• <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
    毛片一级片免费看久久久久| e午夜精品久久久久久久| 亚洲美女黄色视频免费看| 69精品国产乱码久久久| 日韩不卡一区二区三区视频在线| 两性夫妻黄色片| 美女脱内裤让男人舔精品视频| 久久久亚洲精品成人影院| 老鸭窝网址在线观看| 91国产中文字幕| 日韩伦理黄色片| 国产精品秋霞免费鲁丝片| 性少妇av在线| 桃花免费在线播放| 欧美日韩福利视频一区二区| 国产精品一国产av| 国产黄色免费在线视频| 电影成人av| 国产黄频视频在线观看| 午夜日本视频在线| 亚洲欧美精品自产自拍| 亚洲av国产av综合av卡| 亚洲熟女精品中文字幕| 青草久久国产| 亚洲激情五月婷婷啪啪| 国产成人精品久久二区二区91 | 国产成人午夜福利电影在线观看| 日本黄色日本黄色录像| 少妇被粗大的猛进出69影院| 伦理电影大哥的女人| 亚洲熟女精品中文字幕| 天堂8中文在线网| 国产日韩欧美视频二区| 亚洲第一青青草原| 黄片无遮挡物在线观看| av国产精品久久久久影院| 一二三四在线观看免费中文在| 国产野战对白在线观看| 亚洲欧美精品自产自拍| 男女高潮啪啪啪动态图| 性色av一级| 黄片小视频在线播放| 最新的欧美精品一区二区| 国产精品欧美亚洲77777| 亚洲国产精品成人久久小说| 亚洲精品久久成人aⅴ小说| 国产成人精品久久久久久| 一本色道久久久久久精品综合| 丁香六月欧美| 人人妻,人人澡人人爽秒播 | 最近最新中文字幕大全免费视频 | 亚洲精品日本国产第一区| 亚洲欧美色中文字幕在线| 肉色欧美久久久久久久蜜桃| 中国三级夫妇交换| 777久久人妻少妇嫩草av网站| 国产精品香港三级国产av潘金莲 | 午夜久久久在线观看| 国产精品久久久久久精品电影小说| 精品一区二区三卡| 国产免费福利视频在线观看| av一本久久久久| 少妇人妻精品综合一区二区| 99国产精品免费福利视频| 国产黄频视频在线观看| 午夜福利在线免费观看网站| 爱豆传媒免费全集在线观看| 亚洲综合精品二区| 日韩欧美一区视频在线观看| 视频在线观看一区二区三区| 精品第一国产精品| 久久久久久久国产电影| 国产男女超爽视频在线观看| 亚洲综合色网址| 免费日韩欧美在线观看| 热99久久久久精品小说推荐| 波多野结衣一区麻豆| 久久99热这里只频精品6学生| 女的被弄到高潮叫床怎么办| 黄色一级大片看看| 国产成人91sexporn| 一级毛片我不卡| 无遮挡黄片免费观看| 亚洲在久久综合| 日本色播在线视频| 亚洲婷婷狠狠爱综合网| 精品人妻一区二区三区麻豆| 国产精品久久久久久人妻精品电影 | 好男人视频免费观看在线| 国产日韩欧美亚洲二区| 成人毛片60女人毛片免费| 成人三级做爰电影| 久久精品久久久久久久性| 十八禁网站网址无遮挡| 日本wwww免费看| av国产久精品久网站免费入址| 丝袜喷水一区| 久久免费观看电影| 啦啦啦中文免费视频观看日本| 午夜精品国产一区二区电影| 免费观看人在逋| 亚洲综合色网址| 国产精品99久久99久久久不卡 | 免费观看性生交大片5| 伊人久久大香线蕉亚洲五| 欧美日韩综合久久久久久| 十分钟在线观看高清视频www| 免费在线观看视频国产中文字幕亚洲 | av在线观看视频网站免费| 欧美精品av麻豆av| 三上悠亚av全集在线观看| 午夜福利免费观看在线| 在线观看三级黄色| 精品国产超薄肉色丝袜足j| 捣出白浆h1v1| 日本vs欧美在线观看视频| 最近手机中文字幕大全| 