• <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 ?

    一種基于GAN和自適應遷移學習的樣本生成方法

    2020-03-05 03:12:22周立君茹志兵
    應用光學 2020年1期
    關鍵詞:特征模型

    周立君,劉 宇,白 璐,茹志兵,于 帥

    (1.西安應用光學研究所,陜西 西安 710065;2.西安北方光電科技防務有限公司,陜西 西安 710043)

    引言

    目標檢測和識別技術在軍事領域有著重要的應用,近年來發(fā)展了很多基于深度學習的目標分類算法[1]。這些算法所依賴的模型參數(shù)需要通過大量的樣本進行訓練才能得到。然而軍事目標能夠采集到的樣本數(shù)目有限,且大樣本數(shù)據(jù)手工標注耗時且成本高等[2-3]。本文研究了基于生成式對抗網(wǎng)絡GAN(generative countermeasure network)和跨域自適應遷移學習的樣本生成和自動標注方法[4-5]。該方法利用自適應遷移學習網(wǎng)絡,基于已有的少量可見光圖像樣本集,挖掘目標在紅外和可見光圖像中特征內(nèi)在相關性,構建自適應的轉(zhuǎn)換遷移學習網(wǎng)絡模型,生成標注好的目標圖像,解決實際應用中紅外圖像樣本數(shù)量少且標注費時的問題,為后續(xù)多頻段協(xié)同目標檢測和識別獲得足夠的樣本數(shù)據(jù)。

    1 樣本生成和自動標注原理

    這里以生成和自動標注紅外樣本數(shù)據(jù)為例。在圖1 中,虛線部分為GAN,首先將已有的紅外樣本數(shù)據(jù)輸入GAN,生成式對抗網(wǎng)絡通過學習該紅外圖像樣本的區(qū)域目標特征,然后生成與輸入樣本數(shù)據(jù)分布一致的無標注紅外圖像樣本數(shù)據(jù)。在這個過程中,生成模型捕捉樣本數(shù)據(jù)的分布,用服從某一分布(均勻分布,高斯分布等)的噪聲生成一個類似真實訓練數(shù)據(jù)的樣本。判別模型是一個分類器,估計一個樣本來自于訓練數(shù)據(jù)的概率,如果樣本來自于真實的訓練數(shù)據(jù),則輸出大概率,否則,輸出小概率。生成網(wǎng)絡不斷生成類似于樣本的“紅外圖像”,而判別網(wǎng)絡通過判別去除不符合要求的樣本數(shù)據(jù),最后獲取相關性強的樣本數(shù)據(jù)集。獲得的大量無標注紅外圖像樣本數(shù)據(jù),可解決軍工背景下訓練深度網(wǎng)絡所需大樣本數(shù)據(jù)缺失的問題。

    圖1 多頻段數(shù)據(jù)自適應轉(zhuǎn)移學習方法的原理Fig.1 Principal diagram of multi-band data adaptive transfer learning method

    圖1 下半部分是跨域自適應遷移學習技術路線,對現(xiàn)有的可見光相關數(shù)據(jù)集即源域進行學習,完成源域的標注問題即源任務,獲得在可見光領域下對目標的識別和標注的方法。通過跨域自適應遷移學習來構建學習系統(tǒng),并應用于紅外圖像的目標檢測與標注。對通過GAN 獲得的紅外圖像樣本數(shù)據(jù)進行跨域自適應無監(jiān)督遷移學習,實現(xiàn)對其自動標注,從而獲得大量標注好的紅外圖像樣本數(shù)據(jù)。

    2 基于GAN 樣本數(shù)據(jù)生成方法

    GAN 是Goodfellow 等人于2014 年提出的一種生成式模型,GAN 在結(jié)構上受博弈論中二人靈活博弈的啟發(fā),系統(tǒng)由一個生成器和一個判別器構成,生成器和判別器互為競爭關系。判別模型的任務是判斷給定的數(shù)據(jù)看起來是自然的還是人為偽造的,生成模型的任務是生成看起來自然真實并且和原始數(shù)據(jù)相似的數(shù)據(jù)。生成器試圖欺騙判別器,判別器則努力不被生成器欺騙。經(jīng)過交替優(yōu)化訓練,兩種模型都能得到提升,直到到達一個“假冒產(chǎn)品和真實產(chǎn)品無法區(qū)分”的點。生成器和判別器的目標是生成與訓練集中一些非常相似的數(shù)據(jù)點。GAN 的優(yōu)化過程是一個極小極大博弈問題,優(yōu)化目標是達到納什均衡,使得生成器估測到數(shù)據(jù)樣本的分布。在當前的人工智能熱潮下,GAN 的提出滿足了許多領域的研究和應用需求,同時為這些領域注入了新的發(fā)展動力。GAN 已經(jīng)成為人工智能學界一個熱門的研究方向,著名學者LeCun 甚至將其稱為“過去10 年間機器學習領域最讓人激動的點子”。目前,人們利用GAN 可以完成不同種類的生成任務,它能夠生成現(xiàn)實中的圖片、三維模型、視頻和其他更有價值的樣本數(shù)據(jù)[6-11]。

