• <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 ?

    基于生成對(duì)抗網(wǎng)絡(luò)的圖片風(fēng)格遷移

    2018-09-04 09:37:16許哲豪陳瑋
    軟件導(dǎo)刊 2018年6期
    關(guān)鍵詞:生成對(duì)抗網(wǎng)絡(luò)

    許哲豪 陳瑋

    摘 要:圖像到圖像的翻譯工作在現(xiàn)實(shí)中有著廣泛應(yīng)用,因此在計(jì)算機(jī)視覺(jué)領(lǐng)域得到高度關(guān)注。通過(guò)CycleGAN的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行圖像風(fēng)格遷移實(shí)驗(yàn),將自然得到的圖片轉(zhuǎn)換成具有某種風(fēng)格的圖片,同時(shí)該方法不需要源圖像與風(fēng)格圖像互相匹配,因此擴(kuò)大了應(yīng)用范圍。在實(shí)驗(yàn)中,分別使用WGAN、WANG-GP、LSGAN和原始GAN目標(biāo)函數(shù)比較生成樣本的質(zhì)量,盡管生成對(duì)抗網(wǎng)絡(luò)(GANs)擁有強(qiáng)大的建模能力,但難以訓(xùn)練。研究發(fā)現(xiàn),WGAN-GP能夠穩(wěn)定訓(xùn)練過(guò)程并且生成更真實(shí)的圖像,WGAN、LSGAN效果次之,GAN經(jīng)常會(huì)出現(xiàn)模型崩塌現(xiàn)象。

    關(guān)鍵詞:生成對(duì)抗網(wǎng)絡(luò);風(fēng)格遷移;CycleGAN;WGAN

    DOI:10.11907/rjdk.172830

    中圖分類(lèi)號(hào):TP317.4

    文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1672-7800(2018)006-0207-03

    Abstract:Image-to-iamge translation is been used widely in real life, and it has attracted a lot of attention in computer vision. This paper explores it through image styles transfer. We try to transfer the style of images by Generative Adversarial Nets, precisely CycleGAN. This method can transfer natural images into images with different styles, besides it does not need paired data, so it can be used in a lot of fields. In experiments, we use WGAN, WANG-GP, LSGAN and vanilla GAN objective functions respectively to compare quality of generated samples. Despite the strong power of GANs, it is notorious for the problem of hard training. Through experiments, WANG-GP can stably train process and generate more realistic images, WGAN, LSGAN are not as good as WANG-GP, GAN often occur model collapse.

    Key Words:Generative Adversarial Nets; style transfer; CycleGAN; WGAN

    0 引言

    生成對(duì)抗網(wǎng)絡(luò)(Generative Adversarial Nets, GANs)[1]在最近幾年尤其是近一年來(lái)引起了廣泛關(guān)注,許多研究將GANs引入不同領(lǐng)域,如圖像超分辨[2]、圖像到圖像的遷移、圖像分割[3]、文本到圖像的生成[4-5]、自然語(yǔ)言生成等。

    GANs有著強(qiáng)大的建模能力,區(qū)別于其它生成模型[6],其可以捕捉到高維的、難以追蹤的真實(shí)數(shù)據(jù)分布。GANs可以看作是博弈論中的零和游戲,在一場(chǎng)游戲中有兩個(gè)玩家:生成器G、判別器D。生成器網(wǎng)絡(luò)G用來(lái)從噪聲中生成數(shù)據(jù)并將它們傳遞給判別器,以判斷生成數(shù)據(jù)與真實(shí)數(shù)據(jù)的相似度;判別器網(wǎng)絡(luò)D用來(lái)判別數(shù)據(jù)是來(lái)自真實(shí)數(shù)據(jù)還是生成器生成的偽造數(shù)據(jù)。舉例說(shuō)明,將生成器比作假幣制造商,將判別器比作警察,假幣制造商總是試圖制造出以假亂真的假幣迷惑警察,而警察總是保持警惕最大程度地判別出錢(qián)幣是真還是假,兩者互相對(duì)抗,最終警察無(wú)法判別出錢(qián)幣是真是假。

    式(2)和式(4)定義的損失為GAN的目標(biāo)函數(shù)。但是它引起了GANs在訓(xùn)練時(shí)不穩(wěn)定及訓(xùn)練不收斂的問(wèn)題,比較顯著的缺陷可以總結(jié)為以下幾點(diǎn):①模型坍塌問(wèn)題。網(wǎng)絡(luò)中輸入不同的樣本卻常常產(chǎn)生相同的輸出,也就是輸出結(jié)果不具有多樣性、差異性。更嚴(yán)重的問(wèn)題是輸出結(jié)果是一群無(wú)意義的噪聲,模型完全沒(méi)有學(xué)習(xí)到真實(shí)數(shù)據(jù)的分布;②訓(xùn)練損失與訓(xùn)練效果的關(guān)聯(lián)性差。一般情況下訓(xùn)練的周期越長(zhǎng),生成的結(jié)果應(yīng)該越好越逼真,但是公式并沒(méi)有表明這一點(diǎn)。同時(shí),也不知道訓(xùn)練應(yīng)該什么時(shí)候停止;③訓(xùn)練中的擺動(dòng)問(wèn)題。在訓(xùn)練時(shí)需要平衡生成器與判別器的性能,確保不會(huì)出現(xiàn)梯度消失問(wèn)題。

