• <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 ?

    基于多尺度主線方向特征的DBN分類方法

    2015-10-20 09:13:46強,李
    電視技術 2015年15期
    關鍵詞:訓練樣本主線識別率

    高 強,李 倩

    (華北電力大學電氣與電子工程學院,河北保定071003)

    圖像分類是根據(jù)圖像具有的某種屬性將其劃分到預先設定的不同類別中[1]。如何能提高圖像分類的準確性,最核心的問題是對圖像的有效表達。因此,特征的構建和提取一直受到廣泛關注。近些年來常用的特征提取方法有SIFT[2]、HOG、LBP[3]、Gabor[4]等,但不能反映圖像最本質(zhì)的特征。深度學習能通過無監(jiān)督的方式讓機器自動地從樣本中提取到表征這些樣本的低層、高層特征,從而使學習到的特征更具有推廣性和表達力。

    深度信念網(wǎng)絡(Deep Belief Network,DBN)作為深度學習的一種模型。自從Hinton等人[5]提出基于DBN的貪婪逐層訓練算法之后,DBN作為一種無監(jiān)督特征學習復雜層次概率模型的方法,已成功應用于語音識別[6]、手寫字體識別[7]、人臉識別[8]、遙感圖像分類[9]和垃圾郵件過濾[10]等領域中。然而,進一步提升DBN模型的分類性能,提高算法的正確識別率仍是需要解決的根本問題。提升性能最簡單和直接的方法就是通過增加DBN網(wǎng)絡的隱含層數(shù)或每個隱含層神經(jīng)元數(shù)來實現(xiàn)。但文獻[11-12]研究發(fā)現(xiàn)當DBN中的隱含層數(shù)和神經(jīng)元數(shù)目達到一定峰值后,再增加數(shù)目并不會提升識別性能,反而導致整個 DBN網(wǎng)絡訓練時間過長。文獻[13]從DBN網(wǎng)絡結構著手,提出一種由DBN串聯(lián)而成的層次結構深度信念網(wǎng)絡方法,進而提升DBN的性能。文獻[14]通過把卷積神經(jīng)網(wǎng)絡的局部感受野引入到DBN的單層中,把DBN的單層分成多個子RBM,提出一種改進的深度信念網(wǎng)絡,用于有效提高識別率。文獻[15]提出了基于Gabor小波和RBM的二次特征提取,來獲取具有更好分類性質(zhì)的特征。文獻[16]通過將瓶頸結構與DBN結合實現(xiàn)了有效提高語音識別率的目的。

    因此,DBN的性能仍有進一步提升的空間。鑒于DBN的可視層輸入是將一個圖像矩陣一維向量化,輸入信息僅包含幅度信息,沒有充分考慮到圖像的二維結構信息。本文通過在DBN可視層輸入端加入多尺度主線方向(Multi-Scale Main Direction,MSMD)信息的方法(簡稱 MSMD-DBN),增加有效信息的維度,進而提升DBN的性能。實驗結果表明,該算法可以有效提高圖像分類的正確識別率。

    1 深度信念網(wǎng)絡

    DBN是一種概率生成模型,由多層受限玻爾茲曼機(Restricted Boltzmann Machine,RBM)單元組成。DBN的結構如圖1所示。

    圖1 DBN的結構圖

    1.1 受限玻爾茲曼機

    一個典型的RBM子模塊結構圖是由可視層和隱含層兩層神經(jīng)元構成的,每層有若干個節(jié)點,層內(nèi)節(jié)點無連接,不同層之間的節(jié)點依靠權值系數(shù)矩陣來連接。各層之間的權重值是采用無監(jiān)督的貪心算法獲取的。

    RBM是一種能量模型,其可視層和隱含層的聯(lián)合組態(tài)能量表示為

    式中:θ=(W,a,b),為 RBM 模型中的3個參數(shù);wij是可視層節(jié)點i與隱含層節(jié)點j之間的連接權重值;ai和bj分別是可視層第i個節(jié)點、隱含層第j個節(jié)點的偏置值;vi和hj分別是可視層第i個節(jié)點、隱含層第j個節(jié)點的狀態(tài)值。對應于可視層神經(jīng)元和隱含層神經(jīng)元的相應映射概率分布為

    式中:σ是Sigmoid函數(shù)。RBM采用迭代的方式進行訓練,訓練的目標在于學習出參數(shù)θ=(W,a,b)的值,以擬合給定的訓練數(shù)據(jù)。參數(shù)θ可以通過最大化對數(shù)似然函數(shù)得到,最大化似然函數(shù)常用的數(shù)值方法是梯度上升。參數(shù)θ=(W,a,b)的迭代公式為

    式中:η為預訓練的學習率,L為目標函數(shù)。采用Hinton提出的對比散度(CD)算法對重構數(shù)據(jù)進行近似擬采樣,可得各參數(shù)的更新規(guī)則為

    式中:〈·〉data為訓練樣本集所定義的分布之上的數(shù)學期望;〈·〉recon為重構后的模型所定義的分布上的期望。

    1.2 DBN算法的訓練學習過程

    通過式(5)~式(7)這樣一個非監(jiān)督的預訓練過程就可以將一個RBM調(diào)整到合適的初始值,然后再將多個RBM自底向上組合建立DBN模型,最后通過使交叉熵最小,采用BP算法對整個網(wǎng)絡進行監(jiān)督式學習,最終建立DBN。

