• <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 ?

    基于獎勵值RNN和A2C模型的音樂生成

    2019-10-08 08:34:58孫承愛張馨俸田剛
    軟件 2019年7期
    關(guān)鍵詞:演員評論家

    孫承愛 張馨俸 田剛

    摘? 要: 我們提出了一個新的方法—基于獎勵值RNN的優(yōu)勢演員-評論家算法(R-A2C)來生成音樂。我們的模型首先使用一個帶有注意力機制的RNN模型(Recurrent neural network)預(yù)處理數(shù)據(jù)并將此作為先驗策略,然后我們將包含先驗策略和用戶反饋信息的獎勵值RNN增加到A2C(Advantage Actor-Critic)模型中,使得任意用戶給定的約束與循環(huán)網(wǎng)絡(luò)的風(fēng)格相結(jié)合,以此來鼓勵演員生成更符合用戶需求的音樂,實驗表明我們的模型取得了預(yù)期的效果。

    關(guān)鍵詞: 音樂生成,演員-評論家,獎勵值函數(shù),用戶反饋

    中圖分類號: TP391? ? 文獻(xiàn)標(biāo)識碼: A? ? DOI:10.3969/j.issn.1003-6970.2019.07.017

    【Abstract】: We present a novel method—Advantage Actor-Critic with Reward RNN(R-A2C)for generating music. Our model first uses a RNN with attention mechanism to pre-trained the data and use this as a prior strategy. Then we add the reward value RNN containing the a prior strategy and user feedback information to the A2C model, to encourage the actors to generate music that better suits the user's needs.Experimental results have shown that our model has achieved the desired results.

    【Key words】: Music generation; Actor-Critic; Reward function; User feedback

    0? 引言

    近年來,生成音樂一直是一個非?;钴S且具有挑戰(zhàn)性的領(lǐng)域。傳統(tǒng)的方法中Van Der Merwe[1]采用馬爾科夫模型生成音樂,成功地模擬不同聲音的音調(diào)之間的關(guān)系。

    在機器學(xué)習(xí)領(lǐng)域中,越來越多的人通過研究神經(jīng)網(wǎng)絡(luò)模型生成音樂,Kang等人[2]采用神經(jīng)網(wǎng)絡(luò)算法[3-5]對音樂自動評價系統(tǒng)進(jìn)行了研究,嘗試將旋律與鼓聲結(jié)合去生成音樂。楚[6]使用一個分層的RNN(循環(huán)神經(jīng)網(wǎng)絡(luò))模型,以此用來生成多軌道(旋律、和弦和鼓)流行音樂。

    雖然RNN模型在生成方面取得了很大的進(jìn)展,但是在生成音樂方面,由于其生成的旋律和主題比較隨機,很難契合用戶的需求[7,8],而強化學(xué)習(xí)的優(yōu)勢就在于能夠指導(dǎo)模型,使得任意用戶給定的約束與循環(huán)網(wǎng)絡(luò)的風(fēng)格相結(jié)合,所以我們提出R-A2C模型,在A2C[9](優(yōu)勢演員-評論家模型)的基礎(chǔ)上增加獎勵值RNN,既包含先前策略,又能夠結(jié)合用? 戶回饋的信息,在最大程度上生成滿足用戶需求的音樂。

    1? 相關(guān)概念及算法

    在深度學(xué)習(xí)中,有動作、狀態(tài)、環(huán)境、代理等基本元素。代理會與環(huán)境發(fā)生交互,從而產(chǎn)生運動軌跡。假定在時刻t時環(huán)境的狀態(tài)為 ,代理通過策略 執(zhí)行動作 ,使得環(huán)境的狀態(tài)發(fā)生變化, 。環(huán)境會根據(jù)當(dāng)前的動作回饋給代理一個獎勵(積極的或者消極的)。代理與環(huán)境會不斷的進(jìn)行交互,通過這種交互,代理的目標(biāo)就是在執(zhí)行的一系列動作中積累經(jīng)驗,更新策略,從而最大化獎勵值(最小化損失函數(shù)J)。

    首先定義策略π為參數(shù)θ的函數(shù)[10],記為 。定義 為t時刻開始到一段音樂結(jié)束的總回報值。定義 為策略π的價值函數(shù),其中 為因子,表示為:

    2? R-A2C模型基本結(jié)構(gòu)