    針對(duì)上面提到的問(wèn)題,一系列論文[7-9]分析了缺陷發(fā)生的原因并且提出了各自解決方法。

    WGAN(Wasserstein Gan, WGAN)[7]認(rèn)為原始GAN用來(lái)衡量?jī)蓚€(gè)分布距離和差異的JS散度存在問(wèn)題。當(dāng)兩個(gè)分布不存在重疊時(shí),JS不能為生成器提供連續(xù)有效的梯度而導(dǎo)致模型失敗。因此,筆者提出使用Wasserstein距離衡量?jī)蓚€(gè)分布之間的距離和差異。Wasserstein距離反映從一個(gè)分布到另一個(gè)分布的最小損失,它在兩個(gè)分布即使沒(méi)有重疊的情況下依舊能夠衡量?jī)烧叩木嚯x,并為生成器提供連續(xù)有效的梯度。因此,式(1)變?yōu)椋?/p>

    WGAN極大地優(yōu)化了GAN中出現(xiàn)的問(wèn)題,而且已經(jīng)被用在各種場(chǎng)景中。但是WGAN-GP認(rèn)為,WGAN由于對(duì)權(quán)重進(jìn)行裁剪的做法過(guò)于直接粗暴,導(dǎo)致有時(shí)仍然會(huì)產(chǎn)生低質(zhì)量樣本,并且對(duì)訓(xùn)練的穩(wěn)定性造成傷害。針對(duì)這一問(wèn)題,筆者提出使用梯度懲罰機(jī)制代替權(quán)重裁剪,因此判別器損失公式更正為:

    WGAN-GP進(jìn)一步穩(wěn)定了GAN的訓(xùn)練過(guò)程,而且保證了結(jié)果質(zhì)量。

    1 風(fēng)格遷移

    圖像到圖像的翻譯[11]或者說(shuō)圖像到圖像的遷移,隨著深度學(xué)習(xí)的發(fā)展也迎來(lái)光明前景。在繪畫(huà)上,要讓一幅圖片具備某個(gè)著名畫(huà)家的風(fēng)格特性,需要繪畫(huà)大師將原圖片內(nèi)容與著名畫(huà)家的風(fēng)格融合后重新描繪出來(lái),這不僅代價(jià)昂貴而且不現(xiàn)實(shí),但是深度神經(jīng)網(wǎng)絡(luò)的介入使其不再遙不可及。論文[12]首次運(yùn)用神經(jīng)網(wǎng)絡(luò)進(jìn)行畫(huà)風(fēng)遷移的實(shí)驗(yàn),神經(jīng)網(wǎng)絡(luò)接受兩個(gè)輸入:一個(gè)圖片提供內(nèi)容,另一個(gè)圖片提供風(fēng)格,然后計(jì)算生成內(nèi)容圖片與風(fēng)格圖片之間的損失。他們的目標(biāo)是最小化損失函數(shù):

    其中,和pl分別表示在第l層的原始圖片和對(duì)應(yīng)的特征圖,和Fl分別表示在第l層的生成圖片和其對(duì)應(yīng)的特征圖。

    其中,和分別表示風(fēng)格圖片和生成圖片。N-1是生成圖的特征圖數(shù)量,M-1是特征圖的寬乘高大小,G是生成圖的Gram矩陣,A是風(fēng)格圖的Gram矩陣。

    隨著GANs的提出及其推廣[13-14],圖像到圖像的遷移問(wèn)題得到了極大改進(jìn)。不同于之前只學(xué)習(xí)到一張圖片風(fēng)格的方法,GAN方法可以廣泛地學(xué)習(xí)到一群圖片中的風(fēng)格,更加能捕捉到類(lèi)似特征。

    2 網(wǎng)絡(luò)結(jié)構(gòu)

    許多種不同類(lèi)型的GAN都可以進(jìn)行圖像到圖像的翻譯,但是它們都需要配對(duì)的數(shù)據(jù),而現(xiàn)實(shí)中得到配對(duì)數(shù)據(jù)是非常困難的,因此限制了應(yīng)用范圍。而DualGAN[15]、DiscoGAN、CycleGAN等可以在未配對(duì)的數(shù)據(jù)中實(shí)現(xiàn)圖像到圖像的翻譯,其中CycleGAN以簡(jiǎn)單的網(wǎng)絡(luò)結(jié)構(gòu)取得了優(yōu)良效果。

    CycleGAN[16]使用兩個(gè)生成器網(wǎng)絡(luò)和兩個(gè)判別器網(wǎng)絡(luò)實(shí)現(xiàn)兩個(gè)圖片X與Y之間的互相映射。定義生成器G進(jìn)行X→Y的映射,生成器F進(jìn)行Y→X的映射。判別器D-X用來(lái)分辨數(shù)據(jù)是來(lái)自X還是來(lái)自生成的F(y),判別器D-Y用來(lái)分辨數(shù)據(jù)是來(lái)自Y還是來(lái)自生成的G(x)。CycleGAN外還引入了一種循環(huán)一致性損失,圖片X被映射到Y(jié)同時(shí)應(yīng)該被再次映射回來(lái),然后計(jì)算原始圖片X與映射回來(lái)圖片的損失,即循環(huán)一致性損失,試圖使F(G(x))≈x和G(F(y))≈y。圖1顯示了網(wǎng)絡(luò)的結(jié)構(gòu)。