    具體過程歸納為兩步:

    1)無監(jiān)督預訓練。DBN模型采用無標簽的數(shù)據(jù),以重構誤差為目標函數(shù),基于CD-k的快速學習算法逐層地訓練每個RBM來獲得可視層和隱含層的偏置值,以及可視層和隱層間的權值。

    2)有監(jiān)督微調(diào)。DBN模型采用帶標簽的數(shù)據(jù),以交叉熵為目標函數(shù),利用共軛梯度算法訓練分類器,并實現(xiàn)整個DBN網(wǎng)絡參數(shù)的優(yōu)化調(diào)整。

    2 MSMD-DBN算法

    DBN的輸入端是將圖像二維矩陣轉化成一維向量輸入到可視層中,然后通過逐層的學習訓練提取特征。提取特征的精細程度直接影響后續(xù)圖像分類識別的性能,甚至決定成敗。本文正是從特征提取角度著手,在保證原有信息不丟失的情況下,通過增加多尺度主線方向(MSMD)特征的方法,增加有用信息的維度,有效補償DBN模型自身的缺點,提升DBN性能。簡稱這種算法為MSMD-DBN。

    2.1 多尺度主線方向信息的特征提取

    為了能提升DBN的性能,提高分類器的分類精度。提取特征的有效性非常關鍵。當用所有的特征進行分類訓練時,會取得一個較高的錯誤識別率;而僅使用關鍵特征變量,則得到的分類器性能較好[17]。本文的核心思想是在原有DBN輸入信息的基礎上,提取主線方向信息中的關鍵特征,即主線方向特征。并通過選擇不同的尺度,獲取更多的局部信息和全局信息。具體步驟如下:

    1)計算圖像的方向投影值。假設樣本圖像的大小是m×m,選取圖像左上角的區(qū)域塊,大小為d×d(d為奇數(shù)),以1個像素為步長,向右或向下平移,得到(m-d+1)×(m-d+1)個區(qū)域塊。再對區(qū)域塊的像素值進行歸一化處理。

    以一個尺度為d的區(qū)域塊為例,將經(jīng)過區(qū)域塊中心點的垂直方向的直線作為基準,以π/dr的角度為間隔,逆時針旋轉得到dr條直線,則每條直線與正方向的夾角分別為π/dr,2π/dr,…,(dr-1)π/dr,π。計算每一條直線所經(jīng)過的區(qū)域塊的像素值,并將這d個像素值累加求和作為該區(qū)域塊在某個方向上的投影值Rθ。

    改變角度θ就可以得到該區(qū)域塊在dr個方向上的投影值。向右或向下移動區(qū)域塊,就可以得到(m-d+1)×(md+1)個區(qū)域塊在dr個方向上的投影值。

    2)根據(jù)不同方向上的投影值,計算線方向圖和能量圖。

    將步驟1)中得到的dr個投影值放在一個1行dr列的矩陣里,矩陣記為R1×n;選取矩陣R中的最小值,將該最小值記為r,并記錄對應的列號(n)。線方向圖和能量圖的計算規(guī)則如下

    式中:D為線方向圖;E為能量圖;dr為選取方向的個數(shù);x和y分別是尺度為d的某個區(qū)域塊的中心點在原圖像中對應的橫、縱坐標。

    移動區(qū)域塊,利用式(8)~式(9)就可以計算出不同位置點(x,y)對應的線方向值 D(x,y)和能量值 E(x,y),進而得到整個線方向圖D和能量圖E。

    3)計算能量圖E的二值圖Eb。將能量圖中的所有能量值按從大到小排序,并選取某個合適的能量值作為門限值M,對能量圖進行二值化,規(guī)則如下

    4)計算能量二值圖Eb的方向分離圖EAb和EBb,規(guī)則如下

    5)以3×3區(qū)域為最小單位,刪除EAb,EBb中連通區(qū)域的面積(Si,i=1,2,…,n)小于 P 的線條,將去掉雜線后的方向分離圖(LA,LB)合并為主線能量圖。即

    同理,計算得到LB

    式中:PL為主線能量圖。

    6)簡化步驟2)中的線方向圖D,提取主線方向信息:提取主線方向信息,即記錄主線能量圖PL像素值為1的位置,并保留線方向圖D的此位置,其余位置置于0。即

    式中:Ld(x,y)為主線方向特征圖。

    采用以上步驟得到的多尺度主線方向信息,與傳統(tǒng)DBN方法中輸入的灰度信息,兩兩獨立,互不相關,因此,能最大程度地反映原始訓練樣本圖像所包含的信息[18]。

    2.2 MSMD-DBN算法及模型

    增加DBN可視層輸入端信息的維度有助于提高圖像分類的正確識別率。借助此思想把第2.1節(jié)提出的多尺度主線方向特征提取的方法與DBN模型結合,得到基于多尺度主線方向信息的DBN二次訓練模型,即MSMD-DBN模型。其基本模型結構如圖2所示。

    圖2 MSMD-DBN算法模型圖

    根據(jù)圖2的模型結構,該算法的訓練學習過程如下:

    1)根據(jù)第2.1節(jié)的多尺度主線方向信息特征提取方法,獲得訓練樣本集的多尺度主線方向信息;