    針對生成式對抗網(wǎng)絡基于區(qū)域的特征學習,提出區(qū)域生成式對抗網(wǎng)絡框架:包含2 個分類器模型,其中一個用于對單個圖像進行基于深度判別特征提取,另外一個分類器也稱作對抗網(wǎng)絡,用于區(qū)分標簽圖和預測出來的概率圖,引入對抗網(wǎng)絡的目的是使得到的概率預測圖更符合真實的標簽圖。將需要訓練的影像記為{xn,yn,n=1,···,N}表示預測出來的概率圖,a(x,y)表示對抗網(wǎng)絡預測y是x的真實標簽圖的概率。那么損失函數(shù)可以定義如下:

    式中:Lmce(y1,y)表示預測的概率圖y1和真實標簽圖y之間的多類交叉熵損失;Lbce(z1,z) = - [zlnz1+(1-z)ln(1-z1)],表示兩類交叉熵損失。

    與傳統(tǒng)生成式對抗網(wǎng)絡的訓練方法類似,這里的模型訓練也是通過迭代訓練生成模型和判別模型來完成的。訓練對抗模型的過程等價于優(yōu)化如下表達式,其物理意義是使得對抗模型對概率圖和真實標簽圖的區(qū)分能力更強,即:

    基于生成式對抗網(wǎng)絡目標特征學習流程如圖2所示。在良好訓練的區(qū)域生成對抗網(wǎng)絡基礎上,根據(jù)輸入場景得到的區(qū)域類標圖進行分析,即可得到場景中包含的目標及其位置信息。

    圖2 基于GAN 的樣本生成流程Fig.2 Sample generation process based on GAN

    3 跨域自適應遷移學習的樣本無監(jiān)督標注

    目前主要通過人工標注大量樣本數(shù)據(jù)構建訓練樣本,根據(jù)這些樣本建立相關模型來實現(xiàn)目標的檢測和識別。然而,人工標注樣本數(shù)據(jù)是一項費時費力的工作,而且傳統(tǒng)的訓練學習方法通常假設訓練樣本與測試樣本來源于同樣的數(shù)據(jù)域。另外,傳統(tǒng)的訓練學習方法只在擁有大量已標注訓練數(shù)據(jù)的前提下,對測試數(shù)據(jù)進行比較,魯棒性分類或標注。在僅有少量標注數(shù)據(jù)的情況下,傳統(tǒng)的學習方法很難訓練出具有較強魯棒性、較好泛化能力的分類器。所幸的是,遷移學習可以解決只有少量甚至沒有標注數(shù)據(jù)的分類器學習問題。它通過利用其他不同相關數(shù)據(jù)域中已有的知識和數(shù)據(jù)來學習適用于感興趣數(shù)據(jù)域的分類器[12-13]。

    這里給出具體從現(xiàn)有相關數(shù)據(jù)集圖像中獲取知識用以自動標注樣本數(shù)據(jù)的遷移學習方法。首先,通過構建一個新的判別式結(jié)構化模型(跨領域結(jié)構化模型),聯(lián)合獲取源圖像域特征與目標圖像域特征之間的相關性,以及不同圖像屬性之間的關系。同時,在此模型中,通過使用典型相關性分析構建共同特征空間,使得源域與目標域中的數(shù)據(jù)在統(tǒng)一的框架中聯(lián)合學習。為了避免單一特征獲得知識過于片面,在基于單一特征匹配的跨域知識遷移中引入了基于多特征聯(lián)合的匹配方法,提出分組權重聯(lián)合學習算法,有效地將不同但相關的圖像組分類器遷移到樣本數(shù)據(jù)。使用一種共同特征子空間來解決知識遷移過程中源域與目標域特征異構的問題,實現(xiàn)樣本數(shù)據(jù)自動標注,從而減少人工標注的代價[14]。

    圖3 跨域自適應遷移學習的樣本無監(jiān)督標注流程Fig.3 Sample unsupervised labeling process for crossdomain adaptive transfer learning

    首先,建立一個共同的特征子空間,使不同特征空間中的數(shù)據(jù)能夠使用同一個分類器進行預測。這樣,得到的目標域的分類器具有更好的泛化性。源域Ds=(xs,P(Xs))包含了已標注相關數(shù)據(jù)集,目標域Dt=(xt,P(xt))為需要標注的樣本數(shù)據(jù)。這里P(Xs)和P(Xt)分別表示源域數(shù)據(jù)的特征空間Xs和目標域數(shù)據(jù)特征空間Xt的分布。

    定義源域第g組樣本圖像的預分類器為

    式中:ω=[ω1;ω2]為預分類器模板;xs,g是第g組圖像中的第s個圖像樣本。ψ(xs,g)和v(xs,g)分別是共同特征和圖像特征。目標域中的圖像特征分布與源域的圖像特征分布在某種程度上是不一樣的,為消除這種不匹配,需要優(yōu)化預分類器的模板ω1和ω2。源域的數(shù)據(jù)只在初始化組預分類器時使用,在完成初始化后,源域中的樣本就逐漸被目標域的樣本替代,從而得到最終的分類平面。