    2.1? R-A2C模型

    音樂生成可以看做是一個序列化決策問題,而強化學(xué)習(xí)在處理最大化與獎勵相關(guān)的決策問題時表現(xiàn)良好。Jaques[12]等就采用極大似然估計(MLE)結(jié)合強化學(xué)習(xí)的方式(引入兩個基于值迭代的網(wǎng)絡(luò))生成音樂,保存了數(shù)據(jù)的原始信息的同時也保證了樣本的多樣性。而優(yōu)勢演員-評論家算法不僅有著強化學(xué)習(xí)的諸多優(yōu)點,在收斂性上也強于基于值迭代的算法。與此同時,演員-評論家算法既能針對連續(xù)動作進(jìn)行處理,又能實現(xiàn)單步更新,在這一點上更是優(yōu)于傳統(tǒng)上基于策略梯度的算法。所以在此模型中我們選擇優(yōu)勢評論家算法來學(xué)習(xí)音樂生成的策略問題。

    所以在此模型中,先引入一個帶有注意力機制的Seq2Seq[13]來處理數(shù)據(jù),預(yù)測和生成初步的音樂旋律。然后將數(shù)據(jù)引入到演員-評論家模型中,演員基于概率選動作,評論家基于演員的動作給出獎勵值,演員根據(jù)評論家的獎勵值修改選動作的概率,如果動作是好的,則調(diào)整網(wǎng)絡(luò)讓這個動作出現(xiàn)的概率變大,反之,使其變小。其中獎勵值函數(shù)同樣采用一個RNN來表示,將關(guān)于先前政策 的信息和用戶回饋的信息 的組合為獎勵值函數(shù)R。強化學(xué)習(xí)的優(yōu)勢使得任意用戶給定的約束與循環(huán)網(wǎng)絡(luò)的風(fēng)格相結(jié)合。模型圖如圖1所示。

    2.2? 獎勵值RNN

    獎勵值函數(shù)R可以看做是關(guān)于先前策略 的信息和用戶回饋信息 的組合。可以用log函數(shù)來近似計算先前策略π,即 。而用戶反饋的信息,可以封裝為額外的獎勵:

    對于正反饋信息,級別逐漸增強:

    ● 級別一:用戶反復(fù)收聽某個音樂片段

    ● 級別二:用戶反復(fù)收聽完整的音樂

    ● 級別三:用戶將剛收聽的音樂收藏或添加到音樂列表

    對于負(fù)反饋信息,級別同樣逐漸增強:

    ● 級別一:用戶在收聽一小段剛生成的音樂后停止播放或音樂播放不完全

    ● 級別二:用戶大幅度跳躍收聽剛生成的音樂

    ● 級別三:用戶將音樂從播放列表刪除

    根據(jù)用戶反饋信息級別(b)的不同,對 施加不同的權(quán)重,獎勵值函數(shù)表示為

    2.3? 損失函數(shù)

    2.3.1? 政策熵的正則化

    在演員與環(huán)境進(jìn)行交互的一個回合中,獎勵的期望往往由一個樣本近似,為了使采樣得到的樣本不要太過于集中,使得輸出的分布更加均衡化,必須要讓演員以一定的幾率采取其他的動作,所以,在模型中引入政策熵[14]的正則化[15],目標(biāo)函數(shù)重新定義為:

    2.3.2? 蒙特卡洛評估(Monte Carlo Evaluation)

    擬合值函數(shù) 的過程稱為策略評估。對于策略評估,一般采取兩種方式,基于時間差分的方法(temporal difference,簡稱TD)和蒙特卡洛方法[16](Monte Carlo,簡稱)。在此模型中采用MC方法作為優(yōu)勢函數(shù)的無偏估計。

    3? 實驗

    為了驗證模型的性能,我們在R-A2C模型上生成音樂。

    3.1? 數(shù)據(jù)處理

    為了訓(xùn)練模型,我們從包含超過50000首MIDI(Musical Instrument Digital Interface,樂器數(shù)字接口)音樂的語料庫中提取單聲道旋律[17],為了減少偏差,將不完整文件,的例如沒有聲道的音樂刪? 除。最后,我們的數(shù)據(jù)集保存了包含13264首MIDI文件。

    為了更好的學(xué)習(xí)樣本,確保所有的樣本在同一個曲調(diào)上,將所有的MIDI文件轉(zhuǎn)換為C大調(diào)。為了確保所有的音符都是整數(shù)節(jié)拍,將音樂每分鐘節(jié)拍數(shù)設(shè)置為60或者120。

    將數(shù)據(jù)預(yù)處理后,我們隨機的挑選7624首音樂作為本模型訓(xùn)練的數(shù)據(jù)集,其中5000首用于訓(xùn)練數(shù)據(jù),1500首用于調(diào)參,剩下的1124首作為測試數(shù)據(jù)。

    3.2? 模型實現(xiàn)

    首先將處理好的數(shù)據(jù)集編碼為獨熱音符,將該數(shù)據(jù)集基于音樂規(guī)則預(yù)訓(xùn)練Seq2Seq(Sequence to Sequence)模型,以此為R-A2C模型提供可接受的初始化數(shù)據(jù)。在訓(xùn)練期間,演員和評論家均采用隱藏層大小為80的單層神經(jīng)網(wǎng)絡(luò)。模型在每個小節(jié)結(jié)束后實時更新。