国产又色又爽无遮挡免| 哪个播放器可以免费观看大片| 91精品国产国语对白视频| 人人妻,人人澡人人爽秒播 | 日韩精品有码人妻一区| av不卡在线播放| 考比视频在线观看| 国产极品粉嫩免费观看在线| 国产老妇伦熟女老妇高清| 另类亚洲欧美激情| 香蕉国产在线看| 国产av国产精品国产| 女人高潮潮喷娇喘18禁视频| 日韩人妻精品一区2区三区| 精品第一国产精品| 午夜福利视频在线观看免费| av网站免费在线观看视频| 伦理电影免费视频| 99久久人妻综合| 精品国产乱码久久久久久男人| 熟女少妇亚洲综合色aaa.| 秋霞在线观看毛片| 免费高清在线观看日韩| 免费av中文字幕在线| 亚洲成人一二三区av| 亚洲av电影在线进入| 成人国产av品久久久| 免费观看av网站的网址| 亚洲av电影在线观看一区二区三区| 女的被弄到高潮叫床怎么办| 51午夜福利影视在线观看| 男女国产视频网站| 国产在线一区二区三区精| 欧美xxⅹ黑人| 9色porny在线观看| 免费少妇av软件| 日韩大码丰满熟妇| 午夜福利影视在线免费观看| 一区二区日韩欧美中文字幕| 看非洲黑人一级黄片| 亚洲欧美清纯卡通| 国产成人一区二区在线| av又黄又爽大尺度在线免费看| 国产黄色视频一区二区在线观看| 久久鲁丝午夜福利片| 各种免费的搞黄视频| 亚洲五月色婷婷综合| 捣出白浆h1v1| 欧美另类一区| 18禁观看日本| 男女边摸边吃奶| 久久精品久久精品一区二区三区| tube8黄色片| 十八禁人妻一区二区| 卡戴珊不雅视频在线播放| 欧美在线黄色| 又大又黄又爽视频免费| 在线免费观看不下载黄p国产| 捣出白浆h1v1| 一级毛片电影观看| 亚洲专区中文字幕在线 | 热re99久久精品国产66热6| 亚洲成色77777| 欧美中文综合在线视频| 十八禁高潮呻吟视频| 国产精品 国内视频| 日日爽夜夜爽网站| 久久天堂一区二区三区四区| 日韩大片免费观看网站| 久久久久久久大尺度免费视频| 国产熟女欧美一区二区| 国产成人av激情在线播放| 国产日韩欧美亚洲二区| 日本午夜av视频| 我要看黄色一级片免费的| 蜜桃在线观看..| 亚洲国产av新网站| 丰满饥渴人妻一区二区三| 国产成人精品福利久久| av福利片在线| 日韩成人av中文字幕在线观看| 一本久久精品| 老汉色∧v一级毛片| 久久精品人人爽人人爽视色| 亚洲av男天堂| 不卡视频在线观看欧美| 波野结衣二区三区在线| 99香蕉大伊视频| 9191精品国产免费久久| 老熟女久久久| 90打野战视频偷拍视频| 菩萨蛮人人尽说江南好唐韦庄| 久久99热这里只频精品6学生| 晚上一个人看的免费电影| 国产一区二区激情短视频 | 久久毛片免费看一区二区三区| 亚洲精品日韩在线中文字幕| 亚洲精品国产色婷婷电影| 久久精品久久久久久久性| 午夜福利,免费看| 这个男人来自地球电影免费观看 | av有码第一页| 日韩精品有码人妻一区| 啦啦啦中文免费视频观看日本| 伊人久久大香线蕉亚洲五| 大陆偷拍与自拍| 久久久久精品久久久久真实原创| 欧美乱码精品一区二区三区| 天天影视国产精品| 一级,二级,三级黄色视频| √禁漫天堂资源中文www| 久久精品久久久久久久性| 亚洲国产精品999| 大话2 男鬼变身卡| 国产男人的电影天堂91| 一级黄片播放器| 亚洲精品久久成人aⅴ小说| 精品酒店卫生间| 99热国产这里只有精品6| 亚洲欧洲精品一区二区精品久久久 | 岛国毛片在线播放| 91老司机精品| 美女午夜性视频免费| 最黄视频免费看| 亚洲欧美精品综合一区二区三区| 