• <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 ?

    基于深度學(xué)習(xí)的自然環(huán)境下花朵識別

    2019-07-05 11:20:32鄭玉龍趙明
    計算技術(shù)與自動化 2019年2期

    鄭玉龍 趙明

    摘 ? 要:基于自然環(huán)境下的花朵識別已經(jīng)成為了現(xiàn)在園藝植物以及計算機視覺方面的交叉研究熱點。本文的花朵圖像數(shù)據(jù)集是利用手機直接在自然場景中當(dāng)場拍攝的,采集了湖南省植物園內(nèi)26種觀賞花朵的2600幅圖像,其中還包括同一品種不同類別相似度很高的杜鵑,郁金香等花朵。設(shè)計了一種由3個殘差塊組成的20層深度學(xué)習(xí)模型Resnet20,模型的優(yōu)化算法結(jié)合了Adam的高效初始化以及Sgd優(yōu)秀的泛化能力,該優(yōu)化算法主要是根據(jù)每次訓(xùn)練批次以及l(fā)earning rate來進(jìn)行轉(zhuǎn)換調(diào)整,實驗結(jié)果表明比單獨使用Adam算法正確率高4到5個百分點,比單獨使用Sgd算法收斂更快。該模型在Flower26數(shù)據(jù)集上,通過數(shù)據(jù)增強識別率可達(dá)到 96.29%,表明深度學(xué)習(xí)是一種很有前途的應(yīng)用于花朵識別的智能技術(shù)。

    關(guān)鍵詞:深度卷積神經(jīng)網(wǎng)絡(luò);殘差網(wǎng)絡(luò);花朵識別;隨機梯度下降

    中圖分類號:TP391;S605 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼:A

    Deep Learning for Flower Identification in Natural Environment

    ZHENG Yu-long?覮,ZHAO Ming

    (College of Software Engineering,Central South University,Changsha,Hunan 410075,China)

    Abstract:Rapid identification of flower plants has become a hot topic in the cross-study of horticultural plants and computer vision. The flower image dataset of this article was photographed directly on the spot using a mobile phone in a natural scene,and 2600 images of 26 ornamental flowers in Changsha Botanical Garden were collected,including azaleas and tulips with similar similarities in different categories. A 20-layer deep learning model Resnet20,consisting of three residual blocks is designed. The model optimization algorithm combines Adam's efficient initialization and Sgd's excellent generalization ability. The optimization algorithm is mainly based on each training batch and learning rate to adjust the conversion,the experimental results show that the correct rate is 4 to 5 percentage points higher than the Adam algorithm alone,and it converges faster than using the Sgd algorithm alone. This model is based on the Flower26 dataset,through the data enhanced recognition rate can reach 96.29%,which shows that deep learning is a promising intelligent technology for flower recognition.

    Key words:deep convolutional neural network;residual network(Resnet);flower recognition;stochastic gradient descent(SGD)

    花朵識別是園藝學(xué)科以及農(nóng)林等行業(yè)生產(chǎn)經(jīng)營非常重要的工作,像花朵識別這樣類似的植物分類學(xué)是一項對日常生活很有意義的研究課題,這些植物分類學(xué)的分類依據(jù)主要是依據(jù)植物的外形特征,包括花朵、葉子、枝條、樹皮、果實等特征。因此,花朵識別也可以算是植物分類學(xué)的重要的一部分。由于生活條件的改善,人們開始越來越關(guān)注周邊的環(huán)境,對身邊花朵的種類也越來越有興趣,因此花朵識別的需求也日益增多。但花朵種類繁多,同一類花朵也因生長時間、生長環(huán)境還有各種基因變異的影響,導(dǎo)致花朵的形態(tài)各有不同,甚至差異很大,因此花朵識別一直都是人工智能識別領(lǐng)域中很有挑戰(zhàn)性的一項研究。

    由于現(xiàn)在硬件條件及數(shù)據(jù)集的改善,復(fù)雜的模型被提出用于花朵的自動識別。隨著智能手機的快速普及和微軟識花[1],形色[2]等移動應(yīng)用的出現(xiàn),已經(jīng)獲得了數(shù)百萬張花朵等植物照片?;谝苿拥幕ǘ渥詣幼R別對于現(xiàn)實世界的社會生態(tài)監(jiān)測是必不可少的。但是這些軟件大都不能識別同一品種不同類別的花朵,而本文Flower26數(shù)據(jù)集包括了幾種相識度很高的同一品種不同類別的杜鵑等來進(jìn)一步提高花朵識別的細(xì)致分類。

    目前,人們在花朵識別方面的研究工作已經(jīng)有很多。文獻(xiàn)[3]Nilsback和Zisserman就在2010年提出了一種用視覺詞包來描述顏色、形狀、紋理等特征的方法。在2017年Sun Y,和Liu Y等就在文獻(xiàn)[4]中提出了使用Sgd算法的深度卷積網(wǎng)絡(luò)[5]來進(jìn)行植物識別,文中為防止梯度爆炸和消失采用的是殘差網(wǎng)絡(luò)來進(jìn)行植物識別,并取得了不錯的效果。在文獻(xiàn)[6],Zhang C和 Liu J等人將Harr特征與花圖像的SIFT特征相結(jié)合,用非負(fù)稀疏編碼方法對它們進(jìn)行編碼,并對它們進(jìn)行分類。Hsu T H和Lee C H等在文獻(xiàn)[7]中提出了花朵識別中加入交互操作,就是通過很多復(fù)雜的人工操作來提高系統(tǒng)的識別率。

