• <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GAN的圖像超分辨率方法研究

    2019-07-08 03:41:08王旺徐俊武
    軟件導(dǎo)刊 2019年6期
    關(guān)鍵詞:深度學(xué)習(xí)

    王旺 徐俊武

    摘 要:圖像超分辨率是一種采用軟件算法提高圖像空間分辨率的技術(shù),由于傳統(tǒng)超分辨率方法超清程度有限,基于深度學(xué)習(xí)的圖像超分辨率方法成為研究者們近年來(lái)的研究重點(diǎn)?;谏蓪?duì)抗網(wǎng)絡(luò)(GAN)的圖像超分辨率方法,在其網(wǎng)絡(luò)模型結(jié)構(gòu)基礎(chǔ)上增加批處理歸一化(BN)層以提升網(wǎng)絡(luò)收斂速度、加強(qiáng)網(wǎng)絡(luò)訓(xùn)練穩(wěn)定性,更改上采樣層網(wǎng)絡(luò)并對(duì)損失函數(shù)作相應(yīng)修改。在網(wǎng)絡(luò)訓(xùn)練過(guò)程中,選擇當(dāng)前比較通用的Adam優(yōu)化器。實(shí)驗(yàn)結(jié)果表明,該方法具有很好的超分辨率圖像重建能力,且在訓(xùn)練過(guò)程中訓(xùn)練穩(wěn)定性得到提升,收斂速度也有所加快。

    關(guān)鍵詞:超分辨率;生成對(duì)抗網(wǎng)絡(luò);深度學(xué)習(xí);圖像重建

    DOI:10. 11907/rjdk. 182450

    中圖分類號(hào):TP317.4

    文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1672-7800(2019)006-0181-03

    Abstract:Image super-resolution is a technology that uses software algorithms to improve the spatial resolution of images. The traditional super-resolution methods can not avoid the limitation of blur or super-resolution. Image super-resolution method based on deep learning has become the focus of researchers. Generative adversarial networks (GAN) are the hottest deep neural networks in recent years. This paper explores the method based on GAN. The super-resolution method which increases the use range of batch normalization and modifies the up-sampling method, also modifies and optimizes the loss function and its optimizer selection, optimizes the training instability of the image super-resolution method based on GAN and greatly enhances the stability. The optimized method is still very good. Excellent images and super resolution capability verified the features in an experimental way.

    Key Words:super-resolution; generative adversarial network; deep learning; image reconstruction

    0 引言

    圖像超分辨率(Super Resolution,SR)是將低分辨率(Low Resolution,LR)圖像通過(guò)一定算法提升到高分辨率(High Resolution,HR)[1]的技術(shù)。圖像超分辨率技術(shù)可應(yīng)用于許多重要領(lǐng)域,例如:衛(wèi)星圖像要求為高分辨圖像,以便地面中心能更好地識(shí)別出相關(guān)信息;某些檢測(cè)識(shí)別控制裝置也需要分辨率較高的圖像,以保證分類精確度;在醫(yī)學(xué)領(lǐng)域,高分辨率圖像是重要的疾病判斷依據(jù)[2]。

    圖像超分辨重建技術(shù)于20世紀(jì)60年代由Harris[3]首次提出,傳統(tǒng)圖像超分辨率方法有基于插值的方法、基于重建的方法與基于學(xué)習(xí)的方法[4]。其中基于插值的方法具有最簡(jiǎn)單的計(jì)算過(guò)程與最低計(jì)算復(fù)雜度,經(jīng)典方法包括最近鄰插值[5]、雙線性插值[6]和雙三次插值[7];基于重建的方法也稱為基于模型的方法,通常分為建模與重建兩個(gè)步驟,經(jīng)典方法包括迭代反投影法[8]、凸集投影法[9]與最大后驗(yàn)概率估計(jì)法[10-11];傳統(tǒng)基于學(xué)習(xí)的方法是基于淺層網(wǎng)絡(luò)的學(xué)習(xí)方法,主要包括基于流行學(xué)習(xí)[12]的方法與基于稀疏表示[13]的方法。

    Dong[14]最早提出基于深度網(wǎng)絡(luò)學(xué)習(xí)的方法,基于卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率方法(SRCNN)首次使用深度學(xué)習(xí)解決圖像超分辨率問(wèn)題,之后不斷有學(xué)者對(duì)其進(jìn)行優(yōu)化與改進(jìn)。本文主要研究基于生成對(duì)抗網(wǎng)絡(luò)(GAN)的圖像超分辨率方法。

    1 網(wǎng)絡(luò)模型設(shè)計(jì)

    1.1 生成對(duì)抗網(wǎng)絡(luò)

    生成對(duì)抗網(wǎng)絡(luò)(Generative Adversarial Networks,GAN)是Goodfellow等[15]在2014年提出的一種生成模型,其是在深度學(xué)習(xí)生成模型基礎(chǔ)上發(fā)展而來(lái)的。它在網(wǎng)絡(luò)結(jié)構(gòu)上除生成網(wǎng)絡(luò)外,還包含一個(gè)判別網(wǎng)絡(luò)。生成網(wǎng)絡(luò)與判別網(wǎng)絡(luò)之間是一種對(duì)抗關(guān)系[16]。