    對于獎勵值RNN,使用基于用戶反饋信息和先前政策的組合機制,對于用戶反饋的信息進(jìn)行分級處理,使用參數(shù)b實際上相當(dāng)于為用戶的判斷施加權(quán)重值,以此產(chǎn)生更符合用戶需求的音樂旋律。

    3.3? 評估結(jié)果

    由于音樂生成任務(wù)通常可以被視為序列生成問題,我們選取了2個基線模型[18]在成功率和回報值兩個維度上進(jìn)行比較測試。

    ● A2C是僅僅基于優(yōu)勢演員-評論家的模型

    ● A2C-P是在A2C的基礎(chǔ)上增加獎勵值RNN,但是僅僅有先前策略。

    ● R-A2C是在A2C的基礎(chǔ)上增加基于先前策略和用戶反饋信息的獎勵值RNN模型

    一般的機器學(xué)習(xí)模型都有評判的依據(jù),該依據(jù)與模型生成的結(jié)果產(chǎn)生損失,然后修正參數(shù)從而優(yōu)化之前的模型??紤]到音樂生成較為特殊,對于生成的音樂,沒有準(zhǔn)確統(tǒng)一的衡量標(biāo)準(zhǔn)。根據(jù)Schmeling的提出的音樂觀點,我們在旋律的流暢度和音樂的完整性上給出了一些指標(biāo)(比如在旋律的流暢度上,是否在音樂進(jìn)行時有明顯的停頓;在音樂的完整性上,生成的音樂是否完整而不僅僅是音樂片段)。為了評估本模型中音樂生成的質(zhì)量,我們邀請了10名音樂愛好者和5名非專業(yè)人士進(jìn)行本次調(diào)查。我們隨機抽取10段旋律,要求這15名志愿者在試聽之后進(jìn)行打分,分?jǐn)?shù)為1到5,學(xué)習(xí)曲線如圖2所示,評估結(jié)果如表1所示。

    通過表1的成功率、獎勵值和人工打分三個指標(biāo)明顯發(fā)現(xiàn)R-A2C模型在音樂生成任務(wù)上的性能優(yōu)于其他幾個方法。

    4? 結(jié)論

    本文提出了一種基于獎勵值RNN模型的優(yōu)勢演員-評論家模型。該模型在利用深度學(xué)習(xí)校正RNN生成序列的同時,與其他模型相比,增加獎勵值RNN中的用戶反饋信息,通過大量實驗,無論是自動指標(biāo)還是人工評估,本模型均表現(xiàn)出比較好的? 性能。在未來的方向上,我們希望繼續(xù)優(yōu)化模型,以應(yīng)用于更復(fù)雜的音樂生成任務(wù)上和其他強化學(xué)習(xí)領(lǐng)域。

    參考文獻(xiàn)

    [1] Andries V D M, Schulze W. Music Generation with Markov Models[J]. IEEE Multimedia, 2011, 18(3): 78-85.

    [2] Kang S, Ok S Y, Kang Y M. Automatic Music Generation and Machine Learning Based Evaluation[M]//Multimedia and Signal Processing. Springer Berlin Heidelberg, 2012. 436–443.

    [3] 劉騰飛, 于雙元, 張洪濤, 等. 基于循環(huán)和卷積神經(jīng)網(wǎng)絡(luò)的文本分類研究[J]. 軟件, 2018, 39(01): 64-69

    [4] 石黎, 孫志梅. 教學(xué)質(zhì)量評價的BP 神經(jīng)網(wǎng)絡(luò)模型[J]. 軟件, 2015, 36(3): 19-21

    [5] 張曉明, 尹鴻峰. 基于卷積神經(jīng)網(wǎng)絡(luò)和語義信息的場景分類[J]. 軟件, 2018, 39(01): 29-34

    [6] Chu H, Urtasun R, Fidler S. Song From PI: A Musically Plausible Network for Pop Music Generation[J]. 2016. In Proc. ICLR, Workshop Track, 2017.

    [7] 張玉環(huán), 錢江. 基于兩種 LSTM 結(jié)構(gòu)的文本情感分析[J]. 軟件, 2018, 39(1): 116-120

    [8] 陳海紅. 多核SVM 文本分類研究[J]. 軟件, 2015, 36(5): 7-10.

    [9] Konda V R, Tsitsiklis J N. OnActor-Critic Algorithms[J]. SIAM Journal on Control and Optimization, 2000, 42(4).

    [10] Williams R J. Simple statistical gradient-following algorithms for connectionist reinforcement learning[J]. Machine Learning, 1992, 8(3-4): 229-256.