    2)將訓練樣本圖像特征與1)中得到的多尺度主線方向特征作為可視層的輸入來訓練第一個RBM,每個RBM的輸出作為下一個RBM的輸入數(shù)據(jù),用來訓練RBM,類似這樣,利用無監(jiān)督預訓練算法逐層訓練獲得網(wǎng)絡參數(shù)值;

    3)當逐層學習完成一組堆疊的RBM后,即將參數(shù)調(diào)整到一個比較合適的初始值后,再利用有監(jiān)督微調(diào)方法對整個網(wǎng)絡進行優(yōu)化。

    該算法在保證原有輸入信息的前提下,通過添加多尺度主線方向信息的方法,增加輸入端信息的維度,提升DBN的性能,使RBM更好地擬合數(shù)據(jù),提取到更本質(zhì)的特征,進而提高圖像分類的有效正確識別率。

    3 基于MSMD-DBN算法的分類實驗

    為了驗證本文提出的MSMD-DBN算法模型識別性能的有效性,實驗選用CIFAR-10和MNIST數(shù)據(jù)庫來進行測試,并與傳統(tǒng)DBN算法以及文獻[15]提出的Gabor小波與RBM二次特征提取方法進行對比。

    3.1 CIFAR-10數(shù)據(jù)庫上的實驗

    實驗以CIFAR-10數(shù)據(jù)庫為例,選取飛機、汽車和鳥三類圖像,每類包括6 000幅,分辨率為32×32。從每類中隨機抽取5 000幅圖像作為訓練樣本集,另外1 000幅組成測試樣本集。該實驗中,主線方向信息特征提取方法中采用3×3和9×9這2個尺度空間,12個方向,門限值M=280,DBN的結構設置為:4028-300-300-800,RBM無監(jiān)督預訓練和DBN有監(jiān)督微調(diào)中的迭代次數(shù)都設置為50次。

    實驗中用到的部分訓練樣本集和用3×3尺度空間提取到的對應的主線方向特征圖分別如圖3和圖4所示。

    圖3 部分訓練樣本集

    圖4 圖3對應的主線方向特征圖

    為了驗證本文算法的有效性,本實驗采用3種算法在CIFAR-10數(shù)據(jù)庫上進行測試,性能指標包括訓練樣本正確識別率和測試樣本正確識別率。其中,文獻[15]的算法采用4個方向的Gabor濾波器組。

    實驗1以飛機和鳥為實驗對象進行分類,實驗2以飛機、汽車以及鳥這3類圖像為實驗對象進行分類,3種算法的實驗結果比較分別如表1、表2所示。

    表1 實驗1的分類性能比較

    表2 實驗2的分類性能比較

    由表1和表2可知,相比于傳統(tǒng)DBN算法,本文算法正確識別率有明顯的提高,提高了11%左右;相比文獻[15]也有一定的提高。這是因為本文的MSMD-DBN算法在輸入端添加了更多的有效局部、全局主線方向信息,增加了輸入信息的維度,使得提取到的特征更具有代表性。

    為了進一步綜合評價該算法,表3給出了不同算法在實驗1中的耗時對比。

    下面例子左邊是某賣家客戶信息(姓名、年齡),要求運行后輸出用戶顯示信息的C#代碼段。右邊圖引入面向?qū)ο蠓诸惥幊谈鞣N模塊類組成字段及方法函數(shù)的圖解描述(代碼模塊化)。見圖4。

    表3 算法耗時比較

    從運行結果可以看出,本文算法由于增加了信息的維度,相對于傳統(tǒng)DBN算法,耗時較長,但相比于文獻[15]的算法運行效率明顯提高。綜合考慮分類性能和耗時,本文算法相比于其他算法,既能保證一定的運行效率,又能提高識別性能。

    3.2 MNIST數(shù)據(jù)庫上的實驗

    實驗以MNIST手寫字體數(shù)據(jù)庫為例,選取數(shù)字0,3和8等3類圖像進行分類測試。從數(shù)字0中隨機選取5 900幅圖像作為訓練樣本集,900幅圖像作為測試樣本集;從數(shù)字3中隨機選取6 100幅圖像作為訓練樣本集,1 000幅圖像作為測試樣本集;從數(shù)字8中隨機選取5 800幅圖像作為訓練樣本集,900幅圖像作為測試樣本集。所有樣本圖像的分辨率為28×28。

    該實驗中,主線方向信息特征提取方法中采用3×3的尺度空間,12個方向,門限值 M=190,DBN的結構設置為:1568-500-300-800,RBM無監(jiān)督預訓練和DBN有監(jiān)督微調(diào)中的迭代次數(shù)都設置為30次。

    實驗中用到的部分訓練樣本集和提取到的對應的主線方向特征圖分別如圖5和圖6所示。

    圖5 部分訓練樣本集

    圖6 圖5對應的主線方向特征圖

    圖7 重構誤差曲線

    為了進一步比較和數(shù)據(jù)分析,本實驗采用3種算法對MNIST數(shù)據(jù)庫中的數(shù)字0,3,8進行分類測試,文獻[15]的算法同樣采用4個方向的Gabor濾波器組。實驗結果比較如表4所示。

