• <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 ?

    一維卷積神經(jīng)網(wǎng)絡用于雷達高分辨率距離像識別

    2018-10-24 02:27:52
    電訊技術(shù) 2018年10期
    關(guān)鍵詞:衰減系數(shù)網(wǎng)絡結(jié)構(gòu)識別率

    (山東大學(威海) 機電與信息工程學院,山東 威海 264209)

    1 引 言

    在雷達自動目標識別領域,高分辨率距離像(High Range Resolution Profile,HRRP)因具有實時性強、運算量小、容易獲取與存儲等優(yōu)點而受到了廣泛的研究。目前基于HRRP的目標識別大致分為兩個階段:對HRRP進行特征提取,如FFT幅度譜、功率譜、差分譜、中心矩特征、雙譜特征和高階譜特征等;對特征進行分類識別,如模版匹配法、基于統(tǒng)計學模型的分類算法、支持向量機(Support Vector Machine,SVM)和神經(jīng)網(wǎng)絡等[1]。

    在HRRP目標識別研究中,如何提取性能更優(yōu)良的特征一直是研究的難點。近十年來,隨著深度學習在圖像分類、目標檢測、自然語言處理、語音識別及語義分析等領域取得了巨大成功[2],許多研究者嘗試使用深度學習算法來解決HRRP目標識別問題。文獻[3]把基于長短期記憶單元的循環(huán)神經(jīng)網(wǎng)絡應用于HRRP識別任務中,文獻[4]使用深度置信網(wǎng)絡解決HRRP的分類問題,文獻[5]提出了基于堆棧自編碼器的深層網(wǎng)絡識別方法,它們都取得了很好的識別結(jié)果。卷積神經(jīng)網(wǎng)絡(Convolutional Neural Network,CNN)作為深度學習模型的一種,通過局部連接和權(quán)值共享機制不僅可以降低網(wǎng)絡的復雜度,還抑制了網(wǎng)絡訓練過程中的過擬合,通過池化操作使CNN具有一定程度的平移不變性[2]。CNN在雷達目標識別領域的研究工作方面,文獻[6]構(gòu)建了一個基于CNN的SAR圖像目標檢測算法架構(gòu),文獻[7]提出一種基于CNN的深度學習算法用于多基站雷達的HRRP目標識別。

    由于CNN具有分層學習特征的能力,可以訓練CNN自動地從HRRP中學習有用特征并分類。為了解決手工提取高質(zhì)量特征困難的問題,本文把深度學習領域中的CNN應用于HRRP識別,通過仿真實驗確定網(wǎng)絡的配置與重要參數(shù),研究CNN的目標識別性能。

    2 CNN的基本結(jié)構(gòu)

    CNN的網(wǎng)絡結(jié)構(gòu)通常由一系列可重復的卷積層、池化層和全連接層組成,卷積層通過局部連接和權(quán)值共享機制減少網(wǎng)絡參數(shù),降低網(wǎng)絡復雜度。池化層可以降低特征圖的分辨率,使CNN對輸入在一定程度上具有平移不變性,提高了CNN的魯棒性。全連接層可以把卷積層學習到的特征匯聚起來用于分類。圖1給出了一維CNN的基本結(jié)構(gòu)圖。

    圖1 一維卷積神經(jīng)網(wǎng)絡Fig.1 One-dimensional convolutional neural network

    3 CNN網(wǎng)絡配置和參數(shù)調(diào)整

    本文重點研究CNN網(wǎng)絡不同的激活函數(shù)、卷積核、學習率、權(quán)值衰減系數(shù)以及網(wǎng)絡結(jié)構(gòu)對HRRP識別性能的影響。在深度學習算法研究中,參數(shù)調(diào)優(yōu)是一件沉重而繁瑣的事情,迄今為止還沒有固定的方法來選擇合適的參數(shù),需要通過重復實驗積累經(jīng)驗進行調(diào)整。

    首先初始化一個如圖2所示的網(wǎng)絡結(jié)構(gòu),然后逐個優(yōu)化相關(guān)參數(shù)。該網(wǎng)絡結(jié)構(gòu)包括3個卷積層、3個池化層和2個全連接層,3個卷積層的特征圖個數(shù)分別為16、32和64,2個全連接層的神經(jīng)元個數(shù)分別為50和4。

    圖2 用于雷達距離像識別的卷積神經(jīng)網(wǎng)絡Fig.2 Convolutional neural network for radar HRRP recognition