    [11] Mnih V, Badia, Adrià Puigdomènech, Mirza M, et al. Asynchronous Methods for Deep Reinforcement Learning[J]. 2016. pp. 1928–1937.

    [12] Jaques N, Gu S, Turner R E, et al. Tuning Recurrent Neural Networks with Reinforcement Learning[J]. 2016.

    [13] Models G W L. (2017). Cold fusion: training seq2seq models to-[J]. 2017.

    [14] Shannon C E. The mathematical theory of communication. 1963[J]. Bell Labs Technical Journal, 1950, 3(9): 31-32.

    [15] 呂國豪, 楊東坡, 劉金環(huán). 基于卷積神經(jīng)網(wǎng)絡(luò)的商品圖像精細(xì)分類. 山東科技大學(xué)學(xué)報(自然科學(xué)版), 2014;33(6): 91-96.

    [16] Shapiro A. Monte Carlo Sampling Methods[J]. Handbooks in Operations Research and Management Science, 2003, 10(03): 353-425.

    [17] 王程, 周婉, 何軍. 面向自動音樂生成的深度遞歸神經(jīng)網(wǎng)絡(luò)方法[J]. 小型微型計算機系統(tǒng), 2017(10).

    [18] Peng B, Li X, Gao J, et al. Adversarial Advantage Actor-Critic Model for Task-Completion Dialogue Policy Learning[J]. 2017.