    以圖像超分辨問(wèn)題為例,在解決該問(wèn)題過(guò)程中,生成網(wǎng)絡(luò)要將模糊的低分辨率圖像作為輸入,并輸出一個(gè)高分辨率的清晰圖像。判別網(wǎng)絡(luò)則要判斷輸入圖像是真實(shí)圖像還是生成網(wǎng)絡(luò)生成的圖像,生成網(wǎng)絡(luò)得到判別網(wǎng)絡(luò)的反饋之后繼續(xù)進(jìn)行圖像生成,直到判別網(wǎng)絡(luò)無(wú)法準(zhǔn)確區(qū)分真實(shí)圖像與生成圖像,即達(dá)到理想的納什均衡狀態(tài)。

    1.2 網(wǎng)絡(luò)模型設(shè)計(jì)與優(yōu)化

    在基于GAN的圖像超分辨率方法(SRGAN)中,網(wǎng)絡(luò)模型分為生成網(wǎng)絡(luò)模型和判別網(wǎng)絡(luò)模型。

    1.2.1 生成網(wǎng)絡(luò)模型

    原SRGAN方法的生成網(wǎng)絡(luò)模型結(jié)構(gòu)如圖1所示,其中每種色塊表示一層網(wǎng)絡(luò),相同網(wǎng)絡(luò)使用相同顏色。在其網(wǎng)絡(luò)模型中,基本結(jié)構(gòu)是先輸入一張LR圖像,使用激活函數(shù)ReLU接入一層卷積層進(jìn)行特征提取;之后接入5個(gè)殘差網(wǎng)絡(luò)[18-19]模塊(Residual Networks Blocks)。在圖1中可以看出每個(gè)殘差網(wǎng)絡(luò)模塊的內(nèi)部結(jié)構(gòu),每個(gè)模塊使用兩個(gè)卷積層及兩個(gè)批量歸一化層[20]。殘差網(wǎng)絡(luò)最重要的結(jié)構(gòu)是跳躍連接(skip connection),通過(guò)該方式可以保持梯度,避免網(wǎng)絡(luò)退化問(wèn)題;在殘差塊之后使用兩個(gè)上采樣層,通過(guò)亞像素卷積層[17]實(shí)現(xiàn)上采樣操作,每層放大2倍,總共實(shí)現(xiàn)放大4倍的效果;最后通過(guò)一層卷積將通道數(shù)降為RGB通道,輸出最終圖像。

    由于GAN網(wǎng)絡(luò)本身存在的缺陷,在實(shí)現(xiàn)過(guò)程中很難達(dá)到最理想狀態(tài),也即納什均衡狀態(tài),具體表現(xiàn)為其在訓(xùn)練中十分不穩(wěn)定,計(jì)算損失時(shí)高時(shí)低,而且訓(xùn)練最終也不一定能達(dá)到最低點(diǎn),收斂不是很徹底,并且還可能出現(xiàn)模式崩潰(model collapse)問(wèn)題,導(dǎo)致訓(xùn)練效果非常差,即使增加訓(xùn)練時(shí)間也無(wú)法改善,在SRGAN中也存在類似問(wèn)題。本文主要優(yōu)化項(xiàng)包括:①使用轉(zhuǎn)置卷積[20]替換亞像素卷積進(jìn)行上采樣,亞像素卷積雖然被稱為卷積,實(shí)際上沒(méi)有卷積操作,而卷積在提取圖像特征方面發(fā)揮著重要作用,所以使用轉(zhuǎn)置卷積進(jìn)行上采樣會(huì)達(dá)到更好的效果;②由于BN層可起到很好的提升收斂速度、穩(wěn)定網(wǎng)絡(luò)訓(xùn)練效果的作用,本文在每一層卷積之后都使用BN層進(jìn)行歸一化處理;③將生成網(wǎng)絡(luò)輸出層的激活函數(shù)改為Tanh函數(shù)。

    1.2.2 判別網(wǎng)絡(luò)模型

    判別網(wǎng)絡(luò)相當(dāng)于一個(gè)特征提取模塊,激活函數(shù)選用leak ReLU函數(shù),可以防止梯度稀疏,總共執(zhí)行4次卷積運(yùn)算。除在輸入層之后不添加BN層外,在之后的三層卷積之后都添加BN層,最后卷積降維到1,接入sigmoid激活函數(shù),輸出對(duì)輸入圖像的判斷結(jié)果。其中l(wèi)eaky ReLU函數(shù)斜率設(shè)置為0.2。網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

