• <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 ?

    基于卷積神經(jīng)網(wǎng)絡(luò)的多肉植物細(xì)粒度圖像分類

    2020-05-13 14:44:26黃嘉寶朱永華周霽婷高文靖
    關(guān)鍵詞:細(xì)粒度卷積神經(jīng)網(wǎng)絡(luò)

    黃嘉寶, 朱永華, 周霽婷, 高文靖

    (1.上海大學(xué)上海電影學(xué)院,上海200072;2.上海大學(xué)計(jì)算機(jī)工程與科學(xué)學(xué)院,上海200444)

    細(xì)粒度圖像分類是目前圖像分類中的一個(gè)熱門話題,其目標(biāo)是在一個(gè)大類的數(shù)百數(shù)干個(gè)子類中正確識(shí)別目標(biāo).它在汽車車型、鳥類、貓犬和花的種類識(shí)別等領(lǐng)域有著廣泛的應(yīng)用,其中大部分使用了卷積神經(jīng)網(wǎng)絡(luò).當(dāng)前的研究熱點(diǎn)是雙線性卷積神經(jīng)網(wǎng)絡(luò).本研究選擇了原創(chuàng)數(shù)據(jù)集進(jìn)行細(xì)粒度圖像分類.一方面是利用遷移學(xué)習(xí)這一強(qiáng)大的工具來完成小型數(shù)據(jù)集的訓(xùn)練;另一方面是多肉植物肉眼不易分辨種類,希望通過特征提取和神經(jīng)網(wǎng)絡(luò)訓(xùn)練達(dá)到高識(shí)別率,從而促進(jìn)多肉植物種植的推廣和改善栽培管理.

    與粗粒度圖像分類(通用圖像分類)相比,類間的細(xì)微差別使得細(xì)粒度分類非常具有挑戰(zhàn)性.粗粒度和細(xì)粒度圖像分類之間的區(qū)別如表1所示.可以看出,在粗粒度圖像分類中,將4張輸入圖像分類為植物;而在細(xì)粒度圖像分類中,可將其識(shí)別為所屬子類,例如第一張圖的植物名為紫珍珠.由于長相差異較小,除了小部分的多肉植物愛好者,人們很難正確辨別出多肉植物的特定名稱.為了了解這些差異,需要一個(gè)大型的數(shù)據(jù)集來提供學(xué)習(xí),但目前還沒有現(xiàn)成的多肉植物數(shù)據(jù)集.此外,在因不同視角、背景、光效和成長階段導(dǎo)致的視覺復(fù)雜度,有限的時(shí)間和計(jì)算機(jī)運(yùn)算能力等條件限制下,完成這項(xiàng)任務(wù)十分困難.

    表1 粗粒度圖像分類和細(xì)粒度圖像分類的區(qū)別Table 1 Basic-level image classification vs.fine-grained image classification

    本研究設(shè)計(jì)、實(shí)施和測試了一個(gè)輕量級的端到端系統(tǒng).該系統(tǒng)使用了目前流行的深度學(xué)習(xí)框架Caあe來對預(yù)先訓(xùn)練好的分類器進(jìn)行微調(diào),以便進(jìn)行特定的細(xì)粒度分類測試.本研究基于在ImageNet上訓(xùn)練的深度學(xué)習(xí)模型,具有非常普遍的特征,并且盡可能少地改變以適應(yīng)原創(chuàng)訓(xùn)練數(shù)據(jù).

    本研究對包含了20種不同種類多肉植物的原創(chuàng)數(shù)據(jù)集進(jìn)行了實(shí)驗(yàn).由于圖像的自由度,這個(gè)數(shù)據(jù)集非常具有挑戰(zhàn)性.但通過微調(diào)卷積神經(jīng)網(wǎng)絡(luò)后的強(qiáng)監(jiān)督圖像分類,依然獲得了高質(zhì)量的結(jié)果——96.7%的精準(zhǔn)率.

    1 相關(guān)工作

    1.1 卷積神經(jīng)網(wǎng)絡(luò)

    卷積神經(jīng)網(wǎng)絡(luò)是前饋神經(jīng)網(wǎng)絡(luò)中非常經(jīng)典的模型,包括卷積層和池化層等.卷積神經(jīng)網(wǎng)絡(luò)主要用來識(shí)別位移、縮放以及其他形式扭曲不變性的二維圖形.近年來,卷積神經(jīng)網(wǎng)絡(luò)已被用于大量的圖像處理和分類工作,其能力不僅是學(xué)習(xí)特征的權(quán)重,更是學(xué)習(xí)特征本身.由于卷積神經(jīng)網(wǎng)絡(luò)在通用圖像分類[1]上已經(jīng)達(dá)到了非常高的精度,故本研究將廣泛地使用卷積神經(jīng)網(wǎng)絡(luò)作為分類器的主要架構(gòu).