    通過仿真實驗,確定網(wǎng)絡的相關(guān)參數(shù):卷積核大小為3,移動步長為1;池化域的大小為2,移動步長為2,池化方法采用最大值法;學習率為0.01,權(quán)值衰減系數(shù)為0.000 5,網(wǎng)絡的訓練方法采用批量梯度下降法,批量大小為64,最大迭代次數(shù)為2 000;權(quán)值初始化采用文獻[8]中的Xavier初始化方法,權(quán)值更新的動量項因子為0.9,學習率的更新機制采用公式(1)計算。

    r=rb·(1+γ·c)-β。

    (1)

    式中:r表示更新后的學習率;rb表示初始學習率;c表示迭代次數(shù);γ與β為學習率的控制參數(shù),分別取值為0.000 5和0.75。

    網(wǎng)絡的損失函數(shù)為SoftmaxWithLoss函數(shù):

    (2)

    4 仿真實驗

    本文借助深度學習庫caffe實現(xiàn)CNN搭建、訓練與測試[9],硬件上使用單塊NVIDIA GeForce GT620M GPU和Intel Core i5 CPU。HRRP數(shù)據(jù)來自飛機縮比模型的暗室成像,4種飛機分別為B2(1:35)、F117(1:13)、J6(1:8)和YF22(1:12)。從數(shù)據(jù)集中抽取200個作為訓練樣本,剩余1 000個作為測試樣本。

    4.1 激活函數(shù)選擇

    Sigmoid函數(shù)、Tanh函數(shù)和ReLU函數(shù)是人工神經(jīng)網(wǎng)絡常用的激活函數(shù),如公式(3)~(5)所示:

    (3)

    (4)

    ReLU(x)=max(0,x) 。

    (5)

    對3種激活函數(shù)進行仿真,測試不同激活函數(shù)的性能,實驗結(jié)果如圖3所示。從圖3可以看出,Sigmoid函數(shù)的性能最差,誤差曲線沒有下降,整個網(wǎng)絡幾乎沒有被訓練;與ReLU函數(shù)相比,使用Tanh函數(shù)的CNN的誤差曲線快速收斂到0且非常穩(wěn)定。因為本文使用的網(wǎng)絡結(jié)構(gòu)相對較淺且Tanh函數(shù)比ReLU函數(shù)具有更好的非線性,所以選擇Tanh函數(shù)作為激活函數(shù)。

    圖3 不同激活函數(shù)的訓練誤差Fig.3 Training errors for different activation functions

    4.2 參數(shù)的優(yōu)化

    通過仿真實驗依次優(yōu)化卷積核、初始學習率和權(quán)值衰減系數(shù)3個重要參數(shù)。在仿真實驗中設定3個卷積層的卷積核大小相等,變化區(qū)間為[3,11],學習率的變化區(qū)間為[0.1,0.001],權(quán)值衰減系數(shù)的變化區(qū)間為[0.5,0.000 05]。表1~3分別給出了不同的卷積核、學習率和權(quán)值衰減系數(shù)的識別率。

    表1 不同卷積核的識別率 Tab.1 Recognition rates for different kernel sizes

    從表1可以看出,隨著卷積核的增加,網(wǎng)絡的識別性能在總體上呈現(xiàn)下降趨勢,當卷積核大小為3時網(wǎng)絡性能最佳。該結(jié)果與文獻[10]使用小卷積核替代大卷積核的思想不謀而合。當卷積核增大時,導致網(wǎng)絡中的權(quán)值數(shù)目增多,訓練CNN所花費的時間也不斷增加。

    表2 不同學習率的識別率Tab.2 Recognition rates for different learning rates

    從表2可以看出,當學習率為0.01時識別性能最好。學習率過大或過小時識別率都會變差,因為學習率過大會導致網(wǎng)絡不收斂,而學習率過小會導致權(quán)值更新慢,網(wǎng)絡訓練效果差。

    表3 不同權(quán)值衰減系數(shù)的識別率Tab.3 Recognition rates for different decay coefficients

    從表3可以看出,當權(quán)值衰減系數(shù)為0.000 5時識別性能最好。衰減系數(shù)過大或過小會使網(wǎng)絡性能變差,因為衰減系數(shù)過大導致權(quán)值衰減嚴重,網(wǎng)絡不能被訓練,衰減系數(shù)過小又起不到防止過擬合的作用。

    4.3 不同網(wǎng)絡結(jié)構(gòu)的識別率

    參考文獻[10],在設計網(wǎng)絡結(jié)構(gòu)時,為了避免數(shù)據(jù)在網(wǎng)絡前向傳播過程中的急劇壓縮,遵守經(jīng)過pooling層時特征圖的數(shù)目增加2倍的原則。另外,由于本文使用的HRRP訓練樣本的數(shù)目與種類較少,CNN的規(guī)模不必設計太大,文中最深為4層。通過調(diào)整網(wǎng)絡的層數(shù)與特征圖的數(shù)目來控制CNN的深度與廣度,在調(diào)整過程中,保持全連接層不變。表4給出了不同網(wǎng)絡結(jié)構(gòu)下4種飛機目標的識別率。