    在得到了預分類器后,接下來的工作就是如何將這些分類器整合起來得到目標分類器。這里使用一種新的聯(lián)合組權重學習方法,將不同的組根據(jù)他們與目標域的相關性加權整合起來,每個組的權重代表了這個組對分類目標視頻的貢獻。

    在聯(lián)合組權重學習中,將樣本的目標分類器定義為

    式中αg>0 是第g組的權重,將g歸一化,

    基于對不同組的平滑假設,既需要最小化目標函數(shù)在標注源域數(shù)據(jù)上的誤差,也需要最小化不同組分類器在目標域數(shù)據(jù)上的差距。學習計算框架可以表示為

    式中λL,λG,λT>0 為平衡參數(shù)。(5)式中,為控制目標函數(shù)ft的復雜度,α=[α1,α2,···,αg]T為所有分組的權重向量。

    ΩL(ft)是目標域分類函數(shù)在源域的標注數(shù)據(jù)上的損失函數(shù),定義為

    如果僅僅使用源域中的已標注數(shù)據(jù)訓練目標函數(shù)會導致目標函數(shù)在訓練數(shù)據(jù)上過擬合,從而降低了目標函數(shù)的泛化性能。在一些傳統(tǒng)的直推式學習方法中,目標域的未標注數(shù)據(jù)也能提供一些約束信息,從而提高分類效果。因此,考慮使用一個分組損失函數(shù)來保證目標函數(shù)在分組上的平滑性,即:

    這個損失函數(shù)約束同一個事件在不同的分組中應該具有相似的決策值。從域適應角度來看,假定屬于同一事件類別的不同預分類器,對于目標域的未標注樣本應該具有相似的決策制。例如,假設源域的第i個分類器和第k個分類器屬于同一個事件,那么應該認為盡可能的相似。事實上,可以引入ΩG(ft)來懲罰那些遠遠偏離大部分事件相關組的樣本組。

    使用目標域的未標注樣本來增強所學得模型的泛化性能,表示為正則項:

    整合以上所有各項,可以得到如下優(yōu)化問題:

    公式(9)中的優(yōu)化問題可以通過二次優(yōu)化算法得到解決。需要注意的是,基于特征的遷移學習方法和基于實例的遷移學習方法的不同是,基于特征遷移學習需要進行特征變換,使得源域和目標域數(shù)據(jù)變換到同一特征空間,而基于實例的遷移學習只是從實際數(shù)據(jù)中進行選擇來得到與目標域相似的部分數(shù)據(jù),然后直接學習。

    4 測試與分析

    利用以上自動標注算法對實際采集的裝甲目標圖像、生成的裝甲目標圖像數(shù)據(jù)集各1 000 張進行了自動標注測試,將結(jié)果與人工確認進行對比,對實際裝甲目標圖像的標注準確率達到95%以上,對生成的裝甲目標標注準確率達到83%以上。通過編寫軟件實現(xiàn)標注和訓練數(shù)據(jù)處理,利用人工進行少量的勘誤工作后,標注的數(shù)據(jù)可以用于模型的訓練,大大降低了樣本處理的工作負荷。

    根據(jù)上述算法,在原有的裝甲目標樣本數(shù)據(jù)基礎上,通過GAN 生成的樣本數(shù)據(jù)如圖4 所示?;贕AN 生成樣本,在一定程度上緩解了軍工背景下能夠采集到的樣本數(shù)目有限導致的模型過擬合,為后續(xù)目標檢測和識別獲得足夠的樣本數(shù)據(jù)提供了保證。

    圖4 GAN 生成的裝甲目標樣本結(jié)果Fig.4 Sample results of armored targets generated by GAN

    在對抗生成網(wǎng)絡中,判別器和生成器的目標函數(shù)通常都是用來衡量它們各自的性能。例如,生成器的目標函數(shù)用來衡量生成的圖片能騙過分類器的性能,但是這并不能很好地衡量生成圖片的質(zhì)量和多樣性。通常,我們使用IS(inception score)和FID(fréchet inception distance)這2 個指標來評價不同的GAN 模型,能夠給出模型的定量評價。Konstantin Shmelkov 等人認為現(xiàn)有指標不足以評估GAN模型,又引入了2 個基于圖像分類的指標GAN-train和GAN-test,分別對應GAN 的召回率(多樣性)和精確率(圖像質(zhì)量),研究者還基于這2 個指標評估了最近的GAN 方法并證明了這些方法性能的顯著差異,證明了這些評價標準的有效性[15-16]。

