)練準(zhǔn)則是常用的一種。該準(zhǔn)則以最小化經(jīng)驗(yàn)錯(cuò)誤率為目標(biāo)[4],在語(yǔ)音識(shí)別中,令Xr(r=1,…R)為訓(xùn)練集中的R個(gè)句子,Wr為句子Xr所對(duì)應(yīng)的標(biāo)注,W是特定的假設(shè)空間,對(duì)某個(gè)假設(shè)W的判別函數(shù)可以定義為:

    (3)

    其中, 和 分別表示聲學(xué)模型和語(yǔ)言模型得分, 表示聲學(xué)模型因子,誤分類度量通常采用:

    (4)

    誤分類度量的符號(hào)反映了給定聲學(xué)模型參數(shù),句子 的分類正確或者錯(cuò)誤程度。經(jīng)過(guò)對(duì)上式運(yùn)用sigmoid函數(shù)進(jìn)行平滑,目標(biāo)損失函數(shù)可以表示為:

    (5)

    其中, 表示sigmoid函數(shù),目標(biāo)函數(shù)表示針對(duì)訓(xùn)練集的經(jīng)驗(yàn)損失。

    1.3 關(guān)鍵詞檢測(cè)的非均勻MCE準(zhǔn)則

    非均勻準(zhǔn)則的區(qū)分性訓(xùn)練是基于某些識(shí)別單元可能比其他單元攜帶更多重要信息的假設(shè)[9],其目標(biāo)不是最小錯(cuò)誤率而是最小錯(cuò)誤損失,最小錯(cuò)誤率不區(qū)分不同的錯(cuò)誤。訓(xùn)練過(guò)程中的關(guān)鍵詞識(shí)別錯(cuò)誤比非關(guān)鍵詞識(shí)別錯(cuò)誤代價(jià)更大。

    在DNN系統(tǒng)中,對(duì)某一幀t,定義幀級(jí)判別函數(shù)為:

    (6)

    其中,i是狀態(tài)編號(hào), 是給定Xr和假設(shè)標(biāo)簽W的后驗(yàn)概率,研究中只關(guān)注關(guān)鍵詞是否在標(biāo)簽或假設(shè)中出現(xiàn),定義錯(cuò)誤損失函數(shù) 為語(yǔ)句r在時(shí)刻t的損失,關(guān)鍵詞檢測(cè)的非均勻MCE準(zhǔn)則的目標(biāo)函數(shù)為:

    (7)

    為了對(duì)公式(7)進(jìn)行優(yōu)化,同時(shí)與普通的MCE準(zhǔn)則進(jìn)行對(duì)比,并推導(dǎo)出非均勻MCE與普通MCE準(zhǔn)則優(yōu)化的不同,進(jìn)而采取有效的方法來(lái)優(yōu)化非均勻MCE準(zhǔn)則的目標(biāo)函數(shù),即對(duì)公式(7)進(jìn)行求導(dǎo):

    (8)

    其中, 分別表示標(biāo)注和假設(shè)的幀后驗(yàn)概率,將非均勻MCE準(zhǔn)則的導(dǎo)數(shù)與原來(lái)的MCE準(zhǔn)則進(jìn)行對(duì)比,實(shí)際使用中,為了便于計(jì)算,通常令 并忽略 ,具體公式為:

    (9)

    可以看到,非均勻MCE與普通的MCE方法的一個(gè)區(qū)別是 ,普通MCE對(duì)單個(gè)句子是不變的。另一個(gè)區(qū)別是非均勻的錯(cuò)誤損失函數(shù) ,錯(cuò)誤損失函數(shù)是加在每一幀上的,為了便于計(jì)算非均勻MCE目標(biāo)函數(shù)并有效優(yōu)化參數(shù),在此采用了普通MCE的固定值而不是變化值,目標(biāo)函數(shù)近似為:

    (10)

    錯(cuò)誤損失函數(shù)定義為:

    (11)

    其含義是,如果當(dāng)前訓(xùn)練實(shí)例的標(biāo)注是關(guān)鍵詞,錯(cuò)誤損失定義為K1;若對(duì)當(dāng)前訓(xùn)練實(shí)例,關(guān)鍵詞出現(xiàn)在假設(shè)中錯(cuò)誤損失定義為K2;當(dāng)關(guān)鍵詞既未出現(xiàn)在標(biāo)注又未出現(xiàn)在假設(shè)空間時(shí),錯(cuò)誤損失定義為1。K1、K2應(yīng)該都大于1,這樣在模型訓(xùn)練階段才可以對(duì)關(guān)鍵詞進(jìn)行側(cè)重。

