• <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 ?

    深度卷積神經(jīng)網(wǎng)絡(luò)支持下的遙感影像飛機(jī)檢測

    2019-07-05 06:27:40楊夢圓
    測繪通報 2019年6期
    關(guān)鍵詞:卷積飛機(jī)深度

    謝 夢,劉 偉,2,楊夢圓,柴 琪,吉 莉

    (1. 江蘇師范大學(xué)地理測繪與城鄉(xiāng)規(guī)劃院,江蘇 徐州 221116; 2. 資源與環(huán)境信息系統(tǒng)國家重點實驗室,北京 100101)

    隨著遙感影像空間分辨率的提高,對高分遙感影像的處理和應(yīng)用正變得日益緊迫。飛機(jī)檢測在軍用和民用領(lǐng)域均具有相當(dāng)廣泛的應(yīng)用,近年來已經(jīng)成為高分遙感影像目標(biāo)檢測中一個極其重要的研究方向[1]。關(guān)于飛機(jī)檢測的研究方法,多數(shù)是利用飛機(jī)的基本特征來識別目標(biāo),通過獲取飛機(jī)的基本特征后送入分類器分類[2-4],這些方法對人工選擇目標(biāo)特征具有很強的依賴性。

    深度學(xué)習(xí)是機(jī)器學(xué)習(xí)領(lǐng)域一個新的研究方向,其目的在于建立模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò),模仿人腦的神經(jīng)機(jī)制來解釋數(shù)據(jù),如圖像、聲音和文本。近年來,深度學(xué)習(xí)算法在圖像分類[5]、自然語言處理[6]、人工智能[7-8]等領(lǐng)域取得前所未有的成果。通過低層濾波器來獲取圖像局部特征,利用高層濾波器將這些局部特征組合成全局特征。整個過程都是通過網(wǎng)絡(luò)訓(xùn)練大量樣本來自動提取影像特征,有效地提高了執(zhí)行效率和檢測精度。因此,深度學(xué)習(xí)在遙感應(yīng)用中引起了廣泛關(guān)注,并在場景分類[9]、高光譜圖像分類[10-11]、目標(biāo)檢測[12-13]等方面取得了顯著成效。

    基于深度學(xué)習(xí)的飛機(jī)檢測克服了傳統(tǒng)檢測方法中目標(biāo)特征難以選取、泛化能力差等問題,但也面臨巨大挑戰(zhàn),主要為訓(xùn)練樣本不足、網(wǎng)絡(luò)難以訓(xùn)練[14]。同時,為了得到較高的識別率,網(wǎng)絡(luò)設(shè)計越來越復(fù)雜,網(wǎng)絡(luò)參數(shù)增大,飛機(jī)所處的遙感影像背景復(fù)雜且飛機(jī)形態(tài)存在差異[13],因此準(zhǔn)確而快速地檢測出遙感影像中飛機(jī)仍然十分困難[1]。

    深度學(xué)習(xí)在目標(biāo)檢測方面主要分為兩類:一類是基于候選區(qū)域的分步式目標(biāo)檢測方法,代表性的有R-CNN[15]、SPP[16]、Fast R-CNN[17]、Faster R-CNN[18];另一類是基于回歸思想的直接目標(biāo)檢測方法,代表性的有YOLO[19]、SSD[20]。前者定位精度高,但檢測時間長,后者檢測速度快、正確率高。很多學(xué)者都青睞YOLO算法,通過對其網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行改進(jìn)來提高網(wǎng)絡(luò)性能。文獻(xiàn)[21]提出一種Dense-YOLO網(wǎng)絡(luò),通過特征復(fù)用提高對遙感影像中飛機(jī)的識別效果,但內(nèi)存占用較大,文獻(xiàn)[22]提出一種SENet結(jié)構(gòu)嵌入YOLOv3網(wǎng)絡(luò)中,融合YOLOv3(you look only once)與SENet的優(yōu)點,增強了網(wǎng)絡(luò)感受野,但網(wǎng)絡(luò)訓(xùn)練參數(shù)較多。

    由于YOLOv3算法對原圖做縮放處理,造成網(wǎng)絡(luò)高層的感受野減小,導(dǎo)致“相對尺寸小”的目標(biāo)檢測困難,其中相對尺寸小的目標(biāo)是相對原圖的長寬。本文為擴(kuò)大網(wǎng)絡(luò)高層的感受野,提高特征圖的分辨率,將擴(kuò)張卷積[23-24]引入YOLOv3網(wǎng)絡(luò),為減少需要計算的可訓(xùn)練權(quán)重參數(shù),實現(xiàn)通道和區(qū)域的分離,再將深度可分離卷積[25]引入網(wǎng)絡(luò)。試驗結(jié)果表明:相比于YOLOv3算法,優(yōu)化的YOLOv3算法能夠降低漏檢率,提高小目標(biāo)的檢測精度。