    表4 不同網(wǎng)絡結(jié)構(gòu)的識別率Tab.4 Recognition rates for different network structures

    由表4可以看出:

    (1)從總體上看,隨著網(wǎng)絡層數(shù)的增加,目標識別率開始上升,當網(wǎng)絡達到3層時識別性能最好。但隨著網(wǎng)絡層數(shù)的繼續(xù)上升,目標的識別性能會出現(xiàn)下降趨勢。

    (2)當網(wǎng)絡層數(shù)相同時,合理地控制網(wǎng)絡的廣度可以提高網(wǎng)絡的識別性能,如G、H與I所示的識別率。

    (3)隨著網(wǎng)絡規(guī)模的增大,訓練網(wǎng)絡花費的時間逐步增加。

    因此,設計網(wǎng)絡結(jié)構(gòu)時,它的復雜度應該與數(shù)據(jù)集的大小相匹配,網(wǎng)絡規(guī)模過大或太小都達不到最好的識別性能。另外,還要考慮到訓練網(wǎng)絡所花費的時間成本,網(wǎng)絡越復雜,花費的時間越多。在以上各網(wǎng)絡結(jié)構(gòu)中,網(wǎng)絡H表現(xiàn)最好。

    4.4 不同分類器的識別率

    為了驗證CNN應用于HRRP特征提取和分類的有效性,用BP(Backpropagation)網(wǎng)絡、SVM分類器和K-最近鄰(K-Nearest Neighbor,KNN)分類器與CNN進行比較。BP網(wǎng)絡采用256×50×50×4的網(wǎng)絡結(jié)構(gòu),訓練方法為批量梯度下降法,最大迭代次數(shù)為6 000。SVM分類器使用LIBSVM開源工具箱[11],核函數(shù)采用徑向基函數(shù),懲罰系數(shù)c和徑向基函數(shù)中參數(shù)γ基于網(wǎng)格搜索法進行尋優(yōu);KNN分類器中的度量采用歐氏距離,K值取3。實驗結(jié)果如表5所示。

    表5 不同分類器的識別率 Tab.5 Recognition rates for different classifiers

    從表5可以看出,由于KNN分類器要求訓練樣本具有典型性,且不能處理樣本的平移問題,識別率最低;BP網(wǎng)絡通過調(diào)整網(wǎng)絡權(quán)值與偏置實現(xiàn)輸入到輸出的映射,識別率比KNN分類器大幅度提高;SVM分類器利用核函數(shù)把原始數(shù)據(jù)從不可分的低維空間映射到高維空間實現(xiàn)分類,識別率與BP網(wǎng)絡的識別率接近;CNN利用卷積層提取有用的特征用于分類,識別率最高。從耗時上看,由于SVM分類器的模型只與樣本中少量的支持向量有關(guān),訓練時間最少;KNN分類器雖然不需要經(jīng)過預訓練,但測試樣本需要與每一個訓練樣本作比較,花費時間與樣本集大小有關(guān),當訓練樣本數(shù)目與維度增加時,運算量會急劇增大;CNN和BP網(wǎng)絡分類器把大量時間花費在網(wǎng)絡的訓練上,因為CNN比BP分類器的網(wǎng)絡結(jié)構(gòu)更復雜,所以消耗時間最多。

    4.5 CNN識別性能的可視化分析

    為了直觀地說明CNN具有良好識別性能的原因,從測試集中選取了3個相似的HRRP像,如圖4所示。當使用CNN來識別這3類目標時,可以通過卷積層自動學習到多種有用的特征,最后匯集到全連接層進行分類。將CNN第二個卷積層中的前7個特征圖可視化,結(jié)果如圖5所示。

    (a)F117距離像

    (b)JB距離像

    (c)YF22距離像圖4 3種飛機目標的距離像Fig.4 HRRPs of three aircraft targets

    圖5 3種飛機目標的特征圖Fig.5 The feature maps of three aircraft targets

    從圖5可以看出,對于同一個HRRP,7個特征圖學習到的特征互不相同。同一類特征圖從3種不同HRRP中學習到的特征有的相似,有的會存在明顯差別。盡管原始輸入的3種HRRP的差異性不大,但是通過多層的卷積操作,組合多種不同特征,可以把每種特征的差異性逐層積累,學習到易于分辨的特征,最后送給全連接層進行分類,實現(xiàn)良好的識別效果。