    公式(11)中的錯(cuò)誤損失函數(shù)在不同的迭代中對(duì)同一幀賦予相同的錯(cuò)誤損失,當(dāng)使用較大的錯(cuò)誤損失時(shí)可能會(huì)導(dǎo)致過(guò)訓(xùn)練。與普通的MCE相比,非均勻的MCE相當(dāng)于對(duì)每一幀根據(jù) 進(jìn)行了重采樣,因此,可以考慮采用基于boosting的方法。AdaBoost方法在每次迭代時(shí)均會(huì)根據(jù)錯(cuò)誤率調(diào)整錯(cuò)誤損失[13],因此可以將AdaBoost方法運(yùn)用到非均勻MCE準(zhǔn)則中。訓(xùn)練啟動(dòng)時(shí)會(huì)使用較大的K1和K2來(lái)初始化錯(cuò)誤損失函數(shù),這些值會(huì)根據(jù)識(shí)別器的性能進(jìn)行調(diào)整[9]。具體算法總結(jié)如算法1所示。

    2 實(shí)驗(yàn)結(jié)果與分析

    本文設(shè)計(jì)了一系列的實(shí)驗(yàn)來(lái)研究前述的非均勻MCE準(zhǔn)則的DNN聲學(xué)模型區(qū)分性訓(xùn)練,主要研究不同的K1、K2值對(duì)關(guān)鍵詞檢測(cè)系統(tǒng)性能的影響。

    本實(shí)驗(yàn)所使用的語(yǔ)料庫(kù)來(lái)自于國(guó)家863朗讀語(yǔ)料庫(kù),其中約100個(gè)小時(shí)的數(shù)據(jù)用來(lái)訓(xùn)練DNN-HMM模型的識(shí)別器,約10個(gè)小時(shí)的數(shù)據(jù)用作關(guān)鍵詞檢測(cè)的搜索集。實(shí)驗(yàn)的基線系統(tǒng)由開源的語(yǔ)音識(shí)別工具Kaldi建立[14],關(guān)鍵詞檢測(cè)系統(tǒng)的評(píng)測(cè)利用NIST OpenKWS15提供,關(guān)鍵詞檢測(cè)系統(tǒng)的評(píng)價(jià)主要通過(guò)ATWV來(lái)計(jì)算[15-16],其數(shù)學(xué)描述如下:

    (12)

    其中,K是關(guān)鍵詞數(shù)目,Nmiss(kw)是漏檢的關(guān)鍵詞數(shù),NFA(kw)是檢測(cè)到的虛警數(shù),T是測(cè)試集的時(shí)間長(zhǎng)度(以秒計(jì)),β是為999.9的常數(shù)。

    本文進(jìn)行了非均勻MCE準(zhǔn)則的訓(xùn)練,迭代次數(shù)為4,不同的K1、K2和 下系統(tǒng)ATWV值如表1所示。分析可知,較大的K1和K2可以取得較高的性能,但衰減因子 會(huì)導(dǎo)致波動(dòng)。

    表1 基于非均勻MCE準(zhǔn)則關(guān)鍵詞檢測(cè)實(shí)驗(yàn)結(jié)果

    Tab.1 Results of non-uniform criteria based STD

    方案 K1 K2

    ATWV

    基線(MLE) - - - 0.615 3

    AdaBoost非均勻MCE準(zhǔn)則 5 5 0.3 0.726 5

    5 5 0.5 0.723 7

    5 5 0.7 0.721 3

    7 7 0.3 0.727 6

    7 7 0.5 0.726 8

    7 7 0.7 0.727 3

    3 結(jié)束語(yǔ)