    為了克服數(shù)據(jù)集缺乏自然場景花朵圖像和人工選擇特征的難題,受到圖像識別[8]領(lǐng)域關(guān)于深度學(xué)習(xí)[9]的啟發(fā),通過手機在自然環(huán)境下獲得了Flower26數(shù)據(jù)集。該數(shù)據(jù)集包含長沙省植物園內(nèi)26種觀賞花朵的2600幅圖像,其中還包括同一品種不同類別相似度很高的杜鵑,郁金香等花朵。

    1 ? 網(wǎng)絡(luò)架構(gòu)

    網(wǎng)絡(luò)架構(gòu)是以Resnet網(wǎng)絡(luò)結(jié)構(gòu)為原型,Resnet通過建立前面層與后面層之間的“短路連接”來減少損失,從而加強訓(xùn)練中梯度的反向傳播,訓(xùn)練出更深層次的卷積神經(jīng)網(wǎng)絡(luò)模型,用以實現(xiàn)更高的準(zhǔn)確度。Resnet[10]架構(gòu)在很大程度上已經(jīng)不再需要去精心設(shè)計特征,而是讓神經(jīng)網(wǎng)絡(luò)[11]自身去學(xué)習(xí)重要的特征。但是針對不同的任務(wù),還是需要用不同的目標(biāo)函數(shù)去保證學(xué)習(xí)方向的正確性。

    2.1 ? 基本的殘差網(wǎng)絡(luò)結(jié)構(gòu)

    殘差結(jié)構(gòu)單元主要是利用標(biāo)識映射的快捷連接,快捷連接就是跳過一層或多層的連接,一個有快捷連接的前饋神經(jīng)網(wǎng)絡(luò)可以實現(xiàn)原始的底層映射。本文模型首先需要構(gòu)建一個基本的殘差模塊,就是圖1中的Weight layer,這個模塊包括一層卷積層,接著是一層批標(biāo)準(zhǔn)化層,最后是一層激活層??梢钥吹綀D1中下面的那個layer沒有激活層,所以需要在函數(shù)體內(nèi)做一個判斷來實現(xiàn)。批標(biāo)準(zhǔn)化層的作用是對輸出參數(shù)歸一化,這樣可以使網(wǎng)絡(luò)更易訓(xùn)練。模型中的卷積層加入了L2正則化[12],這樣可以保證模型的泛化能力有一定的提高。

    圖1表示成公式的話就是,假設(shè)需要的理想輸出定義為H(X),新加的非線性層F(X)就等于H(X)-X,那么最開始的輸出X就變?yōu)榱薋(X)+X。公式表示如下:

    殘差模塊就是上述公式中的公式(1),其中的x表示輸入,y表示輸出,F(xiàn)(x,wi)表示要學(xué)習(xí)的殘差輸出。圖1中有兩層網(wǎng)絡(luò),用F = W2 δ(W1 x)表示,其中的δ表示ReLU激活層[13]。而Wx是表示線性的卷積操作,ReLU是非線性的操作。

    1.2 ? 總的resnet網(wǎng)絡(luò)結(jié)構(gòu)

    構(gòu)建深層神經(jīng)網(wǎng)絡(luò)模型時會遇到瓶頸結(jié)構(gòu)問題,就是當(dāng)網(wǎng)絡(luò)結(jié)構(gòu)層數(shù)[14]很深時,用1x1,3x3,1x1這樣三個卷積層代替兩個3x3卷積層(就是圖1中的兩個Weight layer層),1×1層可以負(fù)責(zé)尺寸的縮減和恢復(fù),其中第一個1x1層是用來降低維度的,第三個1x1層又可以用來增加維度,這樣就可以使3x3的卷積層擁有較小的輸入和輸出維度。這樣可以使用較少的參數(shù)來獲得更多的層抽象。本文的花朵識別模型,搭建的簡要結(jié)構(gòu)如下圖2:

    由于花朵數(shù)據(jù)集Flower26的每種花朵是100張圖片,所以ResNet使用一個20層的小號版就足夠使用,還可以減少運行時間??偟哪P徒Y(jié)構(gòu)主要分為五大部分,像圖1中的那種結(jié)構(gòu)稱為一個building block,第一層是輸入層,第2到7層屬于層的疊加,每一個循環(huán)體內(nèi)都是在搭建一個building block,第8到13層中其中的首層strides =2,這樣輸出張量就是16*16*32,而輸入張量是32*32*16,相當(dāng)于對輸入又做了一次卷積操作,使得其shape和正常卷積層的shape保持一致,這樣才可以保證順利執(zhí)行add操作。第14到19層操作類似。

    不管是卷積層還是pooling層,圖片經(jīng)過該卷積層或pooling層后的大小計算公式為:s=(sy+2*sp-sc+1)/ss。其中s表示圖片處理后的大小為s*s,加上filter的數(shù)量sf,結(jié)果為s*s*sf,sy代表的是原圖片大小為sy*sy,sp是指padding的數(shù)量,sc就是卷積核的大小是sc*sc,而步長就是ss。