    5 結(jié)束語

    本文把深度學習領域中的CNN應用于HRRP的目標識別中,首先介紹了一維CNN的網(wǎng)絡結(jié)構(gòu),重點研究了不同激活函數(shù)、不同參數(shù)、不同網(wǎng)絡結(jié)構(gòu)對CNN識別性能的影響,比較了CNN與BP網(wǎng)絡、SVM和KNN分類器的識別性能,通過可視化特征圖說明了CNN通過卷積層能學習到易于分辨的特征。實驗結(jié)果表明,CNN能夠有效地從原始HRRP中學習到有用的特征并分類,具有很好的識別性能。本文對CNN在HRRP目標識別中的應用進行了初步探索,可為實際工程應用提供參考。今后的研究工作重點是對CNN訓練算法與網(wǎng)絡結(jié)構(gòu)的改進,加強CNN的特征學習能力,進一步提高目標識別率。

    猜你喜歡
    衰減系數(shù)網(wǎng)絡結(jié)構(gòu)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
    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(guān)系
    復合材料孔隙率的超聲檢測衰減系數(shù)影響因素
    無損檢測(2018年11期)2018-11-28 08:27:42
    提升高速公路MTC二次抓拍車牌識別率方案研究
    近岸及內(nèi)陸二類水體漫衰減系數(shù)的遙感反演研究進展
    對《電磁波衰減系數(shù)特性分析》結(jié)果的猜想
    HT250材料超聲探傷中的衰減性探究
    中國測試(2016年3期)2016-10-17 08:54:04
    高速公路機電日常維護中車牌識別率分析系統(tǒng)的應用
    基于互信息的貝葉斯網(wǎng)絡結(jié)構(gòu)學習
    知識網(wǎng)絡結(jié)構(gòu)維對于創(chuàng)新績效的作用機制——遠程創(chuàng)新搜尋的中介作用
    亚洲欧美日韩无卡精品| 只有这里有精品99| 日韩三级伦理在线观看| av卡一久久| 国产美女午夜福利| 美女被艹到高潮喷水动态| 三级经典国产精品| 看非洲黑人一级黄片| 亚洲最大成人av| 亚洲av熟女| 美女cb高潮喷水在线观看| 国产成人福利小说| 久久久久久大精品| 校园人妻丝袜中文字幕| 国产高清有码在线观看视频| 美女内射精品一级片tv| 一本久久精品| 亚洲欧美中文字幕日韩二区| 亚洲国产色片| 麻豆精品久久久久久蜜桃| 成人性生交大片免费视频hd| 人妻少妇偷人精品九色| 久久精品国产亚洲网站| 嘟嘟电影网在线观看| 啦啦啦啦在线视频资源| 国产单亲对白刺激| av线在线观看网站| 日韩视频在线欧美| 日韩在线高清观看一区二区三区| 青春草视频在线免费观看| 国产成人a区在线观看| videos熟女内射| 亚洲人成网站高清观看| 久久精品91蜜桃| 少妇丰满av| 免费观看人在逋| 国产黄色视频一区二区在线观看 | 久久热精品热| 97在线视频观看| 偷拍熟女少妇极品色| 一本一本综合久久| 久久这里有精品视频免费| 国产成人精品久久久久久| 美女国产视频在线观看| 禁无遮挡网站| 免费人成在线观看视频色| 亚洲中文字幕一区二区三区有码在线看| 久久久成人免费电影| av视频在线观看入口| 欧美3d第一页| 欧美激情久久久久久爽电影| 九九久久精品国产亚洲av麻豆| 青春草亚洲视频在线观看| 国语对白做爰xxxⅹ性视频网站| 国产精品久久电影中文字幕| av福利片在线观看| 97超视频在线观看视频| 1024手机看黄色片| 成人午夜精彩视频在线观看| 午夜福利网站1000一区二区三区| 欧美性猛交黑人性爽| 能在线免费观看的黄片| 日韩在线高清观看一区二区三区| 91aial.com中文字幕在线观看| 日韩强制内射视频| 嘟嘟电影网在线观看| 国产午夜精品论理片| 久久99精品国语久久久| av在线播放精品| 