    圖1(a)中,G、F代表映射函數(shù),D-X和D-Y分別表示對(duì)應(yīng)的判別器;圖1(b)和圖1(c)是兩個(gè)循環(huán)一致性損失。

    對(duì)抗損失的目標(biāo)函數(shù)與原始GAN中的一致,映射函數(shù)G和判別器D-Y的目標(biāo)函數(shù)表示為:

    3 實(shí)驗(yàn)分析

    實(shí)驗(yàn)顯示,CycleGAN成功實(shí)現(xiàn)了圖像風(fēng)格的遷移,并且是在數(shù)據(jù)集不配對(duì)的情況下。另外,本文更改了方法中的目標(biāo)函數(shù),以穩(wěn)定訓(xùn)練的過(guò)程及提升生成的圖像質(zhì)量,并通過(guò)多個(gè)實(shí)驗(yàn)比較不同目標(biāo)函數(shù)的優(yōu)劣。

    3.1 數(shù)據(jù)集

    圖像到圖像的翻譯往往需要一對(duì)一配對(duì)的訓(xùn)練數(shù)據(jù),但是這種數(shù)據(jù)在現(xiàn)實(shí)中很難得到,而CycleGAN解決了該種限制,它不需要配對(duì)的數(shù)據(jù)就可以實(shí)現(xiàn)一個(gè)領(lǐng)域到另一個(gè)領(lǐng)域的遷移,因此擴(kuò)大了使用范圍。本文使用的數(shù)據(jù)集來(lái)自Stanford提供的從網(wǎng)絡(luò)中搜集到的圖片,其中有6 288幅風(fēng)景圖片和1 073幅莫奈的畫(huà)作,都是256×256像素的RGB圖像。

    3.2 訓(xùn)練細(xì)節(jié)

    卷積神經(jīng)網(wǎng)絡(luò)(CNN)已經(jīng)成為機(jī)器視覺(jué)領(lǐng)域中的流行框架,它在圖像分類(lèi)[17-18]、物體識(shí)別[19-20]、圖像分割中取得了突出效果[21]。本文使用CycleGAN的網(wǎng)絡(luò)結(jié)構(gòu)作為特征提取器。在訓(xùn)練中CycleGAN使用LSGAN的目標(biāo)函數(shù)作為判別依據(jù),但是仍存在著模型坍塌、生成樣本質(zhì)量低等問(wèn)題,因此本文通過(guò)更換目標(biāo)函數(shù)穩(wěn)定訓(xùn)練以提高生成圖片的質(zhì)量。

    3.3 實(shí)驗(yàn)結(jié)果

    分別使用GAN、WGAN、WGAN-GP的目標(biāo)函數(shù)進(jìn)行實(shí)驗(yàn),通過(guò)生成的圖片觀察不同目標(biāo)函數(shù)的效果。具體效果見(jiàn)圖2(見(jiàn)封底彩圖)。圖2中最后兩列是要學(xué)習(xí)的風(fēng)格圖像,前兩列是使用WGAN-GP目標(biāo)函數(shù)生成的圖像,3、4列是使用WGAN目標(biāo)函數(shù)生成的圖像,5、6列是使用LSGAN目標(biāo)函數(shù)生成的圖像,也就是CycleGAN使用的默認(rèn)目標(biāo)函數(shù),7、8列是使用原始GAN目標(biāo)函數(shù)生成的圖像。

    通過(guò)不同目標(biāo)函數(shù)生成的圖像效果對(duì)比發(fā)現(xiàn),WGAN-GP能夠更好地生成想要的圖片效果,生成的效果與目標(biāo)最接近。WGAN也生成了風(fēng)格圖像,但是效果不如WGAN-GP更真實(shí),GAN和LSGAN表現(xiàn)都相差甚遠(yuǎn),可以認(rèn)為訓(xùn)練是失敗的。不同目標(biāo)函數(shù)生成的圖像效果與之前分析一致。

    4 結(jié)語(yǔ)

    GANs因其通俗易懂的原理和強(qiáng)大的建模能力已經(jīng)應(yīng)用在多種領(lǐng)域,本文使用GANs進(jìn)行圖像風(fēng)格的遷移實(shí)驗(yàn)。由于原始GANs的缺點(diǎn)會(huì)導(dǎo)致訓(xùn)練失敗,因而使用WGAN、WGAN-GP等方法規(guī)避。使用CycleGAN網(wǎng)絡(luò)進(jìn)行圖像之間風(fēng)格遷移,不需要相互匹配的數(shù)據(jù)集,大大擴(kuò)展了實(shí)際使用范圍。CycleGAN可以方便地實(shí)現(xiàn)風(fēng)格遷移,但是會(huì)使得整個(gè)圖片發(fā)生變化而非期望的某個(gè)部分或某個(gè)物體,因此接下來(lái)需尋求一種新的模型,實(shí)現(xiàn)更加精確的遷移。

    參考文獻(xiàn):

    [1] IAN G, JEAN P A, MEHDI M, et al. Generative adversarial nets[C]. Advances in Neural Information Processing Systems, 2014:2672-2680.