    1 YOLOv3算法

    YOLO是一種多目標(biāo)檢測算法,在訓(xùn)練和預(yù)測時將整張圖像輸入網(wǎng)絡(luò)模型,直接回歸出目標(biāo)中心位置、目標(biāo)長寬和類別,以實現(xiàn)端到端的目標(biāo)檢測。

    (1)

    (2)

    2 YOLOv3算法的優(yōu)化

    本文首先使用K-means聚類算法計算出適用于數(shù)據(jù)集的錨框,然后用擴(kuò)張率為2的擴(kuò)張卷積取代YOLOv3網(wǎng)絡(luò)第76、78、80層卷積核為3×3的普通卷積,并用深度可分離卷積取代原網(wǎng)絡(luò)殘差模塊中的普通卷積,算法的優(yōu)化主要體現(xiàn)在以下3個方面。

    2.1 錨框(anchorbox)

    由于YOLOv3算法中的anchorbox是由VOC20和COCO80數(shù)據(jù)集聚類得到,而本文數(shù)據(jù)集中的飛機(jī)相對較小,不適合使用原定義的anchorbox[21],因此需要對本文數(shù)據(jù)集的目標(biāo)候選框進(jìn)行維度聚類分析,使用K-means聚類算法獲取適合本文數(shù)據(jù)集的anchorbox。

    2.2 擴(kuò)張卷積(dilated convolutions)

    擴(kuò)張卷積是向卷積層引入一個稱為擴(kuò)張率(dilation rate)的新參數(shù),該參數(shù)定義卷積核處理數(shù)據(jù)時各值的間距。傳統(tǒng)的骨干網(wǎng)絡(luò)基于大的下采樣因子可以生成更高的感受野,有利于圖像分類,但犧牲了空間分辨率,從而使網(wǎng)絡(luò)難以準(zhǔn)確地定位大型目標(biāo)和識別小型目標(biāo)[26]。YOLOv3算法對原圖做了縮放,造成網(wǎng)絡(luò)高層感受野減小,本文引入擴(kuò)張卷積層增加網(wǎng)絡(luò)高層感受野,以改善小目標(biāo)檢測效果。擴(kuò)張卷積的原理如圖1所示。

    圖1中灰度點標(biāo)記位置同正常卷積核,其他位置為0,其中圖1(a)為3×3擴(kuò)張率為1的卷積,與普通卷積一樣,感受野為9;圖1(b)為擴(kuò)張率為2的卷積,感受野為49;圖1(c)為擴(kuò)張率為4的卷積,感受野為225,從圖中可以看出卷積核的參數(shù)個數(shù)保持不變,感受野的大小隨著擴(kuò)張率的增加呈指數(shù)增長。

    2.3 深度可分離卷積(depthwise separable convolutions)

    深度可分卷積[25]是在輸入的每個通道獨立執(zhí)行空間卷積,然后進(jìn)行逐點卷積,即1×1卷積,將深度卷積的通道輸出映射到新的通道空間。深度可分離卷積比普通卷積減少訓(xùn)練參數(shù),而且它先只考慮區(qū)域,然后再考慮通道,以實現(xiàn)區(qū)域和通道的分離。深度可分離卷積的過程如圖2所示。

    從圖2可以看出,每一個通道用一個卷積核卷積之后得到對應(yīng)一個通道的輸出,然后再進(jìn)行信息融合。假設(shè)輸入通道數(shù)為3,輸出通道數(shù)為32,用一個3×3卷積核進(jìn)行卷積,則普通卷積需要計算的參數(shù)為3×3×3×32=864,深度可分離卷積要計算的參數(shù)為: 3×3×3+3×1×1×32=123, 深度可分離卷積明顯降低了參數(shù)量。本文優(yōu)化的YOLOv3算法模型結(jié)構(gòu)如圖3所示。

    3 試驗與結(jié)果分析

    本文試驗環(huán)境為在Ubuntu16.04操作系統(tǒng)下,安裝配置Cuda9.1.85和Python3.6.5,并搭建Keras和Tensorflow深度學(xué)習(xí)平臺,算法的訓(xùn)練和測試均在GPU加速下完成。

