• <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 ?

    深度神經(jīng)網(wǎng)絡(luò)的發(fā)展現(xiàn)狀

    2017-03-27 21:51:30胡聰叢
    電子技術(shù)與軟件工程 2017年4期
    關(guān)鍵詞:深度神經(jīng)網(wǎng)絡(luò)

    胡聰叢

    摘 要 深度神經(jīng)網(wǎng)絡(luò)已經(jīng)在語音、圖像、文本等信息處理領(lǐng)域取得了巨大的成果,本文簡述其起源及成果,并介紹現(xiàn)代深度神經(jīng)網(wǎng)絡(luò)模型的三種基本結(jié)構(gòu):序列到序列神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、對抗式生成網(wǎng)絡(luò),最后展望了深度神經(jīng)網(wǎng)絡(luò)研究領(lǐng)域所面臨的挑戰(zhàn)。

    【關(guān)鍵詞】深度神經(jīng)網(wǎng)絡(luò) 序列到序列網(wǎng)絡(luò) 卷積網(wǎng)絡(luò) 對抗式生成網(wǎng)路

    1 深度神經(jīng)網(wǎng)絡(luò)起源

    人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetworks,ANN)研究是人工智能領(lǐng)域的一個(gè)重要分支,在對生物神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及其機(jī)制研究的基礎(chǔ)上,構(gòu)建類似的人工神經(jīng)網(wǎng)絡(luò),使得機(jī)器能直接從大量訓(xùn)練數(shù)據(jù)中學(xué)習(xí)規(guī)律。其研究最早可以追溯到1957年Frank Rosenblatt提出的感知機(jī)模型,他在《The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain》建立了第一個(gè)人工神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型,19世紀(jì)80年代末期反向傳播(Back Propagation)算法的發(fā)明更是帶來了ANN的學(xué)習(xí)熱潮,但由于理論分析難度較大,訓(xùn)練方法及技巧尚不成熟,計(jì)算機(jī)運(yùn)算能力還不夠強(qiáng)大,這個(gè)時(shí)期ANN結(jié)構(gòu)較為簡單,大部分都可等價(jià)為單隱層神經(jīng)網(wǎng)絡(luò),主要是進(jìn)行淺層學(xué)習(xí)(Shallow Learning)研究。

    2006年Geoffrey Hinton在《A Fast Learning Algorithm for Deep Belief Nets》中提出了逐層貪婪預(yù)訓(xùn)練(layerwise greedy pretraining),顯著提高了MNIST手寫數(shù)字識別的準(zhǔn)確率,開創(chuàng)了深度學(xué)習(xí)的新方向;隨后又在《Reducing the Dimensionality of Data with Neural Networks》中提出了deep autoencoder結(jié)構(gòu),在圖像和文本降維實(shí)驗(yàn)上明顯優(yōu)于傳統(tǒng)算法,證明了深度學(xué)習(xí)的正確性。以這兩篇論文為開端,整個(gè)學(xué)術(shù)界掀起了對深度學(xué)習(xí)的研究熱潮,由于更多的網(wǎng)絡(luò)層數(shù)和參數(shù)個(gè)數(shù),能夠提取更多的數(shù)據(jù)特征,獲取更好的學(xué)習(xí)效果,ANN模型的層數(shù)和規(guī)模相比之前都有了很大的提升,被稱之為深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Networks,DNN)。

    2 深度神經(jīng)網(wǎng)絡(luò)的現(xiàn)代應(yīng)用

    2010年以來,隨著理論不斷創(chuàng)新和運(yùn)算能力的增長,DNN被應(yīng)用到許多領(lǐng)域并取得了巨大的成功。2011年微軟和谷歌的研究員利用DNN將語音識別的錯(cuò)誤率降低了20%~30%;2012年在ImageNet圖像識別挑戰(zhàn)賽(ILSVRC2012)中DNN更是將識別錯(cuò)誤率從26%降到了15%;2016年3月DeepMind團(tuán)隊(duì)研發(fā)的圍棋軟件AlphaGO以4:1的巨大優(yōu)勢戰(zhàn)勝了世界圍棋冠軍李世石,2017年1月初AlphaGO的升級版Master以60:0的戰(zhàn)績擊敗了數(shù)十位中日韓圍棋高手。當(dāng)前對DNN的研究主要集中在以下領(lǐng)域:

    2.1 語音識別領(lǐng)域

    微軟研究院語音識別專家鄧立和俞棟從2009年開始和深度學(xué)習(xí)專家Geoffery Hinton合作,并于2011年宣布推出基于DNN的識別系統(tǒng),徹底改變了語音識別的原有技術(shù)框架;2012年11月,百度上線了第一款基于DNN的語音搜索系統(tǒng),成為最早采用DNN技術(shù)進(jìn)行商業(yè)語音服務(wù)的公司之一;2016年微軟使用循環(huán)神經(jīng)網(wǎng)絡(luò)語言模型(Recurrent Neural Network based Language Modeling,RNN-LM)將switchboard的詞識別錯(cuò)誤率降低到了6.3%。

