• <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
    精品人妻偷拍中文字幕| 亚洲精品乱码久久久久久按摩| 亚洲欧美精品专区久久| 一级片'在线观看视频| 听说在线观看完整版免费高清| 男人和女人高潮做爰伦理| 欧美高清性xxxxhd video| 国产成人一区二区在线| 亚洲精品视频女| 亚洲欧美成人综合另类久久久| 亚洲精品国产色婷婷电影| 色婷婷久久久亚洲欧美| 在线观看一区二区三区激情| 人体艺术视频欧美日本| 99久久中文字幕三级久久日本| 久久99热这里只频精品6学生| 在线免费十八禁| 亚洲av在线观看美女高潮| 一个人看视频在线观看www免费| 国产乱人视频| 国产视频首页在线观看| 少妇 在线观看| 日韩电影二区| 午夜福利高清视频| www.色视频.com| 久久综合国产亚洲精品| 亚洲婷婷狠狠爱综合网| 国产成人aa在线观看| 最近最新中文字幕大全电影3| 亚洲色图av天堂| 国产精品无大码| 中国国产av一级| 日韩 亚洲 欧美在线| 国产成人精品一,二区| 三级男女做爰猛烈吃奶摸视频| 久久久久精品久久久久真实原创| 久久6这里有精品| 欧美丝袜亚洲另类| 欧美高清成人免费视频www| 国产爱豆传媒在线观看| 亚洲av电影在线观看一区二区三区 | 天堂俺去俺来也www色官网| 欧美一级a爱片免费观看看| 看十八女毛片水多多多| 国产精品一及| 好男人在线观看高清免费视频| 乱码一卡2卡4卡精品| 大陆偷拍与自拍| 日韩制服骚丝袜av| 2021少妇久久久久久久久久久| av黄色大香蕉| 1000部很黄的大片| 国产av不卡久久| 春色校园在线视频观看| 日韩视频在线欧美| 国产永久视频网站| 男女国产视频网站| 人妻系列 视频| 国产精品人妻久久久久久| 亚洲精品自拍成人| 黄色配什么色好看| 麻豆久久精品国产亚洲av| 五月玫瑰六月丁香| 亚洲精品成人av观看孕妇| 国产成人午夜福利电影在线观看| 91午夜精品亚洲一区二区三区| 男女边吃奶边做爰视频| 国产精品一二三区在线看| 国产毛片在线视频| 欧美bdsm另类| 国产在视频线精品| 成人一区二区视频在线观看| 汤姆久久久久久久影院中文字幕| 综合色丁香网| 高清毛片免费看| 免费看光身美女| 日本午夜av视频| 久久97久久精品| 欧美极品一区二区三区四区| 欧美三级亚洲精品| 欧美少妇被猛烈插入视频| 少妇 在线观看| 国产精品不卡视频一区二区| 精品久久久久久久久亚洲| 国产高清有码在线观看视频| 97在线人人人人妻| 纵有疾风起免费观看全集完整版| av在线天堂中文字幕| 热re99久久精品国产66热6| 特级一级黄色大片| 亚洲综合色惰| 简卡轻食公司| 亚洲,欧美,日韩| 日本色播在线视频| 听说在线观看完整版免费高清| 欧美国产精品一级二级三级 | 免费观看在线日韩| 97超视频在线观看视频| 午夜激情福利司机影院| 国产欧美亚洲国产| 亚洲国产欧美在线一区| 建设人人有责人人尽责人人享有的 | 免费黄频网站在线观看国产| 男女边摸边吃奶| 国产精品精品国产色婷婷| 又爽又黄无遮挡网站| 日本熟妇午夜| 免费不卡的大黄色大毛片视频在线观看| 日韩免费高清中文字幕av| 夜夜爽夜夜爽视频| 一区二区三区精品91| 久久99热这里只频精品6学生| 熟妇人妻不卡中文字幕| 99re6热这里在线精品视频| 看十八女毛片水多多多| 欧美3d第一页| av在线老鸭窝| 五月开心婷婷网| 欧美日韩一区二区视频在线观看视频在线 | 可以在线观看毛片的网站| 欧美激情久久久久久爽电影| 日本免费在线观看一区| 国产真实伦视频高清在线观看| 精品午夜福利在线看| 午夜福利视频精品| 51国产日韩欧美| 亚洲国产精品国产精品| 97超碰精品成人国产| 日本免费在线观看一区| 久久99蜜桃精品久久| 国产欧美另类精品又又久久亚洲欧美| 日韩成人av中文字幕在线观看| 久久精品夜色国产| 亚洲在线观看片| 国产老妇女一区| 亚洲天堂av无毛| 综合色丁香网| 精品人妻一区二区三区麻豆| 亚洲精品久久久久久婷婷小说| 听说在线观看完整版免费高清| 中文字幕亚洲精品专区| 午夜福利网站1000一区二区三区| 亚洲欧美日韩卡通动漫| 亚洲丝袜综合中文字幕| 99热国产这里只有精品6| 精品久久久精品久久久| 免费av观看视频| eeuss影院久久| 亚洲va在线va天堂va国产| 大又大粗又爽又黄少妇毛片口| 婷婷色麻豆天堂久久| 欧美zozozo另类| 丝袜喷水一区| 亚洲成人中文字幕在线播放| 日韩免费高清中文字幕av| 人妻 亚洲 视频| 国产黄频视频在线观看| 国产亚洲精品久久久com| 亚洲精华国产精华液的使用体验| 国产成人免费观看mmmm| 成人二区视频| 成人毛片a级毛片在线播放| 听说在线观看完整版免费高清| 九九爱精品视频在线观看| 国产午夜福利久久久久久| 狂野欧美激情性xxxx在线观看| 亚洲国产成人一精品久久久| 精品人妻偷拍中文字幕| 亚洲国产最新在线播放| 国产伦在线观看视频一区| 美女主播在线视频| 欧美性猛交╳xxx乱大交人| 51国产日韩欧美| 午夜精品一区二区三区免费看| 亚洲精品视频女| 色播亚洲综合网| 又黄又爽又刺激的免费视频.| 久久精品人妻少妇| 王馨瑶露胸无遮挡在线观看| 亚洲精华国产精华液的使用体验| 爱豆传媒免费全集在线观看| 国产精品伦人一区二区| 永久免费av网站大全| 青青草视频在线视频观看| 久久精品国产亚洲av天美| 寂寞人妻少妇视频99o| 亚洲av电影在线观看一区二区三区 | 国产极品天堂在线| 最近手机中文字幕大全| 国产欧美亚洲国产| 久久精品综合一区二区三区| 老师上课跳d突然被开到最大视频| 亚洲精品日韩在线中文字幕| 国产亚洲av嫩草精品影院| 免费看不卡的av| 亚洲美女视频黄频| 日日撸夜夜添| 欧美成人精品欧美一级黄| 午夜福利在线观看免费完整高清在| 久久久精品欧美日韩精品| 别揉我奶头 嗯啊视频| 久久久亚洲精品成人影院| 亚洲欧美日韩卡通动漫| 熟女av电影| 精品国产乱码久久久久久小说| 免费观看的影片在线观看| 亚洲无线观看免费| xxx大片免费视频| 亚洲精品456在线播放app| 国产精品久久久久久久电影| 久久99热这里只频精品6学生| 免费少妇av软件| 欧美日韩精品成人综合77777| 五月天丁香电影| 国产探花极品一区二区| 大码成人一级视频| av线在线观看网站| 深夜a级毛片| 春色校园在线视频观看| 三级经典国产精品| 偷拍熟女少妇极品色| 日本一本二区三区精品| 又大又黄又爽视频免费| 韩国高清视频一区二区三区| 欧美精品一区二区大全| 亚洲国产最新在线播放| 少妇高潮的动态图| 搡老乐熟女国产| 伊人久久国产一区二区| 日本午夜av视频| 丝袜脚勾引网站| 成人亚洲精品一区在线观看 | 少妇猛男粗大的猛烈进出视频 | 午夜福利视频精品| 一个人看视频在线观看www免费| 777米奇影视久久| 亚洲av不卡在线观看| 久久热精品热| 99久国产av精品国产电影| 日本熟妇午夜| 