    本文在DNN聲學(xué)模型的參數(shù)訓(xùn)練階段,通過(guò)利用非均勻的MCE準(zhǔn)則對(duì)關(guān)鍵詞進(jìn)行側(cè)重,由此提高了DNN-HMM模型對(duì)關(guān)鍵詞的建模能力。采用AdaBoost算法,可以解決過(guò)訓(xùn)練的問(wèn)題。研究結(jié)果表明,非均勻MCE方法相比基線系統(tǒng)可以提高關(guān)鍵詞檢測(cè)的性能。本文用不同的組合(K1,K2, β)來(lái)進(jìn)行實(shí)驗(yàn),并測(cè)試不同配置下的性能。錯(cuò)誤損失函數(shù)中K1、K2的取值越大,系統(tǒng)性能越好,而β取較大值時(shí),系統(tǒng)會(huì)出現(xiàn)波動(dòng)。此外,較小的β值則具有較好的效果。接下來(lái)的工作可以研究衰減系數(shù)β對(duì)關(guān)鍵詞檢測(cè)系統(tǒng)的作用,并且可以嘗試使β進(jìn)行自適應(yīng)調(diào)整而不再是使用固定值。

    參考文獻(xiàn):

    [1] HINTON G, DENG L, YU D, et al. Deep Neural Networks for Acoustic Modeling in Speech Recognition: The Shared Views of Four Research Groups[J]. Signal Processing Magazine IEEE, 2012, 29(6):82 - 97.

    [2] MILLER D, KLEBER M, KAO C, et al. Rapid and accurate spoken term detection[J]. Proc. Interspeech, 2007, 3:1965 - 1968.

    [3] National Institute of Standards and Technology (NIST). The spoken term detection (STD) 2006 evaluation plan [J]. http://www.nist.gov/speech/tests/std,2006. 10 edition

    [4] JUANG B, HOU W, LEE C. Minimum classification error rate methods for speech recognition[J]. IEEE Trans on Speech & Audio Proc, 1997, 5(3):257 - 265.

    [5] BAHL L, BROWN P F, De SOUZA P V, et al. Maximum mutual information estimation of hidden Markov model parameters for speech recognition[J]. Acoustics Speech & Signal Processing IEEE International Conference on Icassp, 1986, 11:49 - 52.

    [6] DANIEL P. Discriminative training for large vocabulary speech recognition [D]. Cambridge:University of Cambridge, 2003.

    [7] FU Q, MANSJUR D S, JUANG B H. Non-Uniform error criteria for automatic pattern and speech recognition[C]// Acoustics, Speech and Signal Processing, 2008. ICASSP 2008, IEEE International Conference on. Las Vegas: IEEE, 2008:1853 - 1856.

    [8] FU Q, MANSJUR D S, JUANG B. Empirical System Learning for Statistical Pattern Recognition With Non-Uniform Error Criteria[J]. Signal Processing IEEE Transactions on, 2010, 58(9):4621 - 4633.

    [9] WENG C, JUANG B, WENG C, et al. Adaptive boosted non-uniform mce for keyword spotting on spontaneous speech[C] //IEEE International Conference on Acoustics, Speech & Signal Processing, Vancouver:IEEE, 2013:6960 - 6964.

    [10] GHOSHAL A, POVEY D. Sequence discriminative training of deep neural networks[J]. ProcInterspeech, 2013, (8):2345 - 2349.

    [11] CHEN I, CHEN N, LEE C. A keyword-boosted sMBR Criterion to enhance keyword search performance in deep neural network based acoustic modeling[J]. Interspeech,2014, (9):2779-2783.

    [12] WENG C, JUANG B H F. Discriminative training using non-uniform criteria for keyword spotting on spontaneous speech[J]. Audio Speech & Language Processing IEEE/ACM Transactions on, 2015, 23(2):300 - 312.

    [13] FREUND Y, SCHAPIRE R E. Experiments with a New Boosting Algorithm[J]. Proceedings of the Thirteenth International Conference on Machine Learning, 1996, 96:148 - 156.

    [14] POVEY D, GHOSHAL A, BOULIANNE G, et al. The Kaldi speech recognition toolkit[C]// Automatic Speech Recognition and Understanding(ASRU), IEEE Workshop on. Hawaii: IEEE, 2011:174 – 178.

    [15] NIST Open Keyword Search 2015 Evaluation (OpenKWS15)[EB/OL].http://www.nist.gov/itl/iad/mig/openkws15.cfm.

    [16] WEGMANN S, FARIA A, JANIN A, et al. The TAO of ATWV: Probing the mysteries of keyword search performance[C]// Automatic Speech Recognition and Understanding (ASRU), IEEE Workshop on. Olomouc:IEEE, 2013:192 – 197.