    表4 3種算法的分類性能比較

    從表4的運行結果可以看出,本文算法相比傳統(tǒng)DBN算法,正確識別率有一定的提高,而文獻[15]的算法對手寫字體分類性能不能起到改善作用。

    4 小結

    本文提出了一種基于多尺度主線方向特征的深度信念網(wǎng)絡圖像分類算法(MSMD-DBN)。在DBN可視層輸入端加入主線方向信息,增加有用信息的維度,可有效補償DBN模型自身無空間結構信息的缺點,進而提升DBN的性能,提高圖像分類的正確識別率。在CIFAR-10和MNIST兩個數(shù)據(jù)庫上的實驗也同樣驗證了MSMD-DBN算法的有效性。如何選擇合適的門限值,并從理論上研究確定門限值的準則,進一步提取到更具有代表性的主線方向特征,將是下一步的研究重點。

    [1]亓曉振,王慶.一種基于稀疏編碼的多核學習圖像分類方法[J].電子學報,2012,40(4):773-779.

    [2]黨建武,宗巖,王陽萍.基于SIFT特征檢測的圖像拼接優(yōu)化算法研究[J].計算機應用研究,2012,29(1):329-332.

    [3]袁寶華,王歡,任明武.基于完整LBP特征的人臉識別[J].計算機應用研究,2012,29(4):1557-1559.

    [4]張剛,馬宗民.一種采用Gabor小波的紋理特征提取方法[J].中國圖象圖形學報,2010,15(2):247-254.

    [5] HINTON G E,OSINDERO S,TEH Y W.A fast learning algorithm for deep belief nets[J].Neural Computation,2006,18(7):1527-1554.

    [6]陳碩.深度學習神經(jīng)網(wǎng)絡在語音識別中的應用研究[D].廣州:華南理工大學,2013.

    [7] JI Nannan,ZHANG Jiangshe,ZHANG Chunxia.A sparse-response deep belief network based on rate distortion theory[J].Pattern Recognition,2014,47(9):3179-3191.

    [8] LIN Miaozhen,XIN Fan.Low resolution face recognition with pose variations using deep belief networks[C]//Proc.2011 4th International Congress on Image and Signal Processing.Shanghai:CISP,2011:1522-1526.

    [9]呂啟,竇勇,牛新,等.基于DBN模型的遙感圖像分類[J].計算機研究與發(fā)展,2014,51(9):1911-1918.

    [10]孫勁光,蔣金葉,孟祥福,等.深度置信網(wǎng)絡在垃圾郵件過濾中的應用[J].計算機應用,2014,34(4):1122-1125.

    [11] MOHAMED A,DAHL G E,HINTON G.Acoustic modeling using deep belief networks[J].IEEE Trans.Audio,Speech and Language Processing,2012,20(1):14-22.

    [12] DAHL G E,DONG Y,LI D,et al.Context-dependent pre-trained deep neural networks for large-vocabulary speech recognition[J].IEEE Trans.Audio,Speech and Language Processing,2012,20(1):30-42.

    [13]王一,楊俊安,劉輝,等.一種基于層次結構深度信念網(wǎng)絡的音素識別方法[J].應用科學學報,2014,32(5):515-522.

    [14]呂剛,郝平,盛建榮.一種改進的深度神經(jīng)網(wǎng)絡在小圖像分類中的應用研究[J].計算機應用與軟件,2014,31(4):182-184.

    [15]柴瑞敏,曹振基.基于Gabor小波與深度信念網(wǎng)絡的人臉識別方法[J].計算機應用,2014,34(9):2590-2594.

    [16]李晉徽,楊俊安,王一.一種新的基于瓶頸深度信念網(wǎng)絡的特征提取方法及其在語種識別中的應用[J].計算機科學,2014,41(3):263-266.

    [17]毋媛媛,刁智華,王會丹,等.作物病害圖像形狀特征提取研究[J].農(nóng)機化研究,2015,37(1):64-67.

    [18]方晨,楊葉,伍書劍.主成分分析和聚類分析在軟件重構中的應用[J].計算機工程與設計,2009,30(2):366-367.