    3.1 數(shù)據(jù)集制作

    在遙感影像飛機(jī)目標(biāo)檢測的應(yīng)用研究方面,目前幾乎沒有公開的符合深度學(xué)習(xí)訓(xùn)練的數(shù)據(jù)集,這也是制約該方向應(yīng)用的主要問題之一。本文研究的影像來自DOTA(http:∥captain.whu.edu.cn/DOTAweb/)、UCAS-AOD(http:∥www.ucassdl.cn/resource.asp)、RSOD-Dataset(https:∥github.com/RSIA-LIESMARS-WHU/RSOD-Dataset)3個遙感影像數(shù)集,影像的尺寸一般是1044×944。在制作數(shù)據(jù)集的過程中,依據(jù)VOC2007的數(shù)據(jù)集格式,對影像進(jìn)行統(tǒng)一格式的命名,再利用labelImg(https:∥github.com/tzutalin/labelImg)圖片標(biāo)注工具對影像進(jìn)行標(biāo)注,生成包含有目標(biāo)類別位置信息的XML文件。試驗共制作446張數(shù)據(jù)集,其中386張訓(xùn)練集,42張驗證集,18張測試集,飛機(jī)樣本如圖4所示。

    3.2 網(wǎng)絡(luò)訓(xùn)練

    對YOLOv3算法和優(yōu)化的YOLOv3算法分別迭代200次進(jìn)行訓(xùn)練,飛機(jī)在影像中屬于小目標(biāo),經(jīng)過多次對比試驗,算法采用按步長衰減學(xué)習(xí)率的策略,設(shè)置基礎(chǔ)學(xué)習(xí)率為0.001,在迭代120次、180次時學(xué)習(xí)率變成基礎(chǔ)學(xué)習(xí)率的0.1倍和0.01倍。選取Batch_size(每批數(shù)據(jù)量的大小)為10,沖量常數(shù)為0.9,權(quán)值衰減系數(shù)為0.000 5,從而避免出現(xiàn)過擬合現(xiàn)象。

    3.3 結(jié)果分析

    將YOLOv3算法和優(yōu)化的YOLOv3算法在本文測試集上進(jìn)行對比測試,分別計算準(zhǔn)確率、召回率和F1-score。精確率的公式為

    (3)

    召回率的公式為

    (4)

    F1-score的公式為

    (5)

    式中,TP為正確檢測出的飛機(jī)個數(shù);FP為誤檢的飛機(jī)個數(shù);FN為漏檢的飛機(jī)個數(shù)。

    F1-score是使用調(diào)和平均結(jié)合召回率和精度的指標(biāo)。從表1可以看出,本文優(yōu)化YOLOv3算法的召回率比YOLOv3算法高出11.86%,精確率下降7.27%。此時需要F1-score來進(jìn)行總體衡量。試驗結(jié)果表明本文在使用K-means聚類算法和擴(kuò)張卷積后,其F1-score比YOLOv3高出1.33%,網(wǎng)絡(luò)中再加入深度可分離卷積后,其F1-score比YOLOv3高出2.99%。由此可見,本文算法明顯優(yōu)于YOLOv3算法。圖5是YOLOv3算法和優(yōu)化YOLOv3算法對2張相同圖像的檢測結(jié)果。從圖5中可以看出YOLOv3算法不能準(zhǔn)確檢測出影像中的小目標(biāo),出現(xiàn)較多漏檢情況,框上沒字是漏檢,框上有字是算法檢測出的飛機(jī)。優(yōu)化的YOLOv3算法增強了網(wǎng)絡(luò)高層的感受野,能夠準(zhǔn)確檢測出影像中的小目標(biāo),有效地降低漏檢率,提高小目標(biāo)檢測的精度。

    (%)

    4 結(jié) 語

    本文針對YOLOv3算法對小目標(biāo)檢測效果較差、出現(xiàn)較多漏檢的情況,使用K-means聚類算法計算出適合本文數(shù)據(jù)集的錨框,在YOLOv3算法的網(wǎng)絡(luò)結(jié)構(gòu)中引入擴(kuò)張卷積,用來增強網(wǎng)絡(luò)高層的感受野,改善對小目標(biāo)的檢測效果,并在網(wǎng)絡(luò)結(jié)構(gòu)中引入深度可分離卷積來減少計算參數(shù)和分別學(xué)習(xí)空間特征和通道特征。試驗結(jié)果表明,優(yōu)化的YOLOv3算法比YOLOv3算法的召回率提高了11.86%,而且F1-score提高了2.99%,能準(zhǔn)確檢測到更多目標(biāo),提高小目標(biāo)的檢測精度。由于遙感影像目標(biāo)檢測作為圖像解譯的一個重要研究方向,其對于資源調(diào)查、災(zāi)害監(jiān)測、資源勘探及軍事目標(biāo)的識別判讀等都具有重要的意義。在今后的研究工作中,會增加訓(xùn)練集以提高樣本多樣性,而且在繼續(xù)提升召回率的同時,提高精確率。