    猜你喜歡
    演員評論家
    廣東當(dāng)代文學(xué)評論家
    音樂評論家的“內(nèi)功”修煉——論八項追求
    中國音樂(2022年3期)2022-06-10 06:28:36
    著名詩人、評論家
    鴨綠江(2021年29期)2021-02-28 05:44:26
    著名詩人、評論家 吳思敬
    鴨綠江(2020年29期)2020-11-15 07:05:52
    評論家楊占平
    火花(2019年8期)2019-08-28 08:45:06
    青年油畫家、文藝評論家
    編導(dǎo)創(chuàng)作與演員呈現(xiàn)之間的互動
    青春歲月(2016年21期)2016-12-20 11:09:45
    從“演員”到“明星”
    百變“演員”
    雜技藝術(shù)與音樂簡析
    √禁漫天堂资源中文www| 精品久久久久久,| 欧美精品高潮呻吟av久久| 亚洲av成人av| 男人操女人黄网站| 最新美女视频免费是黄的| 曰老女人黄片| 亚洲中文字幕日韩| 午夜日韩欧美国产| 久久中文字幕一级| 亚洲精品粉嫩美女一区| 久久久久久久午夜电影 | 窝窝影院91人妻| 午夜成年电影在线免费观看| avwww免费| 黄色女人牲交| 国产不卡av网站在线观看| 亚洲男人天堂网一区| 啦啦啦 在线观看视频| 亚洲人成77777在线视频| 亚洲七黄色美女视频| 亚洲精品自拍成人| 欧美日韩一级在线毛片| 久久精品国产99精品国产亚洲性色 | av片东京热男人的天堂| 日本撒尿小便嘘嘘汇集6| 777米奇影视久久| 欧洲精品卡2卡3卡4卡5卡区| 久久久久国产一级毛片高清牌| 成年女人毛片免费观看观看9 | av在线播放免费不卡| 中文字幕人妻丝袜制服| 久久久久久亚洲精品国产蜜桃av| 91九色精品人成在线观看| 女人被躁到高潮嗷嗷叫费观| 90打野战视频偷拍视频| 成人国语在线视频| 不卡av一区二区三区| 久久久久久久国产电影| 久久精品熟女亚洲av麻豆精品| 热99久久久久精品小说推荐| 天堂中文最新版在线下载| 亚洲精华国产精华精| 黄色片一级片一级黄色片| 国产成人欧美在线观看 | 狠狠狠狠99中文字幕| 视频区图区小说| 国产精品电影一区二区三区 | 99热只有精品国产| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲成人免费av在线播放| 一边摸一边做爽爽视频免费| 婷婷丁香在线五月| 丰满人妻熟妇乱又伦精品不卡| 99国产精品99久久久久| 一级黄色大片毛片| 精品国产亚洲在线| 日韩欧美国产一区二区入口| 日韩欧美国产一区二区入口| 欧美日本中文国产一区发布| 欧美日韩一级在线毛片| 亚洲午夜理论影院| 免费看a级黄色片| 亚洲性夜色夜夜综合| 亚洲人成伊人成综合网2020| 国产亚洲精品一区二区www | 99热国产这里只有精品6| 淫妇啪啪啪对白视频| 久久久久久免费高清国产稀缺| 国产精品二区激情视频| 国产成人一区二区三区免费视频网站| 两性午夜刺激爽爽歪歪视频在线观看 | 国产高清视频在线播放一区| 久久久久久久午夜电影 | 久久 成人 亚洲| 成人国产一区最新在线观看| videosex国产| aaaaa片日本免费| 一本综合久久免费| 精品一区二区三卡| 日韩人妻精品一区2区三区| 欧美另类亚洲清纯唯美| 日本黄色视频三级网站网址 | 亚洲一区二区三区不卡视频| 久久精品熟女亚洲av麻豆精品| av超薄肉色丝袜交足视频| 欧洲精品卡2卡3卡4卡5卡区| 久久婷婷成人综合色麻豆| 久久久久精品人妻al黑| 日本一区二区免费在线视频| 国产免费男女视频| 宅男免费午夜| 国产成人av教育| 9191精品国产免费久久| 国产精品香港三级国产av潘金莲| 视频在线观看一区二区三区| 窝窝影院91人妻| 99久久人妻综合| 亚洲人成77777在线视频| 首页视频小说图片口味搜索| 一本大道久久a久久精品| 欧美精品高潮呻吟av久久| 欧美在线一区亚洲| 久久ye,这里只有精品| 日韩中文字幕欧美一区二区| 一个人免费在线观看的高清视频| 国产成人啪精品午夜网站| 亚洲精品成人av观看孕妇| 在线免费观看的www视频| 午夜精品在线福利| 搡老熟女国产l中国老女人| 天天躁狠狠躁夜夜躁狠狠躁| 国产精品久久久久久人妻精品电影| 自拍欧美九色日韩亚洲蝌蚪91| 一边摸一边抽搐一进一出视频| 久久天堂一区二区三区四区| aaaaa片日本免费| 看免费av毛片| 九色亚洲精品在线播放| 亚洲熟女毛片儿| 日本五十路高清| 一a级毛片在线观看| 老司机影院毛片| 欧美精品一区二区免费开放| 色综合欧美亚洲国产小说| 亚洲午夜理论影院| 欧美 