    [2] LEDIG C, THEIS L, HUSZA′R F, et al. Photo-realistic single image super-resolution using a generative adversarial network[R]. Arxiv Preprint Arxiv:1609.04802, 2016.

    [3] LONG V, SHELHAMER E, DARRELL T. Fully convolutional networks for semantic segmentation[C]. CVPR, 2015:3431-3440.

    [4] ZHANG H, XU T,LI H S, et al. StackGAN: text to photo-realistic image synthesis with stacked generative adversarial networks[R]. Arxiv Preprint Arxiv:1612.03242, 2016.

    [5] REED, AKATA, YAN, et al. Generative adversarial text to image synthesis[R]. Arxiv Preprint Arxiv:1605.05396, 2016.

    [6] DIEDERIK P K,MAX W. Autoencoding variational bayes[C]. ICLR,2014.

    [7] MARTIN A, SOUMITH C, LON B. Wasserstein gan[R]. Arxiv Preprint Arxiv:1701.07875, 2017.

    [8] GULRAJANI I, AHMED F, ARJOVSKY M, et al. Improved training of wasserstein GANs[R]. Arxiv Preprint Arxiv:1704.00028,2017.

    [9] SALIMANS T, GOODFELLOW I, ZAREMBA W, et al. Improved techniques for training GANS[R]. Arxiv Preprint Arxiv:1606.03498, 2016.

    [10] DIEDERIK K, JIMMY BA. Adam: a method for stochastic optimization[R]. Arxiv Preprint Arxiv:1412.6980, 2014.

    [11] ISola P, ZHU Y, ZHOU Y, et al. Image-to-image translation with conditional adversarial networks[R]. Arxiv Preprint Arxiv:1611.07004, 2016.

    [12] LEON G, ALEXANDER E, MATTHIAS B. A neural algorithm of artistic style[R]. Arxiv Preprint Arxiv:1508.06576, 2015b.

    [13] LIU M Y, TUZEL O. Coupled generative adversarial networks[C]. In NIPS, 2016:469-477.

    [14] WU B Z, DUAN H D, LIU Z C, et al, SRPGAN: perceptual generative adversarial network for single image super resolution[R]. Arxiv Preprint Arxiv:1714.05927.

    [15] YI Z L, ZHANG H, TAN P, et al. Dualgan: unsupervised dual learning for image-to-image translation[R]. CoRR, ABS/1704.02510, 2017.

    [16] ZHU J Y, TAESUNG P, PHILLIP I, et al. Unpaired image-to-image translation using cycle-consistent adversarial networks[R]. CoRR, ABS/1703.10593,2017.

    [17] SIMONYAN E, ZISSERMAN A. Very deep convolutional networks for large-scale image recognition[C]. ICLR, 2015.

    [18] HUANG G, CHEN D L, LI T H, et al, Multi-scale dense networks for resource efficient image classification[C]. ICLR, 2018.

    [19] REN S, HE K, GIRSHICK R,et al. Faster R-CNN: towards real-time object detection with region proposal networks[C]. NIPS, 2015.

    [20] DAI J, LI Y, HE K, et al. R-FCN: object detection via region-based fully convolutional networks[C]. NIPS, 2016.

    [21] HE K M, ZHANG X Y, REN S Q, el al. Deep residual learning for image recognition[R]. CoRR, ABS/1512.03385, 2015.

    (責(zé)任編輯:何 麗)