    1.2.3 損失函數(shù)設(shè)計(jì)與優(yōu)化

    在傳統(tǒng)深度學(xué)習(xí)的圖像超分辨率方法中,使用的損失函數(shù)大多是MSE,但是使用該函數(shù)在圖像放大倍數(shù)為4倍時(shí),生成的圖像會(huì)顯得過(guò)于平滑而缺少一些細(xì)節(jié)上的真實(shí)感。在本文的優(yōu)化方法中,對(duì)生成網(wǎng)絡(luò)定義的損失函數(shù)采用GAN網(wǎng)絡(luò)的通用方法,其損失函數(shù)除生成過(guò)程本身造成的重建損失外,還有通過(guò)判別網(wǎng)絡(luò)反饋的對(duì)抗損失,從而有效提升了最終生成的圖像效果。

    2 實(shí)驗(yàn)設(shè)計(jì)

    本實(shí)驗(yàn)使用的硬件配置為:CPU i7 6700,16G內(nèi)存,GTX970m顯卡;軟件環(huán)境為:Tensorflow 1.4,python 3.6。實(shí)驗(yàn)采用訓(xùn)練集為DIV2K數(shù)據(jù)集,這是一種用于圖像復(fù)原任務(wù)的高質(zhì)量(2K分辨率)圖像數(shù)據(jù)集。

    本實(shí)驗(yàn)評(píng)價(jià)標(biāo)準(zhǔn)分為主觀評(píng)價(jià)與客觀評(píng)價(jià),其中主觀評(píng)價(jià)是從視覺(jué)效果上感受圖像細(xì)節(jié)清晰程度,客觀評(píng)價(jià)是通過(guò)計(jì)算原圖像與生成圖像的PSNR(Peak Signal-to-Noise Ratio)和SSIM(Structure Similarity Index)指標(biāo)進(jìn)行評(píng)價(jià)。其中PSNR是最常用的圖像質(zhì)量評(píng)估指標(biāo),SSIM主要用來(lái)衡量圖像結(jié)構(gòu)完整性。這兩個(gè)值越高,代表重建結(jié)果的像素值與標(biāo)準(zhǔn)越接近。

    2.1 實(shí)驗(yàn)方法

    在圖像集中選取一張測(cè)試圖像進(jìn)行1/4倍降采樣處理,將其作為輸入的低分辨率圖像,然后通過(guò)SRGAN方法生成高清圖像。同時(shí),本實(shí)驗(yàn)還將低清圖像采用雙三次插值法進(jìn)行重建,并與生成圖像的超分辨率效果進(jìn)行對(duì)比。

    2.2 實(shí)驗(yàn)結(jié)果分析

    圖3分別展示了通過(guò)插值法生成的高清圖像、通過(guò)SRGAN方法生成的高清圖像與原始高清圖像。從重建效果來(lái)看,插值法雖然在尺寸上與跟高清圖像一致,但其在視覺(jué)效果上非常模糊,圖像細(xì)節(jié)不清晰,邊緣也不夠銳利,而SRGAN方法生成的圖像則視覺(jué)效果較好。根據(jù)表1中的數(shù)據(jù),從客觀評(píng)價(jià)來(lái)看,SRGAN生成圖像的PSNR與SSIM值也比傳統(tǒng)插值法高。因此,實(shí)驗(yàn)從主觀與客觀兩方面都驗(yàn)證了SRGAN確實(shí)具有較好的超分辨率圖像重建能力,并且生成圖像的視覺(jué)效果優(yōu)于傳統(tǒng)方法。

    3 結(jié)語(yǔ)

    本文通過(guò)對(duì)生成對(duì)抗網(wǎng)絡(luò)進(jìn)行研究,對(duì)其生成網(wǎng)絡(luò)與判別網(wǎng)絡(luò)模型進(jìn)行深入探索,然后對(duì)基于GAN的圖像超分辨率方法進(jìn)行優(yōu)化,通過(guò)添加BN層提升網(wǎng)絡(luò)的訓(xùn)練穩(wěn)定性與收斂速度,修改上采樣層網(wǎng)絡(luò)以提升網(wǎng)絡(luò)超分辨率重建能力與生成圖像效果,并修改損失函數(shù)和優(yōu)化器,加強(qiáng)網(wǎng)絡(luò)訓(xùn)練與輸出。最后實(shí)驗(yàn)驗(yàn)證結(jié)果表明,優(yōu)化后的方法具有良好的超分辨率圖像重建能力,生成的圖像效果十分優(yōu)異。

    參考文獻(xiàn):

    [1] PARK S C,MIN K P,KANG M G. Super-resolution image reconstruction: a technical overview[J]. IEEE Signal Processing Magazine,2003,20(3):21-36.

    [2] 韓小虎. 基于深度學(xué)習(xí)的圖像超分辨算法研究[D]. 開(kāi)封:河南大學(xué), 2016.

    [3] 黃冬冬. 基于深度學(xué)習(xí)的圖像超分辨率重建算法研究[D]. 馬鞍山:安徽工業(yè)大學(xué),2017.

    [4] 于海平,林曉麗,周鳳麗,等.基于稀疏表示的單幅圖像超分辨率重建研究[J].軟件導(dǎo)刊,2017(11):225-229.

    [5] SCHULTZ R R, STEVENSON R L. A Bayesian approach to image expansion for improved definition[J]. Image Processing IEEE Transactions on,1994,3(3):233-242.