    猜你喜歡
    檢測(cè)模型
    一半模型
    “不等式”檢測(cè)題
    “一元一次不等式”檢測(cè)題
    “一元一次不等式組”檢測(cè)題
    “幾何圖形”檢測(cè)題
    “角”檢測(cè)題
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
    3D打印中的模型分割與打包
    小波變換在PCB缺陷檢測(cè)中的應(yīng)用
    妹子高潮喷水视频| 精品国产露脸久久av麻豆| 欧美丝袜亚洲另类| 2021少妇久久久久久久久久久| 成人无遮挡网站| 精品久久久精品久久久| 国产亚洲精品久久久com| 国产精品一区www在线观看| 韩国高清视频一区二区三区| 国产精品久久久久久精品古装| 在线亚洲精品国产二区图片欧美 | 欧美成人午夜免费资源| 久久午夜综合久久蜜桃| 丰满乱子伦码专区| 美女福利国产在线| 久久99热6这里只有精品| 久久久国产欧美日韩av| 尾随美女入室| 永久网站在线| 欧美日韩精品成人综合77777| 日韩精品有码人妻一区| 男人舔奶头视频| 亚洲欧美中文字幕日韩二区| 中文字幕精品免费在线观看视频 | 久久亚洲国产成人精品v| 不卡视频在线观看欧美| 你懂的网址亚洲精品在线观看| 免费大片黄手机在线观看| 国产男女超爽视频在线观看| 免费观看在线日韩| 亚洲av国产av综合av卡| av福利片在线| 99久久中文字幕三级久久日本| 午夜久久久在线观看| 久久久久久久精品精品| 人妻人人澡人人爽人人| 欧美精品亚洲一区二区| 欧美成人精品欧美一级黄| 韩国高清视频一区二区三区| 黄色毛片三级朝国网站 | 国产av精品麻豆| 亚洲美女黄色视频免费看| 免费久久久久久久精品成人欧美视频 | 少妇裸体淫交视频免费看高清| 亚洲色图综合在线观看| 国产成人aa在线观看| 91成人精品电影| 女人久久www免费人成看片| 男女免费视频国产| 亚洲怡红院男人天堂| 丰满迷人的少妇在线观看| 色婷婷久久久亚洲欧美| 在线亚洲精品国产二区图片欧美 | 日本欧美视频一区| 国产亚洲av片在线观看秒播厂| 秋霞伦理黄片| 国产欧美日韩精品一区二区| 九色成人免费人妻av| 五月玫瑰六月丁香| a级毛片免费高清观看在线播放| av卡一久久| 免费观看的影片在线观看| 久久人人爽人人片av| 新久久久久国产一级毛片| 免费黄网站久久成人精品| 亚洲国产毛片av蜜桃av| 青春草视频在线免费观看| 久久久久久久久久久免费av| 少妇被粗大猛烈的视频| 美女xxoo啪啪120秒动态图| 91久久精品国产一区二区成人| 国产淫片久久久久久久久| 老熟女久久久| 国产欧美亚洲国产| 伊人亚洲综合成人网| 国产成人91sexporn| 免费大片18禁| 国产老妇伦熟女老妇高清| 亚洲精品一区蜜桃| 精品人妻熟女毛片av久久网站| 日本-黄色视频高清免费观看| 日韩精品有码人妻一区| 欧美另类一区| 中文字幕精品免费在线观看视频 | 亚洲av成人精品一二三区| 黑人猛操日本美女一级片| 美女福利国产在线| 亚洲欧美中文字幕日韩二区| 欧美精品亚洲一区二区| 黄色视频在线播放观看不卡| 妹子高潮喷水视频| 丁香六月天网| 国产午夜精品一二区理论片| 波野结衣二区三区在线| 男女免费视频国产| 日本色播在线视频| 在线观看三级黄色| 校园人妻丝袜中文字幕| 精品久久久精品久久久| 建设人人有责人人尽责人人享有的| 精品人妻一区二区三区麻豆| kizo精华| 久久人妻熟女aⅴ| 亚洲欧美精品专区久久| 777米奇影视久久| 欧美另类一区| 伊人久久精品亚洲午夜| 