一级二级三级毛片免费看| av在线老鸭窝| 美女国产视频在线观看| 女的被弄到高潮叫床怎么办| freevideosex欧美| 国产人妻一区二区三区在| 白带黄色成豆腐渣| 久久精品久久精品一区二区三区| av在线亚洲专区| 黑人高潮一二区| 欧美3d第一页| 亚洲精品日韩在线中文字幕| 国产人妻一区二区三区在| av福利片在线观看| 欧美zozozo另类| 国产精品国产av在线观看| 一区二区av电影网| 超碰97精品在线观看| 三级国产精品欧美在线观看| 欧美日韩国产mv在线观看视频 | 成人毛片60女人毛片免费| 久久韩国三级中文字幕| 国产成人freesex在线| 国产精品三级大全| 亚洲人成网站高清观看| 少妇人妻 视频| 亚洲精品成人av观看孕妇| 永久网站在线| 97热精品久久久久久| 亚洲性久久影院| 大码成人一级视频| 又黄又爽又刺激的免费视频.| 日韩中字成人| 免费看日本二区| 亚洲精品自拍成人| 亚洲人与动物交配视频| 三级国产精品欧美在线观看| 高清欧美精品videossex| 五月开心婷婷网| 青春草亚洲视频在线观看| 午夜精品一区二区三区免费看| 视频区图区小说| 国产精品99久久99久久久不卡 | 亚洲欧美一区二区三区国产| 纵有疾风起免费观看全集完整版| 久久国内精品自在自线图片| 成年版毛片免费区| 日日摸夜夜添夜夜爱| av在线亚洲专区| 夫妻午夜视频| 国产欧美日韩精品一区二区| 国产国拍精品亚洲av在线观看| 如何舔出高潮| 日韩欧美精品v在线| 乱系列少妇在线播放| 99视频精品全部免费 在线| av在线播放精品| 人人妻人人看人人澡| 国产精品一及| 在线观看人妻少妇| 一级毛片 在线播放| 91精品国产九色| 亚洲精品久久久久久婷婷小说| 成年人午夜在线观看视频| 99精国产麻豆久久婷婷| 一区二区三区免费毛片| 五月开心婷婷网| 亚洲精品久久午夜乱码| 国产精品99久久久久久久久| 欧美性感艳星| 亚洲性久久影院| 亚洲精品国产成人久久av| 国产高清三级在线| 菩萨蛮人人尽说江南好唐韦庄| 中文字幕亚洲精品专区| 国产一区二区在线观看日韩| 欧美极品一区二区三区四区| 99热国产这里只有精品6| 女人被狂操c到高潮| 22中文网久久字幕| 久久久久精品性色| 日本-黄色视频高清免费观看| 亚洲,一卡二卡三卡| 男人添女人高潮全过程视频| 亚洲欧美日韩无卡精品| 久久综合国产亚洲精品| 综合色丁香网| 真实男女啪啪啪动态图| 国产一区二区在线观看日韩| 亚洲精品成人av观看孕妇| 老司机影院毛片| 一级二级三级毛片免费看| 丝袜喷水一区| 哪个播放器可以免费观看大片| 下体分泌物呈黄色| 熟女av电影| 九九久久精品国产亚洲av麻豆| 人妻少妇偷人精品九色| 伦理电影大哥的女人| 国产精品三级大全| 最近最新中文字幕大全电影3| 亚洲天堂av无毛| 熟女人妻精品中文字幕| av福利片在线观看| 亚洲精品国产成人久久av| 最近最新中文字幕大全电影3| 精品人妻视频免费看| 亚洲av免费高清在线观看| 色综合色国产| 日韩大片免费观看网站| 秋霞在线观看毛片| 精品熟女少妇av免费看| 国产黄a三级三级三级人| 超碰97精品在线观看| 免费大片黄手机在线观看| 亚洲国产av新网站| 五月天丁香电影| 欧美+日韩+精品| 精品一区二区免费观看| 久久99热这里只频精品6学生| 极品教师在线视频| 大话2 男鬼变身卡| 听说在线观看完整版免费高清| 亚洲精品一区蜜桃| 色网站视频免费| 国产成人福利小说| 日韩电影二区| 综合色av麻豆| 