    2 ? 網(wǎng)絡(luò)訓(xùn)練

    以開源的神經(jīng)網(wǎng)絡(luò)框架Keras為基礎(chǔ),本文實驗中的Keras是基于TensorFlow的,以Resnet網(wǎng)絡(luò)結(jié)構(gòu)為模型。訓(xùn)練花朵識別模型時,為加快訓(xùn)練速度以及防止過擬合,優(yōu)化算法中結(jié)合了Adam和Sgd兩種優(yōu)化算法,殘差模塊中加入了BN層,可以加強模型的泛化能力。

    2.1 ? 訓(xùn)練集預(yù)處理

    用深度學(xué)習(xí)來識別花朵需要從大量樣本中學(xué)習(xí)花朵特征,若樣本集不具備代表性,很難選擇出的特征。本文以自然環(huán)境下拍攝的花朵數(shù)據(jù)集Flower26作為訓(xùn)練和測試數(shù)據(jù)集。Flower26不同于很多公開的數(shù)據(jù)集,而是自己用手機拍攝的自然環(huán)境下的花朵,數(shù)據(jù)集包含在一個文件夾中,里面的子文件夾為花朵名字,子文件里面是每個類別的花朵照片100張,默認(rèn)設(shè)置前70張花朵圖片為訓(xùn)練集,后面30張花朵圖片為測試集。本次采集的圖像中有很多復(fù)雜背景,還有光照因素等因素會對花朵識別有不同程度的干擾。如下圖3中的花朵背景,包含很多的草和其他不需要識別的花朵,還有右邊的圖片背景較暗,可能會對花朵識別的準(zhǔn)確度識別會產(chǎn)生一定的影響。

    Flower26花朵數(shù)據(jù)集包括2600張自然環(huán)境下的花朵照片,對于高大的喬木花朵,圖像是從地面的一個低角度拍攝的。低矮的灌木花朵是從高角度拍攝的。其他觀賞花朵是從水平角度采摘的。所以研究對象的大小可能會有一個數(shù)量級的變化(例如,一些圖像只顯示花朵,而另一些則顯示出整棵植物的距離)考慮到照片數(shù)量問題,可以對數(shù)據(jù)集Flower26先做數(shù)據(jù)增強,比較常見的操作就是旋轉(zhuǎn)圖片,對圖片做部分剪切,改變圖片色差,改變圖片尺寸等,通過這些操作增強訓(xùn)練集的數(shù)據(jù),隨著數(shù)據(jù)集的增大可以更好的提取圖片特征,泛化模型,防止模型的過擬合。數(shù)據(jù)集增強后對其再進(jìn)行訓(xùn)練,可以保證模型能有更好的效果。圖4中的兩張花朵圖片從左至右依次是旋轉(zhuǎn)圖片,部分剪切圖片的主要應(yīng)用,還包括一定的角度旋轉(zhuǎn)和平行移動等操作。

    2.2 ? 訓(xùn)練參數(shù)及算法

    實驗參數(shù)主要根據(jù)Epoch來調(diào)節(jié)learning rate的大小,然后適時切換 Adam和Sgd算法。保證訓(xùn)練前期擁有Adam的快速初始化以及訓(xùn)練后期擁有Sgd更好的泛化能力。算法偽代碼如下:

    上述代碼中的Adam和Sgd是根據(jù)Epoch切換使用,算法的轉(zhuǎn)換過程是根據(jù)Epoch設(shè)置自動完成的,因此它并不會引入更多的超參數(shù)。本文主要通過原有的參數(shù)Epoch來分批設(shè)置學(xué)習(xí)率和切換Adam和Sgd算法,本實驗在前10Epoch用了Adam算法,之后切換為Sgd算法,Adam和Sgd算法的實現(xiàn)方法就是代碼里體現(xiàn)的那樣。發(fā)現(xiàn)實現(xiàn)較SWATS[15]更簡便,依舊比Adam和Sgd算法單獨作用的效果更優(yōu),實驗結(jié)果對比如圖6所示。

    3 ? 實驗結(jié)果和分析

    實驗環(huán)境主要為:處理器為英特爾 Core i5-6200U @ 2.30 GHz,8 GB內(nèi)存,顯卡是Nvidia GeForce 930 M(4GB),Windows 10 64位操作系統(tǒng)。在這樣實驗環(huán)境配置下,基本可以滿足花朵識別模型的性能要求。

    3.1 ? 各個花朵識別率

    下表顯示的是26類花朵的各自的識別率,其中包括一些類似的同品種花朵,像滿山紅和映山紅就極其相似。

    通過表5各花朵的識別率可以看出同一種類很相似的花朵對識別的正確的影響并不大,比如圖5左側(cè)前四類就屬于同一品種不同類別的花朵,可見模型的可使用性。有些識別率較低的花朵圖片可能是由圖像清晰度或者圖片中對應(yīng)花朵所占的整張圖片環(huán)境下比例過小,從而造成識別出錯,如圖3中背景復(fù)雜圖片的例子,圖片中包含了很多其他的東西,花朵所占比重并不大,測試時花朵的識別率可能會出現(xiàn)偏差。