    1.2 遷移學(xué)習(xí)

    遷移學(xué)習(xí)是一種機(jī)器學(xué)習(xí)技術(shù),側(cè)重于對新任務(wù)的學(xué)習(xí)分類器進(jìn)行重新研究[2].在卷積神經(jīng)網(wǎng)絡(luò)的遷移學(xué)習(xí)中,首先在基礎(chǔ)數(shù)據(jù)集上訓(xùn)練基礎(chǔ)網(wǎng)絡(luò)來創(chuàng)建權(quán)重和特征;然后通過重新訓(xùn)練基礎(chǔ)網(wǎng)絡(luò)已有的權(quán)重和特征的一個(gè)子集,將這個(gè)分類器轉(zhuǎn)移到新的數(shù)據(jù)集.整體效果是適合新數(shù)據(jù)集的分類器,工作量比重新訓(xùn)練新網(wǎng)絡(luò)要少得多.當(dāng)目標(biāo)數(shù)據(jù)集顯著小于基礎(chǔ)數(shù)據(jù)集時(shí),遷移學(xué)習(xí)可以成為一個(gè)強(qiáng)大的工具,使得訓(xùn)練大型目標(biāo)網(wǎng)絡(luò)時(shí),最小化過擬合.在一些任務(wù)中,遷移學(xué)習(xí)展現(xiàn)了極佳的效果[3].

    1.3 細(xì)粒度圖像分類

    細(xì)粒度圖像分類是計(jì)算機(jī)視覺領(lǐng)域最基本、最具挑戰(zhàn)性的開放性問題之一,在學(xué)術(shù)界和工業(yè)界引起了廣泛關(guān)注.在鳥類[4-10]、植物[11-13]、食物[14]、汽車[15-18]和飛機(jī)[19]等多個(gè)領(lǐng)域進(jìn)行的細(xì)粒度圖像分類調(diào)查發(fā)現(xiàn),大部分方法都使用卷積神經(jīng)網(wǎng)絡(luò).對于大多數(shù)任務(wù)來說,每個(gè)分類的例子數(shù)量通常都相當(dāng)大以允許良好的泛化精度,但本研究的數(shù)據(jù)集相對較小,故而難度相對增加.

    2 多肉植物細(xì)粒度圖像分類

    2.1 實(shí)驗(yàn)流程

    本研究將原創(chuàng)多肉植物的數(shù)據(jù)集通過預(yù)處理后作為訓(xùn)練集和測試集,再通過微調(diào)后的卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練,得到可用于圖像分類的模型,具體流程如圖1所示.

    圖1 實(shí)驗(yàn)流程圖Fig.1 Experimental flowchart

    2.2 準(zhǔn)備數(shù)據(jù)集

    本研究收集并整理了從百度和谷歌圖庫下載的共20 000張圖片,完成了原創(chuàng)數(shù)據(jù)集.該數(shù)據(jù)集包含了20種不同種類的多肉植物(見圖2),分為10 000個(gè)訓(xùn)練圖像和10 000個(gè)測試圖像.每個(gè)圖像都包含至少一株背景不同、視角不同的多肉植物.由于焦距、照明和攝像機(jī)位置等原因,每個(gè)圖像的質(zhì)量差異大.

    表2 多肉數(shù)據(jù)集樣本Table 2 Samples of the succulents’dataset

    2.3 數(shù)據(jù)預(yù)處理

    所謂強(qiáng)監(jiān)督分類是指在模型訓(xùn)練時(shí),為了獲得更好的分類精度,除了圖像的類別標(biāo)簽外,還使用了物體標(biāo)注框和部位標(biāo)注點(diǎn)等額外的人工標(biāo)注信息.弱監(jiān)督分類的思路與強(qiáng)監(jiān)督分類相似,也需要借助全局和局部信息來進(jìn)行細(xì)粒度級別的分類.區(qū)別在于,弱監(jiān)督分類希望在不借助部件標(biāo)注點(diǎn)的情況下,也可以做到較好的局部信息捕捉[20].

    步驟1 為數(shù)據(jù)集設(shè)置人工標(biāo)簽,編號為0~19.

    步驟2 強(qiáng)監(jiān)督分類和弱監(jiān)督分類的區(qū)別在于數(shù)據(jù)集有無邊界框.為了進(jìn)行強(qiáng)監(jiān)督分類,訓(xùn)練數(shù)據(jù)中的背景噪聲需被排除.因此,使用描述每個(gè)圖像中存在多肉植物正確位置的邊界框來裁剪圖像,其中使用工具LabelImg完成邊界框的繪制,使用Python腳本完成圖像裁剪.為了保留多肉植物周圍的一些背景,邊界框的每條邊都在裁剪之前擴(kuò)大了16個(gè)像素,裁剪前后變化如圖2所示.