    2.2 圖像識別領(lǐng)域

    早在1989年,YannLeCun和他的同事們就提出了卷積神經(jīng)網(wǎng)絡(luò)(Convolution Neural Networks,CNN)結(jié)構(gòu)。在之后的很長一段時(shí)間里,CNN雖然在諸如手寫數(shù)字問題上取得過世界最好的成功率,但一直沒有被廣泛應(yīng)用。直到2012年10月,Geoffrey Hinton在ILSVRC2012中使用更深的CNN將錯(cuò)誤率從26%降到15%,業(yè)界才重新認(rèn)識到CNN在圖像識別領(lǐng)域上的巨大潛力;2012年谷歌宣布基于CNN使得電腦直接從一千萬張圖片中自發(fā)學(xué)會貓臉識別;2013年DNN被成功應(yīng)用于一般圖片的識別和理解;2016年DeepMind團(tuán)隊(duì)基于CNN研發(fā)了圍棋AI,并取得了巨大成功。

    2.3 自然語言處理領(lǐng)域

    2003年YoshuaBengio等人提出單詞嵌入(word embedding)方法將單詞映射到一個(gè)矢量空間,然后用ANN來表示N-Gram模型;2014年10月NEC美國研究院將DNN用于自然語言處理(Natural language processing,NLP)的研究工作,其研究員Ronan Collobert和Jason Weston從2008年開始采用單詞嵌入技術(shù)和多層一維卷積的結(jié)構(gòu),用于POS Tagging、Chunking、Named Entity Recognition、Semantic Role Labeling等四個(gè)典型NLP問題;2014年IlyaSutskever提出了基于LSTM的序列到序列(sequence to sequence,seq2seq)網(wǎng)絡(luò)模型,突破了傳統(tǒng)網(wǎng)絡(luò)的定長輸入向量問題,開創(chuàng)了語言翻譯領(lǐng)域的新方向;2016年谷歌宣布推出基于DNN的翻譯系統(tǒng)GNMT(Google Neural Machine Translation),大幅提高了翻譯的精確度與流暢度。

    3 深度神經(jīng)網(wǎng)絡(luò)常見結(jié)構(gòu)

    DNN能夠在各領(lǐng)域取得巨大成功,與其模型結(jié)構(gòu)是密不可分的,現(xiàn)代DNN大都可歸納為三種基本結(jié)構(gòu):序列到序列網(wǎng)絡(luò)、卷積網(wǎng)絡(luò)、對抗式生成網(wǎng)絡(luò),或由這三種基本網(wǎng)絡(luò)結(jié)構(gòu)相互組合而成。

    3.1 序列到序列網(wǎng)絡(luò)

    序列到序列網(wǎng)絡(luò)的最顯著特征在于,它的輸入張量和輸出張量長度都是動態(tài)的,可視為一串不定長序列,相比傳統(tǒng)結(jié)構(gòu)極大地?cái)U(kuò)展了模型的適應(yīng)范圍,能夠?qū)π蛄修D(zhuǎn)換問題直接建模,并以端到端的方式訓(xùn)練模型。典型應(yīng)用領(lǐng)域有:自動翻譯機(jī)(將一種語言的單詞序列轉(zhuǎn)換為另一種語言的單詞序列),語音識別(將聲波采樣序列轉(zhuǎn)換為文本單詞序列),自動編程機(jī)研究(將自然語言序列轉(zhuǎn)換為語法樹結(jié)構(gòu)),此類問題的特點(diǎn)在于:

    (1)輸入和輸出數(shù)據(jù)都是序列(如連續(xù)值語音信號/特征、離散值的字符);

    (2)輸入和輸出序列長度都不固定;

    (3)輸入輸出序列長度沒有對應(yīng)關(guān)系。

    其典型如圖1所示。

    網(wǎng)絡(luò)由編碼器(encoder)網(wǎng)絡(luò)和解碼器網(wǎng)絡(luò)(decoder)兩部分連接構(gòu)成:

    3.1.1 編碼器網(wǎng)絡(luò)

    編碼器網(wǎng)絡(luò)通常是一個(gè)遞歸神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Networks,RNN),網(wǎng)絡(luò)節(jié)點(diǎn)一般使用長短期記憶模型(Long Short Term Memory,LSTM)實(shí)現(xiàn),序列中里第t個(gè)張量xt的輸出yt依賴于之前的輸出序列(y0、y1…yt-1),輸入序列(x0、x1、x2…)從前至后依次輸入網(wǎng)絡(luò),整個(gè)序列處理完后得到最終的輸出Y以及各層的隱藏狀態(tài)H。

    3.1.2 解碼器網(wǎng)絡(luò)

    解碼器網(wǎng)絡(luò)是一個(gè)與編碼器網(wǎng)絡(luò)結(jié)構(gòu)相同的RNN網(wǎng)絡(luò),以解碼器的最終輸出(Y,H)為初始輸入,使用固定的開始標(biāo)記S及目標(biāo)序列G當(dāng)作輸入數(shù)據(jù)進(jìn)行學(xué)習(xí),目標(biāo)是使得在X輸入下Y和G盡量接近,即損失度函數(shù)f(X)取得最小值。

    解碼器網(wǎng)絡(luò)屬于典型的監(jiān)督學(xué)習(xí)結(jié)構(gòu),可以用BP算法進(jìn)行訓(xùn)練,而編碼器網(wǎng)絡(luò)的輸出傳遞給了解碼器網(wǎng)絡(luò),因此也能同時(shí)進(jìn)行訓(xùn)練。網(wǎng)絡(luò)模型學(xué)習(xí)完畢后,將序列X輸入編碼器,并將起始標(biāo)記S輸入解碼器,網(wǎng)絡(luò)就會給出正確的對應(yīng)序列。

    3.2 卷積神經(jīng)網(wǎng)絡(luò)