    3.2 ? 結(jié)果對比

    對比算法主要是Adam,Sgd以及Adam和Sgd結(jié)合的算法,對比效果圖如下:

    由圖可知,三種算法是數(shù)據(jù)未增強時Epoch=50內(nèi)的正確率,數(shù)據(jù)增強后,正確率會提高將近10個百分點,達(dá)到96.29%的識別率。圖中可以看出Adam初始化確實比Sgd快的多,前50Epoch以內(nèi),Adam也始終高于Sgd。由于實驗中Adam和Sgd結(jié)合的算法前10Epoch設(shè)置的是Adam,可以看出,在第5Epoch的時候還是會有相交的地方,后面才慢慢穩(wěn)定領(lǐng)先,主要是由于Sgd的泛化能力優(yōu)于Adam,就是Adam加上Sgd對測試集的預(yù)測能力會高于Adam單獨作用。

    4 ? 結(jié) ? 論

    Adam和Sgd優(yōu)化程度還可以進(jìn)一步加大,精確度也可以隨著每種花朵數(shù)據(jù)集的增加會有所提高。如果能在一個算法中實現(xiàn)每一Epoch都可以擁有Adam快速初始化和Sgd的泛化優(yōu)點那就更好了。本文數(shù)據(jù)集模型的參數(shù)文檔對學(xué)術(shù)界開放,可在百度網(wǎng)盤鏈接訪問或者下載,訓(xùn)練的參數(shù)文檔鏈接如下:https://pan.baidu.com/s/1AB-AJfnQc9HyZKq8xRcQvw。查看這些模型參數(shù)可以作為其他花朵識別研究進(jìn)行遷移學(xué)習(xí)的初始化工作,加快研究進(jìn)程。在今后的工作中,F(xiàn)lower26數(shù)據(jù)庫將由更多的花朵物種在生命周期的不同階段和更詳細(xì)的注釋中擴(kuò)展。深度學(xué)習(xí)模型也將從分類任務(wù)擴(kuò)展到產(chǎn)量預(yù)測、昆蟲檢測、病害分割等。

    參考文獻(xiàn)

    [1] ? ?微軟亞洲研究院,中科院.微軟識花[EB/OL].https://www.microsoft.com/en-us/research/pr-oject/flowerreco-cn/,2016.

    [2] ? ?杭州大拿科技股份有限公司.形色[EB/OL].http://www.xingseapp.com/,2016.

    [3] ? ?NILSBACK M E,ZISSEMAN A. Delving deeper into the whorl of flower segmentation[M]. Butter worth-Heinemann,2010.

    [4] ? ?SUN Y,LIU Y,WANG G,et al. Deep learning for plant identification in natural environment.[J]. Computational Intelligence & Neuroscience,2017,2017(4):1—6.

    [5] ? ?IOFFE S,ZEGEDY C. Batch normalization: accelerating deep network training by reducing internal covariate shift[J]. arXiv preprint:1502.03167,2015.

    [6] ? ?ZHANG C,LIU J,LIANG C,et al. Image classification using Harlike transformation of local features with coding residuals[J]. Signal Processing,2013,93(8):2111—2118.

    [7] ? ?HSU T H,LEE C H,CHEN L H. An interactive flower image recognition system[J]. Multimedia Tools & Applications,2011,53(1):53—73.

    [8] ? ?HE K, ZHANG X, REN S,et al. Deep residual learning for image recognition[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2016:770—778.

    [9] ? ?SCHMIDHUBER J. Deep learning in neural networks[M]. Elsevier Science Ltd,2015.

    [10] ?HE K,ZHANG X,REN S,et al. Identity mappings in dResidual networks[M]. Computer Vision ECCV 2016. Springer International Publishing,2016:630—645.

    [11] ?YOSINKI J,CLUNE J,BENGIO Y,et al. How transferable are features in deep neural networks[J]. Eprint arxiv,2014,27:3320—3328.

    [12] ?SMIRNOV E A,TIMOSHENKO D M,ANDRIANOV S N. Comparison of regularization methods for imageNet classification with deep convolutional neural networks [J]. Aasri Procedia,2014,6(1):89—94.

    [13] ?HE K,ZHANG X,REN S,et al. Spatial pyramid pooling in deep convolutional networks for visual recognition[J]. IEEE Trans Pattern Anal Mach Intell,2014,37(9):1904—1916.

    [14] ?KIM Ji-won,KWON LEE J,MU lEE K. Accurate image super-resolution using very deep convolutional networks[C]//Proceedings of the. IEEE Conference on Computer Vision and Pattern Recognition,2016:1646—654.

    [15] ?KESKAR N S,SOCHER R. Improving Generalization Performance by Switching from Adam to SGD[J]. arXiv:1712.07628, 2017.