    圖2 強(qiáng)監(jiān)督分類處理示意圖Fig.2 Preprocessing of supervised classification

    步驟3 由于訓(xùn)練集包含各種圖像尺寸和橫縱比,因此需要把每張圖像尺寸調(diào)整為正方形,并且更改分辨率為227×227以配準(zhǔn)模型要求.本研究是在不保留橫縱比的情況下壓縮了圖像,而不是縮放或裁剪.

    2.4 網(wǎng)絡(luò)模型

    為了減輕數(shù)據(jù)和運(yùn)算時(shí)長的限制,本研究選擇了一種側(cè)重于遷移學(xué)習(xí)來快速創(chuàng)建和訓(xùn)練神經(jīng)網(wǎng)絡(luò)的方法.為了比較,采用AlexNet和GoogLeNet兩種網(wǎng)絡(luò).

    2.4.1 AlexNet

    文獻(xiàn)[1]提出的模型是一個(gè)深度卷積神經(jīng)網(wǎng)絡(luò),它在ImageNet大規(guī)模視覺識(shí)別挑戰(zhàn)數(shù)據(jù)集上成功訓(xùn)練了大約120萬個(gè)1 000種不同類別的標(biāo)記圖像.AlexNet架構(gòu)擁有約65萬個(gè)神經(jīng)元和6 000萬個(gè)參數(shù),包括5個(gè)卷積層、2個(gè)標(biāo)準(zhǔn)化層、3個(gè)最大池層、3個(gè)完全連接層和1個(gè)輸出中具有Softmax激活的線性層.

    2.4.2 GoogLeNet

    GoogLeNet是對AlexNet的改進(jìn),共有22層.由于每個(gè)完全連接的層的權(quán)重較小,GoogLeNet的參數(shù)是AlexNet的1/12,并且更加準(zhǔn)確[21].GoogLeNet在不同深度的每個(gè)輸入都會(huì)產(chǎn)生3個(gè)輸出.但為了簡潔起見,本研究只使用最后一次的輸出結(jié)果.

    2.5 網(wǎng)絡(luò)微調(diào)和訓(xùn)練

    本研究做了4個(gè)實(shí)驗(yàn):使用微調(diào)網(wǎng)絡(luò)AlexNet和GoogLeNet分別進(jìn)行強(qiáng)監(jiān)督和弱監(jiān)督細(xì)粒度圖像分類,實(shí)驗(yàn)編號為①~④.使用流行的深度學(xué)習(xí)框架Caあe[22]來構(gòu)建、訓(xùn)練和測試這兩個(gè)網(wǎng)絡(luò).每個(gè)模型對原像素?cái)?shù)據(jù)進(jìn)行50 000次迭代,學(xué)習(xí)率為0.001,衰減率為0.9.

    在使用ImageNet訓(xùn)練的權(quán)重對每個(gè)網(wǎng)絡(luò)進(jìn)行預(yù)初始化之后,對網(wǎng)絡(luò)的最后3層進(jìn)行了微調(diào):對于AlexNet,在丟失輸出之前調(diào)整最后3個(gè)完全連接層;對于GoogLeNet,在每個(gè)丟失輸出之前立即調(diào)整2個(gè)完全連接層和卷積層.在多次調(diào)整后,選取了最佳的效果.實(shí)驗(yàn)參數(shù)對比如表3所示,網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示.

    表3 4個(gè)實(shí)驗(yàn)的參數(shù)對比Table 3 Comparisons of parameters of the four experiments

    2.6 圖像分類

    深度學(xué)習(xí)框架Caあe的核心是用C++編寫的.可以使用Caあe的C++API實(shí)現(xiàn)類似于Python腳本的圖像分類應(yīng)用程序.本研究將網(wǎng)絡(luò)訓(xùn)練后得到的4個(gè)模型結(jié)合官方文檔來完成使用Softmax方式的圖像分類.

    圖3 網(wǎng)絡(luò)結(jié)構(gòu)Fig.3 Network structure

    3 實(shí)驗(yàn)結(jié)果

    3.1 訓(xùn)練結(jié)果

    表4整理了4個(gè)實(shí)驗(yàn)的3項(xiàng)數(shù)據(jù):前1(Top-1)精準(zhǔn)率、前5(Top-5)精準(zhǔn)率和最終損失精度,其中最佳表現(xiàn)用粗體標(biāo)出.可見,微調(diào)GoogLeNet的強(qiáng)監(jiān)督分類達(dá)到了最佳效果,前1精準(zhǔn)率達(dá)到了96.7%.

    表4 4個(gè)實(shí)驗(yàn)的前1、前5精準(zhǔn)率和最終損失精度對比Table 4 Comparisons of Top-1 accuracy,Top-5 accuracy and final loss of the four experiments

    圖4和5展示了4個(gè)實(shí)驗(yàn)過程中,精準(zhǔn)率和損失率的數(shù)值變化.可以看出:對于AlexNet,迭代15 000次后,強(qiáng)監(jiān)督分類的精準(zhǔn)率在70%上下浮動(dòng),弱監(jiān)督分類的精準(zhǔn)率在60%上下浮動(dòng);對于GoogLeNet,迭代8 000次后,強(qiáng)監(jiān)督分類的精準(zhǔn)率基本穩(wěn)定在97%,弱監(jiān)督分類的精準(zhǔn)率基本穩(wěn)定在92%.