    利用IS、FID、GAN-train 和GAN-test 指標分別對本文所用的網(wǎng)絡進行性能測試,測試的數(shù)據(jù)集包括本文的裝甲目標數(shù)據(jù)集,以及常用的CIFAR10、CIFAR100、ImageNet 數(shù)據(jù)集。表1 給出了用本文方法產(chǎn)生的目標圖像進行評價的測試結(jié)果,其中IS 越高越好,F(xiàn)ID 越低越好。GAN-train和GAN-test 是以百分比形式給出的準確率,越高越好。

    由上表可以看出,數(shù)據(jù)集復雜程度(從CIFAR10到CIFAR100 再到ImageNet)與GAN 質(zhì)量呈負相關關系。為了便于比較生成圖像數(shù)據(jù)集大小對GANtrain 準確率產(chǎn)生的影響,圖5 給出了改變真實圖像訓練數(shù)據(jù)集大小對結(jié)果產(chǎn)生的影響。圖6 給出了利用純真實圖像和真實圖像與生成圖像的混合數(shù)據(jù)集對訓練分類器性能的影響,結(jié)果顯示利用真實圖像和生成圖像的混合數(shù)據(jù)集訓練的分類器的性能和使用純真實圖像時基本一致。

    表1 測試結(jié)果Table 1 Test results

    圖5 改變生成圖像數(shù)據(jù)集大小對GAN-train 準確率產(chǎn)生的影響Fig.5 Effect of changing size of generated image data set on accuracy of GAN-train

    圖6 用真實圖像和SNGAN 生成的圖像結(jié)合的數(shù)據(jù)集訓練分類器的結(jié)果Fig.6 Results of classifiers trained with data set of real images and images generated by SNGAN

    5 結(jié)論

    自主裝甲目標識別在軍事上有著重要的應用價值,但是由于樣本數(shù)量較少,大大影響分類器的訓練效果,過擬合會導致分類準確率降底。本文提出了利用GAN 網(wǎng)絡生成裝甲目標的方法,能夠一定程度上緩解樣本數(shù)目有限導致的模型過擬合。通過對生成樣本的測試和分析可以知道,數(shù)據(jù)集復雜程度與GAN 生成圖像質(zhì)量呈負相關關系,而裝甲目標需要分類的數(shù)據(jù)種類少,剛好可以實現(xiàn)高質(zhì)量的圖像生成。進一步測試結(jié)果也表明,利用真實圖像和生成圖像的混合數(shù)據(jù)集訓練的分類器的性能和使用純真實圖像時基本一致,利用GAN 網(wǎng)絡生成裝甲目標圖像質(zhì)量較高,不會降低分類器的性能,相關方法和流程可行,可以根據(jù)具體應用進一步優(yōu)化。