    卷積神經(jīng)網(wǎng)絡(luò)將傳統(tǒng)圖像處理的卷積運(yùn)算和DNN相結(jié)合,屬于前饋神經(jīng)網(wǎng)絡(luò),是在生物視覺皮層的研究基礎(chǔ)上發(fā)展而來的,在大型圖像處理上有出色表現(xiàn)。CNN一般由多個(gè)結(jié)構(gòu)相似的單元組成,每個(gè)單元包含卷積層(convolution layer)和池化層(poolinglayer),通常網(wǎng)絡(luò)末端還連接全聯(lián)通層(fully-connected layer,F(xiàn)C)及Softmax分類器。這種結(jié)構(gòu)使得CNN非常適合處理二維結(jié)構(gòu)數(shù)據(jù),相比其它DNN在圖像處理領(lǐng)域上具有天然優(yōu)勢,CNN的另一優(yōu)勢還在于,由于卷積層共享參數(shù)的特點(diǎn),使得它所需的參數(shù)數(shù)量大為減少,提高了訓(xùn)練速度。其典型結(jié)構(gòu)如圖2所示:

    3.2.1 卷積層(Convolutional layer)

    卷積層由若干卷積核構(gòu)成,每個(gè)卷積核在整個(gè)圖像的所有通道上同時(shí)做卷積運(yùn)算,卷積核的參數(shù)通過BP算法從訓(xùn)練數(shù)據(jù)中自動獲取。卷積核是對生物視覺神經(jīng)元的建模,在圖像局部區(qū)域進(jìn)行的卷積運(yùn)算實(shí)質(zhì)上是提取了輸入數(shù)據(jù)的特征,越深層的卷積層所能提取到的特征也越復(fù)雜。例如前幾個(gè)卷積層可能提取到一些邊緣、梯度、線條、角度等低級特征,后續(xù)的卷積層則能認(rèn)識圓、三角形、長方形等稍微復(fù)雜的幾何概念,末尾的卷積層則能識別到輪子、旗幟、足球等現(xiàn)實(shí)物體。

    3.2.2 池化層(Poolinglayer)

    池化層是卷積網(wǎng)絡(luò)的另一重要部分,用于縮減卷積層提取的特征圖的尺寸,它實(shí)質(zhì)上是某種形式的下采樣:將圖像劃分為若干矩形區(qū)塊,在每個(gè)區(qū)塊上運(yùn)算池化函數(shù)得到輸出。有許多不同形式的池化函數(shù),常用的有“最大池化”(maxpooling,取區(qū)塊中數(shù)據(jù)的最大值)和“平均池化”(averagepooling,取區(qū)塊中數(shù)據(jù)的平均值)。池化層帶來的好處在于:

    (1)減小了數(shù)據(jù)尺寸,降低參數(shù)的數(shù)量和計(jì)算量;

    (2)模糊了各“像素”相對位置關(guān)系,泛化了網(wǎng)絡(luò)識別模式。

    但由于池化層過快減少了數(shù)據(jù)的大小,導(dǎo)致,目前文獻(xiàn)中的趨勢是在池化運(yùn)算時(shí)使用較小的區(qū)塊,甚至不再使用池化層。

    3.3 生成式對抗網(wǎng)絡(luò)(Generative Adversarial Network,GAN)

    生成式對抗網(wǎng)絡(luò)最初由Goodfellow等人在NIPS2014年提出,是當(dāng)前深度學(xué)習(xí)研究的重要課題之一。它的目的是收集大量真實(shí)世界中的數(shù)據(jù)(例如圖像、聲音、文本等),從中學(xué)習(xí)數(shù)據(jù)的分布模式,然后產(chǎn)生盡可能逼真的內(nèi)容。GAN在圖像去噪,修復(fù),超分辨率,結(jié)構(gòu)化預(yù)測,強(qiáng)化學(xué)習(xí)中等任務(wù)中非常有效;另一重要應(yīng)用則是能夠在訓(xùn)練集數(shù)據(jù)過少的情況下,生成模擬數(shù)據(jù)來協(xié)助神經(jīng)網(wǎng)絡(luò)完成訓(xùn)練。

    3.3.1 模型結(jié)構(gòu)

    GAN網(wǎng)絡(luò)典型結(jié)構(gòu)如圖3所示,一般由兩部分組成,即生成器網(wǎng)絡(luò)(Generator)和識別器網(wǎng)絡(luò)(Discriminator):

    (1)生成器網(wǎng)絡(luò)的目標(biāo)是模擬真實(shí)數(shù)據(jù)的分布模式,使用隨機(jī)噪聲生成盡量逼真的數(shù)據(jù)。

    (2)識別器的目標(biāo)是學(xué)習(xí)真實(shí)數(shù)據(jù)的有效特征,從而判別生成數(shù)據(jù)和真實(shí)數(shù)據(jù)的差異度。

    3.3.2 訓(xùn)練方法

    GAN采用無監(jiān)督學(xué)習(xí)進(jìn)行訓(xùn)練,輸入向量z一般由先驗(yàn)概率概率pz(z)生成,通過生成器網(wǎng)絡(luò)產(chǎn)生數(shù)據(jù)G(z)。來自訓(xùn)練集的真實(shí)數(shù)據(jù)的分布為pdata (x),GAN網(wǎng)絡(luò)的實(shí)質(zhì)是學(xué)習(xí)該特征分布,因此生成的數(shù)據(jù)G(z)必然也存在對應(yīng)的分布pg (z),而識別器網(wǎng)絡(luò)則給出數(shù)據(jù)來自于真實(shí)數(shù)據(jù)的概率D(x)以及D(G(z) )。整個(gè)訓(xùn)練過程的實(shí)質(zhì)就是生成器網(wǎng)絡(luò)和識別器網(wǎng)絡(luò)的博弈過程,即找到