纵有疾风起免费观看全集完整版| 亚洲欧美精品专区久久| 欧美另类一区| 狂野欧美白嫩少妇大欣赏| 97在线人人人人妻| 啦啦啦啦在线视频资源| 一二三四中文在线观看免费高清| 亚洲无线观看免费| 国产成人精品一,二区| 日日摸夜夜添夜夜添av毛片| 日本黄大片高清| 深夜a级毛片| 极品少妇高潮喷水抽搐| 中文字幕亚洲精品专区| 欧美一级a爱片免费观看看| 色5月婷婷丁香| 国产精品久久久久久久电影| 精品久久久久久久久亚洲| 日韩三级伦理在线观看| 麻豆乱淫一区二区| 久久久国产精品麻豆| 各种免费的搞黄视频| 亚洲国产色片| 在线观看一区二区三区激情| 国产白丝娇喘喷水9色精品| 国产av码专区亚洲av| 精华霜和精华液先用哪个| 国国产精品蜜臀av免费| 一级毛片我不卡| 亚洲精品中文字幕在线视频 | 亚洲丝袜综合中文字幕| 欧美精品人与动牲交sv欧美| 日本猛色少妇xxxxx猛交久久| 人妻人人澡人人爽人人| 欧美成人午夜免费资源| 人妻制服诱惑在线中文字幕| 亚洲av国产av综合av卡| 在线观看三级黄色| 精品久久国产蜜桃| 久久精品久久精品一区二区三区| 亚洲情色 制服丝袜| 亚洲成色77777| 欧美激情极品国产一区二区三区 | 国产淫片久久久久久久久| 国产精品麻豆人妻色哟哟久久| 久久久久国产网址| 欧美精品一区二区免费开放| 欧美日韩视频高清一区二区三区二| 国产成人aa在线观看| 亚洲人成网站在线观看播放| 成人毛片60女人毛片免费| 十分钟在线观看高清视频www | 久久久久久久国产电影| 女人久久www免费人成看片| 观看av在线不卡| 久久 成人 亚洲| 亚洲国产成人一精品久久久| 岛国毛片在线播放| 欧美日韩在线观看h| 91久久精品国产一区二区三区| 亚洲av免费高清在线观看| av黄色大香蕉| 国产男女超爽视频在线观看| 国产成人91sexporn| 嫩草影院入口| 成人二区视频| 日韩在线高清观看一区二区三区| 九九在线视频观看精品| 五月玫瑰六月丁香| 亚洲高清免费不卡视频| 狂野欧美白嫩少妇大欣赏| 亚洲精品中文字幕在线视频 | 日韩伦理黄色片| 国产亚洲最大av| 51国产日韩欧美| 99久久人妻综合| 亚洲中文av在线| 亚洲精品,欧美精品| 久久久久视频综合| 嫩草影院入口| 亚洲图色成人| 欧美激情极品国产一区二区三区 | 久久久久久久久久久丰满| 久久女婷五月综合色啪小说| 天天躁夜夜躁狠狠久久av| 97超视频在线观看视频| 毛片一级片免费看久久久久| 精品亚洲乱码少妇综合久久| 日本黄色日本黄色录像| 日本黄大片高清| 国产日韩一区二区三区精品不卡 | 国国产精品蜜臀av免费| 人妻少妇偷人精品九色| 妹子高潮喷水视频| 精品少妇黑人巨大在线播放| 91aial.com中文字幕在线观看| 欧美少妇被猛烈插入视频| 国产精品久久久久久av不卡| 丰满饥渴人妻一区二区三| 美女中出高潮动态图| 大话2 男鬼变身卡| 亚洲天堂av无毛| 亚洲欧洲精品一区二区精品久久久 | 久久久久国产精品人妻一区二区| 亚洲人成网站在线播| 亚洲国产精品999| 肉色欧美久久久久久久蜜桃| 日本午夜av视频| 黑人猛操日本美女一级片| 色婷婷久久久亚洲欧美| 嘟嘟电影网在线观看| 免费看光身美女| 一区在线观看完整版| 免费大片18禁| 久久精品久久久久久久性| 久久这里有精品视频免费| 免费观看在线日韩| 久久久久久久久大av| 久久精品国产鲁丝片午夜精品| 欧美一级a爱片免费观看看| 国产在线视频一区二区| 欧美日韩精品成人综合77777| 欧美另类一区| 熟女人妻精品中文字幕| 99热这里只有是精品50| 99视频精品全部免费 