    猜你喜歡
    特征模型
    一半模型
    抓住特征巧觀察
    重要模型『一線三等角』
    新型冠狀病毒及其流行病學特征認識
    重尾非線性自回歸模型自加權M-估計的漸近分布
    如何表達“特征”
    不忠誠的四個特征
    當代陜西(2019年10期)2019-06-03 10:12:04
    抓住特征巧觀察
    3D打印中的模型分割與打包
    FLUKA幾何模型到CAD幾何模型轉(zhuǎn)換方法初步研究
    一二三四社区在线视频社区8| 美国免费a级毛片| 1024手机看黄色片| 男人舔奶头视频| 亚洲专区国产一区二区| 欧美国产精品va在线观看不卡| 欧美最黄视频在线播放免费| 亚洲午夜理论影院| 中文字幕av电影在线播放| 精品高清国产在线一区| 老司机在亚洲福利影院| 亚洲人成网站在线播放欧美日韩| 成人av一区二区三区在线看| 国产区一区二久久| av片东京热男人的天堂| 国产成人欧美在线观看| 精品一区二区三区av网在线观看| 亚洲精品av麻豆狂野| 人妻丰满熟妇av一区二区三区| 18禁黄网站禁片午夜丰满| 白带黄色成豆腐渣| 最新美女视频免费是黄的| 午夜老司机福利片| 又大又爽又粗| av在线天堂中文字幕| 免费电影在线观看免费观看| 亚洲国产精品sss在线观看| 少妇粗大呻吟视频| 精品高清国产在线一区| 久久精品国产亚洲av高清一级| 侵犯人妻中文字幕一二三四区| 国产日本99.免费观看| 久久中文看片网| 成人精品一区二区免费| av超薄肉色丝袜交足视频| 欧美+亚洲+日韩+国产| 久久午夜综合久久蜜桃| 亚洲九九香蕉| 国产爱豆传媒在线观看 | 久久国产精品男人的天堂亚洲| 日本成人三级电影网站| 夜夜夜夜夜久久久久| 在线观看免费午夜福利视频| 日韩大码丰满熟妇| 一个人观看的视频www高清免费观看 | 日日爽夜夜爽网站| 国内精品久久久久精免费| 在线av久久热| 精品欧美国产一区二区三| 亚洲av第一区精品v没综合| a级毛片a级免费在线| 哪里可以看免费的av片| 岛国视频午夜一区免费看| 午夜福利欧美成人| 无遮挡黄片免费观看| 中文亚洲av片在线观看爽| 亚洲专区国产一区二区| 国产欧美日韩精品亚洲av| 亚洲欧美日韩无卡精品| 最好的美女福利视频网| 天天躁夜夜躁狠狠躁躁| 一边摸一边做爽爽视频免费| 久久香蕉精品热| 婷婷精品国产亚洲av| 中文字幕精品免费在线观看视频| 中文字幕高清在线视频| 欧美黄色淫秽网站| 欧美另类亚洲清纯唯美| 在线观看www视频免费| 国产1区2区3区精品| 老鸭窝网址在线观看| 99国产精品一区二区三区| 精品一区二区三区四区五区乱码| 精品一区二区三区四区五区乱码| 国内精品久久久久精免费| 欧美日韩亚洲国产一区二区在线观看| 欧美不卡视频在线免费观看 | 国产成人一区二区三区免费视频网站| 少妇 在线观看| 亚洲精品中文字幕一二三四区| 老司机深夜福利视频在线观看| 1024视频免费在线观看| tocl精华| 九色国产91popny在线| 欧美性长视频在线观看| 国产亚洲精品第一综合不卡| 国产一区二区三区在线臀色熟女| bbb黄色大片| 日本在线视频免费播放| 亚洲熟妇中文字幕五十中出| 成人亚洲精品av一区二区| 一级毛片精品| 中文字幕人妻丝袜一区二区| 欧美 亚洲 国产 日韩一| 国产欧美日韩精品亚洲av| 欧美乱色亚洲激情| 搡老妇女老女人老熟妇| 日本三级黄在线观看| 亚洲七黄色美女视频| 一本大道久久a久久精品| 久久精品91无色码中文字幕| 欧洲精品卡2卡3卡4卡5卡区| 美女大奶头视频| 这个男人来自地球电影免费观看| 国产精品 国内视频| 成人国语在线视频| 成人永久免费在线观看视频| 天天躁狠狠躁夜夜躁狠狠躁| 免费搜索国产男女视频| 成人18禁在线播放| 国产午夜福利久久久久久| 欧美激情 高清一区二区三区| 中国美女看黄片| www.精华液| 精品福利观看| 色综合亚洲欧美另类图片| 国产一区在线观看成人免费| 精品福利观看| 精品久久久久久久末码| 日韩视频一区二区在线观看| 一区二区日韩欧美中文字幕| www日本在线高清视频| 欧美中文综合在线视频| 大香蕉久久成人网| 男人的好看免费观看在线视频 | 色综合亚洲欧美另类图片| 亚洲精品久久成人aⅴ小说| 精华霜和精华液先用哪个| 神马国产精品三级电影在线观看 | 国产爱豆传媒在线观看 | 国内揄拍国产精品人妻在线 | 欧美乱码精品一区二区三区| 国产一区在线观看成人免费| 男人的好看免费观看在线视频 | 国产99白浆流出| 中文字幕人妻丝袜一区二区| 亚洲欧美激情综合另类| 在线十欧美十亚洲十日本专区| 