    猜你喜歡
    卷積飛機(jī)深度
    飛機(jī)失蹤
    基于3D-Winograd的快速卷積算法設(shè)計及FPGA實現(xiàn)
    深度理解一元一次方程
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    “拼座飛機(jī)”迎風(fēng)飛揚
    深度觀察
    深度觀察
    深度觀察
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    乘坐飛機(jī)
    女人被狂操c到高潮| 狂野欧美激情性xxxx| 亚洲欧洲精品一区二区精品久久久| 丁香六月欧美| 亚洲欧美精品综合一区二区三区| 亚洲国产看品久久| 亚洲国产精品成人综合色| bbb黄色大片| 淫妇啪啪啪对白视频| 美女国产高潮福利片在线看| 村上凉子中文字幕在线| 国产精品爽爽va在线观看网站 | 亚洲国产中文字幕在线视频| 婷婷亚洲欧美| 久热这里只有精品99| 一夜夜www| 亚洲成人久久爱视频| 淫妇啪啪啪对白视频| 久久香蕉激情| 黄色a级毛片大全视频| 麻豆成人av在线观看| 美女免费视频网站| 99国产精品一区二区蜜桃av| xxxwww97欧美| 中文字幕人妻熟女乱码| 热99re8久久精品国产| 国产在线精品亚洲第一网站| 麻豆成人av在线观看| 欧美黑人精品巨大| 欧美黑人巨大hd| 欧美中文日本在线观看视频| 国产伦一二天堂av在线观看| 97人妻精品一区二区三区麻豆 | 国产精品 欧美亚洲| 亚洲国产日韩欧美精品在线观看 | av片东京热男人的天堂| 成人永久免费在线观看视频| 亚洲全国av大片| 丝袜人妻中文字幕| 国产97色在线日韩免费| 国产精品亚洲美女久久久| 亚洲av成人不卡在线观看播放网| 亚洲狠狠婷婷综合久久图片| 久久久久久亚洲精品国产蜜桃av| 两性午夜刺激爽爽歪歪视频在线观看 | 欧美最黄视频在线播放免费| 久久久久久九九精品二区国产 | 一区二区三区精品91| 成人三级做爰电影| av免费在线观看网站| 亚洲国产看品久久| а√天堂www在线а√下载| 亚洲一区高清亚洲精品| 国产亚洲精品一区二区www| 波多野结衣高清无吗| 欧美激情极品国产一区二区三区| 美女 人体艺术 gogo| 日日爽夜夜爽网站| 国产精品影院久久| av视频在线观看入口| 少妇的丰满在线观看| 女人爽到高潮嗷嗷叫在线视频| 波多野结衣高清无吗| 亚洲狠狠婷婷综合久久图片| 色av中文字幕| 女同久久另类99精品国产91| 亚洲成av片中文字幕在线观看| 国产精华一区二区三区| 一级毛片精品| 2021天堂中文幕一二区在线观 | 日韩精品中文字幕看吧| 12—13女人毛片做爰片一| av欧美777| 免费搜索国产男女视频| 欧洲精品卡2卡3卡4卡5卡区| 亚洲精品一卡2卡三卡4卡5卡| 日韩精品青青久久久久久| 老熟妇仑乱视频hdxx| 99国产极品粉嫩在线观看| 国产精品久久久av美女十八| 国产精品九九99| 国产精品自产拍在线观看55亚洲| 日韩高清综合在线| 久久这里只有精品19| 一本一本综合久久| 美国免费a级毛片| 啦啦啦韩国在线观看视频| 国产成人av激情在线播放| 欧美久久黑人一区二区| 日本三级黄在线观看| 日韩欧美国产在线观看| 久久午夜综合久久蜜桃| 看免费av毛片| √禁漫天堂资源中文www| 国产高清有码在线观看视频 | 在线观看66精品国产| 12—13女人毛片做爰片一| 国产一级毛片七仙女欲春2 | 一边摸一边抽搐一进一小说| 欧美另类亚洲清纯唯美| 亚洲国产日韩欧美精品在线观看 | 精品一区二区三区视频在线观看免费| 一进一出抽搐gif免费好疼| 亚洲全国av大片| 