在线| 日韩精品有码人妻一区| 亚洲国产精品一区三区| 麻豆精品久久久久久蜜桃| 人人妻人人看人人澡| 欧美日韩综合久久久久久| 国产无遮挡羞羞视频在线观看| 成人午夜精彩视频在线观看| 美女大奶头黄色视频| 久久久国产一区二区| 王馨瑶露胸无遮挡在线观看| 国产精品女同一区二区软件| 久久精品久久久久久久性| 亚洲成色77777| 成人国产av品久久久| 少妇的逼水好多| 国产 一区精品| 精品国产国语对白av| 久久久久久久亚洲中文字幕| 国产亚洲5aaaaa淫片| 国产av国产精品国产| 大又大粗又爽又黄少妇毛片口| 婷婷色麻豆天堂久久| 国产av国产精品国产| 伊人久久国产一区二区| 高清午夜精品一区二区三区| av在线观看视频网站免费| 丁香六月天网| 中文资源天堂在线| 少妇人妻 视频| 亚洲人与动物交配视频| 看十八女毛片水多多多| 国产精品人妻久久久影院| 一级黄片播放器| 国产av一区二区精品久久| 国产免费一级a男人的天堂| 97超视频在线观看视频| 六月丁香七月| 少妇人妻一区二区三区视频| 精品久久国产蜜桃| 少妇 在线观看| 18+在线观看网站| 国产精品成人在线| 丰满迷人的少妇在线观看| 黄色视频在线播放观看不卡| 久久狼人影院| 亚洲精品日韩在线中文字幕| 欧美精品国产亚洲| 老司机亚洲免费影院| 99久久精品一区二区三区| 免费高清在线观看视频在线观看| 久久影院123| 国产日韩欧美视频二区| 久久毛片免费看一区二区三区| 69精品国产乱码久久久| 黄色毛片三级朝国网站 | 人妻制服诱惑在线中文字幕| 少妇被粗大猛烈的视频| 亚洲成人手机| 99热这里只有是精品50| 亚洲精品aⅴ在线观看| 免费av中文字幕在线| 国产视频内射| 美女脱内裤让男人舔精品视频| 一级a做视频免费观看| 在线观看免费高清a一片| 亚洲精品国产av蜜桃| 高清午夜精品一区二区三区| 国产精品免费大片| 国产精品一二三区在线看| 五月玫瑰六月丁香| 少妇人妻精品综合一区二区| 欧美激情国产日韩精品一区| 亚洲av成人精品一二三区| 日韩欧美精品免费久久| 日韩电影二区| 天天操日日干夜夜撸| 噜噜噜噜噜久久久久久91| 黑人巨大精品欧美一区二区蜜桃 | 国产精品蜜桃在线观看| 全区人妻精品视频| 国产黄片视频在线免费观看| 中文在线观看免费www的网站| 永久网站在线| 丰满乱子伦码专区| 国产 精品1| a级一级毛片免费在线观看| 草草在线视频免费看| 性色avwww在线观看| av专区在线播放| 日韩精品有码人妻一区| 最后的刺客免费高清国语| 亚洲av在线观看美女高潮| 成人免费观看视频高清| 99久久中文字幕三级久久日本| 欧美xxxx性猛交bbbb| 日韩,欧美,国产一区二区三区| 国产精品国产三级国产av玫瑰| 一本一本综合久久| 日韩一区二区视频免费看| 免费人妻精品一区二区三区视频| 国产精品一区二区在线不卡| 国产深夜福利视频在线观看| 边亲边吃奶的免费视频| 国产视频首页在线观看| 91精品国产九色| 久久99一区二区三区| 日韩强制内射视频| 香蕉精品网在线| 波野结衣二区三区在线| 日韩中文字幕视频在线看片| 国产精品嫩草影院av在线观看| 久久av网站| 欧美精品国产亚洲| 最近2019中文字幕mv第一页| 看十八女毛片水多多多| a级毛片免费高清观看在线播放| av在线app专区| 国产真实伦视频高清在线观看| 中文乱码字字幕精品一区二区三区| 九草在线视频观看| 国产探花极品一区二区| 看非洲黑人一级黄片| 婷婷色综合www| 精品少妇黑人巨大在线播放| 2018国产大陆天天弄谢| av线在线观看网站| 亚洲精品视频女| 午夜福利视频精品| 亚洲精华国产精华液的使用体验| 我的女老师完整版在线观看| 国产亚洲一区二区精品| 日本免费在线观看一区| 观看美女的网站| 成年女人在线观看亚洲视频| 日韩精品有码人妻一区| 国产精品国产三级国产专区5o| 国产av码专区亚洲av| 亚洲精品久久午夜乱码| 精品视频人人做人人爽| 成人国产麻豆网| av女优亚洲男人天堂| 午夜免费鲁丝| 国产伦精品一区二区三区四那| www.