人体艺术视频欧美日本| av国产精品久久久久影院| 亚洲精品久久成人aⅴ小说| 久久这里只有精品19| 麻豆精品久久久久久蜜桃| 中文字幕人妻丝袜制服| 黄色怎么调成土黄色| 男女无遮挡免费网站观看| 国产精品秋霞免费鲁丝片| 亚洲三区欧美一区| 国产成人精品久久二区二区91 | 一本一本久久a久久精品综合妖精| 成人国语在线视频| 老熟女久久久| av福利片在线| 美女视频免费永久观看网站| 这个男人来自地球电影免费观看 | 在线观看免费日韩欧美大片| 亚洲精品国产av成人精品| 日本黄色日本黄色录像| 欧美少妇被猛烈插入视频| 97在线人人人人妻| 国产精品秋霞免费鲁丝片| 久久久精品区二区三区| 18在线观看网站| www日本在线高清视频| 大香蕉久久网| 亚洲av电影在线观看一区二区三区| 久久国产精品男人的天堂亚洲| 亚洲欧美成人综合另类久久久| 国产精品免费视频内射| 国产女主播在线喷水免费视频网站| 91精品国产国语对白视频| 国产伦理片在线播放av一区| 精品一区在线观看国产| 成年动漫av网址| av片东京热男人的天堂| 亚洲av在线观看美女高潮| 国产 一区精品| 亚洲欧美中文字幕日韩二区| 亚洲成av片中文字幕在线观看| 欧美日韩视频精品一区| 国产片特级美女逼逼视频| 国产精品久久久人人做人人爽| 日韩伦理黄色片| 国产 精品1| 国产一区二区三区综合在线观看| 99热网站在线观看| 国产日韩欧美视频二区| 中文字幕人妻丝袜制服| 中文字幕最新亚洲高清| 九九爱精品视频在线观看| 亚洲av欧美aⅴ国产| 亚洲国产精品一区三区| 秋霞在线观看毛片| 国产一区二区三区综合在线观看| 人人澡人人妻人| 久久毛片免费看一区二区三区| xxx大片免费视频| 国产深夜福利视频在线观看| 国产精品秋霞免费鲁丝片| 老汉色∧v一级毛片| 亚洲精品久久久久久婷婷小说| 亚洲国产精品成人久久小说| 男女下面插进去视频免费观看| 人妻人人澡人人爽人人| 大陆偷拍与自拍| 国产免费视频播放在线视频| 成人免费观看视频高清| 热re99久久国产66热| 日本黄色日本黄色录像| 国产精品女同一区二区软件| 亚洲精华国产精华液的使用体验| 搡老乐熟女国产| 青春草视频在线免费观看| 七月丁香在线播放| 无遮挡黄片免费观看| 精品一区二区免费观看| 新久久久久国产一级毛片| 亚洲欧美成人综合另类久久久| 国产成人欧美| 国产 一区精品| 性色av一级| 18在线观看网站| 国产精品免费视频内射| 亚洲av国产av综合av卡| 亚洲三区欧美一区| 婷婷色麻豆天堂久久| 日韩 亚洲 欧美在线| 纵有疾风起免费观看全集完整版| 五月天丁香电影| 国产av码专区亚洲av| av卡一久久| 五月开心婷婷网| 国产99久久九九免费精品| 国产毛片在线视频| 校园人妻丝袜中文字幕| 黄色一级大片看看| 午夜日韩欧美国产| 美女脱内裤让男人舔精品视频| 精品卡一卡二卡四卡免费| 国产精品.久久久| 一二三四中文在线观看免费高清| 色94色欧美一区二区| 久久国产亚洲av麻豆专区| 岛国毛片在线播放| 中文字幕高清在线视频| 最近中文字幕2019免费版| 中文字幕高清在线视频| 美女脱内裤让男人舔精品视频| av国产久精品久网站免费入址| 午夜福利免费观看在线| 国语对白做爰xxxⅹ性视频网站| 色网站视频免费| 男男h啪啪无遮挡| 成人免费观看视频高清| 咕卡用的链子| 亚洲欧美精品自产自拍| 欧美日韩av久久| 久久久久久久久久久久大奶| 国产亚洲av高清不卡| 丝袜人妻中文字幕| 亚洲精品国产区一区二| 在现免费观看毛片| 