    [6] HOU H,ANDREWS H. Cubic splines for image interpolation and digital filtering[J]. IEEE Transactions on Acoustics Speech & Signal Processing, 1978, 26(6):508-517.

    [7] LI X,ORCHARD M T. New edge-directed interpolation[J]. IEEE Trans Image Process,2001,10(10):1521-1527.

    [8] IRANI M, PELEG S. Improving resolution by image registration[J]. Cvgip Graphical Models & Image Processing,1991,53(3):231-239.

    [9] STARK H,OSKOUI P. High-resolution image recovery from image-plane arrays, using convex projections[J]. Journal of the Optical Society of America A Optics & Image Science,1989, 6(11):1715

    [10] SCHULTZ R R, STEVENSON R L. Improved definition video frame enhancement[C].International Conference on Acoustics, Speech, and Signal Processing. IEEE, 1995:2169-2172.

    [11] SCHULTZ R R, STEVENSON R L. Extraction of high-resolution frames from video sequences[J]. IEEE Transactions on Image Processing a Publication of the IEEE Signal Processing Society, 1996, 5(6):996-1011.

    [12] ROWEIS S T, SAUL L K. Nonlinear dimensionality reduction by locally linear embedding[J]. Science, 2000, 290:2323-2326.

    [13] YANG J, WRIGHT J, HUANG T, et al. Image super-resolution as sparse representation of raw image patches[C].Computer Vision and Pattern Recognition, CVPR 2008. IEEE Conference on. IEEE, 2008.

    [14] DONG C, LOY C C, HE K, et al. Image super-resolution using deep convolutional networks[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2016, 38(2):295-307.

    [15] GOODFELLOW I J, POUGET-ABADIE J, MIRZA M, et al. Generative adversarial nets[C].International Conference on Neural Information Processing Systems. MIT Press, 2014:2672-2680.

    [16] 唐賢倫, 杜一銘, 劉雨微,等. 基于條件深度卷積生成對(duì)抗網(wǎng)絡(luò)的圖像識(shí)別方法[J]. 自動(dòng)化學(xué)報(bào), 2018(5):?855-864.

    [17] SHI W, CABALLERO J, HUSZáR F, et al. Real-time single image and video super-resolution using an efficient sub-pixel convolutional neural network[J]. 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR),2016:1874-1883.

    [18] 麻旋,戴曙光. 基于殘差網(wǎng)絡(luò)的圖像超分辨率算法改進(jìn)研究[J].軟件導(dǎo)刊,2018(4):91-93.

    [19] IOFFE S,SZEGEDY C. Batch normalization: accelerating deep network training by reducing internal covariate shift[J]. ARXIV,2015:448-456.

    [20] DUMOULIN V,VISIN F. A guide to convolution arithmetic for deep learning[DB/OL]. https://arxiv.org/pdf/1603.07285.pdf.

    (責(zé)任編輯:黃 健)