    4 深度神經(jīng)網(wǎng)絡(luò)研究展望

    DNN雖然在各大領(lǐng)域都取得了重大的成功,甚至宣告了“智能時(shí)代”的來臨,但是與人類大腦相比,DNN在許多方面仍有顯著差距:

    4.1 識別對抗樣本的挑戰(zhàn)

    對抗樣本是指在數(shù)據(jù)集中添加微小的擾動所形成的數(shù)據(jù),這些數(shù)據(jù)能使網(wǎng)絡(luò)以極高的置信度做出錯(cuò)誤的判別。在網(wǎng)絡(luò)實(shí)際使用過程中會帶來非常大的問題,比如病毒制造者可能刻意構(gòu)造樣本來繞過基于DNN的安全檢查網(wǎng)絡(luò)。部分研究指出問題的根因可能在于DNN本身的高度非線性,微小的擾動可能在輸出時(shí)產(chǎn)生巨大的差異。

    4.2 構(gòu)造統(tǒng)一模型的挑戰(zhàn)

    DNN雖然在很多領(lǐng)域都取得了巨大的成功,但無論是序列到序列網(wǎng)絡(luò)、卷積網(wǎng)絡(luò)、還是對抗式生成網(wǎng)絡(luò)都只適應(yīng)于特定領(lǐng)域,與此相對的則是,人類只用一個(gè)大腦就能完成語音、文本、圖像等各類任務(wù),如何構(gòu)建類似的統(tǒng)一模型,對整個(gè)領(lǐng)域都是極大的挑戰(zhàn)。

    4.3 提高訓(xùn)練效率的挑戰(zhàn)

    DNN的成功依賴于大量訓(xùn)練數(shù)據(jù),據(jù)統(tǒng)計(jì)要使得網(wǎng)絡(luò)學(xué)會某一特征,平均需要50000例以上的樣本,相比而言人類只需要少量的指導(dǎo)即可學(xué)會復(fù)雜問題,這說明我們的模型和訓(xùn)練方法都還有極大的提高空間。

    參考文獻(xiàn)

    [1]ROSENBLATT F.The perceptron:a probabilistic model for information storage and organization in the brain [M].MIT Press,1988.

    [2]HINTON G E,OSINDERO S,TEH Y W.A fast learning algorithm for deep belief nets [J].Neural Computation,1989, 18(07):1527-54.

    [3]HINTON G E,SALAKHUTDINOV R R. Reducing the Dimensionality of Data with Neural Networks[J].Science, 2006,313(5786):504.

    [4]SEIDE F,LI G,YU D.Conversational Speech Transcription Using Context-Dependent Deep Neural Networks; proceedings of the INTERSPEECH 2011, Conference of the International Speech Communication Association, Florence,Italy,August,F(xiàn),2011 [C].

    [5]OQUAB M,BOTTOU L,LAPTEV I,et al. Learning and Transferring Mid-level Image Representations Using Convolutional Neural Networks; proceedings of the Computer Vision and Pattern Recognition,F(xiàn),2014 [C].

    [6]SILVER D,HUANG A,MADDISON C J,et al.Mastering the game of Go with deep neural networks and tree search [J].Nature,2016,529(7587):484.

    [7]XIONG W,DROPPO J,HUANG X,et al.The Microsoft 2016 Conversational Speech Recognition System[J].2016.

    [8]LECUN Y,BOTTOU L,BENGIO Y,et al. Gradient-based learning applied to document recognition [J].Proceedings of the IEEE,1998,86(11):2278-324.

    [9]BENGIO Y,DELALLEAU O, LE R N,et al.Learning eigenfunctions links spectral embedding and kernel PCA [J].Neural Computation,2004,16(10):2197-219.

    [10]LEGRAND J,COLLOBERT R.Recurrent Greedy Parsing with Neural Networks [J].Lecture Notes in Computer Science,2014,8725(130-44.

    [11]SUTSKEVER I,VINYALS O,LE Q V. Sequence to Sequence Learning with Neural Networks [J].Advances in Neural Information Processing Systems,2014,4(3104-12.

    [12]WU Y,SCHUSTER M,CHEN Z,et al. Google's Neural Machine Translation System:Bridging the Gap between Human and Machine Translation [J]. 2016.

    [13]GOODFELLOW I J,POUGETABADIE J,MIRZA M,et al.Generative Adversarial Networks [J].Advances in Neural Information Processing Systems,2014,3(2672-80.