    猜你喜歡
    訓練樣本主線識別率
    基于類圖像處理與向量化的大數(shù)據(jù)腳本攻擊智能檢測
    計算機工程(2020年3期)2020-03-19 12:24:50
    人工智能
    人物報道的多維思考、主線聚焦與故事呈現(xiàn)
    活力(2019年17期)2019-11-26 00:42:32
    更加突出主線 落實四個到位 推動主題教育取得實實在在成效
    當代陜西(2019年15期)2019-09-02 01:51:52
    基于真耳分析的助聽器配戴者言語可懂度指數(shù)與言語識別率的關系
    提升高速公路MTC二次抓拍車牌識別率方案研究
    數(shù)字主線
    寬帶光譜成像系統(tǒng)最優(yōu)訓練樣本選擇方法研究
    融合原始樣本和虛擬樣本的人臉識別算法
    電視技術(2016年9期)2016-10-17 09:13:41
    基于稀疏重構的機載雷達訓練樣本挑選方法
    成年免费大片在线观看| 舔av片在线| 日日啪夜夜撸| 国产色爽女视频免费观看| or卡值多少钱| 爱豆传媒免费全集在线观看| 久久久久久伊人网av| 久久亚洲精品不卡| 亚洲成人中文字幕在线播放| av线在线观看网站| videossex国产| 青青草视频在线视频观看| av在线天堂中文字幕| 一级毛片久久久久久久久女| 最近中文字幕高清免费大全6| 精品久久久久久久末码| 狂野欧美白嫩少妇大欣赏| 非洲黑人性xxxx精品又粗又长| av黄色大香蕉| av.在线天堂| 国产精品av视频在线免费观看| 视频中文字幕在线观看| 久久精品久久久久久久性| a级一级毛片免费在线观看| 国产午夜福利久久久久久| www.色视频.com| 免费看美女性在线毛片视频| 桃色一区二区三区在线观看| 亚洲欧美成人精品一区二区| 国产三级在线视频| 最近中文字幕高清免费大全6| 建设人人有责人人尽责人人享有的 | 综合色丁香网| 国产一级毛片在线| 99久久九九国产精品国产免费| 黄片无遮挡物在线观看| 青春草亚洲视频在线观看| 成人性生交大片免费视频hd| 成人欧美大片| 我的老师免费观看完整版| 国产一区二区在线观看日韩| 久久精品国产自在天天线| 超碰97精品在线观看| 黄色欧美视频在线观看| 高清视频免费观看一区二区 | 亚洲丝袜综合中文字幕| 网址你懂的国产日韩在线| 亚洲精品,欧美精品| 久久久成人免费电影| 91久久精品国产一区二区三区| 舔av片在线| 女人十人毛片免费观看3o分钟| www日本黄色视频网| 久久久久久九九精品二区国产| 七月丁香在线播放| 国产成人免费观看mmmm| 99在线人妻在线中文字幕| 成人午夜高清在线视频| 春色校园在线视频观看| 干丝袜人妻中文字幕| 久久久久久久国产电影| 国产 一区 欧美 日韩| 少妇的逼水好多| 熟妇人妻久久中文字幕3abv| 欧美最新免费一区二区三区| 久久久久久九九精品二区国产| 日韩一本色道免费dvd| 国产伦精品一区二区三区视频9| 少妇猛男粗大的猛烈进出视频 | 亚洲欧美日韩高清专用| 看片在线看免费视频| 国产精品综合久久久久久久免费| 国产视频首页在线观看| 国产亚洲一区二区精品| 国产高清三级在线| 伊人久久精品亚洲午夜| 亚洲人与动物交配视频| 99热全是精品| 啦啦啦啦在线视频资源| 欧美极品一区二区三区四区| 欧美日韩综合久久久久久| 日本免费在线观看一区| 永久网站在线| 深夜a级毛片| 国产私拍福利视频在线观看| 观看美女的网站| 性色avwww在线观看| 99久久成人亚洲精品观看| 夫妻性生交免费视频一级片| 亚洲av福利一区| 国产淫片久久久久久久久| 亚洲精品一区蜜桃| 级片在线观看| 青青草视频在线视频观看| 欧美性猛交╳xxx乱大交人| 亚洲五月天丁香| 欧美xxxx黑人xx丫x性爽| 最近2019中文字幕mv第一页| 国产久久久一区二区三区| av专区在线播放| 大香蕉久久网| 亚洲激情五月婷婷啪啪| 精品午夜福利在线看| 性色avwww在线观看| 99久久成人亚洲精品观看| 搞女人的毛片| 日本五十路高清| 视频中文字幕在线观看| 亚洲国产精品久久男人天堂| 午夜福利网站1000一区二区三区| 亚洲最大成人av| 欧美3d第一页| 精品不卡国产一区二区三区| 中文精品一卡2卡3卡4更新| 亚洲国产色片| 一个人看视频在线观看www免费| 精品久久久久久久久亚洲| 少妇猛男粗大的猛烈进出视频 | 欧美成人一区二区免费高清观看| av专区在线播放| 国产亚洲5aaaaa淫片| 日本av手机在线免费观看| 中文字幕亚洲精品专区| 国产成人精品久久久久久| 色哟哟·www| 99热全是精品| 欧美日韩综合久久久久久| 五月玫瑰六月丁香| 干丝袜人妻中文字幕| 国产精品.