色视频.com| 男人狂女人下面高潮的视频| 亚洲精品aⅴ在线观看| 国产免费一区二区三区四区乱码| 国产成人一区二区在线| 亚洲一级一片aⅴ在线观看| 美女视频免费永久观看网站| 日韩一本色道免费dvd| 人妻人人澡人人爽人人| 欧美日本中文国产一区发布| 欧美少妇被猛烈插入视频| 亚洲精品一区蜜桃| 亚洲真实伦在线观看| 在线观看免费高清a一片| av在线老鸭窝| 日本av免费视频播放| 成年人午夜在线观看视频| 伦理电影大哥的女人| 久久综合国产亚洲精品| 免费人成在线观看视频色| 亚洲精品,欧美精品| 国产精品熟女久久久久浪| 人人妻人人爽人人添夜夜欢视频 | 搡女人真爽免费视频火全软件| 丝袜脚勾引网站| 亚洲欧美日韩东京热| 久久久精品94久久精品| 欧美精品高潮呻吟av久久| 国产一区亚洲一区在线观看| 国产av一区二区精品久久| 久久影院123| 99re6热这里在线精品视频| 国产高清有码在线观看视频| 精品人妻熟女毛片av久久网站| av国产精品久久久久影院| h日本视频在线播放| 亚洲va在线va天堂va国产| 国产高清不卡午夜福利| 国产片特级美女逼逼视频| 黑丝袜美女国产一区| 中文字幕av电影在线播放| 日韩成人伦理影院| 精品人妻偷拍中文字幕| 亚洲在久久综合| 色哟哟·www| av专区在线播放| 午夜激情久久久久久久| 欧美精品高潮呻吟av久久| 亚洲欧洲国产日韩| 亚洲不卡免费看| 欧美日韩在线观看h| 国产片特级美女逼逼视频| 老司机影院毛片| 观看美女的网站| 国产毛片在线视频| 国产精品欧美亚洲77777| 在线观看免费视频网站a站| 日本猛色少妇xxxxx猛交久久| 欧美97在线视频| 自拍欧美九色日韩亚洲蝌蚪91 | 中文天堂在线官网| 99久国产av精品国产电影| 国产精品久久久久久久电影| 国语对白做爰xxxⅹ性视频网站| 看十八女毛片水多多多| 天美传媒精品一区二区| 国产精品不卡视频一区二区| 国产亚洲午夜精品一区二区久久| 丝袜喷水一区| 久久精品久久久久久噜噜老黄| 少妇人妻精品综合一区二区| 国产熟女欧美一区二区| 久久韩国三级中文字幕| 精品少妇黑人巨大在线播放| 午夜91福利影院| 亚洲精品aⅴ在线观看| 青春草国产在线视频| 婷婷色综合大香蕉| 亚洲国产毛片av蜜桃av| 久久久久人妻精品一区果冻| 三级经典国产精品| 老司机影院成人| 免费高清在线观看视频在线观看| 亚洲精品国产av蜜桃| 精品一区在线观看国产| 午夜福利视频精品| 亚洲精品一二三| 午夜激情久久久久久久| 老女人水多毛片| 九九久久精品国产亚洲av麻豆| 婷婷色av中文字幕| av网站免费在线观看视频| 久久精品久久精品一区二区三区| 免费看不卡的av| 日韩av免费高清视频| 又黄又爽又刺激的免费视频.