    猜你喜歡
    生成對(duì)抗網(wǎng)絡(luò)
    基于生成對(duì)抗網(wǎng)絡(luò)的研究綜述
    用于知識(shí)表示學(xué)習(xí)的對(duì)抗式負(fù)樣本生成
    基于衰減式生成對(duì)抗網(wǎng)絡(luò)的單幅圖像陰影去除
    高噪聲環(huán)境下的生成對(duì)抗網(wǎng)絡(luò)人機(jī)語(yǔ)音增強(qiáng)技術(shù)
    基于生成對(duì)抗網(wǎng)絡(luò)的圖像盲去運(yùn)動(dòng)模糊算法
    基于生成對(duì)抗網(wǎng)絡(luò)的地面新增建筑檢測(cè)
    基于注意力機(jī)制的行人軌跡預(yù)測(cè)生成模型
    基于GAN的圖像超分辨率方法研究
    基于生成對(duì)抗網(wǎng)絡(luò)的深度學(xué)習(xí)能耗預(yù)測(cè)算法
    基于深度卷積生成對(duì)抗網(wǎng)絡(luò)模型的超分辨數(shù)據(jù)重建
    av在线老鸭窝| 男人狂女人下面高潮的视频| 久久精品国产亚洲网站| 欧美丝袜亚洲另类| eeuss影院久久| 免费观看av网站的网址| 久久久久久久久久成人| 免费av观看视频| 最近最新中文字幕大全电影3| 青春草国产在线视频| 一级毛片我不卡| 国产亚洲精品久久久com| 国国产精品蜜臀av免费| 国产男女超爽视频在线观看| 男人舔女人下体高潮全视频| 午夜福利在线观看免费完整高清在| 国产精品.久久久| 久久久久久久久久久丰满| 狠狠精品人妻久久久久久综合| 中文字幕免费在线视频6| 久久久久久久大尺度免费视频| 国产乱人偷精品视频| 国产亚洲av片在线观看秒播厂 | 亚洲乱码一区二区免费版| 亚洲av免费高清在线观看| 国产精品日韩av在线免费观看| 国产精品国产三级国产av玫瑰| 日韩欧美三级三区| 综合色av麻豆| 国产一区二区亚洲精品在线观看| 日本黄大片高清| 国产探花在线观看一区二区| 亚洲不卡免费看| 中文字幕免费在线视频6| 直男gayav资源| 大又大粗又爽又黄少妇毛片口| 最后的刺客免费高清国语| 一级爰片在线观看| 亚洲精品一区蜜桃| 日日啪夜夜爽| 天堂网av新在线| 91精品一卡2卡3卡4卡| 亚洲人成网站在线播| 欧美成人午夜免费资源| 精品人妻一区二区三区麻豆| 韩国高清视频一区二区三区| 18禁在线无遮挡免费观看视频| 欧美日本视频| 特大巨黑吊av在线直播| 男人爽女人下面视频在线观看| 建设人人有责人人尽责人人享有的 | 久久这里只有精品中国| 精华霜和精华液先用哪个| 我的老师免费观看完整版| ponron亚洲| 男人舔奶头视频| 久久久久久九九精品二区国产| 欧美一级a爱片免费观看看| 狂野欧美白嫩少妇大欣赏| 99视频精品全部免费 在线| 中文字幕免费在线视频6| 成人二区视频| 乱系列少妇在线播放| 嫩草影院新地址| 啦啦啦中文免费视频观看日本| 少妇猛男粗大的猛烈进出视频 | 亚洲精品色激情综合| 日韩av免费高清视频| 青青草视频在线视频观看| 久久97久久精品| 久久久久九九精品影院| 校园人妻丝袜中文字幕| 婷婷色综合www| 18禁在线无遮挡免费观看视频| 人妻少妇偷人精品九色| 三级国产精品片| 国产在线一区二区三区精| a级一级毛片免费在线观看| 99re6热这里在线精品视频| 国产男女超爽视频在线观看| 国产精品福利在线免费观看| 免费播放大片免费观看视频在线观看| 日本与韩国留学比较| 最近的中文字幕免费完整| 99热6这里只有精品| 欧美成人a在线观看| a级毛色黄片| 亚洲在线观看片| .国产精品久久| 两个人的视频大全免费| 国产精品久久久久久精品电影| 国产综合精华液| 亚洲精品国产av成人精品| 欧美日韩亚洲高清精品| 联通29元200g的流量卡| 精品酒店卫生间| 久久久久国产网址| 女人久久www免费人成看片| 美女脱内裤让男人舔精品视频| 久久久欧美国产精品| 不卡视频在线观看欧美| 久久久久久久午夜电影| 婷婷色麻豆天堂久久| 搞女人的毛片| 亚洲国产精品sss在线观看| av.