    亚洲精品国产av蜜桃| 老司机影院毛片| 一级毛片我不卡| 一级毛片黄色毛片免费观看视频| 国产精品熟女久久久久浪| 国产精品偷伦视频观看了| 欧美人与善性xxx| 老司机影院成人| 国产一区亚洲一区在线观看| 最近最新中文字幕大全免费视频 | 国产成人av激情在线播放| 亚洲国产精品999| 嫩草影视91久久| 99国产精品一区二区三区| 中文字幕最新亚洲高清| 婷婷色综合大香蕉| 夫妻性生交免费视频一级片| 成年动漫av网址| a级毛片黄视频| 久久ye,这里只有精品| 日本午夜av视频| 你懂的网址亚洲精品在线观看| 精品视频人人做人人爽| 亚洲熟女毛片儿| av在线播放精品| 国产精品人妻久久久影院| 又大又爽又粗| 亚洲成av片中文字幕在线观看| 亚洲少妇的诱惑av| 无限看片的www在线观看| 国产高清videossex| 夫妻性生交免费视频一级片| 国产日韩欧美视频二区| 我要看黄色一级片免费的| 亚洲五月婷婷丁香| 成人亚洲欧美一区二区av| 下体分泌物呈黄色| 人人澡人人妻人| 男女高潮啪啪啪动态图| 欧美成狂野欧美在线观看| 深夜精品福利| 在线精品无人区一区二区三| 啦啦啦 在线观看视频| 久久av网站| 飞空精品影院首页| 男女边吃奶边做爰视频| 一二三四社区在线视频社区8| 精品人妻1区二区| 在线观看www视频免费| 黄色a级毛片大全视频| 国产精品秋霞免费鲁丝片| 亚洲激情五月婷婷啪啪| 十八禁网站网址无遮挡| 国产精品久久久人人做人人爽| 美女午夜性视频免费| 97在线人人人人妻| 欧美+亚洲+日韩+国产| 欧美黑人欧美精品刺激| 成人18禁高潮啪啪吃奶动态图| 亚洲av男天堂| 国产成人精品久久久久久| 久久av网站| 亚洲三区欧美一区| 一本综合久久免费| 真人做人爱边吃奶动态| 青春草亚洲视频在线观看| 爱豆传媒免费全集在线观看| 国产伦理片在线播放av一区| av视频免费观看在线观看| 国产一级毛片在线| 各种免费的搞黄视频| 免费高清在线观看视频在线观看| 免费高清在线观看日韩| 熟女av电影| av天堂在线播放| 男人爽女人下面视频在线观看| 国精品久久久久久国模美| 人人妻人人添人人爽欧美一区卜| a级毛片在线看网站| 日韩制服丝袜自拍偷拍| 国产日韩欧美亚洲二区| 亚洲国产毛片av蜜桃av| 丝袜喷水一区| 少妇 在线观看| 欧美人与性动交α欧美软件| 老司机深夜福利视频在线观看 | 精品一品国产午夜福利视频| 国产又爽黄色视频| 精品久久久久久电影网| 久久九九热精品免费| 成年美女黄网站色视频大全免费| 热99久久久久精品小说推荐| 欧美精品一区二区免费开放| 熟女av电影| avwww免费| 极品少妇高潮喷水抽搐| 成年av动漫网址| 国产xxxxx性猛交| 一个人免费看片子| h视频一区二区三区| 日韩精品免费视频一区二区三区| 成人国语在线视频| 欧美在线一区亚洲| 国产有黄有色有爽视频| 亚洲av欧美aⅴ国产| 久久99一区二区三区| 19禁男女啪啪无遮挡网站| 国产免费又黄又爽又色| tube8黄色片| 97在线人人人人妻| av天堂在线播放| 嫩草影视91久久| 国产精品久久久久久精品古装| 久久精品久久久久久噜噜老黄| 国产欧美日韩综合在线一区二区| 亚洲成人免费av在线播放| 久久久久久人人人人人| 97精品久久久久久久久久精品| 国产精品熟女久久久久浪| 国产免费一区二区三区四区乱码| 亚洲欧洲日产国产| 国产精品人妻久久久影院| 操美女的视频在线观看| 大型av网站在线播放| 成年人免费黄色播放视频| 亚洲成人国产一区在线观看 | 美国免费a级毛片| 精品一区在线观看国产| 亚洲欧美日韩高清在线视频 | 欧美日韩亚洲国产一区二区在线观看 | 亚洲国产精品国产精品| 又紧又爽又黄一区二区| 九色亚洲精品在线播放| 妹子高潮喷水视频| 中文字幕av电影在线播放| 91国产中文字幕| 国产成人精品无人区| 久热这里只有精品99| 赤兔流量卡办理| 91精品三级在线观看| 无遮挡黄片免费观看| 亚洲欧美一区二区三区国产| 天堂俺去俺来也www色官网| 久久久久网色| 无限看片的www在线观看| 黄网站色视频无遮挡免费观看| 午夜视频精品福利| 97在线人人人人妻| 亚洲中文日韩欧美视频| 欧美日韩视频高清一区二区三区二| 日本猛色少妇xxxxx猛交久久| 国产精品亚洲av一区麻豆| 在线观看免费日韩欧美大片| 日本黄色日本黄色录像| 91麻豆精品激情在线观看国产 | 日韩伦理黄色片| 欧美亚洲 丝袜 人妻 在线| 国产成人精品久久二区二区91| 久久精品国产亚洲av高清一级| 国产精品一国产av| 国产无遮挡羞羞视频在线观看| 欧美性长视频在线观看| 国语对白做爰xxxⅹ性视频网站| 一本久久精品| 国产精品熟女久久久久浪| 免费日韩欧美在线观看| 热99国产精品久久久久久7| 亚洲欧美清纯卡通| 又黄又粗又硬又大视频| 欧美人与性动交α欧美软件| 亚洲国产最新在线播放| 制服人妻中文乱码| 中文字幕最新亚洲高清| 国产精品一区二区免费欧美 | 亚洲精品日本国产第一区| 精品国产国语对白av| 亚洲国产欧美网| 大片免费播放器 马上看| av天堂久久9| 一本大道久久a久久精品| 久久久久国产精品人妻一区二区| 国产一区二区三区av在线| 少妇猛男粗大的猛烈进出视频| 老司机影院毛片| 国产精品香港三级国产av潘金莲 | 性色av乱码一区二区三区2| videos熟女内射| 一区福利在线观看| 亚洲av成人不卡在线观看播放网 | 亚洲一区中文字幕在线| 下体分泌物呈黄色| 夜夜骑夜夜射夜夜干| 免费一级毛片在线播放高清视频 | 久久久久久久精品精品| 99九九在线精品视频| 侵犯人妻中文字幕一二三四区| 国产99久久九九免费精品| 你懂的网址亚洲精品在线观看| 日韩 欧美 亚洲 中文字幕| 黄色视频不卡| 人成视频在线观看免费观看| 大陆偷拍与自拍| 大型av网站在线播放| 深夜精品福利| 人妻一区二区av| 看十八女毛片水多多多| 国产av精品麻豆| 高清黄色对白视频在线免费看| 国产高清不卡午夜福利| 少妇被粗大的猛进出69影院| 日本黄色日本黄色录像| 国产在线视频一区二区| 欧美日韩综合久久久久久| 一本一本久久a久久精品综合妖精| 99re6热这里在线精品视频| 黄色视频不卡| 一级毛片黄色毛片免费观看视频| 亚洲欧美一区二区三区黑人| 男女边摸边吃奶| 国产色视频综合| 又大又黄又爽视频免费| 免费不卡黄色视频| 国产精品三级大全| 我的亚洲天堂| 我的亚洲天堂| 日日摸夜夜添夜夜爱| 日本欧美国产在线视频| 韩国高清视频一区二区三区| 欧美在线黄色| 一区福利在线观看| 久久人妻福利社区极品人妻图片 | 欧美在线一区亚洲| 精品国产乱码久久久久久男人| 99精国产麻豆久久婷婷| 亚洲九九香蕉| 一区在线观看完整版| 日本wwww免费看| 日韩制服骚丝袜av| e午夜精品久久久久久久| 日日夜夜操网爽| 建设人人有责人人尽责人人享有的| 国产成人系列免费观看| 日韩视频在线欧美| 尾随美女入室| 国产淫语在线视频| 一区福利在线观看| 精品少妇黑人巨大在线播放| 美女大奶头黄色视频| 精品久久蜜臀av无| 亚洲av片天天在线观看| 国产无遮挡羞羞视频在线观看| 国产成人欧美| 伊人久久大香线蕉亚洲五| 国产一区有黄有色的免费视频| 考比视频在线观看| 人体艺术视频欧美日本| 别揉我奶头~嗯~啊~动态视频 | 一级,二级,三级黄色视频| 久9热在线精品视频| 亚洲欧洲日产国产| 国产片内射在线| 啦啦啦在线免费观看视频4| 久久久精品区二区三区| 日韩电影二区| cao死你这个sao货| 一级毛片 在线播放| 人人澡人人妻人| 最新在线观看一区二区三区 | 熟女av电影| 在线观看免费日韩欧美大片| 亚洲国产中文字幕在线视频| 国产av国产精品国产| 国精品久久久久久国模美| 国产成人av激情在线播放| 日本欧美国产在线视频| 亚洲精品国产av蜜桃| 在线观看免费视频网站a站| 亚洲人成77777在线视频| 亚洲av美国av| 韩国高清视频一区二区三区| 精品人妻1区二区| 90打野战视频偷拍视频| 国产成人精品久久二区二区91| 十八禁人妻一区二区| 成人国语在线视频| 黄片播放在线免费| 婷婷色综合www| 日韩一区二区三区影片| 新久久久久国产一级毛片| 深夜精品福利| 美女大奶头黄色视频| 老司机午夜十八禁免费视频| 国产精品欧美亚洲77777| 丝袜美足系列| 精品少妇一区二区三区视频日本电影| 2021少妇久久久久久久久久久| 亚洲三区欧美一区| 免费少妇av软件| 日韩 欧美 亚洲 中文字幕| 考比视频在线观看| 久热这里只有精品99| 国产xxxxx性猛交| 日本黄色日本黄色录像| 久9热在线精品视频| 国产精品一区二区免费欧美 | 久久青草综合色| 欧美 亚洲 国产 日韩一| 亚洲欧美中文字幕日韩二区| 精品国产超薄肉色丝袜足j| 亚洲第一青青草原| 欧美在线一区亚洲| 