亚洲国产毛片av蜜桃av| 久久精品91无色码中文字幕| 可以在线观看毛片的网站| 国内少妇人妻偷人精品xxx网站 | 国产91精品成人一区二区三区| www.www免费av| 国产aⅴ精品一区二区三区波| 国产亚洲av高清不卡| 亚洲激情在线av| 一区二区三区精品91| 精品国产乱子伦一区二区三区| 黄色 视频免费看| 亚洲精品国产精品久久久不卡| 久久香蕉国产精品| 欧美中文日本在线观看视频| 黑人巨大精品欧美一区二区mp4| 亚洲精品色激情综合| 十八禁人妻一区二区| 精品第一国产精品| 97碰自拍视频| 99国产精品一区二区蜜桃av| 欧美一级a爱片免费观看看 | 国产精品自产拍在线观看55亚洲| 亚洲第一欧美日韩一区二区三区| 国产亚洲精品久久久久久毛片| 岛国视频午夜一区免费看| 国产熟女午夜一区二区三区| 91九色精品人成在线观看| 久久人人精品亚洲av| 亚洲七黄色美女视频| 在线播放国产精品三级| 少妇粗大呻吟视频| 一夜夜www| 欧洲精品卡2卡3卡4卡5卡区| 亚洲全国av大片| 亚洲狠狠婷婷综合久久图片| 欧美色欧美亚洲另类二区| 一本综合久久免费| 国产精品,欧美在线| 真人一进一出gif抽搐免费| 99国产精品99久久久久| 国产精品香港三级国产av潘金莲| 国产av又大| 看片在线看免费视频| 人人妻,人人澡人人爽秒播| 精品免费久久久久久久清纯| 亚洲在线自拍视频| 亚洲国产精品sss在线观看| 亚洲黑人精品在线| 日日爽夜夜爽网站| 国内揄拍国产精品人妻在线 | 色老头精品视频在线观看| 91麻豆精品激情在线观看国产| 好男人在线观看高清免费视频 | 男女视频在线观看网站免费 | 精品不卡国产一区二区三区| 91成年电影在线观看| 亚洲第一欧美日韩一区二区三区| 色哟哟哟哟哟哟| a级毛片a级免费在线| 亚洲免费av在线视频| 国产精品国产高清国产av| 亚洲男人天堂网一区| 午夜老司机福利片| 精品少妇一区二区三区视频日本电影| 露出奶头的视频| 成人三级做爰电影| 午夜视频精品福利| 69av精品久久久久久| xxx96com| 三级毛片av免费| 一本综合久久免费| 天堂√8在线中文| 国产97色在线日韩免费| 欧美三级亚洲精品| 搡老妇女老女人老熟妇| 亚洲精品av麻豆狂野| 久久久国产欧美日韩av| 亚洲成av人片免费观看| 欧美激情久久久久久爽电影| 国产黄a三级三级三级人| www国产在线视频色| 午夜两性在线视频| а√天堂www在线а√下载| 中文在线观看免费www的网站 | 十八禁网站免费在线| 亚洲欧美激情综合另类| 国产一级毛片七仙女欲春2 | 亚洲精品国产区一区二| 久久久久久久精品吃奶| 中文字幕高清在线视频| 香蕉av资源在线| 美女 人体艺术 gogo| 少妇熟女aⅴ在线视频| 在线免费观看的www视频| 精品无人区乱码1区二区| 女性被躁到高潮视频| 老汉色av国产亚洲站长工具| 熟女少妇亚洲综合色aaa.| 国产一区二区三区视频了| 嫁个100分男人电影在线观看| 性欧美人与动物交配| 亚洲三区欧美一区| 狠狠狠狠99中文字幕| 日本 欧美在线| 国产激情欧美一区二区| 国产精品久久久久久精品电影 | 精华霜和精华液先用哪个| 国产亚洲av嫩草精品影院| 精品卡一卡二卡四卡免费| 久久婷婷人人爽人人干人人爱| 18禁黄网站禁片午夜丰满| 亚洲av五月六月丁香网| 天天添夜夜摸| 精品久久久久久久久久免费视频| 国产精品香港三级国产av潘金莲| aaaaa片日本免费| 欧美成人午夜精品| 搡老妇女老女人老熟妇| 在线国产一区二区在线| 日本精品一区二区三区蜜桃| 欧美中文综合在线视频| 天天躁狠狠躁夜夜躁狠狠躁| 欧美日韩福利视频一区二区| 在线观看免费视频日本深夜| 51午夜福利影视在线观看| 免费在线观看日本一区| 国产私拍福利视频在线观看| 中出人妻视频一区二区| av天堂在线播放| 亚洲精品久久国产高清桃花| 国产精品乱码一区二三区的特点| 一二三四社区在线视频社区8| e午夜精品久久久久久久| 欧美三级亚洲精品| 色精品久久人妻99蜜桃| 天天一区二区日本电影三级| av有码第一页| 正在播放国产对白刺激| 日韩精品免费视频一区二区三区| 99久久精品国产亚洲精品| 精品国产超薄肉色丝袜足j| 久久人妻福利社区极品人妻图片| 国产精品野战在线观看| 中文字幕人妻丝袜一区二区| 伦理电影免费视频| 亚洲国产精品999在线| 别揉我奶头~嗯~啊~动态视频| 亚洲av五月六月丁香网| 性色av乱码一区二区三区2| 成人欧美大片| 99精品欧美一区二区三区四区| 91麻豆av在线| 国产亚洲精品第一综合不卡| 午夜老司机福利片| 午夜视频精品福利| 