在线天堂| 天堂中文最新版在线下载 | 久久午夜福利片| 午夜福利在线观看吧| av在线播放精品| 晚上一个人看的免费电影| 精品久久久久久电影网| 免费看a级黄色片| 美女主播在线视频| 久久久成人免费电影| 久久久久久久午夜电影| 亚洲18禁久久av| 黄片wwwwww| 一区二区三区乱码不卡18| 人人妻人人澡人人爽人人夜夜 | 国产高清三级在线| 日韩一区二区视频免费看| 国产伦一二天堂av在线观看| 看十八女毛片水多多多| 青春草视频在线免费观看| 日韩一本色道免费dvd| 欧美xxⅹ黑人| 中文天堂在线官网| 久久99热这里只有精品18| 精品国产三级普通话版| 国产伦精品一区二区三区视频9| 国产精品一区二区性色av| 在线免费观看的www视频| 国产精品无大码| 久久精品综合一区二区三区| 国产高清有码在线观看视频| 国产亚洲av嫩草精品影院| 免费观看无遮挡的男女| 亚洲国产色片| 日本黄色片子视频| 免费黄网站久久成人精品| 赤兔流量卡办理| 看十八女毛片水多多多| 99re6热这里在线精品视频| 边亲边吃奶的免费视频| 久久99精品国语久久久| 日韩不卡一区二区三区视频在线| 日韩成人av中文字幕在线观看| 欧美日韩一区二区视频在线观看视频在线 | 国产精品三级大全| 久久精品久久久久久噜噜老黄| 美女国产视频在线观看| 久久人人爽人人爽人人片va| 男女边吃奶边做爰视频| 少妇熟女欧美另类| 大陆偷拍与自拍| 国产男人的电影天堂91| 久久人人爽人人片av| 搞女人的毛片| 亚洲av免费在线观看| 午夜爱爱视频在线播放| 网址你懂的国产日韩在线| 久久久久久久久久黄片| 亚洲成人一二三区av| 三级男女做爰猛烈吃奶摸视频| 亚洲av成人av| 久热久热在线精品观看| 亚洲欧美精品自产自拍| 少妇裸体淫交视频免费看高清| 99热这里只有精品一区| 欧美精品一区二区大全| 欧美zozozo另类| 又黄又爽又刺激的免费视频.| 人妻夜夜爽99麻豆av| 亚洲最大成人av| 欧美日韩亚洲高清精品| 精品熟女少妇av免费看| 观看美女的网站| 中文在线观看免费www的网站| 日韩av不卡免费在线播放| 免费大片18禁| 亚洲在线自拍视频| 亚洲熟女精品中文字幕| 老司机影院成人| 日日摸夜夜添夜夜添av毛片| 亚州av有码| 99热这里只有是精品在线观看| 欧美不卡视频在线免费观看| 男女边吃奶边做爰视频| av黄色大香蕉| 哪个播放器可以免费观看大片| 欧美xxxx黑人xx丫x性爽| 黄色欧美视频在线观看| 只有这里有精品99| 99久国产av精品国产电影| kizo精华| 国产成年人精品一区二区| 韩国高清视频一区二区三区| 成人亚洲精品一区在线观看 | av天堂中文字幕网| 国产亚洲午夜精品一区二区久久 | 天堂av国产一区二区熟女人妻| 亚洲欧美精品专区久久| 日本一二三区视频观看| 国产成人精品福利久久| 777米奇影视久久| 国产单亲对白刺激| 欧美日韩一区二区视频在线观看视频在线 | 欧美日韩在线观看h| 好男人视频免费观看在线| 天堂av国产一区二区熟女人妻| 少妇丰满av| 麻豆成人午夜福利视频| 人人妻人人澡人人爽人人夜夜 | 国产大屁股一区二区在线视频| 亚洲av国产av综合av卡| 18禁裸乳无遮挡免费网站照片| 午夜免费男女啪啪视频观看| 日日撸夜夜添| 嘟嘟电影网在线观看| 成年女人看的毛片在线观看| 日本爱情动作片www.在线观看| 天堂网av新在线| 日本午夜av视频| av女优亚洲男人天堂| 久久久久久久久久成人| 在线免费观看的www视频| 干丝袜人妻中文字幕| 99视频精品全部免费 在线| 舔av片在线| 国产综合懂色| 3wmmmm亚洲av在线观看| 亚洲精品成人av观看孕妇| 成人亚洲精品一区在线观看 | 午夜福利在线在线| 午夜福利在线观看吧| kizo精华| 国产亚洲午夜精品一区二区久久 | 三级男女做爰猛烈吃奶摸视频| or卡值多少钱| 中文字幕人妻熟人妻熟丝袜美| 久久久午夜欧美精品| 亚洲综合精品二区| 免费av观看视频| 日韩欧美三级三区| 女的被弄到高潮叫床怎么办| 日日啪夜夜撸| 在线 av 中文字幕| 在线a可以看的网站| 狂野欧美激情性xxxx在线观看| 直男gayav资源| av在线观看视频网站免费| 禁无遮挡网站| 欧美日韩综合久久久久久| 久久久精品欧美日韩精品| 久久久a久久爽久久v久久| 免费观看a级毛片全部| 五月天丁香电影| 国产白丝娇喘喷水9色精品| 丰满乱子伦码专区| 2018国产大陆天天弄谢| 非洲黑人性xxxx精品又粗又长| 国产高清不卡午夜福利| 亚洲国产精品成人综合色| 免费av观看视频| 黑人高潮一二区| 久热久热在线精品观看| av播播在线观看一区| 精品一区二区三区视频在线| 亚洲国产高清在线一区二区三| 日韩成人av中文字幕在线观看| 成人欧美大片| 亚洲精品,欧美精品| 只有这里有精品99| 毛片一级片免费看久久久久| 国产精品嫩草影院av在线观看| 亚洲国产欧美在线一区| 久久久久九九精品影院| 男女那种视频在线观看| 国产成人精品久久久久久| 国产一区二区亚洲精品在线观看| 国产亚洲一区二区精品| 成人亚洲精品一区在线观看 | 亚洲精品视频女| 成人特级av手机在线观看| 