一边亲一边摸免费视频| 国产1区2区3区精品| 国产黄色视频一区二区在线观看| 国产精品香港三级国产av潘金莲 | 超碰成人久久| 中文字幕制服av| 80岁老熟妇乱子伦牲交| 夫妻性生交免费视频一级片| 欧美老熟妇乱子伦牲交| 一本一本久久a久久精品综合妖精| 天堂中文最新版在线下载| 国产97色在线日韩免费| 少妇猛男粗大的猛烈进出视频| 999久久久国产精品视频| 熟女av电影| 人体艺术视频欧美日本| 这个男人来自地球电影免费观看| 午夜激情久久久久久久| 国产精品免费大片| 久久精品亚洲熟妇少妇任你| 国产精品久久久av美女十八| a级毛片在线看网站| 男女高潮啪啪啪动态图| 国产成人av激情在线播放| 悠悠久久av| 性高湖久久久久久久久免费观看| 亚洲欧美成人综合另类久久久| 久久热在线av| 国产日韩欧美视频二区| 亚洲av美国av| 欧美日韩福利视频一区二区| 国产日韩一区二区三区精品不卡| 欧美精品亚洲一区二区| 亚洲精品久久成人aⅴ小说| 国产免费福利视频在线观看| 国产精品人妻久久久影院| 国产片特级美女逼逼视频| 亚洲欧美一区二区三区国产| 99九九在线精品视频| 国产成人欧美| 捣出白浆h1v1| 在线观看免费午夜福利视频| 午夜91福利影院| 国产日韩欧美在线精品| 国产精品.久久久| 日韩一本色道免费dvd| 亚洲免费av在线视频| 亚洲成人手机| 老熟女久久久| 国产男女超爽视频在线观看| 日本vs欧美在线观看视频| 在线观看免费高清a一片| 丰满饥渴人妻一区二区三| 波多野结衣av一区二区av| 一级,二级,三级黄色视频| 久久 成人 亚洲| 下体分泌物呈黄色| 亚洲国产精品国产精品| 亚洲av电影在线进入| 国产精品一国产av| 久久国产精品人妻蜜桃| 一级黄片播放器| a级片在线免费高清观看视频| 汤姆久久久久久久影院中文字幕| 伦理电影免费视频| 一级a爱视频在线免费观看| 成人午夜精彩视频在线观看| 国产精品 国内视频| 一级毛片电影观看| 一级黄片播放器| 亚洲,欧美精品.| 视频在线观看一区二区三区| 久久久久精品国产欧美久久久 | 亚洲精品一二三| 国产伦人伦偷精品视频| 欧美人与性动交α欧美精品济南到| 久久精品国产综合久久久| 久久毛片免费看一区二区三区| 国产精品国产三级专区第一集| 免费一级毛片在线播放高清视频 | 国产精品久久久久成人av| 国产日韩欧美在线精品| 电影成人av| 黄色a级毛片大全视频| 午夜精品国产一区二区电影| 国产精品av久久久久免费| 精品欧美一区二区三区在线| 激情视频va一区二区三区| 在线精品无人区一区二区三| 黄色片一级片一级黄色片| netflix在线观看网站| 天天躁夜夜躁狠狠躁躁| 国产免费现黄频在线看| 18禁黄网站禁片午夜丰满| 王馨瑶露胸无遮挡在线观看| 欧美精品高潮呻吟av久久| 亚洲一区二区三区欧美精品| 啦啦啦在线免费观看视频4| 国产免费又黄又爽又色| 久久99精品国语久久久| 男男h啪啪无遮挡| 乱人伦中国视频| 欧美精品一区二区大全| 人人澡人人妻人| 国产视频一区二区在线看| 精品少妇一区二区三区视频日本电影| 免费少妇av软件| 国产黄频视频在线观看| 国产成人av激情在线播放| 一个人免费看片子| 视频在线观看一区二区三区| 亚洲色图综合在线观看| 亚洲精品国产区一区二| 免费女性裸体啪啪无遮挡网站| 亚洲国产精品一区三区| 久久久精品区二区三区| 国产av精品麻豆| 国产高清国产精品国产三级| 97在线人人人人妻| 又大又爽又粗| 婷婷色综合www| 精品少妇黑人巨大在线播放| 亚洲综合色网址| 久久久精品区二区三区| 深夜精品福利| 操美女的视频在线观看| 曰老女人黄片| 五月开心婷婷网| 久久久久精品国产欧美久久久 | 精品一品国产午夜福利视频| 交换朋友夫妻互换小说| 国产精品免费大片| 欧美亚洲日本最大视频资源| 日韩熟女老妇一区二区性免费视频| 国产精品人妻久久久影院| 黄网站色视频无遮挡免费观看| 国产成人精品在线电影| 国产亚洲午夜精品一区二区久久| 国产无遮挡羞羞视频在线观看| 人人妻人人澡人人爽人人夜夜| 亚洲免费av在线视频| 久热爱精品视频在线9| 久久久国产精品麻豆| 国产精品三级大全| www.