欧美变态另类bdsm刘玥| 激情 狠狠 欧美| 97超碰精品成人国产| 亚洲最大成人av| 午夜免费男女啪啪视频观看| 中国国产av一级| 国产伦理片在线播放av一区| 免费观看性生交大片5| 欧美+日韩+精品| 色视频在线一区二区三区| 日日摸夜夜添夜夜添av毛片| 色视频在线一区二区三区| 十八禁网站网址无遮挡 | 久久精品国产自在天天线| 国产欧美日韩一区二区三区在线 | 欧美一级a爱片免费观看看| 精品午夜福利在线看| 欧美97在线视频| 2018国产大陆天天弄谢| 久久这里有精品视频免费| 欧美另类一区| 尾随美女入室| 最近中文字幕高清免费大全6| 搞女人的毛片| 欧美成人a在线观看| av福利片在线观看| 日本欧美国产在线视频| 麻豆久久精品国产亚洲av| av女优亚洲男人天堂| 男女边摸边吃奶| 免费在线观看成人毛片| 亚洲自拍偷在线| 女人被狂操c到高潮| 美女主播在线视频| 国产乱人偷精品视频| 日日撸夜夜添| 国产成人a区在线观看| 久久久国产一区二区| 精品久久久久久久人妻蜜臀av| 丰满乱子伦码专区| 欧美老熟妇乱子伦牲交| 亚洲色图综合在线观看| 老司机影院毛片| 日韩免费高清中文字幕av| 成年女人看的毛片在线观看| 狂野欧美激情性bbbbbb| 久久99蜜桃精品久久| 免费看日本二区| 少妇人妻 视频| 又爽又黄a免费视频| 亚洲一级一片aⅴ在线观看| 久久久久久久亚洲中文字幕| 大片电影免费在线观看免费| 久热这里只有精品99| 97在线视频观看| 欧美老熟妇乱子伦牲交| 少妇猛男粗大的猛烈进出视频 | 精品人妻熟女av久视频| 国产极品天堂在线| 18禁动态无遮挡网站| 亚洲美女视频黄频| 亚洲在线观看片| 色哟哟·www| 欧美高清成人免费视频www| 视频中文字幕在线观看| 少妇高潮的动态图| 日韩免费高清中文字幕av| 边亲边吃奶的免费视频| 久久精品国产亚洲网站| 少妇被粗大猛烈的视频| 免费黄频网站在线观看国产| 久久久国产一区二区| 亚洲人成网站在线观看播放| 天美传媒精品一区二区| 看十八女毛片水多多多| 亚洲最大成人手机在线| 免费高清在线观看视频在线观看| 男人狂女人下面高潮的视频| 草草在线视频免费看| 国产综合懂色| 自拍欧美九色日韩亚洲蝌蚪91 | 水蜜桃什么品种好| av天堂中文字幕网| 一二三四中文在线观看免费高清| 欧美人与善性xxx| 免费大片18禁| 色综合色国产| 国产老妇伦熟女老妇高清| 22中文网久久字幕| 超碰97精品在线观看| 草草在线视频免费看| 国产精品麻豆人妻色哟哟久久| 欧美精品国产亚洲| 国产成人一区二区在线| 97热精品久久久久久| 亚洲av日韩在线播放| 亚洲精品成人av观看孕妇| 国产亚洲精品久久久com| 亚洲欧美一区二区三区黑人 | 亚洲高清免费不卡视频| 永久网站在线| 青春草国产在线视频| 亚洲精品成人久久久久久| 91精品国产九色| 一区二区av电影网| 国产欧美日韩精品一区二区| 少妇裸体淫交视频免费看高清| 国产黄片美女视频| 人妻少妇偷人精品九色| 久久国产乱子免费精品| 老女人水多毛片| 久久久久久国产a免费观看| 伊人久久精品亚洲午夜| 一区二区三区乱码不卡18| 大话2 男鬼变身卡| 性色av一级| 婷婷色综合大香蕉| 久久久久久久亚洲中文字幕| 欧美一区二区亚洲| 三级男女做爰猛烈吃奶摸视频| av女优亚洲男人天堂| 亚洲成人精品中文字幕电影| 最近最新中文字幕大全电影3| 久久久精品94久久精品| 成人亚洲精品一区在线观看 | 