嘟嘟电影网在线观看| 免费看光身美女| 国产午夜精品久久久久久一区二区三区| 国产视频首页在线观看| 国产亚洲一区二区精品| 色综合色国产| 色吧在线观看| 国产真实乱freesex| 天堂网av新在线| 亚洲欧美精品自产自拍| 国产精品一区二区三区四区久久| 亚洲欧美中文字幕日韩二区| 中国美白少妇内射xxxbb| 汤姆久久久久久久影院中文字幕 | 综合色丁香网| 国产精品伦人一区二区| 欧美不卡视频在线免费观看| 国产私拍福利视频在线观看| 久久久色成人| 午夜免费男女啪啪视频观看| 亚洲av中文av极速乱| 欧美性猛交黑人性爽| 麻豆乱淫一区二区| 日韩欧美在线乱码| 久久99蜜桃精品久久| 青青草视频在线视频观看| 国产69精品久久久久777片| 久久亚洲国产成人精品v| av在线观看视频网站免费| 91久久精品国产一区二区三区| 两个人视频免费观看高清| 亚洲国产最新在线播放| 国产v大片淫在线免费观看| 精品久久久久久久久久久久久| 大又大粗又爽又黄少妇毛片口| 日韩成人伦理影院| 美女脱内裤让男人舔精品视频| 你懂的网址亚洲精品在线观看 | 国产淫片久久久久久久久| 国产成人aa在线观看| 一级av片app| 十八禁国产超污无遮挡网站| 国产精品一区二区三区四区免费观看| 日韩av在线免费看完整版不卡| 3wmmmm亚洲av在线观看| 亚洲熟妇中文字幕五十中出| 最近中文字幕高清免费大全6| 国产亚洲av嫩草精品影院| 日韩一区二区三区影片| 老女人水多毛片| 国产午夜精品论理片| 3wmmmm亚洲av在线观看| 毛片女人毛片| 日韩成人伦理影院| 99久久中文字幕三级久久日本| 国产精华一区二区三区| 尾随美女入室| 精品国产三级普通话版| 简卡轻食公司| 内射极品少妇av片p| 男人舔女人下体高潮全视频| 亚洲精品国产av成人精品| 青春草视频在线免费观看| 久久久午夜欧美精品| 国产黄色小视频在线观看| 欧美极品一区二区三区四区| 最近中文字幕2019免费版| 国产成年人精品一区二区| 能在线免费观看的黄片| 国产精品.久久久| 日韩大片免费观看网站 | 三级男女做爰猛烈吃奶摸视频| 97超视频在线观看视频| 国产成人aa在线观看| 欧美激情国产日韩精品一区| 亚洲一级一片aⅴ在线观看| 国产片特级美女逼逼视频| 97超碰精品成人国产| 五月伊人婷婷丁香| 国产亚洲精品久久久com| 可以在线观看毛片的网站| 自拍偷自拍亚洲精品老妇| 亚洲aⅴ乱码一区二区在线播放| 亚洲天堂国产精品一区在线| 国产高潮美女av| 激情 狠狠 欧美| 国产精品蜜桃在线观看| 国产av码专区亚洲av| 高清av免费在线| 麻豆乱淫一区二区| 人体艺术视频欧美日本| 嫩草影院精品99| 极品教师在线视频| 永久免费av网站大全| 免费看美女性在线毛片视频| 亚洲在线自拍视频| 国产一区二区三区av在线| 91在线精品国自产拍蜜月| 级片在线观看| 亚洲自拍偷在线| 嫩草影院入口| 午夜视频国产福利| 久久精品国产自在天天线| 99久久精品国产国产毛片| 国产又色又爽无遮挡免| 国产精品久久久久久久电影| 我要看日韩黄色一级片| 亚洲图色成人| 成人毛片a级毛片在线播放| 成人漫画全彩无遮挡| 日本三级黄在线观看| 亚洲中文字幕一区二区三区有码在线看| or卡值多少钱| 国产精品永久免费网站| 只有这里有精品99| 国语对白做爰xxxⅹ性视频网站| 日韩一区二区视频免费看| 少妇人妻一区二区三区视频| 2021少妇久久久久久久久久久| 小蜜桃在线观看免费完整版高清| 搡女人真爽免费视频火全软件| 午夜精品在线福利| 久久久久国产网址| 国国产精品蜜臀av免费| 日本三级黄在线观看| 男的添女的下面高潮视频| 少妇裸体淫交视频免费看高清| 尤物成人国产欧美一区二区三区| 久久欧美精品欧美久久欧美| 禁无遮挡网站| 欧美不卡视频在线免费观看| 中文字幕熟女人妻在线| 天堂网av新在线| 国产午夜精品久久久久久一区二区三区| 最后的刺客免费高清国语| 国产成人午夜福利电影在线观看| 我的女老师完整版在线观看| 