    猜你喜歡
    深度學(xué)習(xí)
    從合坐走向合學(xué):淺議新學(xué)習(xí)模式的構(gòu)建
    面向大數(shù)據(jù)遠(yuǎn)程開(kāi)放實(shí)驗(yàn)平臺(tái)構(gòu)建研究
    基于自動(dòng)智能分類器的圖書館亂架圖書檢測(cè)
    搭建深度學(xué)習(xí)的三級(jí)階梯
    有體驗(yàn)的學(xué)習(xí)才是有意義的學(xué)習(xí)
    電子商務(wù)中基于深度學(xué)習(xí)的虛假交易識(shí)別研究
    利用網(wǎng)絡(luò)技術(shù)促進(jìn)學(xué)生深度學(xué)習(xí)的幾大策略
    考試周刊(2016年94期)2016-12-12 12:15:04
    MOOC與翻轉(zhuǎn)課堂融合的深度學(xué)習(xí)場(chǎng)域建構(gòu)
    大數(shù)據(jù)技術(shù)在反恐怖主義中的應(yīng)用展望
    深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
    熟女av电影| 亚洲精品色激情综合| 九色成人免费人妻av| 视频中文字幕在线观看| 男男h啪啪无遮挡| 精品人妻熟女av久视频| 黄色欧美视频在线观看| 黄色配什么色好看| 亚洲精品日韩在线中文字幕| 成人漫画全彩无遮挡| 一本久久精品| 最近最新中文字幕大全电影3| 尾随美女入室| 精品人妻视频免费看| 搡老乐熟女国产| 亚洲最大成人手机在线| 日本一本二区三区精品| 麻豆久久精品国产亚洲av| 菩萨蛮人人尽说江南好唐韦庄| 一级毛片久久久久久久久女| 婷婷色av中文字幕| 欧美激情国产日韩精品一区| 少妇丰满av| 色视频在线一区二区三区| 少妇熟女欧美另类| 久久久久久久久久成人| eeuss影院久久| 色视频在线一区二区三区| 国产亚洲一区二区精品| 久久精品国产亚洲av涩爱| 国产精品偷伦视频观看了| 综合色av麻豆| 日本黄色片子视频| 亚洲欧美日韩东京热| 日韩欧美精品v在线| 我要看日韩黄色一级片| 男人狂女人下面高潮的视频| 久久精品久久久久久噜噜老黄| 美女xxoo啪啪120秒动态图| 99热6这里只有精品| 成人午夜精彩视频在线观看| 亚洲真实伦在线观看| 国产一区亚洲一区在线观看| 一本一本综合久久| a级一级毛片免费在线观看| 欧美精品一区二区大全| 激情 狠狠 欧美| 韩国av在线不卡| 国产精品国产av在线观看| 久久久久久九九精品二区国产| 中文精品一卡2卡3卡4更新| 美女cb高潮喷水在线观看| 中文在线观看免费www的网站| 欧美日韩综合久久久久久| 免费av毛片视频| 18禁在线无遮挡免费观看视频| 精品99又大又爽又粗少妇毛片| 亚洲最大成人中文| 99热网站在线观看| 亚洲va在线va天堂va国产| 久久精品国产鲁丝片午夜精品| 一个人看的www免费观看视频| 在线观看一区二区三区| 在线观看免费高清a一片| 精品人妻一区二区三区麻豆| 亚洲成色77777| 久久久成人免费电影| av国产久精品久网站免费入址| 九九爱精品视频在线观看| 亚洲色图av天堂| 美女主播在线视频| 久久久久九九精品影院| 秋霞伦理黄片| 成人黄色视频免费在线看| 综合色丁香网| 高清在线视频一区二区三区| 大话2 男鬼变身卡| 国产亚洲最大av| 久久人人爽人人片av| 亚洲av中文字字幕乱码综合| 免费观看在线日韩| 亚洲怡红院男人天堂| 亚洲色图综合在线观看| 51国产日韩欧美| 可以在线观看毛片的网站| 国产女主播在线喷水免费视频网站| 大码成人一级视频| 麻豆精品久久久久久蜜桃| 中国美白少妇内射xxxbb| 国产精品福利在线免费观看| 国产av国产精品国产| 精品99又大又爽又粗少妇毛片| 亚洲av二区三区四区| 久久99热这里只有精品18| 欧美xxxx黑人xx丫x性爽| av在线app专区| 日本免费在线观看一区| 精品一区在线观看国产| 晚上一个人看的免费电影| 少妇高潮的动态图| 黑人高潮一二区| 好男人在线观看高清免费视频| 成人一区二区视频在线观看| 亚洲欧美日韩无卡精品| 性插视频无遮挡在线免费观看| 精品人妻一区二区三区麻豆| 纵有疾风起免费观看全集完整版| 亚洲欧洲日产国产| 国产69精品久久久久777片| 欧美人与善性xxx| 久久国产乱子免费精品| 国语对白做爰xxxⅹ性视频网站| 国产高清三级在线| 亚洲自拍偷在线| 91在线精品国自产拍蜜月| 国产91av在线免费观看| 两个人的视频大全免费| 久久精品久久精品一区二区三区| 观看免费一级毛片| freevideosex欧美| 一区二区三区免费毛片| 