身体一侧抽搐| 亚洲片人在线观看| 一个人免费在线观看的高清视频| 精品午夜福利视频在线观看一区| 日韩精品中文字幕看吧| 一二三四社区在线视频社区8| 国产国语露脸激情在线看| 色综合婷婷激情| 亚洲真实伦在线观看| 欧美激情极品国产一区二区三区| 首页视频小说图片口味搜索| 亚洲专区字幕在线| 精品国产美女av久久久久小说| 十八禁人妻一区二区| 人人澡人人妻人| 一进一出抽搐gif免费好疼| 欧美性猛交黑人性爽| 热99re8久久精品国产| 亚洲一区二区三区不卡视频| 两个人视频免费观看高清| 美女扒开内裤让男人捅视频| 亚洲成人免费电影在线观看| 亚洲无线在线观看| 成人国语在线视频| 色婷婷久久久亚洲欧美| 国产精品二区激情视频| 国产成人av教育| 免费在线观看视频国产中文字幕亚洲| 草草在线视频免费看| 丝袜人妻中文字幕| 欧美最黄视频在线播放免费| 精品人妻1区二区| 成人亚洲精品一区在线观看| 一卡2卡三卡四卡精品乱码亚洲| 国产精品99久久99久久久不卡| 国产欧美日韩一区二区三| 两性夫妻黄色片| 久久 成人 亚洲| 午夜福利在线在线| 高清毛片免费观看视频网站| 制服人妻中文乱码| 人人妻,人人澡人人爽秒播| 男女之事视频高清在线观看| 男女那种视频在线观看| 91成人精品电影| 亚洲国产精品成人综合色| 人人澡人人妻人| 婷婷精品国产亚洲av在线| 免费在线观看日本一区| 亚洲 国产 在线| 欧美激情高清一区二区三区| 欧美久久黑人一区二区| 美女免费视频网站| 亚洲人成电影免费在线| 亚洲专区国产一区二区| 俄罗斯特黄特色一大片| 美女扒开内裤让男人捅视频| 丝袜在线中文字幕| 亚洲av熟女| 黄片播放在线免费| 亚洲成人精品中文字幕电影| 成人手机av| 成人精品一区二区免费| 国产又爽黄色视频| www.www免费av| 一级毛片精品| 午夜免费观看网址| 操出白浆在线播放| 超碰成人久久| 亚洲中文av在线| 亚洲人成伊人成综合网2020| 欧美日韩瑟瑟在线播放| videosex国产| 国产人伦9x9x在线观看| 2021天堂中文幕一二区在线观 | 欧美一区二区精品小视频在线| 欧美日韩亚洲综合一区二区三区_| 国产激情久久老熟女| 国产一级毛片七仙女欲春2 | 夜夜看夜夜爽夜夜摸| 美女高潮到喷水免费观看| 首页视频小说图片口味搜索| 久久久久久九九精品二区国产 | 国产久久久一区二区三区| 国产一区二区三区视频了| 99国产综合亚洲精品| svipshipincom国产片| 好男人电影高清在线观看| 日本a在线网址| 高潮久久久久久久久久久不卡| 91成人精品电影| 嫁个100分男人电影在线观看| 精品高清国产在线一区| 18禁国产床啪视频网站| 久久精品国产99精品国产亚洲性色| 久久香蕉精品热| 视频区欧美日本亚洲| 日韩欧美在线二视频| 99久久久亚洲精品蜜臀av| а√天堂www在线а√下载| 精品一区二区三区av网在线观看| 日韩 欧美 亚洲 中文字幕| 久久午夜亚洲精品久久| 老熟妇乱子伦视频在线观看| 90打野战视频偷拍视频| 九色国产91popny在线| 午夜免费成人在线视频| 久9热在线精品视频| 免费在线观看视频国产中文字幕亚洲| 欧美日韩中文字幕国产精品一区二区三区| 欧美久久黑人一区二区| 无遮挡黄片免费观看| 一本久久中文字幕| 老司机在亚洲福利影院| 制服丝袜大香蕉在线| www.