久久久| 久久久久久伊人网av| 99在线视频只有这里精品首页| 看片在线看免费视频| 国产精品无大码| 免费搜索国产男女视频| 成人一区二区视频在线观看| 亚洲成人中文字幕在线播放| 国产老妇伦熟女老妇高清| 中文字幕av在线有码专区| 久久99蜜桃精品久久| 久久6这里有精品| 高清在线视频一区二区三区 | 欧美xxxx黑人xx丫x性爽| 午夜精品一区二区三区免费看| 国产精品国产高清国产av| 少妇被粗大猛烈的视频| 18禁裸乳无遮挡免费网站照片| 夜夜爽夜夜爽视频| 国产真实伦视频高清在线观看| 亚洲国产精品成人综合色| 亚洲不卡免费看| 久久鲁丝午夜福利片| 久久久午夜欧美精品| 国产亚洲5aaaaa淫片| 色综合亚洲欧美另类图片| 色哟哟·www| 久久韩国三级中文字幕| 中文字幕精品亚洲无线码一区| av在线老鸭窝| 免费av不卡在线播放| 欧美bdsm另类| 国产探花极品一区二区| 亚洲精品乱码久久久久久按摩| 欧美成人午夜免费资源| 日本黄色视频三级网站网址| 中国国产av一级| 91精品国产九色| 久久久久国产网址| 国产欧美另类精品又又久久亚洲欧美| 国产黄色视频一区二区在线观看 | 乱人视频在线观看| 精品99又大又爽又粗少妇毛片| 网址你懂的国产日韩在线| 精华霜和精华液先用哪个| 天天躁日日操中文字幕| 成人美女网站在线观看视频| 久久久午夜欧美精品| 国产精品精品国产色婷婷| 色视频www国产| 亚洲性久久影院| 只有这里有精品99| 18禁裸乳无遮挡免费网站照片| 欧美97在线视频| 22中文网久久字幕| 少妇猛男粗大的猛烈进出视频 | 国产精品蜜桃在线观看| 国产成人精品久久久久久| 欧美一区二区国产精品久久精品| 一卡2卡三卡四卡精品乱码亚洲| 精品国产一区二区三区久久久樱花 | 国产精品国产三级专区第一集| 日本av手机在线免费观看| 久久久久久久国产电影| 我的老师免费观看完整版| 色综合站精品国产| 在线播放国产精品三级| 汤姆久久久久久久影院中文字幕 | 毛片女人毛片| 国产免费男女视频| 亚州av有码| 免费黄色在线免费观看| 一个人看的www免费观看视频| 亚洲精品色激情综合| 熟女人妻精品中文字幕| 人人妻人人澡人人爽人人夜夜 | 青青草视频在线视频观看| 欧美高清性xxxxhd video| 日本黄色视频三级网站网址| 最近中文字幕高清免费大全6| av黄色大香蕉| 国产精品福利在线免费观看| 精品久久久久久久末码| 91精品一卡2卡3卡4卡| 久久精品久久久久久噜噜老黄 | 免费看a级黄色片| 卡戴珊不雅视频在线播放| 国产成人a区在线观看| 午夜福利在线在线| 春色校园在线视频观看| 一个人看视频在线观看www免费| 最近最新中文字幕免费大全7| 水蜜桃什么品种好| 一级黄色大片毛片| 免费大片18禁| 国产探花在线观看一区二区| av在线观看视频网站免费| 亚洲成人精品中文字幕电影| 麻豆成人av视频| 日本欧美国产在线视频| 亚洲va在线va天堂va国产| 深爱激情五月婷婷| 国产探花极品一区二区| 日韩欧美三级三区| 亚洲国产成人一精品久久久| 日韩人妻高清精品专区| 国模一区二区三区四区视频| 欧美日韩国产亚洲二区| 麻豆国产97在线/欧美| 国产v大片淫在线免费观看| 夜夜看夜夜爽夜夜摸| 听说在线观看完整版免费高清| 久久精品国产鲁丝片午夜精品| 国产精品综合久久久久久久免费| 亚洲va在线va天堂va国产| 91狼人影院| 国产成人免费观看mmmm| 蜜桃亚洲精品一区二区三区| 精品人妻偷拍中文字幕| 国模一区二区三区四区视频| 国产成人freesex在线| 国产精品人妻久久久影院| 久久精品久久久久久久性| 九九在线视频观看精品| 久久精品久久精品一区二区三区| 午夜视频国产福利| 97超视频在线观看视频| 亚洲人成网站在线播| 日韩欧美 国产精品| 日日干狠狠操夜夜爽| 久久久精品大字幕| 亚洲怡红院男人天堂| 免费黄色在线免费观看| 人妻夜夜爽99麻豆av| 一区二区三区四区激情视频| 国产成人午夜福利电影在线观看| 国产成人精品婷婷| 亚洲国产精品国产精品| 日本午夜av视频| 精品一区二区三区视频在线| 夫妻性生交免费视频一级片| 综合色丁香网| 午夜视频国产福利| АⅤ资源中文在线天堂| 精品人妻一区二区三区麻豆| 亚洲精品成人久久久久久| 精品一区二区三区视频在线| 夜夜看夜夜爽夜夜摸| 久久精品久久精品一区二区三区| 日韩在线高清观看一区二区三区| 国产精品一区二区三区四区久久| 亚洲不卡免费看| 中文字幕av成人在线电影| 亚洲高清免费不卡视频| 岛国毛片在线播放| 免费看美女性在线毛片视频| 99久久精品一区二区三区| 菩萨蛮人人尽说江南好唐韦庄 | 国产伦在线观看视频一区| 黑人高潮一二区| 国产精品久久久久久久久免| 