又爽又黄无遮挡网站| 菩萨蛮人人尽说江南好唐韦庄| 真实男女啪啪啪动态图| 各种免费的搞黄视频| 中文字幕人妻熟人妻熟丝袜美| 亚洲av日韩在线播放| 国产一区二区三区av在线| 国产精品熟女久久久久浪| av福利片在线观看| 激情五月婷婷亚洲| 91精品一卡2卡3卡4卡| 九色成人免费人妻av| 亚洲av成人精品一区久久| 亚洲av福利一区| 久久这里有精品视频免费| 亚洲欧洲日产国产| 成年女人在线观看亚洲视频 | 青春草国产在线视频| 精品国产一区二区三区久久久樱花 | 国产精品人妻久久久久久| 国产精品av视频在线免费观看| 亚洲av不卡在线观看| 亚洲精品成人久久久久久| 欧美成人精品欧美一级黄| 免费观看a级毛片全部| 亚洲成人一二三区av| 自拍偷自拍亚洲精品老妇| 日本黄色片子视频| 欧美日韩在线观看h| 久久久久久久大尺度免费视频| 日韩欧美精品v在线| 极品教师在线视频| 在线观看一区二区三区| 欧美日韩亚洲高清精品| av免费观看日本| 18禁动态无遮挡网站| 久久久久精品久久久久真实原创| 成年av动漫网址| 久久99热这里只有精品18| 狂野欧美激情性bbbbbb| 亚洲一区二区三区欧美精品 | 久久久午夜欧美精品| 欧美3d第一页| 精品国产乱码久久久久久小说| 蜜桃久久精品国产亚洲av| 日日撸夜夜添| 色视频www国产| 成人午夜精彩视频在线观看| 成人毛片60女人毛片免费| 国产在视频线精品| 高清午夜精品一区二区三区| 久久韩国三级中文字幕| 尾随美女入室| 国产一区二区亚洲精品在线观看| 国产乱人偷精品视频| 高清日韩中文字幕在线| 国产成人精品一,二区| 精品午夜福利在线看| 精品视频人人做人人爽| 97在线视频观看| 国产午夜精品一二区理论片| 国产亚洲午夜精品一区二区久久 | 午夜福利在线在线| 国产亚洲一区二区精品| av播播在线观看一区| 国产精品一二三区在线看| 3wmmmm亚洲av在线观看| 高清在线视频一区二区三区| 亚洲精品色激情综合| 国产色婷婷99| 久久久久久国产a免费观看| 成年女人在线观看亚洲视频 | 美女脱内裤让男人舔精品视频| 久久久久性生活片| 亚洲av男天堂| 精品少妇黑人巨大在线播放| 精品一区二区三区视频在线| 日韩不卡一区二区三区视频在线| 国产精品国产av在线观看| 18禁裸乳无遮挡免费网站照片| 高清午夜精品一区二区三区| 国产精品一区www在线观看| 午夜免费男女啪啪视频观看| 午夜福利在线在线| 在线免费观看不下载黄p国产| 永久免费av网站大全| 日韩一区二区三区影片| 亚洲自拍偷在线| 直男gayav资源| 久久久国产一区二区| 欧美激情国产日韩精品一区| 97热精品久久久久久| 天天躁夜夜躁狠狠久久av| 女人被狂操c到高潮| 色吧在线观看| 国产大屁股一区二区在线视频| 黑人高潮一二区| 亚洲欧美成人精品一区二区| 女人十人毛片免费观看3o分钟| 你懂的网址亚洲精品在线观看| 简卡轻食公司| 天天躁夜夜躁狠狠久久av| 少妇 在线观看| 哪个播放器可以免费观看大片| 九九爱精品视频在线观看| 久久久久久久久大av| 欧美成人午夜免费资源| 国产精品一及| 国产淫语在线视频| 校园人妻丝袜中文字幕| 成人毛片a级毛片在线播放| 日本三级黄在线观看| 国产综合精华液| 国产女主播在线喷水免费视频网站| 熟妇人妻不卡中文字幕| 国产精品女同一区二区软件| 我的老师免费观看完整版| 亚洲美女搞黄在线观看| 18禁在线播放成人免费| av在线蜜桃| 国产乱人偷精品视频| 久久久久久久精品精品|