精华液| 亚洲精品一卡2卡三卡4卡5卡| 一区二区日韩欧美中文字幕| 女生性感内裤真人,穿戴方法视频| 久久香蕉激情| 亚洲国产精品久久男人天堂| 亚洲欧美精品综合一区二区三区| 日韩欧美一区二区三区在线观看| 国产一区二区三区在线臀色熟女| 亚洲人成电影免费在线| 免费在线观看日本一区| 亚洲一区中文字幕在线| 无遮挡黄片免费观看| 国产精品一区二区三区四区久久 | 91大片在线观看| 在线国产一区二区在线| 此物有八面人人有两片| 日韩欧美一区视频在线观看| 亚洲精品中文字幕一二三四区| 国产精品美女特级片免费视频播放器 | 欧美在线黄色| 好男人在线观看高清免费视频 | av视频在线观看入口| 伦理电影免费视频| 精品不卡国产一区二区三区| 国产91精品成人一区二区三区| 日韩高清综合在线| xxx96com| 亚洲专区中文字幕在线| 国产三级黄色录像| 一个人免费在线观看的高清视频| 香蕉av资源在线| 国产色视频综合| 欧美中文综合在线视频| 亚洲欧美精品综合一区二区三区| 欧美午夜高清在线| 麻豆国产av国片精品| 国产激情偷乱视频一区二区| 97人妻精品一区二区三区麻豆 | 非洲黑人性xxxx精品又粗又长| 精品卡一卡二卡四卡免费| 91成人精品电影| 亚洲国产欧美一区二区综合| 黄色丝袜av网址大全| 久久婷婷成人综合色麻豆| 亚洲av电影在线进入| 最新在线观看一区二区三区| 婷婷亚洲欧美| 黄片小视频在线播放| 两性夫妻黄色片| 日韩大尺度精品在线看网址| 午夜视频精品福利| a级毛片a级免费在线| 成人国语在线视频| 亚洲色图av天堂| 草草在线视频免费看| 国产av又大| 一区二区三区国产精品乱码| 亚洲精品在线观看二区| 女性生殖器流出的白浆| 热99re8久久精品国产| 国产亚洲精品av在线| 波多野结衣av一区二区av| 午夜亚洲福利在线播放| 熟女少妇亚洲综合色aaa.| 国产精品99久久99久久久不卡| 国产成年人精品一区二区| 亚洲五月婷婷丁香| 男女那种视频在线观看| 亚洲成人久久性| 欧美性猛交黑人性爽| 亚洲一区高清亚洲精品| 亚洲最大成人中文| 无遮挡黄片免费观看| 免费观看人在逋| 亚洲成人久久爱视频| 91在线观看av| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲精品中文字幕一二三四区| 午夜福利成人在线免费观看| 动漫黄色视频在线观看| 午夜福利免费观看在线| 可以免费在线观看a视频的电影网站| 久久国产亚洲av麻豆专区| 97碰自拍视频| 亚洲中文av在线| 欧美日韩一级在线毛片| 我的亚洲天堂| 麻豆久久精品国产亚洲av| 美女高潮喷水抽搐中文字幕| 一本久久中文字幕| 亚洲天堂国产精品一区在线| 国产乱人伦免费视频| 国产又色又爽无遮挡免费看| 日本a在线网址| www国产在线视频色| netflix在线观看网站| 18禁观看日本| 久久久久久国产a免费观看| 中文字幕人妻熟女乱码| 精品久久久久久久人妻蜜臀av| 亚洲成人免费电影在线观看| 在线永久观看黄色视频| 亚洲黑人精品在线| 成人亚洲精品av一区二区| 女性被躁到高潮视频| 久久亚洲精品不卡| 在线观看午夜福利视频| 中文在线观看免费www的网站 | 一级毛片高清免费大全| 身体一侧抽搐| 91成年电影在线观看| 国产国语露脸激情在线看| 精品高清国产在线一区| 国产野战对白在线观看| 日韩视频一区二区在线观看| av片东京热男人的天堂| 亚洲专区字幕在线| 午夜a级毛片| 99久久无色码亚洲精品果冻| 久久久久精品国产欧美久久久| 夜夜看夜夜爽夜夜摸| 国产av不卡久久| 好男人在线观看高清免费视频 | 国产真人三级小视频在线观看| 满18在线观看网站| 美女扒开内裤让男人捅视频| www日本在线高清视频| 男人舔奶头视频| 成人午夜高清在线视频 | 日韩成人在线观看一区二区三区| 制服丝袜大香蕉在线| 亚洲国产中文字幕在线视频| 一级a爱视频在线免费观看| 日韩精品免费视频一区二区三区| 人成视频在线观看免费观看| 国产aⅴ精品一区二区三区波| 一级黄色大片毛片| 