    3.2 分類結(jié)果

    本研究測試了多個(gè)圖像的分類.圖6為測試分類的樣本,表5為7次分類的前1預(yù)測值,表6為模型Ⅳ測試樣本“黃麗”的前5預(yù)測值.結(jié)果表明,微調(diào)GoogLeNet的強(qiáng)監(jiān)督細(xì)粒度圖像分類成果顯著,能有效完成多肉植物分類的任務(wù).

    4 結(jié)束語

    雖然本研究在多肉植物細(xì)粒度圖像分類這一特定任務(wù)中取得了一定的進(jìn)展,但仍有許多方面需要進(jìn)一步探索和改進(jìn).本研究只測試了2個(gè)不同的典型卷積神經(jīng)網(wǎng)絡(luò)模型(AlexNet和GoogLeNet),還可以進(jìn)行更多的遷移學(xué)習(xí),并且這兩種模型都是用ImageNet權(quán)重來設(shè)計(jì)和初始化的,明顯缺乏多樣性.

    圖4 微調(diào)AlexNet的弱監(jiān)督分類和強(qiáng)監(jiān)督分類Fig.4 Fine-tuning AlexNet’s weakly supervised classification and supervised classification

    圖5 微調(diào)GoogLeNet的弱監(jiān)督分類和強(qiáng)監(jiān)督分類Fig.5 Fine-tuning GoogLeNet’s weakly supervised classification and supervised classification

    圖6 測試樣本Fig.6 Test samples

    此外,最初的調(diào)查只是針對細(xì)粒度的分類,在原創(chuàng)數(shù)據(jù)集整理完成之后添加了數(shù)據(jù)約束.雖然這讓本研究對稀疏數(shù)據(jù)訓(xùn)練的本質(zhì)有了一些了解,但更豐富的數(shù)據(jù)會(huì)更有助于改進(jìn)本研究.

    表5 7次分類的前1預(yù)測值對比Table 5 Comparisons of the Top-1 predictive values of the seven classifications