自偷自拍.com| 免费人妻精品一区二区三区视频| 午夜日韩欧美国产| 午夜免费观看性视频| 亚洲美女黄色视频免费看| 日日摸夜夜添夜夜爱| 巨乳人妻的诱惑在线观看| 亚洲五月婷婷丁香| 欧美人与性动交α欧美软件| 久久 成人 亚洲| 另类亚洲欧美激情| 99久久精品国产亚洲精品| 建设人人有责人人尽责人人享有的| 少妇裸体淫交视频免费看高清 | 大话2 男鬼变身卡| 亚洲国产欧美在线一区| 国产精品一区二区精品视频观看| 叶爱在线成人免费视频播放| 亚洲精品久久午夜乱码| 成年动漫av网址| 视频区图区小说| 亚洲欧美日韩另类电影网站| 99精国产麻豆久久婷婷| 黑人欧美特级aaaaaa片| 无遮挡黄片免费观看| 欧美日韩视频精品一区| 亚洲精品日本国产第一区| 岛国毛片在线播放| 成人影院久久| 一个人免费看片子| 少妇人妻 视频| 超碰97精品在线观看| 伊人亚洲综合成人网| 色播在线永久视频| 亚洲第一青青草原| 777米奇影视久久| 涩涩av久久男人的天堂| av福利片在线| 国产视频一区二区在线看| 国产亚洲精品久久久久5区| 久久综合国产亚洲精品| avwww免费| 少妇人妻久久综合中文| 老汉色∧v一级毛片| 又大又爽又粗| 亚洲欧美一区二区三区国产| 性色av乱码一区二区三区2| av国产精品久久久久影院| 久热这里只有精品99| 老司机午夜十八禁免费视频| 亚洲欧美一区二区三区国产| 中文字幕另类日韩欧美亚洲嫩草| 久久精品久久精品一区二区三区| 国产不卡av网站在线观看| 各种免费的搞黄视频| 美女视频免费永久观看网站| 人成视频在线观看免费观看| 午夜日韩欧美国产| 国产在线视频一区二区| www.熟女人妻精品国产| 天天影视国产精品| 日本wwww免费看| 黄色 视频免费看| 亚洲精品日韩在线中文字幕| 国产亚洲欧美在线一区二区| 亚洲精品国产色婷婷电影| 国产精品麻豆人妻色哟哟久久| 精品一区二区三区四区五区乱码 | 亚洲精品久久成人aⅴ小说| 成年女人毛片免费观看观看9 | 黄色怎么调成土黄色| 日韩精品免费视频一区二区三区| 精品一区二区三区四区五区乱码 | 国产av一区二区精品久久| 亚洲免费av在线视频| 中文字幕制服av| 欧美日韩成人在线一区二区| 在现免费观看毛片| 99re6热这里在线精品视频| 后天国语完整版免费观看| 精品少妇久久久久久888优播| 老司机靠b影院| 免费观看av网站的网址| av一本久久久久| 999久久久国产精品视频| 日本a在线网址| 国产成人啪精品午夜网站| 建设人人有责人人尽责人人享有的| 一二三四社区在线视频社区8| 少妇人妻 视频| 男人爽女人下面视频在线观看| 国产成人一区二区在线| 最新在线观看一区二区三区 | 日韩中文字幕欧美一区二区 | 成人三级做爰电影| 精品福利观看| 欧美日本中文国产一区发布| 操美女的视频在线观看| 国产片特级美女逼逼视频| 亚洲,欧美,日韩| 亚洲成国产人片在线观看| 久久精品久久久久久久性| 久久中文字幕一级| 亚洲av电影在线观看一区二区三区| 性色av一级| 成人亚洲欧美一区二区av| 啦啦啦在线观看免费高清www| 狂野欧美激情性bbbbbb| 国产欧美日韩精品亚洲av| 成人影院久久| 亚洲视频免费观看视频| 成人三级做爰电影| 久久狼人影院| 又粗又硬又长又爽又黄的视频| 美女午夜性视频免费| 色综合欧美亚洲国产小说| 国产又爽黄色视频| 久久久久国产一级毛片高清牌| 免费黄频网站在线观看国产| 成人国产av品久久久| 99国产精品免费福利视频| 欧美精品av麻豆av| 日韩电影二区| av一本久久久久| 人妻一区二区av| 日日摸夜夜添夜夜爱| 一级毛片黄色毛片免费观看视频| 黄色毛片三级朝国网站| videosex国产| 99国产精品99久久久久| 亚洲视频免费观看视频| 黄色a级毛片大全视频| 久久精品国产亚洲av涩爱| av天堂久久9| 欧美黑人欧美精品刺激| 亚洲,一卡二卡三卡| 美女高潮到喷水免费观看| 日本av手机在线免费观看| 19禁男女啪啪无遮挡网站| 99久久99久久久精品蜜桃| 国产精品av久久久久免费| 五月天丁香电影| 最近中文字幕2019免费版| 又黄又粗又硬又大视频| 精品国产乱码久久久久久男人| 人妻人人澡人人爽人人| 久久人妻熟女aⅴ| a 毛片基地| 久久久亚洲精品成人影院| 一二三四在线观看免费中文在| 日韩av在线免费看完整版不卡| 亚洲欧美日韩另类电影网站| 只有这里有精品99| 国产一级毛片在线| 人人妻人人澡人人看| 亚洲av在线观看美女高潮| 女人精品久久久久毛片| 国产成人系列免费观看| 中文精品一卡2卡3卡4更新| 在线观看免费视频网站a站|