欧美xxxx性猛交bbbb| 免费无遮挡裸体视频| 久久人人爽人人爽人人片va| 内地一区二区视频在线| 午夜福利在线在线| 一本一本综合久久| 波野结衣二区三区在线| 视频中文字幕在线观看| 日韩一区二区视频免费看| 26uuu在线亚洲综合色| 久久久国产成人免费| 免费看光身美女| 国产精品一区二区三区四区久久| 别揉我奶头 嗯啊视频| 男人舔奶头视频| 免费搜索国产男女视频| 看片在线看免费视频| 国产一区二区在线观看日韩| 国产精品国产三级国产专区5o | 免费黄色在线免费观看| 亚洲经典国产精华液单| 亚洲最大成人av| 中文在线观看免费www的网站| 亚洲精品日韩在线中文字幕| 亚洲四区av| 欧美+日韩+精品| 黑人高潮一二区| 男人狂女人下面高潮的视频| 91午夜精品亚洲一区二区三区| 99久久无色码亚洲精品果冻| 日韩欧美在线乱码| 高清av免费在线| 内地一区二区视频在线| 少妇人妻一区二区三区视频| 精品无人区乱码1区二区| 国产精品一区二区在线观看99 | 亚洲av熟女| 久久这里有精品视频免费| 久久这里只有精品中国| 国产v大片淫在线免费观看| 国产女主播在线喷水免费视频网站 | 少妇被粗大猛烈的视频| 久久精品国产亚洲网站| 日本免费在线观看一区| 美女内射精品一级片tv| 国产伦理片在线播放av一区| 久久久久久国产a免费观看| 高清在线视频一区二区三区 | 亚洲欧美中文字幕日韩二区| 欧美三级亚洲精品| 国产精品久久久久久av不卡| 国产伦在线观看视频一区| 欧美精品国产亚洲| 日本三级黄在线观看| 国产av在哪里看| 亚洲av免费高清在线观看| 天天一区二区日本电影三级| 嫩草影院精品99| 国产日韩欧美在线精品| 国产私拍福利视频在线观看| 亚洲av不卡在线观看| 又粗又爽又猛毛片免费看| 能在线免费看毛片的网站| 亚洲,欧美,日韩| 久久精品影院6| 午夜精品国产一区二区电影 | 精品久久久久久久人妻蜜臀av| 久久久久久久久大av| 美女高潮的动态| 成人毛片a级毛片在线播放| 亚洲五月天丁香| 国产精品99久久久久久久久| 国产视频首页在线观看| 天堂av国产一区二区熟女人妻| 亚洲伊人久久精品综合 | 国内少妇人妻偷人精品xxx网站| videossex国产| 国产成人一区二区在线| 我要看日韩黄色一级片| 看片在线看免费视频| 国产精品一及| 久久精品国产鲁丝片午夜精品| av播播在线观看一区| 国产精品嫩草影院av在线观看| 大香蕉久久网| 午夜亚洲福利在线播放| 亚洲精华国产精华液的使用体验| 亚洲国产欧洲综合997久久,| 国产高清三级在线| 日日撸夜夜添| 国产av一区在线观看免费| 亚洲精品日韩av片在线观看| 久久99热6这里只有精品| 纵有疾风起免费观看全集完整版 | 亚洲欧美一区二区三区国产| 国产女主播在线喷水免费视频网站 | 国产亚洲av嫩草精品影院| 看十八女毛片水多多多| 少妇猛男粗大的猛烈进出视频 | 国产探花在线观看一区二区| 国产精品人妻久久久影院| 久久精品国产亚洲av天美| 亚洲精品日韩av片在线观看| 又爽又黄无遮挡网站| 久久久亚洲精品成人影院| 亚洲欧美清纯卡通| 全区人妻精品视频| 男插女下体视频免费在线播放| 国产精品国产高清国产av| 国产精品女同一区二区软件| 亚洲成av人片在线播放无| 国产黄a三级三级三级人| 久久人妻av系列| 少妇丰满av| 国产精品伦人一区二区| 日韩欧美精品v在线| 一级黄片播放器| 午夜福利网站1000一区二区三区| 国产精品熟女久久久久浪| 亚洲成色77777| 亚洲欧美日韩卡通动漫| 免费看光身美女| 欧美性感艳星| 亚洲性久久影院| 男女国产视频网站| 美女被艹到高潮喷水动态| 免费不卡的大黄色大毛片视频在线观看 | 日日撸夜夜添| 国产综合懂色| 日韩欧美三级三区| 日本一本二区三区精品| 精品午夜福利在线看| 国产又黄又爽又无遮挡在线| 色吧在线观看| 一级爰片在线观看| 黑人高潮一二区| 国产亚洲av片在线观看秒播厂 | 又粗又硬又长又爽又黄的视频| 