    表6 單次分類的前5預(yù)測值Table 6 Top-5 predictive values of a single classification

    猜你喜歡
    細(xì)粒度卷積神經(jīng)網(wǎng)絡(luò)
    融合判別性與細(xì)粒度特征的抗遮擋紅外目標(biāo)跟蹤算法
    基于3D-Winograd的快速卷積算法設(shè)計(jì)及FPGA實(shí)現(xiàn)
    細(xì)粒度的流計(jì)算執(zhí)行效率優(yōu)化方法
    神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    基于雙線性卷積網(wǎng)絡(luò)的細(xì)粒度圖像定位
    支持細(xì)粒度權(quán)限控制且可搜索的PHR云服務(wù)系統(tǒng)
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機(jī)控制模型建立
    復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
    插阴视频在线观看视频| 欧美区成人在线视频| 亚洲精品aⅴ在线观看| 男人舔女人下体高潮全视频| 综合色丁香网| 乱系列少妇在线播放| 蜜桃久久精品国产亚洲av| 欧美高清成人免费视频www| 肉色欧美久久久久久久蜜桃 | 日本午夜av视频| 麻豆国产97在线/欧美| 校园人妻丝袜中文字幕| 日本av手机在线免费观看| 夫妻午夜视频| 亚洲最大成人av| 日本猛色少妇xxxxx猛交久久| 免费电影在线观看免费观看| 男女下面进入的视频免费午夜| 亚洲欧美日韩无卡精品| 精品人妻偷拍中文字幕| 免费观看在线日韩| 你懂的网址亚洲精品在线观看| 国产男女超爽视频在线观看| 国产精品.久久久| 白带黄色成豆腐渣| 成人亚洲欧美一区二区av| 精品不卡国产一区二区三区| 久久久久久国产a免费观看| 天堂√8在线中文| 精品久久久久久久末码| 欧美成人午夜免费资源| 亚洲欧美日韩东京热| 婷婷色麻豆天堂久久| 亚洲av福利一区| 搡老妇女老女人老熟妇| 三级毛片av免费| 午夜精品一区二区三区免费看| 国产精品一区二区在线观看99 | 国产免费视频播放在线视频 | 国内揄拍国产精品人妻在线| 少妇裸体淫交视频免费看高清| 精品人妻熟女av久视频| 在线观看人妻少妇| 熟女电影av网| 国产一区亚洲一区在线观看| 99久久精品国产国产毛片| 直男gayav资源| 欧美激情久久久久久爽电影| 自拍偷自拍亚洲精品老妇| 夫妻午夜视频| 韩国高清视频一区二区三区| 亚洲性久久影院| 汤姆久久久久久久影院中文字幕 | 日本三级黄在线观看| 黄色配什么色好看| 日韩欧美精品v在线| av一本久久久久| 久久久色成人| 免费人成在线观看视频色| 欧美日韩一区二区视频在线观看视频在线 | 色综合色国产| 97人妻精品一区二区三区麻豆| 久久久精品欧美日韩精品| 国产成人aa在线观看| 久久精品熟女亚洲av麻豆精品 | 免费观看无遮挡的男女| 亚洲精品乱码久久久v下载方式| 伊人久久精品亚洲午夜| 欧美日韩在线观看h| 成人特级av手机在线观看| 99久国产av精品国产电影| 亚洲精品乱码久久久v下载方式| 黄色配什么色好看| 精品国产三级普通话版| 97热精品久久久久久| 色尼玛亚洲综合影院| 国产白丝娇喘喷水9色精品| 美女主播在线视频| 91精品伊人久久大香线蕉| 国产v大片淫在线免费观看| 麻豆成人av视频| 日产精品乱码卡一卡2卡三| 一级a做视频免费观看| 老司机影院成人| 精品久久久噜噜| 一级毛片黄色毛片免费观看视频| 精品午夜福利在线看| 国产亚洲精品久久久com| 午夜久久久久精精品| 夫妻性生交免费视频一级片| 国产成年人精品一区二区| 国产精品久久视频播放| av黄色大香蕉| 91久久精品电影网| 嫩草影院精品99| 三级国产精品片| 欧美变态另类bdsm刘玥| 国产永久视频网站| 热99在线观看视频| 18禁在线无遮挡免费观看视频| 大香蕉97超碰在线| 国产一级毛片在线| 成人高潮视频无遮挡免费网站| 亚洲熟女精品中文字幕| 丰满少妇做爰视频| 啦啦啦韩国在线观看视频| 亚洲国产高清在线一区二区三| 国产成年人精品一区二区| 国产亚洲av嫩草精品影院| 观看免费一级毛片| 在线观看av片永久免费下载| 国产一区二区亚洲精品在线观看| 成人鲁丝片一二三区免费| 伦精品一区二区三区| 久久国产乱子免费精品| 97热精品久久久久久| 久久久a久久爽久久v久久| 午夜福利在线观看免费完整高清在| 国产成年人精品一区二区| 老司机影院成人| 久久久精品免费免费高清| 久久热精品热| 激情 狠狠 欧美| 99热这里只有是精品在线观看| 