日韩 精品 国产| 一进一出好大好爽视频| 欧美日韩亚洲综合一区二区三区_| 免费观看a级毛片全部| 多毛熟女@视频| 欧美人与性动交α欧美软件| 成人国产一区最新在线观看| 捣出白浆h1v1| 精品福利永久在线观看| 欧美黄色淫秽网站| 美女国产高潮福利片在线看| 欧美老熟妇乱子伦牲交| 啪啪无遮挡十八禁网站| 欧美一级毛片孕妇| 精品久久久久久久毛片微露脸| 午夜精品国产一区二区电影| 一二三四在线观看免费中文在| 丝袜在线中文字幕| 高清视频免费观看一区二区| 久久久国产精品麻豆| 51午夜福利影视在线观看| 亚洲精华国产精华精| 亚洲五月天丁香| 久久久国产一区二区| 啦啦啦在线免费观看视频4| 妹子高潮喷水视频| 精品乱码久久久久久99久播| 久久性视频一级片| 亚洲国产中文字幕在线视频| 人人澡人人妻人| 人妻丰满熟妇av一区二区三区 | 看片在线看免费视频| 日韩中文字幕欧美一区二区| 亚洲精品久久成人aⅴ小说| 精品国产一区二区三区久久久樱花| 国产欧美日韩一区二区精品| 国产男女内射视频| 亚洲va日本ⅴa欧美va伊人久久| 国产日韩欧美亚洲二区| 久久久久精品人妻al黑| 女警被强在线播放| 久久久久久久久免费视频了| 美女高潮喷水抽搐中文字幕| 母亲3免费完整高清在线观看| 免费av中文字幕在线| 国产视频一区二区在线看| 亚洲第一青青草原| 国产欧美日韩综合在线一区二区| 99热网站在线观看| 午夜91福利影院| 日韩欧美国产一区二区入口| 美女高潮喷水抽搐中文字幕| 国产免费现黄频在线看| 国产成人影院久久av| 国产成人啪精品午夜网站| 欧美日韩瑟瑟在线播放| 村上凉子中文字幕在线| 亚洲精品粉嫩美女一区| 久久精品成人免费网站| 亚洲午夜理论影院| 久久精品国产a三级三级三级| 老司机影院毛片| 国产欧美日韩综合在线一区二区| 久久精品国产综合久久久| 搡老岳熟女国产| 性色av乱码一区二区三区2| 99久久精品国产亚洲精品| 精品卡一卡二卡四卡免费| 精品一区二区三区视频在线观看免费 | 久久国产精品大桥未久av| x7x7x7水蜜桃| 最新美女视频免费是黄的| 婷婷成人精品国产| 国产亚洲欧美在线一区二区| 日本wwww免费看| 黑人操中国人逼视频| 亚洲精品在线观看二区| 人人妻人人澡人人爽人人夜夜| 国产黄色免费在线视频| 一区二区三区国产精品乱码| 91麻豆精品激情在线观看国产 | 99久久99久久久精品蜜桃| 国产av一区二区精品久久| 免费在线观看黄色视频的| 一边摸一边抽搐一进一出视频| 亚洲熟妇熟女久久| 国产aⅴ精品一区二区三区波| 丝瓜视频免费看黄片| 交换朋友夫妻互换小说| 国产成+人综合+亚洲专区| 国产精品免费一区二区三区在线 | 丝袜在线中文字幕| 久久精品成人免费网站| 老司机亚洲免费影院| 成年人免费黄色播放视频| 一级片'在线观看视频| 免费在线观看影片大全网站| 又大又爽又粗| 女性被躁到高潮视频| 国产一区二区激情短视频| 午夜成年电影在线免费观看| 在线视频色国产色| 亚洲一卡2卡3卡4卡5卡精品中文| 少妇 在线观看| 亚洲性夜色夜夜综合| 丰满迷人的少妇在线观看| 国产成人系列免费观看| aaaaa片日本免费| 丰满饥渴人妻一区二区三| 欧美激情高清一区二区三区| 亚洲欧美日韩高清在线视频| 欧美av亚洲av综合av国产av| 99久久国产精品久久久| 在线观看www视频免费| 午夜亚洲福利在线播放| 丝袜美足系列| 亚洲精品美女久久av网站| 国产麻豆69| 成人影院久久| 成在线人永久免费视频| 高清毛片免费观看视频网站 | 黄片小视频在线播放| 午夜精品在线福利| 黄色毛片三级朝国网站| 久久精品国产a三级三级三级| 少妇裸体淫交视频免费看高清 | 19禁男女啪啪无遮挡网站| 久久久国产成人免费| 亚洲成人手机| 欧美精品高潮呻吟av久久| 亚洲精华国产精华精| 淫妇啪啪啪对白视频| 欧美成人午夜精品| 国产亚洲精品久久久久5区| 午夜免费鲁丝| 精品国产美女av久久久久小说| 亚洲成国产人片在线观看| 午夜视频精品福利| 欧美日韩视频精品一区| 黄网站色视频无遮挡免费观看| 久久精品国产亚洲av高清一级| 成人精品一区二区免费| 天堂动漫精品| av天堂久久9| 国产成人系列免费观看| 很黄的视频免费| 激情视频va一区二区三区| 亚洲七黄色美女视频| 一区二区三区国产精品乱码| 免费在线观看完整版高清| 亚洲精品国产一区二区精华液| 好男人电影高清在线观看| 久久精品亚洲av国产电影网| 欧美成人午夜精品| 中国美女看黄片| 国产精品乱码一区二三区的特点 | 久久久精品免费免费高清| 国产精品亚洲av一区麻豆| 国产欧美日韩一区二区三区在线| 成人手机av| 亚洲午夜精品一区,二区,三区| 极品教师在线免费播放| 