欧美成狂野欧美在线观看| 欧美国产精品va在线观看不卡| 亚洲精品美女久久av网站| √禁漫天堂资源中文www| 亚洲av成人不卡在线观看播放网| 欧美成狂野欧美在线观看| 老熟妇乱子伦视频在线观看| 国产伦人伦偷精品视频| 在线国产一区二区在线| 国产一区二区激情短视频| 国产久久久一区二区三区| 国产精品久久久久久亚洲av鲁大| 一级作爱视频免费观看| 亚洲国产高清在线一区二区三 | 亚洲av中文字字幕乱码综合 | 一级毛片高清免费大全| 男女床上黄色一级片免费看| 91大片在线观看| 亚洲国产看品久久| 欧美中文日本在线观看视频| 国产三级在线视频| 久久久精品国产亚洲av高清涩受| 欧美日韩黄片免| 亚洲五月天丁香| 久久精品亚洲精品国产色婷小说| 成在线人永久免费视频| 日日摸夜夜添夜夜添小说| 黄片小视频在线播放| 99热这里只有精品一区 | 亚洲一区二区三区不卡视频| 黑丝袜美女国产一区| 丁香六月欧美| 黄色视频不卡| 啦啦啦韩国在线观看视频| 久久精品国产清高在天天线| 一本精品99久久精品77| 国产精品久久久久久精品电影 | 天堂动漫精品| 人妻丰满熟妇av一区二区三区| 免费av毛片视频| 国产精品久久电影中文字幕| 亚洲精品在线观看二区| 精品久久久久久久末码| 窝窝影院91人妻| 欧美+亚洲+日韩+国产| 一个人免费在线观看的高清视频| 国产国语露脸激情在线看| 黄色毛片三级朝国网站| 好男人电影高清在线观看| 亚洲性夜色夜夜综合| 国产精品亚洲av一区麻豆| 亚洲精品av麻豆狂野| 国产精品久久久久久亚洲av鲁大| 亚洲精品国产精品久久久不卡| 夜夜夜夜夜久久久久| 熟妇人妻久久中文字幕3abv| 人人妻人人澡欧美一区二区| 欧美日韩亚洲综合一区二区三区_| 国产97色在线日韩免费| 免费在线观看视频国产中文字幕亚洲| 丁香欧美五月| 中国美女看黄片| 在线播放国产精品三级| 久久久久久人人人人人| 少妇裸体淫交视频免费看高清 | www.熟女人妻精品国产| 99精品在免费线老司机午夜| 国产高清激情床上av| 亚洲av电影不卡..在线观看| 中文字幕人成人乱码亚洲影| 亚洲av电影不卡..在线观看| 久热这里只有精品99| 人妻久久中文字幕网| 村上凉子中文字幕在线| 在线av久久热| 美女免费视频网站| 亚洲国产中文字幕在线视频| 国产蜜桃级精品一区二区三区| 成人亚洲精品av一区二区| 99re在线观看精品视频| 亚洲男人的天堂狠狠| www日本黄色视频网| 国产亚洲欧美98| 人人妻人人澡欧美一区二区| www国产在线视频色| 欧美av亚洲av综合av国产av| 国产亚洲欧美精品永久| 黄色女人牲交| 欧美久久黑人一区二区| 99在线人妻在线中文字幕| 啦啦啦韩国在线观看视频| 亚洲熟妇熟女久久| 看免费av毛片| 90打野战视频偷拍视频| 一级毛片高清免费大全| 亚洲av电影在线进入| 精品国产国语对白av| 成在线人永久免费视频| 欧美性长视频在线观看| 夜夜爽天天搞| 成人特级黄色片久久久久久久| 日韩大码丰满熟妇| 在线观看www视频免费| 午夜免费激情av| 黄网站色视频无遮挡免费观看| 日韩大码丰满熟妇| 黄色 视频免费看| 欧美人与性动交α欧美精品济南到| 身体一侧抽搐| 别揉我奶头~嗯~啊~动态视频| 老汉色∧v一级毛片| 午夜精品在线福利| 好男人电影高清在线观看| 非洲黑人性xxxx精品又粗又长| 午夜福利在线在线| 欧美中文日本在线观看视频| 中文字幕人成人乱码亚洲影| 国产片内射在线| 亚洲,欧美精品.| 夜夜躁狠狠躁天天躁| 美女高潮喷水抽搐中文字幕| 成人一区二区视频在线观看| АⅤ资源中文在线天堂| 99国产精品99久久久久| or卡值多少钱| 国产伦一二天堂av在线观看| 亚洲av熟女| 激情在线观看视频在线高清| 一个人观看的视频www高清免费观看 | 十八禁网站免费在线| 精品久久久久久久久久久久久 | 中出人妻视频一区二区| 亚洲国产毛片av蜜桃av| 美女 人体艺术 gogo| 精品一区二区三区视频在线观看免费| 黄色视频,在线免费观看| 级片在线观看| 午夜免费成人在线视频| 久久久久国内视频| 一本大道久久a久久精品| 国产精品二区激情视频| 亚洲av电影不卡..