国产伦在线观看视频一区| 国产精品福利在线免费观看| 大片免费播放器 马上看| 尤物成人国产欧美一区二区三区| 人妻夜夜爽99麻豆av| 天堂√8在线中文| 狂野欧美白嫩少妇大欣赏| 亚洲精品一二三| 街头女战士在线观看网站| 欧美日韩视频高清一区二区三区二| 干丝袜人妻中文字幕| 人妻制服诱惑在线中文字幕| 热99在线观看视频| 精品人妻熟女av久视频| 国内精品一区二区在线观看| 国产一区亚洲一区在线观看| 成年免费大片在线观看| 大香蕉久久网| 777米奇影视久久| 国产精品一区www在线观看| 男女那种视频在线观看| 色5月婷婷丁香| 欧美区成人在线视频| 国产av在哪里看| 九九久久精品国产亚洲av麻豆| 夫妻午夜视频| 亚洲高清免费不卡视频| 建设人人有责人人尽责人人享有的 | 大又大粗又爽又黄少妇毛片口| 女人久久www免费人成看片| 午夜福利在线在线| 高清日韩中文字幕在线| 超碰av人人做人人爽久久| 99久久精品国产国产毛片| 九九爱精品视频在线观看| 99久久精品一区二区三区| 大片免费播放器 马上看| 熟妇人妻不卡中文字幕| 日本-黄色视频高清免费观看| 日本猛色少妇xxxxx猛交久久| 建设人人有责人人尽责人人享有的 | 一区二区三区四区激情视频| 欧美成人午夜免费资源| 免费观看在线日韩| 男女国产视频网站| 免费看av在线观看网站| 夜夜看夜夜爽夜夜摸| 国产精品一区二区三区四区久久| 国产黄色视频一区二区在线观看| 一个人看的www免费观看视频| av免费在线看不卡| 建设人人有责人人尽责人人享有的 | 日韩av在线大香蕉| 在线观看人妻少妇| 深夜a级毛片| 欧美成人一区二区免费高清观看| 免费看不卡的av| 日韩中字成人| 能在线免费观看的黄片| 日日摸夜夜添夜夜添av毛片| 国产 亚洲一区二区三区 | 高清欧美精品videossex| 秋霞伦理黄片| av免费观看日本| 午夜福利在线观看吧| 国产免费又黄又爽又色| 最新中文字幕久久久久| 免费黄色在线免费观看| 看免费成人av毛片| 亚洲国产欧美人成| 亚洲精品一区蜜桃| 汤姆久久久久久久影院中文字幕 | 97超碰精品成人国产| 男人舔女人下体高潮全视频| 97精品久久久久久久久久精品| 国产一区二区三区综合在线观看 | 亚洲精品视频女| 国产av国产精品国产| 亚洲av成人精品一区久久| 国产极品天堂在线| 插阴视频在线观看视频| 伊人久久精品亚洲午夜| 国产一区二区亚洲精品在线观看| av黄色大香蕉| 国产 一区精品| 最后的刺客免费高清国语| 国产在线男女| 亚洲欧美成人综合另类久久久| 国产精品嫩草影院av在线观看| 亚洲精华国产精华液的使用体验| 国内揄拍国产精品人妻在线| 国产片特级美女逼逼视频| 久久久久免费精品人妻一区二区| 日韩大片免费观看网站| 搞女人的毛片| 少妇人妻精品综合一区二区| 亚洲一区高清亚洲精品| 久久久久久久亚洲中文字幕| 秋霞伦理黄片| 波野结衣二区三区在线| 久久久亚洲精品成人影院| 精品国产三级普通话版| 啦啦啦中文免费视频观看日本| 亚洲精品第二区| av在线老鸭窝| 夜夜看夜夜爽夜夜摸| av免费在线看不卡| 最后的刺客免费高清国语| 色尼玛亚洲综合影院| 人人妻人人澡人人爽人人夜夜 | 黑人高潮一二区| 在线观看免费高清a一片| 精品99又大又爽又粗少妇毛片| 天天一区二区日本电影三级| 国产av在哪里看| 乱人视频在线观看| 夜夜爽夜夜爽视频| 国产精品久久久久久精品电影| 亚洲欧美一区二区三区国产| 十八禁网站网址无遮挡 | 亚洲人成网站高清观看| 美女大奶头视频| 亚洲国产最新在线播放| 日韩国内少妇激情av| 国产成人91sexporn| 国产精品国产三级国产专区5o| 精品国产一区二区三区久久久樱花 | 蜜桃久久精品国产亚洲av| 国产永久视频网站| 91在线精品国自产拍蜜月| 久久精品国产亚洲av天美| 黄色日韩在线| 亚洲av国产av综合av卡| 激情五月婷婷亚洲| 欧美xxxx性猛交bbbb| 国产日韩欧美在线精品| 亚洲色图av天堂| 少妇被粗大猛烈的视频| 日本av手机在线免费观看| 一级av片app| 欧美激情久久久久久爽电影| 国产 一区精品| 女人十人毛片免费观看3o分钟| 午夜福利成人在线免费观看| 熟妇人妻久久中文字幕3abv| 欧美精品一区二区大全| 九色成人免费人妻av| 久久精品夜色国产| 久久久久免费精品人妻一区二区| 日产精品乱码卡一卡2卡三| 少妇裸体淫交视频免费看高清| 精品99又大又爽又粗少妇毛片| 日韩av不卡免费在线播放| 久久久久久久久久黄片| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 爱豆传媒免费全集在线观看| 亚洲精品国产成人久久av| 久久久色成人| 免费观看精品视频网站| 蜜臀久久99精品久久宅男| 日韩av免费高清视频| 熟女人妻精品中文字幕| 国产精品人妻久久久久久| 街头女战士在线观看网站| 亚洲aⅴ乱码一区二区在线播放| 欧美成人午夜免费资源| av.