精品国产美女av久久久久小说| 大香蕉久久成人网| 免费观看精品视频网站| 亚洲av成人不卡在线观看播放网| 搡老妇女老女人老熟妇| 首页视频小说图片口味搜索| 色婷婷久久久亚洲欧美| 男女做爰动态图高潮gif福利片| 欧美成狂野欧美在线观看| 99国产精品99久久久久| 99国产极品粉嫩在线观看| 国产高清有码在线观看视频 | 满18在线观看网站| 亚洲精品av麻豆狂野| 国产又色又爽无遮挡免费看| 成人午夜高清在线视频 | 国产主播在线观看一区二区| 十八禁人妻一区二区| 色播在线永久视频| 亚洲精品久久成人aⅴ小说| 一本久久中文字幕| 亚洲av中文字字幕乱码综合 | 免费在线观看亚洲国产| 美国免费a级毛片| 成人三级黄色视频| 18美女黄网站色大片免费观看| 亚洲人成网站高清观看| 日本五十路高清| 免费搜索国产男女视频| 高清在线国产一区| 国产成人欧美| 日本a在线网址| 香蕉av资源在线| 国产色视频综合| 看免费av毛片| 国产亚洲精品第一综合不卡| 人成视频在线观看免费观看| 成人18禁高潮啪啪吃奶动态图| 麻豆久久精品国产亚洲av| 午夜亚洲福利在线播放| 九色国产91popny在线| 日韩欧美国产一区二区入口| 日日干狠狠操夜夜爽| 男女那种视频在线观看| 亚洲一区二区三区色噜噜| 日韩欧美免费精品| 高清在线国产一区| 少妇粗大呻吟视频| 男女之事视频高清在线观看| 欧美大码av| 亚洲精品一区av在线观看| 免费人成视频x8x8入口观看| 中文字幕久久专区| 色在线成人网| cao死你这个sao货| 黄片播放在线免费| 国产爱豆传媒在线观看 | 国产精品av久久久久免费| 国产精品亚洲av一区麻豆| av免费在线观看网站| 视频区欧美日本亚洲| 丰满人妻熟妇乱又伦精品不卡| 亚洲精品在线观看二区| 久久精品91无色码中文字幕| 国产精品野战在线观看| 18禁黄网站禁片免费观看直播| 真人一进一出gif抽搐免费| 亚洲精品av麻豆狂野| 国产精品香港三级国产av潘金莲| 在线观看日韩欧美| 国产伦在线观看视频一区| 国产又色又爽无遮挡免费看| 制服诱惑二区| 美国免费a级毛片| 香蕉av资源在线| xxxwww97欧美| 动漫黄色视频在线观看| 91av网站免费观看| 观看免费一级毛片| 国产一区在线观看成人免费| 国产亚洲av嫩草精品影院| 99久久99久久久精品蜜桃| 国产不卡一卡二| av视频在线观看入口| 欧美不卡视频在线免费观看 | 大型黄色视频在线免费观看| 国内毛片毛片毛片毛片毛片| 91大片在线观看| 免费看a级黄色片| 99riav亚洲国产免费| 中文字幕高清在线视频| 巨乳人妻的诱惑在线观看| 欧美成狂野欧美在线观看| 午夜日韩欧美国产| 亚洲激情在线av| bbb黄色大片| 777久久人妻少妇嫩草av网站| 99在线人妻在线中文字幕| 久久久国产成人精品二区| 日韩中文字幕欧美一区二区| 制服丝袜大香蕉在线| 免费观看精品视频网站| 午夜福利欧美成人| 后天国语完整版免费观看| www日本在线高清视频| 女生性感内裤真人,穿戴方法视频| 精品日产1卡2卡| 免费在线观看影片大全网站| 人成视频在线观看免费观看| 看片在线看免费视频| 一a级毛片在线观看| 精品熟女少妇八av免费久了| 免费无遮挡裸体视频| 淫秽高清视频在线观看| 久久久久精品国产欧美久久久| 午夜福利高清视频| 色精品久久人妻99蜜桃| 久久精品国产综合久久久| 婷婷六月久久综合丁香| 国内精品久久久久久久电影| 亚洲成人免费电影在线观看| 免费看美女性在线毛片视频| 我的亚洲天堂| 一级a爱片免费观看的视频| 操出白浆在线播放| 少妇 在线观看| 亚洲狠狠婷婷综合久久图片| 精品国产乱子伦一区二区三区| 美女免费视频网站| 黄色片一级片一级黄色片| 