精品人妻一区二区三区麻豆| 国产精品一及| 国产成人a区在线观看| 国产精品,欧美在线| 别揉我奶头 嗯啊视频| 欧美bdsm另类| 婷婷色av中文字幕| 日本色播在线视频| 秋霞在线观看毛片| 黄片无遮挡物在线观看| 免费看av在线观看网站| 国产 一区精品| 建设人人有责人人尽责人人享有的 | 日韩大片免费观看网站 | 日本-黄色视频高清免费观看| 亚洲av一区综合| 国产伦一二天堂av在线观看| 偷拍熟女少妇极品色| 中国美白少妇内射xxxbb| 中国国产av一级| 久久亚洲国产成人精品v| 国产高清国产精品国产三级 | 两个人视频免费观看高清| 不卡视频在线观看欧美| 卡戴珊不雅视频在线播放| 国内精品一区二区在线观看| 嫩草影院入口| 夜夜看夜夜爽夜夜摸| 日本一二三区视频观看| 亚洲精品aⅴ在线观看| 国产老妇伦熟女老妇高清| 麻豆久久精品国产亚洲av| 久久久国产成人免费| 纵有疾风起免费观看全集完整版 | 久久精品国产99精品国产亚洲性色| 黄片无遮挡物在线观看| 亚洲国产成人一精品久久久| 国产精品av视频在线免费观看| 国产91av在线免费观看| 日韩制服骚丝袜av| 国产大屁股一区二区在线视频| 色吧在线观看| 99热精品在线国产| 舔av片在线| 中文资源天堂在线| 校园人妻丝袜中文字幕| 国产白丝娇喘喷水9色精品| 一个人观看的视频www高清免费观看| 岛国毛片在线播放| 一级毛片我不卡| 全区人妻精品视频| 国产淫片久久久久久久久| 国产爱豆传媒在线观看| 国产中年淑女户外野战色| 日韩精品青青久久久久久| 少妇人妻精品综合一区二区| 国产午夜精品久久久久久一区二区三区| 久久精品国产99精品国产亚洲性色| 免费观看a级毛片全部| 午夜精品国产一区二区电影 | 免费av不卡在线播放| 性色avwww在线观看| 日本-黄色视频高清免费观看| 亚洲欧美日韩高清专用| 日韩av在线免费看完整版不卡| 日韩一区二区三区影片| www日本黄色视频网| 免费看日本二区| 五月伊人婷婷丁香| 日韩欧美国产在线观看| 亚洲自偷自拍三级| 中文字幕av在线有码专区| 噜噜噜噜噜久久久久久91| 亚洲无线观看免费| 99久久无色码亚洲精品果冻| 免费观看在线日韩| 国产人妻一区二区三区在| 日日啪夜夜撸| 国产精品久久久久久久久免| 日韩精品有码人妻一区| 久久人妻av系列| 国产av不卡久久| 免费一级毛片在线播放高清视频| 欧美性感艳星| 大香蕉久久网| 日韩欧美精品免费久久| 麻豆久久精品国产亚洲av| 久久精品夜色国产| 国产 一区精品| 中文字幕亚洲精品专区| 免费av毛片视频| 国产 一区 欧美 日韩| 久久精品影院6| 国产在线男女| 日日干狠狠操夜夜爽| 国产精品1区2区在线观看.| 男人的好看免费观看在线视频| 寂寞人妻少妇视频99o| 午夜爱爱视频在线播放| 国产精品无大码| 久久久久性生活片| ponron亚洲| 99久国产av精品国产电影| 国产黄片美女视频| 国产免费视频播放在线视频 | 国产探花极品一区二区| 久久久精品94久久精品| 最近最新中文字幕大全电影3| 午夜a级毛片| 欧美丝袜亚洲另类| 麻豆久久精品国产亚洲av| 丰满少妇做爰视频| 看十八女毛片水多多多| 嫩草影院新地址| 国产又黄又爽又无遮挡在线| 男人舔女人下体高潮全视频| 国产69精品久久久久777片| 两个人的视频大全免费| 国产精品久久久久久精品电影| av在线老鸭窝| 国产精品爽爽va在线观看网站| 一个人看视频在线观看www免费| 岛国在线免费视频观看| 国产av码专区亚洲av| 精品一区二区三区视频在线| 国产三级在线视频| 国产精品久久电影中文字幕| 亚洲熟妇中文字幕五十中出| 国产伦理片在线播放av一区| 18禁在线无遮挡免费观看视频| 一个人观看的视频www高清免费观看| 欧美最新免费一区二区三区| 简卡轻食公司| 免费观看a级毛片全部| 又爽又黄a免费视频| 久久人人爽人人爽人人片va| 国产伦在线观看视频一区| av卡一久久| 精品一区二区三区人妻视频| 欧美丝袜亚洲另类| 久久久成人免费电影| 联通29元200g的流量卡| 免费看美女性在线毛片视频| 精品不卡国产一区二区三区| 国产黄色视频一区二区在线观看 | 最近手机中文字幕大全| 亚洲激情五月婷婷啪啪| 午夜福利成人在线免费观看| 国产高清视频在线观看网站| 亚洲成av人片在线播放无| 校园人妻丝袜中文字幕| 欧美日韩一区二区视频在线观看视频在线 | 亚洲激情五月婷婷啪啪| 亚洲av电影不卡..