    作者單位

    1.裝備學(xué)院昌平士官學(xué)校 北京市 102200

    2.遼寧大學(xué)生命科學(xué)院 遼寧省沈陽市 110031

    猜你喜歡
    深度神經(jīng)網(wǎng)絡(luò)
    基于多注意力多尺度特征融合的圖像描述生成算法
    基于VGGNet和多譜帶循環(huán)網(wǎng)絡(luò)的高光譜人臉識別系統(tǒng)
    基于深度卷積神經(jīng)網(wǎng)絡(luò)的交通流量預(yù)測數(shù)學(xué)模型設(shè)計(jì)
    基于改進(jìn)SIFT特征和神經(jīng)網(wǎng)絡(luò)結(jié)合的場景識別
    軟件工程(2019年5期)2019-07-03 02:31:14
    基于Kaldi的語音識別算法
    深度神經(jīng)網(wǎng)絡(luò)在船舶自動舵中的應(yīng)用
    基于深度神經(jīng)網(wǎng)絡(luò)的低延遲聲源分離方法
    基于大數(shù)據(jù)網(wǎng)絡(luò)的運(yùn)動損傷評估模型研究
    試論基于深度神經(jīng)網(wǎng)絡(luò)的汽車車型識別問題
    基于深度神經(jīng)網(wǎng)絡(luò)的身份識別研究
    黄色配什么色好看| 国产精品一区二区在线观看99| 蜜桃亚洲精品一区二区三区| 插阴视频在线观看视频| 五月玫瑰六月丁香| 国产一区二区三区av在线| 国产探花极品一区二区| tube8黄色片| 人妻系列 视频| 性色avwww在线观看| 久久人人爽av亚洲精品天堂 | 十八禁网站网址无遮挡 | 国产亚洲91精品色在线| 亚洲欧美日韩无卡精品| 亚洲第一区二区三区不卡| 亚洲无线观看免费| 国产高清三级在线| 免费看日本二区| 国产淫片久久久久久久久| 噜噜噜噜噜久久久久久91| 男女下面进入的视频免费午夜| 国产永久视频网站| 成人亚洲精品一区在线观看 | 亚洲av中文av极速乱| 国产高清不卡午夜福利| www.av在线官网国产| 大又大粗又爽又黄少妇毛片口| 亚洲久久久久久中文字幕| 在线免费观看不下载黄p国产| 亚洲综合精品二区| 高清欧美精品videossex| 观看美女的网站| 欧美另类一区| 亚洲精品,欧美精品| 全区人妻精品视频| 中国美白少妇内射xxxbb| 国产欧美日韩精品一区二区| 国产在线一区二区三区精| 国产中年淑女户外野战色| 美女cb高潮喷水在线观看| 国产综合精华液| 国产黄a三级三级三级人| 最近最新中文字幕免费大全7| 国产 一区精品| 日韩av不卡免费在线播放| 波野结衣二区三区在线| 精品少妇黑人巨大在线播放| 美女被艹到高潮喷水动态| 老女人水多毛片| 高清毛片免费看| 成年av动漫网址| 中文字幕亚洲精品专区| 午夜爱爱视频在线播放| 国产亚洲精品久久久com| 久久韩国三级中文字幕| 一级毛片久久久久久久久女| 亚洲精品国产色婷婷电影| 日韩三级伦理在线观看| 久久久久久伊人网av| 亚洲av成人精品一二三区| 国产真实伦视频高清在线观看| 天天躁夜夜躁狠狠久久av| 欧美日韩一区二区视频在线观看视频在线 | 热re99久久精品国产66热6| 一二三四中文在线观看免费高清| 免费不卡的大黄色大毛片视频在线观看| 亚洲国产高清在线一区二区三| 久久久欧美国产精品| 91精品国产九色| 国产美女午夜福利| 插阴视频在线观看视频| 天天躁日日操中文字幕| 一级a做视频免费观看| 一区二区av电影网| 男女边摸边吃奶| 国内精品美女久久久久久| 少妇高潮的动态图| 人人妻人人看人人澡| 日日啪夜夜爽| 亚洲人成网站在线播| 久久精品夜色国产| 国产亚洲av嫩草精品影院| 久久精品久久精品一区二区三区| 麻豆国产97在线/欧美| 亚洲怡红院男人天堂| 亚洲欧美日韩无卡精品| 男女边摸边吃奶| av.在线天堂| 亚洲av二区三区四区| 国产精品不卡视频一区二区| 国产成人精品一,二区| 狠狠精品人妻久久久久久综合| 丝袜脚勾引网站| 在线 av 中文字幕| 免费观看性生交大片5| 激情 狠狠 欧美| 国产精品三级大全| 日韩制服骚丝袜av| 日日啪夜夜撸| 欧美精品一区二区大全| 你懂的网址亚洲精品在线观看| 女人久久www免费人成看片| 国产精品99久久久久久久久| 午夜免费男女啪啪视频观看| 国产精品一区二区三区四区免费观看| 又黄又爽又刺激的免费视频.