男人和女人高潮做爰伦理| 久久99热这里只有精品18| 最近中文字幕高清免费大全6| 国产乱来视频区| 91狼人影院| 91av网一区二区| 久久97久久精品| 免费黄网站久久成人精品| 波野结衣二区三区在线| 日本wwww免费看| 最近手机中文字幕大全| 亚洲天堂国产精品一区在线| 永久网站在线| 2018国产大陆天天弄谢| 97精品久久久久久久久久精品| 18+在线观看网站| 欧美日韩在线观看h| 一个人观看的视频www高清免费观看| 别揉我奶头 嗯啊视频| 永久免费av网站大全| 国产av不卡久久| 能在线免费观看的黄片| 国产成人午夜福利电影在线观看| 只有这里有精品99| 成人午夜高清在线视频| av黄色大香蕉| 永久免费av网站大全| 国国产精品蜜臀av免费| 亚洲欧美一区二区三区国产| 秋霞伦理黄片| 国产亚洲5aaaaa淫片| 国产精品精品国产色婷婷| 三级毛片av免费| 成人一区二区视频在线观看| 久久久亚洲精品成人影院| 亚洲国产欧美人成| 啦啦啦啦在线视频资源| 国产一区二区三区综合在线观看 | 久久久久久久久久黄片| 老司机影院成人| 中文字幕av在线有码专区| 亚洲精品日韩av片在线观看| 丰满少妇做爰视频| 天堂av国产一区二区熟女人妻| 日日啪夜夜撸| 一区二区三区四区激情视频| 国产一级毛片在线| 亚洲经典国产精华液单| 神马国产精品三级电影在线观看| 久久久精品欧美日韩精品| 水蜜桃什么品种好| 久久鲁丝午夜福利片| 久久精品夜夜夜夜夜久久蜜豆| 国产亚洲av嫩草精品影院| 赤兔流量卡办理| 26uuu在线亚洲综合色| 一二三四中文在线观看免费高清| 国产在视频线在精品| 国产精品综合久久久久久久免费| 噜噜噜噜噜久久久久久91| 中文字幕免费在线视频6| 插逼视频在线观看| 国产男人的电影天堂91| 国产69精品久久久久777片| 欧美激情久久久久久爽电影| 久久久久久久久大av| 国产精品久久久久久精品电影小说 | 亚洲精品亚洲一区二区| 久久久精品94久久精品| 亚洲欧洲日产国产| 91在线精品国自产拍蜜月| 精品国内亚洲2022精品成人| 亚洲精品,欧美精品| 午夜福利视频精品| 最近最新中文字幕大全电影3| 三级国产精品欧美在线观看| 亚洲av一区综合| videos熟女内射| 只有这里有精品99| 亚洲综合精品二区| 午夜免费男女啪啪视频观看| 日韩伦理黄色片| 精品一区二区三区视频在线| 99re6热这里在线精品视频| 久久久久久久久久黄片| 99热这里只有是精品在线观看| 老司机影院毛片| 舔av片在线| 中文字幕人妻熟人妻熟丝袜美| 久久久亚洲精品成人影院| 欧美成人a在线观看| 国产伦精品一区二区三区四那| 午夜日本视频在线| 在线观看免费高清a一片| 日韩视频在线欧美| 午夜福利在线在线| 天天躁日日操中文字幕| 精品久久久久久久人妻蜜臀av| 国产伦精品一区二区三区视频9| 午夜精品在线福利| kizo精华| 我的女老师完整版在线观看| 成年人午夜在线观看视频 | 亚洲精品亚洲一区二区| 国产精品久久久久久av不卡| 赤兔流量卡办理| 亚洲国产精品专区欧美| 午夜爱爱视频在线播放| 免费无遮挡裸体视频| 亚洲内射少妇av| 久久久久久久国产电影| 午夜福利高清视频| 少妇猛男粗大的猛烈进出视频 | 麻豆成人av视频| 七月丁香在线播放| 女人被狂操c到高潮| 身体一侧抽搐| 青春草亚洲视频在线观看| 亚洲精品一区蜜桃| 免费无遮挡裸体视频| eeuss影院久久| 免费在线观看成人毛片| 天天一区二区日本电影三级| 亚洲精品乱久久久久久| 成人性生交大片免费视频hd| 亚洲人成网站高清观看| 美女大奶头视频| 亚洲高清免费不卡视频| 精品久久久久久成人av| 日本免费在线观看一区| 久久久久久久午夜电影| 天堂影院成人在线观看| 中文天堂在线官网| 日本免费a在线| 国产 一区 欧美 日韩| 午夜福利在线在线| 毛片女人毛片| 欧美激情久久久久久爽电影| 久久久国产一区二区| 精品久久久久久成人av| 成人毛片60女人毛片免费| av卡一久久| 在线播放无遮挡| 亚洲av男天堂| 亚洲一区高清亚洲精品| 国内精品美女久久久久久| 在线观看美女被高潮喷水网站| 国产色婷婷99| 久久精品夜夜夜夜夜久久蜜豆| 99热全是精品| 精品国产露脸久久av麻豆 | 在现免费观看毛片| 成人高潮视频无遮挡免费网站| 男女边吃奶边做爰视频| 高清在线视频一区二区三区| 蜜臀久久99精品久久宅男| 男插女下体视频免费在线播放| 亚洲在久久综合| 精品一区在线观看国产| 国产在视频线在精品| 亚洲国产精品sss在线观看| 亚洲欧美一区二区三区国产| 国产av码专区亚洲av| 啦啦啦中文免费视频观看日本| 