在线天堂| 2018国产大陆天天弄谢| 免费黄色在线免费观看| 天堂av国产一区二区熟女人妻| 亚洲国产精品sss在线观看| 成人无遮挡网站| 亚洲在久久综合| 亚洲国产欧美人成| 91精品国产九色| 80岁老熟妇乱子伦牲交| 好男人在线观看高清免费视频| 精品99又大又爽又粗少妇毛片| 日韩成人伦理影院| 午夜福利网站1000一区二区三区| 久久精品综合一区二区三区| 三级国产精品片| 成人高潮视频无遮挡免费网站| 亚洲国产av新网站| 国语对白做爰xxxⅹ性视频网站| 欧美97在线视频| 亚洲av中文av极速乱| 亚洲精品久久午夜乱码| 高清毛片免费看| 精品熟女少妇av免费看| 麻豆国产97在线/欧美| 亚洲一区高清亚洲精品| 亚洲av二区三区四区| 日韩大片免费观看网站| 亚洲欧美一区二区三区国产| 伦精品一区二区三区| 久久这里只有精品中国| 亚洲怡红院男人天堂| 欧美日韩精品成人综合77777| av在线播放精品| 老女人水多毛片| 国产有黄有色有爽视频| 有码 亚洲区| 国产亚洲一区二区精品| 亚洲色图av天堂| 国产亚洲91精品色在线| 少妇人妻精品综合一区二区| 天天一区二区日本电影三级| 亚洲av.av天堂| 亚洲精品日本国产第一区| 亚洲国产日韩欧美精品在线观看| 成人国产麻豆网| 日韩亚洲欧美综合| 91狼人影院| 久久久久久久久大av| 国产成人aa在线观看| 十八禁网站网址无遮挡 | 18禁动态无遮挡网站| 2021天堂中文幕一二区在线观| 午夜爱爱视频在线播放| 国内精品美女久久久久久| 18禁裸乳无遮挡免费网站照片| 成年版毛片免费区| 久久精品久久精品一区二区三区| 99re6热这里在线精品视频| 国产精品爽爽va在线观看网站| 成人欧美大片| 高清av免费在线| 国产 一区 欧美 日韩| 黄片wwwwww| 女人被狂操c到高潮| 国产av在哪里看| 免费黄色在线免费观看| 神马国产精品三级电影在线观看| 麻豆乱淫一区二区| 亚洲精品久久久久久婷婷小说| av女优亚洲男人天堂| 天堂中文最新版在线下载 | 国产老妇伦熟女老妇高清| 欧美日韩一区二区视频在线观看视频在线 | 亚洲av福利一区| 又黄又爽又刺激的免费视频.| 菩萨蛮人人尽说江南好唐韦庄| 特大巨黑吊av在线直播| 日本午夜av视频| 亚洲成人一二三区av| 国产精品国产三级专区第一集| 狂野欧美白嫩少妇大欣赏| 99视频精品全部免费 在线| 欧美性猛交╳xxx乱大交人| 国产综合懂色| 国产精品av视频在线免费观看| 国产精品久久久久久久久免| 免费观看a级毛片全部| 一级av片app| 深夜a级毛片| 超碰97精品在线观看| 亚洲精品久久久久久婷婷小说| 少妇人妻精品综合一区二区| 只有这里有精品99| 久久99热6这里只有精品| 国产亚洲5aaaaa淫片| 最近的中文字幕免费完整| 男女边摸边吃奶| 最近的中文字幕免费完整| 91午夜精品亚洲一区二区三区| 国产精品美女特级片免费视频播放器| 午夜福利高清视频| 久久人人爽人人片av| 午夜福利在线在线| 亚洲一区高清亚洲精品| 美女主播在线视频| 别揉我奶头 嗯啊视频| 久久久成人免费电影| 尤物成人国产欧美一区二区三区| 爱豆传媒免费全集在线观看| 久久精品熟女亚洲av麻豆精品 | 国产久久久一区二区三区| 久久精品夜夜夜夜夜久久蜜豆| 如何舔出高潮| 亚洲欧美成人综合另类久久久| 熟妇人妻不卡中文字幕| 日日撸夜夜添| 欧美97在线视频| 日韩av免费高清视频| 国产激情偷乱视频一区二区| 欧美性猛交╳xxx乱大交人| 国产伦在线观看视频一区| 日本免费a在线| 成人高潮视频无遮挡免费网站| 久久6这里有精品| 免费无遮挡裸体视频| 天天躁日日操中文字幕| 九九在线视频观看精品| 99久国产av精品国产电影| 国产精品一区二区性色av| 五月天丁香电影| 国产亚洲精品av在线| 嫩草影院精品99| 高清视频免费观看一区二区 | 高清午夜精品一区二区三区| 五月天丁香电影| 国产爱豆传媒在线观看| 一级黄片播放器| av播播在线观看一区| 极品教师在线视频| 婷婷六月久久综合丁香| 日本一本二区三区精品| 亚洲国产欧美人成| 人妻一区二区av| 观看美女的网站| 岛国毛片在线播放| 亚洲婷婷狠狠爱综合网| 日本黄大片高清| 日韩 亚洲 欧美在线| 蜜臀久久99精品久久宅男| 亚洲成人一二三区av| 少妇丰满av| 精品人妻一区二区三区麻豆| 五月玫瑰六月丁香| a级一级毛片免费在线观看| 久久久精品94久久精品| 高清视频免费观看一区二区 | 欧美xxⅹ黑人| 国产成人一区二区在线| 纵有疾风起免费观看全集完整版 | 不卡视频在线观看欧美| 