| 成年av动漫网址| 91精品国产九色| 免费看av在线观看网站| 蜜桃亚洲精品一区二区三区| 国产69精品久久久久777片| 国产 精品1| 在现免费观看毛片| 亚洲高清免费不卡视频| 免费观看无遮挡的男女| 少妇裸体淫交视频免费看高清| 亚洲精品国产成人久久av| 国国产精品蜜臀av免费| 中文精品一卡2卡3卡4更新| 搡女人真爽免费视频火全软件| 美女主播在线视频| 亚洲真实伦在线观看| 交换朋友夫妻互换小说| 亚洲国产高清在线一区二区三| 久久久久久久久久人人人人人人| 少妇高潮的动态图| 成人高潮视频无遮挡免费网站| 亚洲性久久影院| 亚洲精品一二三| kizo精华| 91狼人影院| av在线亚洲专区| 欧美三级亚洲精品| 男女啪啪激烈高潮av片| 少妇被粗大猛烈的视频| 日韩av免费高清视频| 深爱激情五月婷婷| 综合色丁香网| 亚洲高清免费不卡视频| 男人和女人高潮做爰伦理| 免费黄色在线免费观看| 久久99热6这里只有精品| 狂野欧美激情性bbbbbb| 久久精品久久久久久久性| 又爽又黄无遮挡网站| 国产精品久久久久久精品古装| 久久精品久久久久久久性| 美女视频免费永久观看网站| 久久精品国产亚洲av天美| 午夜视频国产福利| 国产午夜精品一二区理论片| 亚洲在久久综合| 色网站视频免费| 日本黄大片高清| 两个人的视频大全免费| 我的老师免费观看完整版| 欧美精品人与动牲交sv欧美| 亚洲激情五月婷婷啪啪| 蜜臀久久99精品久久宅男| 看非洲黑人一级黄片| 免费黄网站久久成人精品| 国产一级毛片在线| av线在线观看网站| 在线观看一区二区三区激情| 99久久精品一区二区三区| 欧美变态另类bdsm刘玥| 久久女婷五月综合色啪小说 | 天堂中文最新版在线下载 | 五月玫瑰六月丁香| 欧美性猛交╳xxx乱大交人| 在线观看免费高清a一片| 亚洲国产精品成人久久小说| 国产在视频线精品| 国语对白做爰xxxⅹ性视频网站| 老司机影院成人| 国产精品一二三区在线看| 女的被弄到高潮叫床怎么办| 成人欧美大片| 日本-黄色视频高清免费观看| 欧美日韩一区二区视频在线观看视频在线 | 成人高潮视频无遮挡免费网站| 看免费成人av毛片| 全区人妻精品视频| 久久久亚洲精品成人影院| 26uuu在线亚洲综合色| 日韩大片免费观看网站| 国产精品爽爽va在线观看网站| 久久影院123| 春色校园在线视频观看| 午夜激情福利司机影院| 久热久热在线精品观看| 国产精品久久久久久久久免| 亚洲不卡免费看| 久久久a久久爽久久v久久| 可以在线观看毛片的网站| 日日摸夜夜添夜夜添av毛片| 国产成人freesex在线| 在线天堂最新版资源| 中文天堂在线官网| 欧美精品人与动牲交sv欧美| 欧美日韩在线观看h| 菩萨蛮人人尽说江南好唐韦庄| 高清av免费在线| 色视频在线一区二区三区| 久久韩国三级中文字幕| 少妇熟女欧美另类| 免费看日本二区| 国产大屁股一区二区在线视频| 另类亚洲欧美激情| 国产欧美亚洲国产| 国产高潮美女av| av免费观看日本| 国产视频首页在线观看| 18禁裸乳无遮挡免费网站照片| 国产中年淑女户外野战色| 亚洲精品一区蜜桃| tube8黄色片| 亚洲最大成人中文| 男女边摸边吃奶| 少妇丰满av| 免费大片18禁| 久久久色成人| 亚洲av不卡在线观看| 久久久久久久久久久丰满| tube8黄色片| 小蜜桃在线观看免费完整版高清| 国产精品一区二区三区四区免费观看| 精品人妻偷拍中文字幕| 中文欧美无线码| 国产男人的电影天堂91| 综合色丁香网| 国产成人aa在线观看| 久久精品国产亚洲av天美| 亚洲精华国产精华液的使用体验| av.在线天堂| 亚洲精品成人久久久久久| 欧美少妇被猛烈插入视频| 亚洲国产最新在线播放| 午夜爱爱视频在线播放| 国产在线一区二区三区精| 久久久欧美国产精品| 国产精品久久久久久久电影| 亚洲真实伦在线观看| 亚洲国产欧美在线一区| 国精品久久久久久国模美| 青春草国产在线视频| 日韩成人伦理影院| 一区二区三区精品91| 综合色av麻豆| 亚洲综合精品二区| 韩国av在线不卡| 免费少妇av软件| 白带黄色成豆腐渣| 亚洲av中文av极速乱| 亚洲内射少妇av| 插阴视频在线观看视频| 色视频www国产| 国产成人a区在线观看| 波野结衣二区三区在线| 91aial.com中文字幕在线观看| 在线观看三级黄色| 国产成人免费无遮挡视频| 人妻系列 视频| 午夜精品一区二区三区免费看| 精品酒店卫生间| 神马国产精品三级电影在线观看| 国产成人91sexporn| 在线观看国产h片| 热99国产精品久久久久久7| 香蕉精品网在线| 亚洲欧美中文字幕日韩二区| 久久精品国产亚洲av天美| 欧美日本视频| 大话2 男鬼变身卡| 99热网站在线观看| 丝袜美腿在线中文| 欧美3d第一页| 大又大粗又爽又黄少妇毛片口| 十八禁网站网址无遮挡 | 亚洲最大成人av| 在线 av 中文字幕| 亚洲国产精品国产精品| 国产精品一区二区三区四区免费观看| 国产精品偷伦视频观看了| 亚洲精品国产成人久久av| 国产老妇伦熟女老妇高清| 