午夜视频国产福利| 久久精品久久久久久噜噜老黄| 性色avwww在线观看| 一级爰片在线观看| 街头女战士在线观看网站| 国产av国产精品国产| 国产乱人偷精品视频| 在线看a的网站| 国产视频首页在线观看| 国产久久久一区二区三区| 国产有黄有色有爽视频| 精品久久久久久久久av| 18禁动态无遮挡网站| 三级男女做爰猛烈吃奶摸视频| 亚州av有码| 欧美xxxx性猛交bbbb| 熟女av电影| 久久久久精品久久久久真实原创| 国产片特级美女逼逼视频| 成人欧美大片| 男女下面进入的视频免费午夜| 精品久久久精品久久久| 日韩在线高清观看一区二区三区| 免费av毛片视频| 在线免费十八禁| 91精品一卡2卡3卡4卡| 婷婷色综合大香蕉| 精品一区二区三区视频在线| 免费大片黄手机在线观看| 国产成人91sexporn| 国产淫片久久久久久久久| 欧美日本视频| 最近最新中文字幕免费大全7| 水蜜桃什么品种好| h日本视频在线播放| 国产一区亚洲一区在线观看| 特大巨黑吊av在线直播| 中文天堂在线官网| 少妇猛男粗大的猛烈进出视频 | 中文天堂在线官网| 卡戴珊不雅视频在线播放| 免费少妇av软件| 欧美亚洲 丝袜 人妻 在线| 午夜福利视频精品| 亚洲三级黄色毛片| 亚洲av成人精品一二三区| 日韩亚洲欧美综合| 99re6热这里在线精品视频| 久久久久久久久大av| 麻豆成人午夜福利视频| 99re6热这里在线精品视频| 高清日韩中文字幕在线| 蜜桃亚洲精品一区二区三区| 日本-黄色视频高清免费观看| 国产视频首页在线观看| 又黄又爽又刺激的免费视频.| 免费播放大片免费观看视频在线观看| 伦理电影大哥的女人| 我的女老师完整版在线观看| 国产v大片淫在线免费观看| 黄色配什么色好看| 亚洲最大成人av| 亚洲久久久久久中文字幕| 国产高潮美女av| 最近中文字幕高清免费大全6| 极品少妇高潮喷水抽搐| 国产精品无大码| 精品久久久精品久久久| 九草在线视频观看| xxx大片免费视频| 日本黄色片子视频| 夜夜看夜夜爽夜夜摸| 久久精品综合一区二区三区| 免费黄频网站在线观看国产| 97人妻精品一区二区三区麻豆| 高清欧美精品videossex| 在线播放无遮挡| 高清日韩中文字幕在线| 国产精品久久久久久久久免| 中文字幕av成人在线电影| 女人十人毛片免费观看3o分钟| 99热这里只有是精品50| 日本色播在线视频| 一本一本综合久久| 国产高清不卡午夜福利| 久久99热这里只频精品6学生| 最近最新中文字幕大全电影3| 自拍偷自拍亚洲精品老妇| 国语对白做爰xxxⅹ性视频网站| 欧美老熟妇乱子伦牲交| 少妇人妻久久综合中文| 嘟嘟电影网在线观看| 午夜福利在线观看免费完整高清在| 亚洲欧美一区二区三区黑人 | 秋霞在线观看毛片| .国产精品久久| a级毛片免费高清观看在线播放| 国产91av在线免费观看| 日韩欧美精品v在线| 色婷婷久久久亚洲欧美| 色综合色国产| 欧美一区二区亚洲| 午夜视频国产福利| 国产成人免费观看mmmm| 中文字幕制服av| 边亲边吃奶的免费视频| 午夜福利视频1000在线观看| h日本视频在线播放| 久久ye,这里只有精品| 又爽又黄a免费视频| 国产精品福利在线免费观看| 97精品久久久久久久久久精品| 人人妻人人澡人人爽人人夜夜| 欧美少妇被猛烈插入视频| 国产乱人偷精品视频| 国产精品偷伦视频观看了| 日本欧美国产在线视频| 岛国毛片在线播放| 一级毛片久久久久久久久女| 国产色婷婷99| 七月丁香在线播放| 国产精品伦人一区二区| av在线观看视频网站免费| 男插女下体视频免费在线播放| 人人妻人人爽人人添夜夜欢视频 | av在线蜜桃| 亚洲,一卡二卡三卡| 欧美变态另类bdsm刘玥| 一级毛片 在线播放| 干丝袜人妻中文字幕| 午夜福利网站1000一区二区三区| 最近手机中文字幕大全| 一个人看的www免费观看视频| 嫩草影院精品99| 国产成人精品一,二区| 亚洲天堂av无毛| 国产美女午夜福利| 身体一侧抽搐| 插阴视频在线观看视频| 亚洲色图av天堂| 99九九线精品视频在线观看视频| 午夜精品一区二区三区免费看| 日韩伦理黄色片| 久久久久国产精品人妻一区二区| 国产女主播在线喷水免费视频网站| 国产成人a∨麻豆精品| 中国美白少妇内射xxxbb| 久久久国产一区二区| 亚洲精品乱码久久久v下载方式| 午夜日本视频在线| 亚洲国产精品成人久久小说| 亚洲av日韩在线播放| 一二三四中文在线观看免费高清| 国产精品99久久久久久久久| 一级二级三级毛片免费看| 欧美潮喷喷水| 又粗又硬又长又爽又黄的视频| 内地一区二区视频在线| 日韩欧美精品v在线| 亚洲欧美一区二区三区国产| 中文天堂在线官网| 亚洲国产色片| 国产免费福利视频在线观看| 