又粗又爽又猛毛片免费看| av国产久精品久网站免费入址| 亚洲欧美成人精品一区二区| 日本猛色少妇xxxxx猛交久久| 亚洲久久久久久中文字幕| 久久欧美精品欧美久久欧美| 国产老妇伦熟女老妇高清| 少妇高潮的动态图| 两个人视频免费观看高清| 麻豆一二三区av精品| 亚洲一级一片aⅴ在线观看| 如何舔出高潮| 国产精品福利在线免费观看| 99热全是精品| 男的添女的下面高潮视频| 午夜福利在线观看吧| 麻豆成人av视频| 男人舔女人下体高潮全视频| 精品久久久久久久久av| 免费观看在线日韩| 国产在线男女| 国产免费男女视频| 久久久久久九九精品二区国产| 日本午夜av视频| 日本猛色少妇xxxxx猛交久久| 视频中文字幕在线观看| 国产免费视频播放在线视频 | 亚洲成人精品中文字幕电影| 国产精品久久久久久精品电影| 国产一区二区亚洲精品在线观看| 亚洲精品国产成人久久av| 视频中文字幕在线观看| 国产片特级美女逼逼视频| 女的被弄到高潮叫床怎么办| 内地一区二区视频在线| 国产精品一区二区在线观看99 | 久久欧美精品欧美久久欧美| 青青草视频在线视频观看| 高清毛片免费看| 国产毛片a区久久久久| 免费电影在线观看免费观看| 国内精品宾馆在线| 久久久久久久久中文| 美女大奶头视频| 美女内射精品一级片tv| 免费观看精品视频网站| 汤姆久久久久久久影院中文字幕 | 又粗又硬又长又爽又黄的视频| 午夜激情福利司机影院| 久久精品国产亚洲av涩爱| 菩萨蛮人人尽说江南好唐韦庄 | 18+在线观看网站| 最新中文字幕久久久久| 最后的刺客免费高清国语| 少妇的逼水好多| 亚洲av成人av| 免费观看精品视频网站| 日本猛色少妇xxxxx猛交久久| 成人综合一区亚洲| 色综合亚洲欧美另类图片| 欧美xxxx性猛交bbbb| 久久久久网色| 国产精品久久久久久久久免| 色网站视频免费| 亚洲av免费在线观看| 国模一区二区三区四区视频| 欧美潮喷喷水| 精品人妻偷拍中文字幕| 日韩av在线大香蕉| 久久精品国产鲁丝片午夜精品| 国产乱人视频| 国产亚洲最大av| 亚洲精品一区蜜桃| 三级国产精品欧美在线观看| 丰满乱子伦码专区| 亚洲av电影不卡..在线观看| 亚洲欧美精品自产自拍| 综合色av麻豆| 高清毛片免费看| 中文亚洲av片在线观看爽| 国产高清有码在线观看视频| 黄色配什么色好看| 97热精品久久久久久| 人人妻人人澡人人爽人人夜夜 | 听说在线观看完整版免费高清| 床上黄色一级片| 女的被弄到高潮叫床怎么办| 久久这里只有精品中国| 丝袜喷水一区| 五月玫瑰六月丁香| 亚洲av中文字字幕乱码综合| 狂野欧美激情性xxxx在线观看| 欧美高清成人免费视频www| 激情 狠狠 欧美| 亚洲人成网站在线观看播放| 中国国产av一级| 麻豆成人av视频| 精品免费久久久久久久清纯| 国产白丝娇喘喷水9色精品| 亚洲欧美日韩卡通动漫| 小说图片视频综合网站| 亚洲欧美日韩高清专用| 午夜福利高清视频| 少妇熟女欧美另类| 村上凉子中文字幕在线| 中文字幕免费在线视频6| 少妇被粗大猛烈的视频| 别揉我奶头 嗯啊视频| 搡女人真爽免费视频火全软件| 国产精品久久电影中文字幕| 亚洲综合色惰| 成人综合一区亚洲| 国产精品爽爽va在线观看网站| 中国美白少妇内射xxxbb| 综合色丁香网| 人人妻人人澡人人爽人人夜夜 | 免费黄色在线免费观看| 欧美日韩在线观看h| 超碰97精品在线观看| 亚洲国产精品sss在线观看| 晚上一个人看的免费电影| 日韩中字成人| 欧美成人午夜免费资源| 99久久中文字幕三级久久日本| 亚洲人成网站高清观看| 色综合站精品国产| 两性午夜刺激爽爽歪歪视频在线观看| 嫩草影院新地址| 成人高潮视频无遮挡免费网站| 一级毛片电影观看 | 性色avwww在线观看| 成人性生交大片免费视频hd| 国产成人一区二区在线| 五月伊人婷婷丁香| 亚洲精品影视一区二区三区av| 亚洲在线观看片| 日韩精品有码人妻一区| 少妇熟女欧美另类| 在线a可以看的网站| 国产精品精品国产色婷婷| 久久久a久久爽久久v久久| 日韩欧美精品v在线| 亚洲va在线va天堂va国产| 欧美高清成人免费视频www| 又粗又硬又长又爽又黄的视频| 一卡2卡三卡四卡精品乱码亚洲| 国产极品天堂在线| 禁无遮挡网站| av在线亚洲专区| 国产高清视频在线观看网站| 一区二区三区乱码不卡18| 国产伦一二天堂av在线观看| 免费观看性生交大片5| 成年版毛片免费区| 午夜精品在线福利| 蜜臀久久99精品久久宅男| 超碰97精品在线观看| 免费播放大片免费观看视频在线观看 | 日本一本二区三区精品| 97在线视频观看| 伦精品一区二区三区| 两个人视频免费观看高清| 精品国产一区二区三区久久久樱花 | 又爽又黄a免费视频| 