女性被躁到高潮视频| 久久精品夜夜夜夜夜久久蜜豆 | 亚洲久久久国产精品| 午夜福利成人在线免费观看| 一级黄色大片毛片| 亚洲熟妇中文字幕五十中出| 欧美一级毛片孕妇| 欧美精品啪啪一区二区三区| 欧美黄色片欧美黄色片| 欧美成人免费av一区二区三区| 999久久久国产精品视频| 欧美zozozo另类| 国产精品电影一区二区三区| 两个人免费观看高清视频| av片东京热男人的天堂| 悠悠久久av| 一区二区三区精品91| 亚洲五月色婷婷综合| av在线天堂中文字幕| 成人一区二区视频在线观看| 国产免费av片在线观看野外av| 国产精品亚洲av一区麻豆| 老司机靠b影院| 亚洲精华国产精华精| 亚洲自偷自拍图片 自拍| 十八禁网站免费在线| 黄色丝袜av网址大全| 韩国精品一区二区三区| 色播亚洲综合网| 国内精品久久久久精免费| 国产蜜桃级精品一区二区三区| 欧美黄色淫秽网站| 男人舔女人的私密视频| 久久性视频一级片| 婷婷精品国产亚洲av| 搡老妇女老女人老熟妇| 中文资源天堂在线| 国产精品九九99| 淫妇啪啪啪对白视频| 国产欧美日韩一区二区三| 欧美另类亚洲清纯唯美| 免费av毛片视频| x7x7x7水蜜桃| 欧美一区二区精品小视频在线| 高清毛片免费观看视频网站| 亚洲精品一卡2卡三卡4卡5卡| 最近最新中文字幕大全免费视频| 亚洲中文日韩欧美视频| 国产av不卡久久| 人人澡人人妻人| 欧美激情 高清一区二区三区| 国产片内射在线| 国内揄拍国产精品人妻在线 | 国产1区2区3区精品| 亚洲久久久国产精品| 久久人妻av系列| 97人妻精品一区二区三区麻豆 | 日日夜夜操网爽| 国产蜜桃级精品一区二区三区| 欧美另类亚洲清纯唯美| 一级a爱片免费观看的视频| 首页视频小说图片口味搜索| 精品人妻1区二区| 一进一出抽搐动态| 国产高清视频在线播放一区| 午夜精品久久久久久毛片777| 亚洲成人免费电影在线观看| а√天堂www在线а√下载| 欧美性长视频在线观看| 日韩欧美免费精品| 韩国av一区二区三区四区| 女生性感内裤真人,穿戴方法视频| 免费观看精品视频网站| 天堂动漫精品| 精品第一国产精品| 欧美午夜高清在线| 中文字幕最新亚洲高清| 午夜免费观看网址| 色尼玛亚洲综合影院| 黄色女人牲交| 国产高清videossex| 亚洲精品久久成人aⅴ小说| 亚洲av电影不卡..在线观看| avwww免费| √禁漫天堂资源中文www| 男女下面进入的视频免费午夜 | 波多野结衣巨乳人妻| 国产av不卡久久| 国产精品野战在线观看| 国产av不卡久久| 日日摸夜夜添夜夜添小说| 国产成年人精品一区二区| 亚洲欧美日韩高清在线视频| 亚洲国产欧洲综合997久久, | 久久精品夜夜夜夜夜久久蜜豆 | 国产亚洲精品久久久久5区| 国产伦一二天堂av在线观看| 俄罗斯特黄特色一大片| 亚洲av中文字字幕乱码综合 | 亚洲欧洲精品一区二区精品久久久| 久久天堂一区二区三区四区| 国产人伦9x9x在线观看| 国产精品免费一区二区三区在线| 黄色丝袜av网址大全| 免费av毛片视频| 伦理电影免费视频| 欧美激情 高清一区二区三区| 久久国产精品人妻蜜桃| 欧美黄色片欧美黄色片| 夜夜躁狠狠躁天天躁| 中文字幕人妻丝袜一区二区| 夜夜躁狠狠躁天天躁| 国产一区二区激情短视频| 国产亚洲精品综合一区在线观看 | 男女床上黄色一级片免费看| 免费观看精品视频网站| 亚洲熟妇熟女久久| 亚洲av成人一区二区三| 国产精品精品国产色婷婷| 久久久久久久久中文| 亚洲九九香蕉| 757午夜福利合集在线观看| 日本 欧美在线| 黄网站色视频无遮挡免费观看| 久久午夜亚洲精品久久| 麻豆久久精品国产亚洲av| 女警被强在线播放| 国产av在哪里看|