国语对白做爰xxxⅹ性视频网站| 亚洲国产日韩一区二区| 综合色丁香网| 国产精品99久久久久久久久| 亚洲精品国产色婷婷电影| 午夜精品一区二区三区免费看| 国产精品秋霞免费鲁丝片| 成人二区视频| 国产黄频视频在线观看| 在线免费观看不下载黄p国产| 午夜福利在线观看免费完整高清在| 91精品伊人久久大香线蕉| 亚洲在久久综合| 男女国产视频网站| 看黄色毛片网站| 在线观看三级黄色| 国产日韩欧美在线精品| 免费电影在线观看免费观看| 乱码一卡2卡4卡精品| 国内揄拍国产精品人妻在线| 久久精品久久久久久久性| 中文天堂在线官网| 精品人妻熟女av久视频| 日韩人妻高清精品专区| 国产 精品1| 人人妻人人澡人人爽人人夜夜| 亚洲精品久久午夜乱码| av在线亚洲专区| 丰满乱子伦码专区| 成人午夜精彩视频在线观看| 一级毛片电影观看| 大又大粗又爽又黄少妇毛片口| 亚洲国产精品专区欧美| 国产乱人偷精品视频| 在线观看一区二区三区| 蜜桃久久精品国产亚洲av| 国产 一区精品| 国产精品国产三级国产专区5o| 在线观看av片永久免费下载| 最近的中文字幕免费完整| 1000部很黄的大片| 国产 精品1| 两个人的视频大全免费| 丝袜脚勾引网站| www.av在线官网国产| 嫩草影院精品99| 亚洲av中文字字幕乱码综合| 91久久精品国产一区二区三区| 欧美一级a爱片免费观看看| 免费av毛片视频| 国产精品久久久久久久久免| 97人妻精品一区二区三区麻豆| 久久精品久久久久久久性| 午夜福利在线在线| 美女高潮的动态| 国产黄色免费在线视频| 国产美女午夜福利| 亚洲精品久久久久久婷婷小说| 黄色视频在线播放观看不卡| 成人毛片a级毛片在线播放| 亚洲四区av| 精品国产露脸久久av麻豆| 嫩草影院入口| 精品国产露脸久久av麻豆| 成人无遮挡网站| 网址你懂的国产日韩在线| 国产免费视频播放在线视频| av福利片在线观看| 日本一二三区视频观看| 夜夜看夜夜爽夜夜摸| 久久久久九九精品影院| 制服丝袜香蕉在线| 国产片特级美女逼逼视频| 波野结衣二区三区在线| 97热精品久久久久久| 在线a可以看的网站| 性插视频无遮挡在线免费观看| 成年版毛片免费区| 18禁在线无遮挡免费观看视频| 亚洲成色77777| 亚洲精品影视一区二区三区av| 成人亚洲精品一区在线观看 | 色婷婷久久久亚洲欧美| 国产爱豆传媒在线观看| 少妇 在线观看| 神马国产精品三级电影在线观看| 啦啦啦啦在线视频资源| 精品久久久久久久久亚洲| 18禁动态无遮挡网站| 久久精品国产自在天天线| 亚洲精品国产av蜜桃| 少妇丰满av| 亚洲美女搞黄在线观看| 久久久久久伊人网av| 亚洲国产精品国产精品| 最近最新中文字幕免费大全7| 久久久a久久爽久久v久久| 黑人高潮一二区| 夜夜爽夜夜爽视频| 国产一区亚洲一区在线观看| 大又大粗又爽又黄少妇毛片口| 国产成人福利小说| 中文资源天堂在线| 久久精品久久精品一区二区三区| 亚洲av二区三区四区| 97热精品久久久久久| 国产av码专区亚洲av| 毛片女人毛片| 天天躁夜夜躁狠狠久久av| 国产中年淑女户外野战色| 亚洲精品久久久久久婷婷小说| 色视频www国产| 国产午夜精品久久久久久一区二区三区| 婷婷色av中文字幕| 日本wwww免费看| 尤物成人国产欧美一区二区三区| 在线观看三级黄色| 18+在线观看网站| 免费看a级黄色片| 久久韩国三级中文字幕| 亚洲成色77777| av在线播放精品| 国产毛片a区久久久久| 在线观看免费高清a一片| 成人亚洲精品一区在线观看 | 欧美zozozo另类| 人人妻人人澡人人爽人人夜夜| 能在线免费看毛片的网站| 午夜福利在线观看免费完整高清在| 麻豆成人午夜福利视频| 免费看a级黄色片| 91精品国产九色| 99热国产这里只有精品6| 亚洲国产精品国产精品| 又粗又硬又长又爽又黄的视频| 80岁老熟妇乱子伦牲交| 亚洲av一区综合| 免费看光身美女| 国产成人免费无遮挡视频| 国产男女超爽视频在线观看| 在线 av 中文字幕| av网站免费在线观看视频| 免费在线观看成人毛片| 少妇被粗大猛烈的视频| tube8黄色片| 国产成人福利小说| 久久久久久久久久成人| 一区二区三区免费毛片| 91久久精品电影网| 热re99久久精品国产66热6| 欧美bdsm另类| 老女人水多毛片| 亚洲一级一片aⅴ在线观看| 联通29元200g的流量卡| 久久综合国产亚洲精品| 久久女婷五月综合色啪小说 | 免费av不卡在线播放| 欧美xxxx黑人xx丫x性爽| 最近中文字幕2019免费版| 一本久久精品| 我的老师免费观看完整版| 男人和女人高潮做爰伦理| 国内精品美女久久久久久| 国产淫片久久久久久久久| 午夜福利高清视频| 成年免费大片在线观看| 