老师上课跳d突然被开到最大视频| 国产探花极品一区二区| 国产欧美另类精品又又久久亚洲欧美| 国内精品宾馆在线| 久久精品国产亚洲av天美| 91狼人影院| 免费看a级黄色片| 777米奇影视久久| 午夜福利视频1000在线观看| 内地一区二区视频在线| 日韩在线高清观看一区二区三区| 高清午夜精品一区二区三区| 精品国产三级普通话版| 在线观看国产h片| 乱系列少妇在线播放| 亚洲av成人精品一区久久| av福利片在线观看| 国产精品秋霞免费鲁丝片| 亚洲欧美日韩卡通动漫| 久久99热6这里只有精品| av专区在线播放| 亚洲电影在线观看av| 国内揄拍国产精品人妻在线| 久久ye,这里只有精品| 精品一区二区三区视频在线| 亚洲精品乱码久久久v下载方式| 亚洲,欧美,日韩| 亚洲精品久久久久久婷婷小说| 久久精品综合一区二区三区| 麻豆成人午夜福利视频| 免费少妇av软件| 三级国产精品欧美在线观看| 精品一区二区免费观看| 日本爱情动作片www.在线观看| 亚洲精品成人av观看孕妇| 亚洲丝袜综合中文字幕| 中文天堂在线官网| 亚洲自偷自拍三级| 日本一二三区视频观看| 久久久久久久久久久丰满| 十八禁网站网址无遮挡 | 2021少妇久久久久久久久久久| 免费黄网站久久成人精品| 大香蕉久久网| 日本午夜av视频| 亚洲最大成人av| 国产淫片久久久久久久久| 国产日韩欧美在线精品| 久久女婷五月综合色啪小说 | 精品久久国产蜜桃| 久久国内精品自在自线图片| 乱码一卡2卡4卡精品| 免费观看av网站的网址| 久久99热这里只有精品18| 女人十人毛片免费观看3o分钟| 麻豆乱淫一区二区| 赤兔流量卡办理| 国产永久视频网站| 精品一区二区免费观看| 国产av国产精品国产| 成人亚洲精品av一区二区| 黄色配什么色好看| 欧美日韩精品成人综合77777| 欧美性感艳星| 婷婷色av中文字幕| 国产毛片在线视频| 蜜臀久久99精品久久宅男| 日韩强制内射视频| 简卡轻食公司| 免费看不卡的av| freevideosex欧美| 激情五月婷婷亚洲| 在线免费十八禁| 午夜免费观看性视频| 国产黄片美女视频| 精品久久久久久电影网| 能在线免费看毛片的网站| 97在线人人人人妻| 一个人看的www免费观看视频| 亚洲精品久久久久久婷婷小说| 夫妻午夜视频| 国产精品一二三区在线看| 人妻一区二区av| 久久99精品国语久久久| 国产精品爽爽va在线观看网站| 韩国av在线不卡| 高清视频免费观看一区二区| 自拍偷自拍亚洲精品老妇| 综合色av麻豆| 午夜激情福利司机影院| 一级爰片在线观看| 成人毛片a级毛片在线播放| 97超视频在线观看视频| 国产精品嫩草影院av在线观看| 老师上课跳d突然被开到最大视频| 大陆偷拍与自拍| 久久久久久久久大av| 69av精品久久久久久| 内地一区二区视频在线| 网址你懂的国产日韩在线| 国内揄拍国产精品人妻在线| 国产成人免费无遮挡视频| 欧美日韩亚洲高清精品| 一个人看的www免费观看视频| 日韩制服骚丝袜av| 亚洲四区av| 欧美老熟妇乱子伦牲交| 永久免费av网站大全| 99久久中文字幕三级久久日本| 国模一区二区三区四区视频| 日日啪夜夜爽| 天堂中文最新版在线下载 | 日本爱情动作片www.在线观看| 国产精品国产三级国产专区5o| 男女无遮挡免费网站观看| 国产免费福利视频在线观看| 国产精品三级大全| 最近的中文字幕免费完整| 日韩成人伦理影院| 精品一区二区免费观看| 免费黄色在线免费观看| 看免费成人av毛片| 日韩大片免费观看网站| 最近的中文字幕免费完整| 伊人久久精品亚洲午夜| av免费在线看不卡| 最近2019中文字幕mv第一页| 免费大片黄手机在线观看| 免费不卡的大黄色大毛片视频在线观看| 国产精品99久久99久久久不卡 | 精品少妇久久久久久888优播| 伊人久久国产一区二区| 两个人的视频大全免费| 久久人人爽av亚洲精品天堂 | 18禁动态无遮挡网站| 欧美区成人在线视频| 男女边吃奶边做爰视频| 欧美极品一区二区三区四区| 亚洲欧美精品自产自拍| 99九九线精品视频在线观看视频| 99热这里只有精品一区| 白带黄色成豆腐渣| 久久久久久伊人网av| 亚洲成人久久爱视频| 日韩国内少妇激情av| 免费不卡的大黄色大毛片视频在线观看| 麻豆成人午夜福利视频| 免费av观看视频| 最新中文字幕久久久久| 在线 av 中文字幕| 国产精品不卡视频一区二区| 国产一区二区三区av在线| 丝袜美腿在线中文| 99热这里只有是精品50| 日产精品乱码卡一卡2卡三| 毛片一级片免费看久久久久| 日韩电影二区| 亚洲一区二区三区欧美精品 | 欧美97在线视频| 一区二区三区精品91| 男插女下体视频免费在线播放| 看黄色毛片网站| av国产免费在线观看| 亚洲婷婷狠狠爱综合网| 