久久精品熟女亚洲av麻豆精品 | 一级毛片电影观看| 真实男女啪啪啪动态图| 久久久久精品久久久久真实原创| 日本欧美国产在线视频| kizo精华| 国产av不卡久久| 十八禁国产超污无遮挡网站| 国产一区二区在线观看日韩| 最近的中文字幕免费完整| 九九在线视频观看精品| 青青草视频在线视频观看| 国产午夜福利久久久久久| 在线观看av片永久免费下载| 天美传媒精品一区二区| 可以在线观看毛片的网站| 久久久久久伊人网av| 一级av片app| 在线观看av片永久免费下载| 一级毛片我不卡| 久久久久久久久久成人| 男女边吃奶边做爰视频| 丝瓜视频免费看黄片| av播播在线观看一区| 日本欧美国产在线视频| 亚洲经典国产精华液单| 国产精品女同一区二区软件| 成年女人在线观看亚洲视频 | 七月丁香在线播放| 熟妇人妻不卡中文字幕| 边亲边吃奶的免费视频| 久久午夜福利片| 特级一级黄色大片| 精品一区在线观看国产| 国产高清三级在线| 2021天堂中文幕一二区在线观| 国产淫片久久久久久久久| 亚洲经典国产精华液单| 成人午夜高清在线视频| 高清视频免费观看一区二区 | 国产 一区 欧美 日韩| 免费观看a级毛片全部| 麻豆乱淫一区二区| 国产爱豆传媒在线观看| 久久久久九九精品影院| 看十八女毛片水多多多| 久久综合国产亚洲精品| 秋霞伦理黄片| 日韩三级伦理在线观看| 国产乱人偷精品视频| 日本午夜av视频| 干丝袜人妻中文字幕| 亚洲精品久久久久久婷婷小说| 国产美女午夜福利| 大话2 男鬼变身卡| 欧美成人一区二区免费高清观看| 国产精品99久久久久久久久| 91久久精品国产一区二区三区| 日韩电影二区| 日韩欧美三级三区| 午夜久久久久精精品| 日韩不卡一区二区三区视频在线| 91精品国产九色| 亚洲精品视频女| 人妻少妇偷人精品九色| 人妻夜夜爽99麻豆av| 一本久久精品| 99视频精品全部免费 在线| 丝袜美腿在线中文| 欧美激情久久久久久爽电影| 日本av手机在线免费观看| 人人妻人人看人人澡| 午夜激情久久久久久久| 中文字幕人妻熟人妻熟丝袜美| 菩萨蛮人人尽说江南好唐韦庄| 精品久久久久久成人av| 五月伊人婷婷丁香| 极品教师在线视频| 91av网一区二区| 最近2019中文字幕mv第一页| 三级国产精品欧美在线观看| 国产亚洲精品久久久com| 黄色日韩在线| 国产成人a∨麻豆精品| 国产白丝娇喘喷水9色精品| 久久精品久久精品一区二区三区| 99re6热这里在线精品视频| 国产精品女同一区二区软件| 欧美激情国产日韩精品一区| 97在线视频观看| kizo精华| 偷拍熟女少妇极品色| 中国美白少妇内射xxxbb| 精品一区在线观看国产| 80岁老熟妇乱子伦牲交| 男女边吃奶边做爰视频| 国产欧美日韩精品一区二区| 亚洲国产欧美在线一区| 国产日韩欧美在线精品| 亚洲自偷自拍三级| 成人综合一区亚洲| 国产黄a三级三级三级人| 免费少妇av软件| 亚洲av成人av| 日韩电影二区| 精品久久久久久久久av| 亚洲三级黄色毛片| 日韩av免费高清视频| 成人一区二区视频在线观看| 2018国产大陆天天弄谢| 日韩欧美一区视频在线观看 | 在线观看美女被高潮喷水网站| 人妻一区二区av| 搡老妇女老女人老熟妇| 九草在线视频观看| 国产成人a∨麻豆精品| 老司机影院毛片| 丰满少妇做爰视频| 夜夜看夜夜爽夜夜摸| 毛片女人毛片| 国产精品一区二区性色av| 国产精品嫩草影院av在线观看| 纵有疾风起免费观看全集完整版 | 国产伦精品一区二区三区四那| 精品一区在线观看国产| 亚洲精华国产精华液的使用体验| 一级二级三级毛片免费看| 欧美+日韩+精品| 一夜夜www| 亚洲成色77777| 亚洲最大成人手机在线| 夜夜看夜夜爽夜夜摸| 亚洲国产精品成人久久小说| 麻豆久久精品国产亚洲av| 99热6这里只有精品| 街头女战士在线观看网站| 极品教师在线视频| 久久这里只有精品中国| 老女人水多毛片| 日韩av免费高清视频| 久久久久久久久中文| 观看美女的网站| 麻豆成人av视频| 国产成人a∨麻豆精品| 精品不卡国产一区二区三区| 一本久久精品| 久久久久久九九精品二区国产| 狂野欧美白嫩少妇大欣赏| 国产一区二区三区av在线| 中文字幕制服av| www.色视频.com| 黄色欧美视频在线观看| 丰满乱子伦码专区| 特级一级黄色大片| 嫩草影院入口| 国产一级毛片七仙女欲春2| 亚洲欧美一区二区三区国产| 亚洲乱码一区二区免费版| 欧美极品一区二区三区四区| 七月丁香在线播放| 精品国内亚洲2022精品成人| 激情 狠狠 欧美| 国产一区二区三区综合在线观看 | 嘟嘟电影网在线观看| 精品久久久久久电影网| 欧美97在线视频|