日日夜夜操网爽| 国产欧美日韩一区二区三| 老司机福利观看| 韩国精品一区二区三区| 热99re8久久精品国产| 国产亚洲一区二区精品| 中亚洲国语对白在线视频| 久久精品亚洲熟妇少妇任你| 90打野战视频偷拍视频| 国产成人精品久久二区二区免费| 欧美日韩中文字幕国产精品一区二区三区 | 国产亚洲精品第一综合不卡| 国产成人av教育| 亚洲精品国产区一区二| 国产av又大| 中文亚洲av片在线观看爽 | 免费在线观看黄色视频的| 亚洲熟女毛片儿| 久久久久久久久久久久大奶| 欧美日韩av久久| 亚洲av第一区精品v没综合| 亚洲av片天天在线观看| 一个人免费在线观看的高清视频| 国产成人精品久久二区二区免费| 午夜福利免费观看在线| 亚洲国产欧美网| 国产午夜精品久久久久久| 久久人人爽av亚洲精品天堂| 男女床上黄色一级片免费看| 亚洲精品国产色婷婷电影| 丁香欧美五月| 国产成人欧美在线观看 | 欧美国产精品一级二级三级| 人妻 亚洲 视频| 老司机福利观看| 日韩成人在线观看一区二区三区| 中文欧美无线码| 麻豆成人av在线观看| 夜夜爽天天搞| 777久久人妻少妇嫩草av网站| а√天堂www在线а√下载 | 制服诱惑二区| 999精品在线视频| 国产精华一区二区三区| 又紧又爽又黄一区二区| 久久精品成人免费网站| 中文亚洲av片在线观看爽 | 好男人电影高清在线观看| 免费观看a级毛片全部| 一边摸一边做爽爽视频免费| 国产精品偷伦视频观看了| 黄色成人免费大全| 国产精品久久视频播放| 亚洲精品成人av观看孕妇| 最近最新免费中文字幕在线| 九色亚洲精品在线播放| 久久精品成人免费网站| 一区二区三区激情视频| 亚洲色图 男人天堂 中文字幕| 亚洲成人免费电影在线观看| 两性夫妻黄色片| 一边摸一边做爽爽视频免费| 久久九九热精品免费| 国产亚洲精品久久久久久毛片 | 欧美+亚洲+日韩+国产| av福利片在线| av线在线观看网站| 国产97色在线日韩免费| 日本欧美视频一区| 国产成人啪精品午夜网站| 国产精品香港三级国产av潘金莲| svipshipincom国产片| 国产淫语在线视频| 久久久久精品国产欧美久久久| 国产蜜桃级精品一区二区三区 | 亚洲精品美女久久av网站| 高潮久久久久久久久久久不卡| 91麻豆精品激情在线观看国产 | 久久久精品区二区三区| 免费观看a级毛片全部| 亚洲国产欧美日韩在线播放| av福利片在线| 人人妻,人人澡人人爽秒播| 美女 人体艺术 gogo| 久久人人97超碰香蕉20202| 欧美日韩一级在线毛片| 久久精品国产a三级三级三级| 久久这里只有精品19| 亚洲全国av大片| 无人区码免费观看不卡| 乱人伦中国视频| 久久久精品国产亚洲av高清涩受| 精品亚洲成国产av| 精品久久蜜臀av无| 人妻 亚洲 视频| 久久久久精品国产欧美久久久| 欧美午夜高清在线| 亚洲情色 制服丝袜| 国产不卡av网站在线观看| 最近最新中文字幕大全电影3 | 夫妻午夜视频| 国产欧美日韩一区二区三| av天堂久久9| 日韩欧美三级三区| 国产99久久九九免费精品| 国产午夜精品久久久久久| 美女福利国产在线| 99国产综合亚洲精品| 亚洲欧美一区二区三区久久| 亚洲精品中文字幕一二三四区| 免费日韩欧美在线观看| 久久精品91无色码中文字幕| 妹子高潮喷水视频| 三级毛片av免费| 十八禁高潮呻吟视频| 操美女的视频在线观看| 午夜福利欧美成人| 久久午夜综合久久蜜桃| 亚洲精品粉嫩美女一区| 50天的宝宝边吃奶边哭怎么回事| 精品国产一区二区三区四区第35| 一级作爱视频免费观看| 亚洲自偷自拍图片 自拍| 国产一卡二卡三卡精品| 亚洲熟女精品中文字幕| 91精品国产国语对白视频| 精品一区二区三卡| 99久久精品国产亚洲精品| 每晚都被弄得嗷嗷叫到高潮| 久久久久久久久久久久大奶| 亚洲欧美一区二区三区久久| 99精品欧美一区二区三区四区| 欧美成人免费av一区二区三区 | 欧美日韩亚洲综合一区二区三区_| 99精品在免费线老司机午夜| 1024香蕉在线观看| 国产激情久久老熟女| 国产亚洲精品第一综合不卡| 国产国语露脸激情在线看| 久久久久久免费高清国产稀缺| 久久亚洲真实| 99国产精品一区二区三区| 女人精品久久久久毛片| 亚洲第一av免费看| 制服人妻中文乱码| 99在线人妻在线中文字幕 | 天天操日日干夜夜撸| 精品福利观看| 国产精品成人在线| 午夜精品国产一区二区电影| 18禁裸乳无遮挡动漫免费视频| 国产真人三级小视频在线观看| 免费久久久久久久精品成人欧美视频| 免费在线观看完整版高清| 窝窝影院91人妻| 亚洲性夜色夜夜综合| 女性被躁到高潮视频| 国产黄色免费在线视频| 一进一出抽搐gif免费好疼 | 国产精品久久久久成人av| 亚洲av熟女| 水蜜桃什么品种好| 成年人黄色毛片网站| 中文字幕制服av| 很黄的视频免费| 精品一区二区三卡| 欧美大码av| 国产一区二区激情短视频| 午夜福利影视在线免费观看| av网站免费在线观看视频| 侵犯人妻中文字幕一二三四区| 久久九九热精品免费| www.