黄频高清免费视频| 丝袜脚勾引网站| 电影成人av| 狂野欧美激情性bbbbbb| 亚洲精品aⅴ在线观看| 不卡av一区二区三区| 国产av码专区亚洲av| 亚洲欧美清纯卡通| 国产女主播在线喷水免费视频网站| 亚洲一区中文字幕在线| 视频在线观看一区二区三区| 妹子高潮喷水视频| 国产极品粉嫩免费观看在线| 国产爽快片一区二区三区| 欧美日韩一级在线毛片| 国产乱人偷精品视频| 女人精品久久久久毛片| 男人添女人高潮全过程视频| 夫妻午夜视频| a级片在线免费高清观看视频| 久久午夜综合久久蜜桃| 欧美日本中文国产一区发布| 91精品国产国语对白视频| 午夜福利免费观看在线| 亚洲自偷自拍图片 自拍| 亚洲第一区二区三区不卡| 夜夜骑夜夜射夜夜干| 免费女性裸体啪啪无遮挡网站| 久久精品亚洲熟妇少妇任你| 精品福利永久在线观看| 韩国av在线不卡| 久久免费观看电影| 亚洲成人一二三区av| 最黄视频免费看| 亚洲av成人不卡在线观看播放网 | 欧美激情高清一区二区三区 | 免费人妻精品一区二区三区视频| 亚洲精品在线美女| 成人国产麻豆网| 精品人妻一区二区三区麻豆| av网站在线播放免费| 大香蕉久久网| 中国国产av一级| 91精品三级在线观看| 中文字幕av电影在线播放| 亚洲成色77777| 亚洲欧美清纯卡通| 国产精品 国内视频| 国产乱来视频区| 亚洲天堂av无毛| 亚洲三区欧美一区| bbb黄色大片| 十八禁高潮呻吟视频| 国产精品人妻久久久影院| 国产xxxxx性猛交| 又粗又硬又长又爽又黄的视频| 两个人免费观看高清视频| 青春草亚洲视频在线观看| 深夜精品福利| 好男人视频免费观看在线| 狠狠婷婷综合久久久久久88av| 在线 av 中文字幕| 汤姆久久久久久久影院中文字幕| 悠悠久久av| 日本wwww免费看| 乱人伦中国视频| 国产精品人妻久久久影院| 日韩一区二区视频免费看| 国产日韩一区二区三区精品不卡| 五月开心婷婷网| 亚洲综合精品二区| 男女边摸边吃奶| 亚洲精品国产区一区二| 亚洲伊人久久精品综合| 亚洲国产看品久久| 中国国产av一级| 欧美激情极品国产一区二区三区| 亚洲欧美清纯卡通| 久久天躁狠狠躁夜夜2o2o | 不卡视频在线观看欧美| 日韩欧美精品免费久久| 电影成人av| 亚洲av综合色区一区| bbb黄色大片| 国产精品麻豆人妻色哟哟久久| 国产亚洲午夜精品一区二区久久| 亚洲在久久综合| 精品国产国语对白av| 亚洲国产精品一区二区三区在线| 一级黄片播放器| 中文字幕人妻熟女乱码| 国产成人系列免费观看| 男女高潮啪啪啪动态图| 岛国毛片在线播放| 99久国产av精品国产电影| 一级片免费观看大全| 国产精品一二三区在线看| 日韩精品有码人妻一区| 日韩 欧美 亚洲 中文字幕| 久久ye,这里只有精品| 国产福利在线免费观看视频| 久久久久国产精品人妻一区二区| 欧美亚洲 丝袜 人妻 在线| 三上悠亚av全集在线观看| 一本—道久久a久久精品蜜桃钙片| 在线观看免费视频网站a站| 久久影院123| 成年人免费黄色播放视频| 亚洲综合精品二区| 日韩大码丰满熟妇| 亚洲图色成人| 国产精品三级大全| 亚洲精品美女久久久久99蜜臀 | tube8黄色片| 亚洲精品国产色婷婷电影| 九草在线视频观看| 久久精品亚洲熟妇少妇任你| 91国产中文字幕| 日日啪夜夜爽| svipshipincom国产片| 日韩,欧美,国产一区二区三区| 亚洲综合精品二区| 十八禁人妻一区二区| 自线自在国产av| 国产亚洲欧美精品永久| 捣出白浆h1v1| 老司机影院成人| 