在线观看| 久久久久久久久大av| 久久精品熟女亚洲av麻豆精品 | 国产精品久久视频播放| 男的添女的下面高潮视频| 国产单亲对白刺激| 日韩欧美三级三区| 欧美日本视频| 日韩欧美精品免费久久| 久久久午夜欧美精品| 九九爱精品视频在线观看| АⅤ资源中文在线天堂| 日本熟妇午夜| 禁无遮挡网站| av播播在线观看一区| 午夜久久久久精精品| 91久久精品国产一区二区三区| 99久久九九国产精品国产免费| 国产精华一区二区三区| 国产精品福利在线免费观看| 日韩欧美国产在线观看| 嫩草影院精品99| 三级男女做爰猛烈吃奶摸视频| 能在线免费观看的黄片| 在线观看一区二区三区| 国产探花在线观看一区二区| av在线播放精品| 日本黄大片高清| 久久久国产成人精品二区| 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 | 2021少妇久久久久久久久久久| 蜜臀久久99精品久久宅男| 国产在线一区二区三区精 | 国产高清三级在线| 中国国产av一级| 精品不卡国产一区二区三区| 韩国av在线不卡| www.色视频.com| 国产精品人妻久久久久久| 好男人视频免费观看在线| 日韩av在线免费看完整版不卡| 欧美高清性xxxxhd video| 床上黄色一级片| 国产伦理片在线播放av一区| 久久久久九九精品影院| 中文欧美无线码| 国产综合懂色| 我要搜黄色片| 大话2 男鬼变身卡| 亚洲国产成人一精品久久久| 日本猛色少妇xxxxx猛交久久| 国产精品国产高清国产av| 在线免费十八禁| 少妇丰满av| 免费一级毛片在线播放高清视频| 国产精品久久久久久av不卡| 波多野结衣高清无吗| 级片在线观看| 免费大片18禁| av.在线天堂| 免费看av在线观看网站| 亚洲熟妇中文字幕五十中出| 岛国毛片在线播放| 亚洲欧美一区二区三区国产| 日韩制服骚丝袜av| 国产精品不卡视频一区二区| 男人的好看免费观看在线视频| 黄片无遮挡物在线观看| 亚洲在线观看片| 两个人视频免费观看高清| 欧美精品一区二区大全| 欧美另类亚洲清纯唯美| 九九热线精品视视频播放| 精品不卡国产一区二区三区| 麻豆av噜噜一区二区三区| 国产一区亚洲一区在线观看| 久久鲁丝午夜福利片| 麻豆成人午夜福利视频| 搡女人真爽免费视频火全软件| 日韩欧美在线乱码| 男人的好看免费观看在线视频| 久久99精品国语久久久| 国产成人a区在线观看| 岛国在线免费视频观看| 久久久亚洲精品成人影院| 久久精品国产亚洲av天美| 最近视频中文字幕2019在线8| 九九在线视频观看精品| 成人二区视频| 变态另类丝袜制服| 国产精品一区二区在线观看99 | 亚洲精品乱码久久久v下载方式| 97在线视频观看| 九九在线视频观看精品| 国产一级毛片在线| 精品久久久久久久久av| 亚洲av二区三区四区| 久久99热6这里只有精品| 国产精品一区二区三区四区久久| 99久久九九国产精品国产免费| 在线免费观看不下载黄p国产| 最近最新中文字幕免费大全7| 内射极品少妇av片p| 人妻少妇偷人精品九色| 亚洲av男天堂| 欧美日韩国产亚洲二区| 亚洲婷婷狠狠爱综合网| 国产精品综合久久久久久久免费| 欧美成人免费av一区二区三区| 少妇的逼好多水| 精品国产一区二区三区久久久樱花 | 久久久久久久久中文| 国产亚洲av嫩草精品影院| 久久精品久久久久久噜噜老黄 | 精品久久久久久久末码| 国产午夜精品久久久久久一区二区三区| 国产精品电影一区二区三区| 97热精品久久久久久|