在线观看| 欧美日韩黄片免| 欧美在线一区亚洲| 脱女人内裤的视频| 国产高清激情床上av| 国产区一区二久久| 亚洲一区二区三区色噜噜| 香蕉丝袜av| 亚洲精品av麻豆狂野| 国产精品,欧美在线| 99久久精品国产亚洲精品| 精品国产超薄肉色丝袜足j| 一个人观看的视频www高清免费观看 | 女生性感内裤真人,穿戴方法视频| 久久青草综合色| 久久久水蜜桃国产精品网| 亚洲精品av麻豆狂野| 亚洲性夜色夜夜综合| 欧美精品啪啪一区二区三区| 久久久久九九精品影院| 国产精品综合久久久久久久免费| 夜夜夜夜夜久久久久| 国产真人三级小视频在线观看| 亚洲av五月六月丁香网| 大香蕉久久成人网| 韩国精品一区二区三区| 成熟少妇高潮喷水视频| 1024香蕉在线观看| 99国产精品99久久久久| 国产高清有码在线观看视频 | 亚洲成人久久性| 免费在线观看亚洲国产| 国产精品香港三级国产av潘金莲| 两个人看的免费小视频| 19禁男女啪啪无遮挡网站| 中文字幕高清在线视频| 亚洲av熟女| 亚洲熟女毛片儿| bbb黄色大片| 美女大奶头视频| 亚洲欧洲精品一区二区精品久久久| 国产精品二区激情视频| 国产熟女xx| 夜夜爽天天搞| 每晚都被弄得嗷嗷叫到高潮| 性欧美人与动物交配| 日韩欧美一区二区三区在线观看| 可以在线观看毛片的网站| 日韩欧美免费精品| 国产乱人伦免费视频| 一本一本综合久久| 亚洲美女黄片视频| 色尼玛亚洲综合影院| 天堂√8在线中文| 久久久久免费精品人妻一区二区 | 热re99久久国产66热| 亚洲性夜色夜夜综合| 国产乱人伦免费视频| 国产欧美日韩一区二区精品| 国产野战对白在线观看| 丰满人妻熟妇乱又伦精品不卡| 99在线人妻在线中文字幕| 欧美乱色亚洲激情| 十八禁人妻一区二区| 亚洲 国产 在线| 老司机福利观看| 宅男免费午夜| 中文字幕高清在线视频| 久久亚洲真实| 久久久久久九九精品二区国产 | 欧美日韩瑟瑟在线播放| 国产精华一区二区三区| 人人妻人人澡欧美一区二区| 正在播放国产对白刺激| 淫秽高清视频在线观看| 手机成人av网站| 亚洲中文av在线| 成人永久免费在线观看视频| 久久久久九九精品影院| 人人妻人人澡欧美一区二区| 午夜久久久久精精品| 变态另类丝袜制服| 99国产精品一区二区三区| 亚洲五月婷婷丁香| 国产野战对白在线观看| 国产aⅴ精品一区二区三区波| 91成年电影在线观看| 精品福利观看| 国产麻豆成人av免费视频| 男人舔女人下体高潮全视频| 看免费av毛片| 国产成人精品无人区| 国产一区二区三区视频了| 欧美黄色淫秽网站| 亚洲av美国av| 国产成+人综合+亚洲专区| 中亚洲国语对白在线视频| 国产爱豆传媒在线观看 | 免费无遮挡裸体视频| 99精品久久久久人妻精品| 久久国产精品男人的天堂亚洲| 九色国产91popny在线| 丝袜美腿诱惑在线| 久久香蕉精品热| 亚洲成a人片在线一区二区| 午夜免费观看网址| 女人爽到高潮嗷嗷叫在线视频| 中亚洲国语对白在线视频| 91字幕亚洲| 午夜久久久在线观看| 18禁国产床啪视频网站| 国内精品久久久久精免费| 19禁男女啪啪无遮挡网站| av福利片在线| 欧美最黄视频在线播放免费| 哪里可以看免费的av片| 亚洲男人的天堂狠狠| 久热这里只有精品99| 色av中文字幕| 国内少妇人妻偷人精品xxx网站 | 久久国产亚洲av麻豆专区| 亚洲av日韩精品久久久久久密| 在线观看舔阴道视频| 国产三级黄色录像| 午夜日韩欧美国产| 国产一卡二卡三卡精品| 国产在线精品亚洲第一网站| 久久久水蜜桃国产精品网| 国产成人精品久久二区二区免费| 一个人免费在线观看的高清视频| 亚洲国产日韩欧美精品在线观看 | 黄色视频,在线免费观看| 久9热在线精品视频| 日韩免费av在线播放| 国产国语露脸激情在线看| 国产亚洲精品第一综合不卡| 色综合欧美亚洲国产小说| 国产精品久久久久久精品电影 | www日本黄色视频网| 国产av一区在线观看免费| 美女高潮喷水抽搐中文字幕| 麻豆一二三区av精品| 欧美性猛交╳xxx乱大交人| 99国产精品一区二区三区| 色精品久久人妻99蜜桃| 国产午夜福利久久久久久| 无人区码免费观看不卡| 久久国产乱子伦精品免费另类| www.精华液| 亚洲国产欧洲综合997久久, | 国产精品爽爽va在线观看网站 | 在线永久观看黄色视频| 国产在线精品亚洲第一网站| 久久久久久大精品| 国产精品乱码一区二三区的特点| 免费看十八禁软件| 欧美一区二区精品小视频在线| 欧美丝袜亚洲另类 | 老汉色av国产亚洲站长工具| 成年人黄色毛片网站| 18禁观看日本| 在线av久久热| 国产一区在线观看成人免费| 99热这里只有精品一区 | 亚洲,欧美精品.| 黄色毛片三级朝国网站| 成人午夜高清在线视频 | 欧美色视频一区免费| 此物有八面人人有两片| 国产熟女午夜一区二区三区| 午夜福利18| 成年免费大片在线观看| 97碰自拍视频| 午夜福利成人在线免费观看| 黄片小视频在线播放| 精品久久蜜臀av无| 国产欧美日韩一区二区三| 国产亚洲欧美98| 一区二区日韩欧美中文字幕| 看免费av毛片|