国产精品偷伦视频观看了| 久久久久久人妻| 色综合欧美亚洲国产小说| 人人妻人人爽人人添夜夜欢视频| 亚洲婷婷狠狠爱综合网| 久久久亚洲精品成人影院| 中文字幕制服av| 国产男人的电影天堂91| 精品人妻熟女毛片av久久网站| 亚洲综合精品二区| 只有这里有精品99| 精品亚洲成国产av| 精品第一国产精品| 你懂的网址亚洲精品在线观看| 久久人人爽人人片av| 日韩伦理黄色片| 美女中出高潮动态图| 国产成人av激情在线播放| 国产av码专区亚洲av| 欧美成人午夜精品| 国产成人免费观看mmmm| 欧美激情 高清一区二区三区| 99九九在线精品视频| 日韩一本色道免费dvd| 狠狠精品人妻久久久久久综合| 一级片'在线观看视频| 国产在线视频一区二区| 久久久久网色| 哪个播放器可以免费观看大片| 国产精品久久久av美女十八| 人人妻人人添人人爽欧美一区卜| 男女之事视频高清在线观看 | 涩涩av久久男人的天堂| 成人18禁高潮啪啪吃奶动态图| 大陆偷拍与自拍| 麻豆乱淫一区二区| 女人精品久久久久毛片| 免费在线观看完整版高清| 一本久久精品| 国产精品无大码| 搡老岳熟女国产| 色视频在线一区二区三区| 51午夜福利影视在线观看| 亚洲av综合色区一区| 精品久久蜜臀av无| 男女床上黄色一级片免费看| 热99国产精品久久久久久7| 午夜av观看不卡| 丝袜喷水一区| 精品少妇久久久久久888优播| 久久精品国产亚洲av高清一级| 黄色 视频免费看| 中文精品一卡2卡3卡4更新| 久久鲁丝午夜福利片| 丝袜脚勾引网站| 亚洲欧美成人综合另类久久久| 午夜福利一区二区在线看| 午夜福利视频精品| 国产黄色免费在线视频| 人人妻,人人澡人人爽秒播 | 日韩欧美精品免费久久| 久久性视频一级片| 国产免费又黄又爽又色| 久久国产亚洲av麻豆专区| 交换朋友夫妻互换小说| 国产深夜福利视频在线观看| 中国国产av一级| 国产伦人伦偷精品视频| 欧美日韩亚洲高清精品| 欧美另类一区| 叶爱在线成人免费视频播放| 天堂俺去俺来也www色官网| 狂野欧美激情性xxxx| 午夜激情av网站| 日韩一卡2卡3卡4卡2021年| 宅男免费午夜| 国产精品熟女久久久久浪| 在线观看免费午夜福利视频| 考比视频在线观看| 一区二区三区乱码不卡18| 如日韩欧美国产精品一区二区三区| 欧美97在线视频| 男男h啪啪无遮挡| 电影成人av| 极品少妇高潮喷水抽搐| 人人妻人人添人人爽欧美一区卜| 午夜福利网站1000一区二区三区| 嫩草影视91久久| 成人漫画全彩无遮挡| 久久精品国产亚洲av高清一级| 18禁观看日本| 中国国产av一级| 大话2 男鬼变身卡| 男人舔女人的私密视频| 中国国产av一级| 满18在线观看网站| av线在线观看网站| 天堂8中文在线网| 纵有疾风起免费观看全集完整版| 国产深夜福利视频在线观看| 欧美久久黑人一区二区| 国产精品av久久久久免费| 妹子高潮喷水视频| 欧美中文综合在线视频| 精品国产一区二区三区久久久樱花| 国产精品久久久久久精品古装| 日本猛色少妇xxxxx猛交久久| 天天添夜夜摸| 啦啦啦啦在线视频资源| 免费久久久久久久精品成人欧美视频| 亚洲av电影在线进入| 亚洲精品中文字幕在线视频| 国产激情久久老熟女| 国产精品av久久久久免费| 国产精品蜜桃在线观看| 国产人伦9x9x在线观看| 亚洲国产精品一区二区三区在线| 亚洲av成人不卡在线观看播放网 | 丰满乱子伦码专区| 狠狠婷婷综合久久久久久88av| 午夜精品国产一区二区电影| 成人18禁高潮啪啪吃奶动态图|