80岁老熟妇乱子伦牲交| 日韩中字成人| 人妻少妇偷人精品九色| 日韩一区二区视频免费看| 亚洲精品日韩av片在线观看| 国产亚洲av嫩草精品影院| 赤兔流量卡办理| 国内揄拍国产精品人妻在线| 熟女人妻精品中文字幕| 精品99又大又爽又粗少妇毛片| 国产精品女同一区二区软件| 在线观看一区二区三区激情| 久久精品国产自在天天线| 国产一级毛片在线| 亚洲真实伦在线观看| 国产精品99久久99久久久不卡 | 黑人高潮一二区| 国产成年人精品一区二区| 国产中年淑女户外野战色| 精品国产一区二区三区久久久樱花 | 亚洲va在线va天堂va国产| 人妻 亚洲 视频| 99久久精品热视频| 99热全是精品| 国产免费福利视频在线观看| 日日摸夜夜添夜夜爱| 看黄色毛片网站| 亚洲国产精品专区欧美| 久久人人爽人人片av| 亚洲第一区二区三区不卡| 日本av手机在线免费观看| 中文字幕久久专区| 亚洲熟女精品中文字幕| 亚洲四区av| 伊人久久精品亚洲午夜| 欧美国产精品一级二级三级 | av在线观看视频网站免费| 国产成人a∨麻豆精品| kizo精华| 亚州av有码| 欧美3d第一页| 国产爱豆传媒在线观看| 天美传媒精品一区二区| 日日啪夜夜爽| 亚洲精品日韩av片在线观看| 国产精品久久久久久精品电影小说 | av在线播放精品| 男女无遮挡免费网站观看| 26uuu在线亚洲综合色| 久久精品夜色国产| 国产午夜福利久久久久久| 色播亚洲综合网| 尾随美女入室| 国产精品人妻久久久影院| 中文字幕制服av| 只有这里有精品99| av女优亚洲男人天堂| 国产精品一区二区性色av| 亚洲色图综合在线观看| 亚洲精华国产精华液的使用体验| 国产欧美另类精品又又久久亚洲欧美| 涩涩av久久男人的天堂| 男的添女的下面高潮视频| 欧美xxxx黑人xx丫x性爽| 在线精品无人区一区二区三 | 黑人高潮一二区| 中文在线观看免费www的网站| 国产精品av视频在线免费观看| 亚洲精品国产av蜜桃| 哪个播放器可以免费观看大片| 日韩 亚洲 欧美在线| 国产熟女欧美一区二区| 久久6这里有精品| 国产成人一区二区在线| 国产精品三级大全| 免费人成在线观看视频色| 亚洲av福利一区| 别揉我奶头 嗯啊视频| 精华霜和精华液先用哪个| 干丝袜人妻中文字幕| 久久精品人妻少妇| 好男人在线观看高清免费视频| 成年版毛片免费区| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 国产老妇伦熟女老妇高清| 日韩成人伦理影院| 国产一区二区亚洲精品在线观看| 国产一区有黄有色的免费视频| 少妇人妻久久综合中文| 中文字幕亚洲精品专区| 日韩欧美精品v在线| 99热全是精品| 亚洲激情五月婷婷啪啪| 简卡轻食公司| 成人毛片60女人毛片免费| 亚洲精品国产av成人精品| 久久鲁丝午夜福利片| 在线观看美女被高潮喷水网站| 亚洲精华国产精华液的使用体验| 亚洲国产欧美人成| 亚洲欧美成人精品一区二区| 观看美女的网站| 成年女人在线观看亚洲视频 | 久久精品综合一区二区三区| 秋霞伦理黄片| a级毛片免费高清观看在线播放| 看黄色毛片网站| 久久影院123| 免费看光身美女| 美女内射精品一级片tv| 国产午夜福利久久久久久| 少妇人妻精品综合一区二区| 精华霜和精华液先用哪个| 国产综合懂色| 一级毛片电影观看| 国产欧美亚洲国产| 一区二区三区乱码不卡18| 五月开心婷婷网| 丰满少妇做爰视频| 日本免费在线观看一区| 久久久久久久午夜电影| 久久人人爽人人片av| 国产极品天堂在线| 国产亚洲一区二区精品| av播播在线观看一区| 男人狂女人下面高潮的视频| 亚洲成人中文字幕在线播放| 女的被弄到高潮叫床怎么办| 久久精品国产自在天天线| 国产爽快片一区二区三区| 免费播放大片免费观看视频在线观看| 99热这里只有精品一区| 亚洲怡红院男人天堂| av黄色大香蕉| 18禁裸乳无遮挡动漫免费视频 | 国产永久视频网站| 最近的中文字幕免费完整| 神马国产精品三级电影在线观看| 99热全是精品| 亚洲欧美精品专区久久| 晚上一个人看的免费电影| 免费播放大片免费观看视频在线观看| 高清毛片免费看| 亚洲av男天堂| 国产成人精品一,二区| 少妇的逼好多水| 欧美变态另类bdsm刘玥| 欧美性猛交╳xxx乱大交人| 伦精品一区二区三区| 一区二区三区四区激情视频| 99久久九九国产精品国产免费| 一个人观看的视频www高清免费观看| 老司机影院毛片| 国内精品宾馆在线| 22中文网久久字幕| 性色av一级| 亚洲欧洲国产日韩| 精品久久久噜噜| 亚洲内射少妇av| 久久久久久久久久成人| 欧美成人a在线观看| 男女啪啪激烈高潮av片| 久久久久久久国产电影| xxx大片免费视频| 亚洲欧美成人精品一区二区|