| 婷婷色麻豆天堂久久| 久久人人爽人人爽人人片va| 国产一区有黄有色的免费视频| 国产男人的电影天堂91| 亚洲真实伦在线观看| 老司机亚洲免费影院| 大陆偷拍与自拍| 日日爽夜夜爽网站| 中国美白少妇内射xxxbb| 少妇的逼好多水| 亚洲三级黄色毛片| 中国三级夫妇交换| 又爽又黄a免费视频| 国产精品熟女久久久久浪| 国产有黄有色有爽视频| 美女福利国产在线| 不卡视频在线观看欧美| 国产亚洲最大av| 日韩欧美一区视频在线观看 | 妹子高潮喷水视频| 亚洲精品日韩在线中文字幕| 欧美xxxx性猛交bbbb| 精品人妻偷拍中文字幕| 久久久久精品性色| 九九在线视频观看精品| 我要看黄色一级片免费的| 两个人的视频大全免费| 简卡轻食公司| 永久网站在线| 亚洲综合精品二区| 国产成人精品无人区| 久久久久精品性色| 亚洲精品亚洲一区二区| 女性被躁到高潮视频| 99视频精品全部免费 在线| 亚洲成人手机| 老司机影院毛片| 一区二区三区四区激情视频| 国产在线视频一区二区| 啦啦啦中文免费视频观看日本| 亚洲久久久国产精品| 久久人人爽人人爽人人片va| 亚洲怡红院男人天堂| 国产亚洲精品久久久com| 国产av精品麻豆| 国产高清有码在线观看视频| 成年人免费黄色播放视频 | 亚洲综合精品二区| 夜夜看夜夜爽夜夜摸| 日本欧美国产在线视频| 天天操日日干夜夜撸| 亚洲欧美中文字幕日韩二区| 天天操日日干夜夜撸| 亚洲人与动物交配视频| 亚洲精品视频女| 人妻系列 视频| 欧美亚洲 丝袜 人妻 在线| 麻豆精品久久久久久蜜桃| 欧美精品一区二区免费开放| 国产精品伦人一区二区| 成人黄色视频免费在线看| 久久久久久久国产电影| 亚洲欧洲国产日韩| 九九爱精品视频在线观看| 草草在线视频免费看| 十八禁高潮呻吟视频 | videos熟女内射| 亚洲伊人久久精品综合| 中文在线观看免费www的网站| xxx大片免费视频| 99久久精品一区二区三区| 在线观看国产h片| 国产在线视频一区二区| 91精品伊人久久大香线蕉| av天堂中文字幕网| 夜夜骑夜夜射夜夜干| 欧美三级亚洲精品| 曰老女人黄片| 久久99精品国语久久久| 如何舔出高潮| 国产精品秋霞免费鲁丝片| 亚洲精品一区蜜桃| 一本色道久久久久久精品综合| 又黄又爽又刺激的免费视频.| 2018国产大陆天天弄谢| 国产成人午夜福利电影在线观看| 久久影院123| 日本黄色日本黄色录像| 一区二区三区免费毛片| 熟女电影av网| 国产成人aa在线观看| 国产午夜精品久久久久久一区二区三区| 国产精品蜜桃在线观看| 美女国产视频在线观看| 久久久国产欧美日韩av| 啦啦啦在线观看免费高清www| 免费看不卡的av| 久久精品久久精品一区二区三区| 国产精品一区二区在线观看99| 亚洲四区av| 婷婷色麻豆天堂久久| 亚洲精品456在线播放app| 搡女人真爽免费视频火全软件| 久久久国产欧美日韩av| 欧美少妇被猛烈插入视频| 久久久欧美国产精品| 日韩成人av中文字幕在线观看| 亚洲经典国产精华液单| 日韩免费高清中文字幕av| 伊人亚洲综合成人网| 亚洲欧美日韩另类电影网站| 少妇人妻一区二区三区视频| 国产在线一区二区三区精| 一边亲一边摸免费视频| 中文资源天堂在线| 一二三四中文在线观看免费高清| 国产av码专区亚洲av| 简卡轻食公司| 国产 一区精品| 涩涩av久久男人的天堂| 高清av免费在线| 一个人看视频在线观看www免费| 午夜91福利影院| 欧美精品一区二区大全| 啦啦啦啦在线视频资源| 观看av在线不卡| 亚洲国产毛片av蜜桃av| 亚洲精品国产成人久久av| 国产在线视频一区二区| 亚洲国产最新在线播放| 国产成人精品无人区| 妹子高潮喷水视频| 亚洲国产精品专区欧美| 久久久精品免费免费高清| 国产黄片视频在线免费观看| 亚洲电影在线观看av| 国产美女午夜福利| 精品久久久久久久久亚洲| 在线观看一区二区三区激情| 久久人人爽av亚洲精品天堂| 99精国产麻豆久久婷婷| 少妇 在线观看| 精品国产一区二区久久|