一个人观看的视频www高清免费观看| 白带黄色成豆腐渣| 国产亚洲精品久久久com| 国产爱豆传媒在线观看| 免费看av在线观看网站| 久久99热这里只有精品18| 亚洲av在线观看美女高潮| 久久99热这里只有精品18| 99热这里只有是精品50| a级毛片免费高清观看在线播放| 亚洲精华国产精华液的使用体验| 久久6这里有精品| 欧美日韩综合久久久久久| 男插女下体视频免费在线播放| 欧美精品一区二区大全| 成人鲁丝片一二三区免费| 精品国产三级普通话版| 午夜精品一区二区三区免费看| 亚洲精品国产成人久久av| 久久精品国产亚洲av涩爱| 大片免费播放器 马上看| 亚洲欧美精品自产自拍| 国产精品国产三级国产专区5o| 日韩中字成人| 十八禁国产超污无遮挡网站| 97在线视频观看| 一个人看视频在线观看www免费| 日日摸夜夜添夜夜爱| 最近中文字幕2019免费版| 国内精品宾馆在线| 只有这里有精品99| 色尼玛亚洲综合影院| 欧美精品国产亚洲| 亚洲精华国产精华液的使用体验| 在线观看免费高清a一片| 成年女人看的毛片在线观看| 国产乱来视频区| 欧美日韩精品成人综合77777| 国产大屁股一区二区在线视频| 国产黄a三级三级三级人| 国产伦一二天堂av在线观看| 男女视频在线观看网站免费| 亚洲av日韩在线播放| 国产精品国产三级国产专区5o| 在线观看一区二区三区| 欧美97在线视频| 国产精品女同一区二区软件| 成人亚洲欧美一区二区av| 成人av在线播放网站| 亚洲欧美精品专区久久| 中文字幕人妻熟人妻熟丝袜美| 亚洲内射少妇av| 久久精品国产亚洲av涩爱| 精品久久久精品久久久| 亚洲精品日韩在线中文字幕| 精品久久久久久成人av| 国产国拍精品亚洲av在线观看| 欧美日本视频| 国模一区二区三区四区视频| 国产乱人视频| 免费黄网站久久成人精品| 午夜激情久久久久久久| 亚洲性久久影院| 丰满少妇做爰视频| freevideosex欧美| 久久精品国产鲁丝片午夜精品| 色哟哟·www| 黄色配什么色好看| 国产片特级美女逼逼视频| 国产一区二区三区av在线| 老师上课跳d突然被开到最大视频| 一级a做视频免费观看| 成人高潮视频无遮挡免费网站| 美女cb高潮喷水在线观看| 国产极品天堂在线| 久久久久久久久久久丰满| 国产精品日韩av在线免费观看| 国内精品一区二区在线观看| 久久久久网色| 婷婷色综合大香蕉| 青春草视频在线免费观看| 日本av手机在线免费观看| 免费观看在线日韩| 超碰97精品在线观看| 美女黄网站色视频| 亚洲无线观看免费| 午夜老司机福利剧场| 亚洲精品日韩在线中文字幕| 别揉我奶头 嗯啊视频| 夫妻午夜视频| 成人亚洲精品一区在线观看 | 国产成人福利小说| 欧美激情久久久久久爽电影| 国产淫片久久久久久久久| 日本黄大片高清| 啦啦啦啦在线视频资源| 久久久久久久久大av| 亚洲欧美成人精品一区二区| 一区二区三区免费毛片| 国产老妇女一区| 毛片女人毛片| 汤姆久久久久久久影院中文字幕 | 国产成人精品久久久久久| 亚洲av免费高清在线观看| 2021天堂中文幕一二区在线观| 国产亚洲av片在线观看秒播厂 | 精品国内亚洲2022精品成人| 亚洲欧美日韩卡通动漫| av网站免费在线观看视频 | 国产亚洲5aaaaa淫片| 亚洲天堂国产精品一区在线| 听说在线观看完整版免费高清| 国产av码专区亚洲av| 美女高潮的动态| 亚州av有码| 国产伦一二天堂av在线观看| 99久国产av精品国产电影| 亚洲成人中文字幕在线播放| 天堂网av新在线| 国产av国产精品国产| 国产永久视频网站| 久久精品国产鲁丝片午夜精品| 最近视频中文字幕2019在线8| 99视频精品全部免费 在线| 色视频www国产| 爱豆传媒免费全集在线观看| 日本熟妇午夜| 熟女人妻精品中文字幕| 久久久成人免费电影| 中文资源天堂在线| 大香蕉97超碰在线| 黄片wwwwww| 国产在线男女| 一区二区三区乱码不卡18| 久久99精品国语久久久| 亚洲在线自拍视频| 国精品久久久久久国模美| 日韩欧美 国产精品| 亚洲av电影不卡..在线观看| 久久久精品94久久精品| 人体艺术视频欧美日本| 久久99热6这里只有精品| av又黄又爽大尺度在线免费看| 黄色配什么色好看| 久久精品夜色国产| 日韩大片免费观看网站| 天天一区二区日本电影三级| 国产黄色视频一区二区在线观看| 久久久久久久久大av| 搞女人的毛片| 久99久视频精品免费| 99久久精品热视频| 色5月婷婷丁香| 亚洲精品日本国产第一区| 亚洲av成人精品一二三区| 欧美日本视频| 精品欧美国产一区二区三| 搡女人真爽免费视频火全软件| 亚洲精品一二三| 国内精品宾馆在线| 在线观看一区二区三区| 国产精品不卡视频一区二区| 亚洲av免费高清在线观看| 亚洲欧洲国产日韩|