哪个播放器可以免费观看大片| 香蕉精品网在线| 精品国产乱码久久久久久小说| 中文字幕免费在线视频6| 国产伦精品一区二区三区视频9| 尤物成人国产欧美一区二区三区| av又黄又爽大尺度在线免费看| 男女无遮挡免费网站观看| 舔av片在线| 国产淫语在线视频| 激情 狠狠 欧美| 国产成人freesex在线| 国产高清有码在线观看视频| 国产老妇女一区| 一区二区三区免费毛片| 日本黄大片高清| 水蜜桃什么品种好| av播播在线观看一区| 亚洲精品中文字幕在线视频 | 香蕉精品网在线| 视频区图区小说| 久久精品国产鲁丝片午夜精品| 国产精品国产三级国产av玫瑰| 国产精品麻豆人妻色哟哟久久| 欧美精品国产亚洲| 另类亚洲欧美激情| 午夜亚洲福利在线播放| 亚洲经典国产精华液单| 亚洲va在线va天堂va国产| 人妻夜夜爽99麻豆av| 秋霞在线观看毛片| eeuss影院久久| 国产乱人偷精品视频| 亚洲自偷自拍三级| 欧美变态另类bdsm刘玥| 精品少妇久久久久久888优播| 国产精品一区二区三区四区免费观看| 性色avwww在线观看| 我的老师免费观看完整版| 在线免费观看不下载黄p国产| 国产精品无大码| 九九爱精品视频在线观看| 亚洲一级一片aⅴ在线观看| 成年女人在线观看亚洲视频 | 日韩成人伦理影院| 免费观看无遮挡的男女| 亚洲国产高清在线一区二区三| 自拍欧美九色日韩亚洲蝌蚪91 | 国产 精品1| 国产黄频视频在线观看| 亚洲国产精品国产精品| 国产av不卡久久| 看黄色毛片网站| 久久99热这里只频精品6学生| 久久女婷五月综合色啪小说 | 小蜜桃在线观看免费完整版高清| 精品少妇久久久久久888优播| 亚洲av二区三区四区| 2021少妇久久久久久久久久久| 久久热精品热| 美女视频免费永久观看网站| 亚洲av男天堂| a级一级毛片免费在线观看| 在线观看美女被高潮喷水网站| 久久久久久久久久久免费av| 一本一本综合久久| 欧美日韩在线观看h| 直男gayav资源| 高清av免费在线| 国产探花极品一区二区| 成人无遮挡网站| 边亲边吃奶的免费视频| 欧美丝袜亚洲另类| 日本午夜av视频| 观看免费一级毛片| 成人漫画全彩无遮挡| 熟女电影av网| 久久精品久久久久久久性| 国产精品国产三级国产av玫瑰| 中国美白少妇内射xxxbb| 一级毛片我不卡| 亚洲av国产av综合av卡| 久久精品国产鲁丝片午夜精品| 国产亚洲最大av| 亚洲成人av在线免费| 国产中年淑女户外野战色| 菩萨蛮人人尽说江南好唐韦庄| 看黄色毛片网站| 久久午夜福利片| 亚洲精品日韩在线中文字幕| 极品少妇高潮喷水抽搐| 久久综合国产亚洲精品| 永久网站在线| 中文字幕制服av| 色哟哟·www| 黄色日韩在线| 麻豆精品久久久久久蜜桃| 中国三级夫妇交换| 久久精品国产亚洲av涩爱| 在线 av 中文字幕| 免费播放大片免费观看视频在线观看| 波多野结衣巨乳人妻| 国产免费一区二区三区四区乱码| 欧美亚洲 丝袜 人妻 在线| 国产亚洲av片在线观看秒播厂| 听说在线观看完整版免费高清| 精品国产露脸久久av麻豆| 热re99久久精品国产66热6| 亚洲国产欧美在线一区| 国产毛片a区久久久久| 国产成人aa在线观看| 国产精品久久久久久精品电影| 中文资源天堂在线| 日本欧美国产在线视频| 日韩伦理黄色片| 国产午夜精品一二区理论片| 最后的刺客免费高清国语| 黄片无遮挡物在线观看| 精品一区二区三卡| 国产精品久久久久久av不卡| 亚洲精品日韩在线中文字幕| 丝袜喷水一区| 亚洲,一卡二卡三卡| 日韩人妻高清精品专区| 国产日韩欧美亚洲二区| 校园人妻丝袜中文字幕| av网站免费在线观看视频| 久久精品国产鲁丝片午夜精品| av在线天堂中文字幕| 大话2 男鬼变身卡| 内地一区二区视频在线| 青春草亚洲视频在线观看| 国产午夜福利久久久久久| 在线亚洲精品国产二区图片欧美 | 看十八女毛片水多多多| 97精品久久久久久久久久精品| av免费在线看不卡| 搞女人的毛片| av女优亚洲男人天堂| 菩萨蛮人人尽说江南好唐韦庄| 麻豆成人av视频| 在线免费十八禁| 国产精品久久久久久精品电影| 欧美人与善性xxx| 国产精品一区www在线观看| 亚洲av成人精品一二三区| 国产毛片在线视频| 简卡轻食公司| 国产精品一及| 九草在线视频观看| 人妻系列 视频| 一级片'在线观看视频| 老司机影院毛片| 国产精品伦人一区二区| 97在线视频观看| 你懂的网址亚洲精品在线观看| 欧美极品一区二区三区四区| 激情 狠狠 欧美| 我的老师免费观看完整版| 亚洲国产精品国产精品| 精品少妇久久久久久888优播| 亚洲激情五月婷婷啪啪| 亚洲av成人精品一区久久| 欧美成人a在线观看| 国产一区二区三区av在线|