自偷自拍.com| 久久久久国产一级毛片高清牌| 少妇被粗大的猛进出69影院| 亚洲精品av麻豆狂野| 香蕉丝袜av| 国产精品免费视频内射| 欧美日韩福利视频一区二区| 亚洲国产毛片av蜜桃av| 制服人妻中文乱码| 91成年电影在线观看| www日本在线高清视频| 麻豆av在线久日| 国产高清视频在线播放一区| 久久久久视频综合| 黄片小视频在线播放| 一区二区三区国产精品乱码| 99国产精品一区二区蜜桃av | 老司机午夜十八禁免费视频| 午夜福利乱码中文字幕| 精品国产乱子伦一区二区三区| 国产精品自产拍在线观看55亚洲 | 国产熟女午夜一区二区三区| 欧美日韩精品网址| 国产欧美日韩一区二区精品| tube8黄色片| 国产精品免费大片| 99在线人妻在线中文字幕 | 欧美日韩成人在线一区二区| 好男人电影高清在线观看| 777米奇影视久久| 亚洲男人天堂网一区| 9191精品国产免费久久| 麻豆av在线久日| 精品电影一区二区在线| 99热网站在线观看| 国产欧美日韩一区二区三| 看片在线看免费视频| 高清黄色对白视频在线免费看| 精品国产超薄肉色丝袜足j| 老司机午夜十八禁免费视频| 午夜福利一区二区在线看| 久久 成人 亚洲| 国产成人精品久久二区二区91| 国产99白浆流出| 国产亚洲欧美98| 精品国产美女av久久久久小说| 99国产精品99久久久久| 电影成人av| 18禁观看日本| 国产男女内射视频| 久久香蕉国产精品| 亚洲色图av天堂| 欧美色视频一区免费| 欧美精品高潮呻吟av久久| xxx96com| 香蕉丝袜av| 日韩中文字幕欧美一区二区| 女人精品久久久久毛片| 亚洲,欧美精品.| 91九色精品人成在线观看| 国产黄色免费在线视频| 日本五十路高清| 伦理电影免费视频| 黑丝袜美女国产一区| 亚洲欧美日韩另类电影网站| 性少妇av在线| 国产91精品成人一区二区三区| 一区二区三区国产精品乱码| 色精品久久人妻99蜜桃| 亚洲伊人色综图| 高清在线国产一区| 国产一区二区三区在线臀色熟女 | 丰满的人妻完整版| 亚洲国产欧美网| 久久精品成人免费网站| av中文乱码字幕在线| 搡老乐熟女国产| 一个人免费在线观看的高清视频| 亚洲五月色婷婷综合| 亚洲人成伊人成综合网2020| 午夜免费观看网址| 亚洲一区二区三区不卡视频| 两性夫妻黄色片| 在线观看一区二区三区激情| 淫妇啪啪啪对白视频| 亚洲欧美一区二区三区黑人| 欧美亚洲日本最大视频资源| 久久草成人影院| 99精品欧美一区二区三区四区| av不卡在线播放| 香蕉国产在线看| 国产xxxxx性猛交| 国产激情欧美一区二区| 69av精品久久久久久| 亚洲国产欧美日韩在线播放| 免费久久久久久久精品成人欧美视频| 日韩熟女老妇一区二区性免费视频| 黄色成人免费大全| av片东京热男人的天堂| 一本一本久久a久久精品综合妖精| 老司机深夜福利视频在线观看| 国产精品成人在线| 美女午夜性视频免费| 欧美最黄视频在线播放免费 | 午夜精品久久久久久毛片777| 天天影视国产精品| 精品国内亚洲2022精品成人 | 亚洲自偷自拍图片 自拍| 亚洲熟女精品中文字幕| 一区福利在线观看| 啦啦啦在线免费观看视频4| a级毛片在线看网站| 国产男靠女视频免费网站| 制服人妻中文乱码| 精品免费久久久久久久清纯 | 成人三级做爰电影| 久久香蕉国产精品| 一级a爱视频在线免费观看| 亚洲成a人片在线一区二区| 深夜精品福利| 757午夜福利合集在线观看| 国产国语露脸激情在线看| 久久精品国产清高在天天线| 免费在线观看视频国产中文字幕亚洲| 中文字幕人妻熟女乱码| 国产高清激情床上av| 韩国av一区二区三区四区| 如日韩欧美国产精品一区二区三区| av在线播放免费不卡| 色播在线永久视频| 两性夫妻黄色片| avwww免费| 黑人操中国人逼视频| 久久午夜亚洲精品久久| 亚洲片人在线观看| 欧美乱码精品一区二区三区| 国产av又大| 午夜福利一区二区在线看| 国产在视频线精品| 男人操女人黄网站| 午夜福利一区二区在线看| 国产成+人综合+亚洲专区| 精品熟女少妇八av免费久了| 欧美午夜高清在线| 在线十欧美十亚洲十日本专区| bbb黄色大片| 1024香蕉在线观看| 757午夜福利合集在线观看| 精品无人区乱码1区二区| 欧美激情 高清一区二区三区| 亚洲国产精品合色在线| 很黄的视频免费| 精品人妻熟女毛片av久久网站| 国产精品免费视频内射| 久久久久视频综合|