国产成人精品婷婷| av在线亚洲专区| 欧美激情在线99| 成人亚洲欧美一区二区av| 亚洲欧美日韩高清专用| 国内少妇人妻偷人精品xxx网站| 99久久精品国产国产毛片| 老司机影院毛片| 国产片特级美女逼逼视频| 亚洲av日韩在线播放| 欧美成人一区二区免费高清观看| 小说图片视频综合网站| 国产黄色视频一区二区在线观看 | 久久久a久久爽久久v久久| 色哟哟·www| 亚洲国产日韩欧美精品在线观看| 久久韩国三级中文字幕| 午夜福利网站1000一区二区三区| 建设人人有责人人尽责人人享有的 | 一个人免费在线观看电影| 女人久久www免费人成看片 | 自拍偷自拍亚洲精品老妇| 18禁动态无遮挡网站| 亚洲综合色惰| 国产午夜精品一二区理论片| 久久精品久久精品一区二区三区| 在线天堂最新版资源| 最近的中文字幕免费完整| 深夜a级毛片| 亚洲精品一区蜜桃| 欧美一区二区国产精品久久精品| 不卡视频在线观看欧美| 毛片女人毛片| 国产午夜精品久久久久久一区二区三区| 成人亚洲精品av一区二区| 免费电影在线观看免费观看| 亚洲欧美成人精品一区二区| 亚洲婷婷狠狠爱综合网| 中文字幕av成人在线电影| 欧美成人免费av一区二区三区| 美女国产视频在线观看| 久久这里有精品视频免费| 综合色丁香网| 欧美三级亚洲精品| 人妻系列 视频| 最新中文字幕久久久久| 成人一区二区视频在线观看| 日日干狠狠操夜夜爽| 亚洲第一区二区三区不卡| 中文字幕精品亚洲无线码一区| 五月伊人婷婷丁香| 免费观看精品视频网站| 狠狠狠狠99中文字幕| 美女脱内裤让男人舔精品视频| 亚洲欧美中文字幕日韩二区| 看非洲黑人一级黄片| 精品久久久噜噜| 国产精品三级大全| 美女被艹到高潮喷水动态| 国产一区二区在线av高清观看| 女的被弄到高潮叫床怎么办| 日本一本二区三区精品| 菩萨蛮人人尽说江南好唐韦庄 | 久久韩国三级中文字幕| 天堂影院成人在线观看| 日本午夜av视频| 成人二区视频| 欧美日韩在线观看h| 久久久国产成人精品二区| 亚洲欧美精品专区久久| 人妻系列 视频| 天天躁夜夜躁狠狠久久av| 国产精品美女特级片免费视频播放器| 国产成人精品久久久久久| 亚洲av免费高清在线观看| 精品熟女少妇av免费看| 能在线免费看毛片的网站| 白带黄色成豆腐渣| 狠狠狠狠99中文字幕| 伦精品一区二区三区| 偷拍熟女少妇极品色| 免费av观看视频| 噜噜噜噜噜久久久久久91| 看片在线看免费视频| 少妇的逼好多水| 一级毛片aaaaaa免费看小| 亚洲欧洲日产国产| 赤兔流量卡办理| 我要看日韩黄色一级片| 午夜免费男女啪啪视频观看| 99久国产av精品| 免费不卡的大黄色大毛片视频在线观看 | 天堂av国产一区二区熟女人妻| 两个人视频免费观看高清| 欧美精品一区二区大全| 高清毛片免费看| 91久久精品国产一区二区三区| 国产白丝娇喘喷水9色精品| 最近2019中文字幕mv第一页| 精品一区二区免费观看| 免费av观看视频| 亚洲精品国产av成人精品| 欧美日韩在线观看h| 午夜精品一区二区三区免费看| 久久精品久久精品一区二区三区| 一区二区三区高清视频在线| 亚洲美女搞黄在线观看| 久久久久久国产a免费观看| av福利片在线观看| 建设人人有责人人尽责人人享有的 | 18禁裸乳无遮挡免费网站照片| 国产三级在线视频| av在线老鸭窝| 少妇裸体淫交视频免费看高清| av在线蜜桃| 欧美高清性xxxxhd video| 噜噜噜噜噜久久久久久91| 欧美日韩一区二区视频在线观看视频在线 | 欧美日本视频| 久久精品影院6| 国产淫片久久久久久久久| 中文资源天堂在线| 久久韩国三级中文字幕| 我的老师免费观看完整版| 最近的中文字幕免费完整| 国产精品无大码| 亚洲美女搞黄在线观看| 五月玫瑰六月丁香| 熟妇人妻久久中文字幕3abv| 91久久精品国产一区二区成人| 国产免费福利视频在线观看| 精品一区二区三区视频在线| 国产真实伦视频高清在线观看| 在线播放国产精品三级| 国产国拍精品亚洲av在线观看| 久久精品熟女亚洲av麻豆精品 | 夫妻性生交免费视频一级片| 成人无遮挡网站| 国产午夜福利久久久久久| 久99久视频精品免费| 久久99精品国语久久久| 欧美丝袜亚洲另类| 日韩人妻高清精品专区| 国产精品国产三级国产专区5o | 能在线免费观看的黄片| 午夜日本视频在线| 内地一区二区视频在线| 色哟哟·www| 看十八女毛片水多多多| 乱系列少妇在线播放| 国产精品国产三级专区第一集| 如何舔出高潮| 国产欧美另类精品又又久久亚洲欧美| 亚洲国产日韩欧美精品在线观看| 狠狠狠狠99中文字幕| 精品国产一区二区三区久久久樱花 | 久久精品国产自在天天线| 精品99又大又爽又粗少妇毛片| 国产精品国产三级国产av玫瑰| 国产在线男女| 亚洲av熟女|