• <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
    国产国拍精品亚洲av在线观看| 久久这里有精品视频免费| 精品第一国产精品| 视频区图区小说| 成年美女黄网站色视频大全免费| 国产日韩欧美视频二区| 欧美人与性动交α欧美软件 | 老司机亚洲免费影院| 国产成人免费无遮挡视频| 日本av免费视频播放| 亚洲精品一二三| 天堂俺去俺来也www色官网| av电影中文网址| 国产片内射在线| 成人亚洲欧美一区二区av| 国产深夜福利视频在线观看| 精品久久久精品久久久| 免费不卡的大黄色大毛片视频在线观看| 男女下面插进去视频免费观看 | 26uuu在线亚洲综合色| 亚洲国产毛片av蜜桃av| 欧美日韩av久久| 丰满迷人的少妇在线观看| 国产高清不卡午夜福利| av线在线观看网站| 51国产日韩欧美| 久久精品夜色国产| 一级,二级,三级黄色视频| 日韩欧美一区视频在线观看| 国产精品一二三区在线看| 亚洲 欧美一区二区三区| 桃花免费在线播放| 中文天堂在线官网| 国产毛片在线视频| 日韩制服丝袜自拍偷拍| 亚洲四区av| 黑人猛操日本美女一级片| 日本av免费视频播放| 欧美日韩综合久久久久久| 男女无遮挡免费网站观看| 性色av一级| 精品少妇内射三级| 国产精品人妻久久久影院| 成人毛片60女人毛片免费| 两个人免费观看高清视频| 亚洲av综合色区一区| 麻豆乱淫一区二区| 久久久久国产精品人妻一区二区| 又黄又粗又硬又大视频| 国产精品熟女久久久久浪| 国产 一区精品| 亚洲国产日韩一区二区| 国产色婷婷99| 少妇精品久久久久久久| 中文字幕免费在线视频6| 国产精品女同一区二区软件| 最近最新中文字幕免费大全7| 亚洲精品日韩在线中文字幕| 九草在线视频观看| 国产欧美日韩一区二区三区在线| 热re99久久精品国产66热6| 啦啦啦啦在线视频资源| 午夜福利影视在线免费观看| 国产视频首页在线观看| 极品人妻少妇av视频| 国产白丝娇喘喷水9色精品| 人妻一区二区av| 亚洲欧美成人精品一区二区| 侵犯人妻中文字幕一二三四区| 看免费av毛片| 美女国产视频在线观看| 成人毛片a级毛片在线播放| 日韩在线高清观看一区二区三区| 午夜福利影视在线免费观看| 国产成人av激情在线播放| 搡老乐熟女国产| 亚洲内射少妇av| xxx大片免费视频| 少妇的丰满在线观看| 欧美激情国产日韩精品一区| 男女午夜视频在线观看 | 亚洲成人av在线免费| 狠狠精品人妻久久久久久综合| 久久精品久久精品一区二区三区| 国产男人的电影天堂91| 国产一区二区在线观看日韩| 最近中文字幕2019免费版| 国产在线视频一区二区| 不卡视频在线观看欧美| 国产又爽黄色视频| 日韩制服丝袜自拍偷拍| 狠狠精品人妻久久久久久综合| 亚洲人与动物交配视频| 黄色毛片三级朝国网站| 国产免费视频播放在线视频| 亚洲精品久久午夜乱码| 成人国产av品久久久| 美女国产高潮福利片在线看| 黄色毛片三级朝国网站| 狂野欧美激情性xxxx在线观看| 亚洲天堂av无毛| 免费观看在线日韩| 亚洲在久久综合| 久久婷婷青草| 亚洲伊人色综图| 妹子高潮喷水视频| 国产欧美日韩一区二区三区在线| 男男h啪啪无遮挡| 成人国产av品久久久| 高清黄色对白视频在线免费看| 色网站视频免费| 大话2 男鬼变身卡| 免费女性裸体啪啪无遮挡网站| 男女免费视频国产| 久久国产精品男人的天堂亚洲 | 考比视频在线观看| 韩国精品一区二区三区 | 午夜福利在线观看免费完整高清在| 建设人人有责人人尽责人人享有的| 国产在视频线精品| 欧美日韩视频高清一区二区三区二| 欧美激情极品国产一区二区三区 | 国产精品无大码| 看非洲黑人一级黄片| 香蕉国产在线看| 美女大奶头黄色视频| 欧美xxⅹ黑人| 欧美老熟妇乱子伦牲交| 18禁国产床啪视频网站| 久久久久久久久久成人| 亚洲中文av在线| 精品亚洲乱码少妇综合久久| 五月天丁香电影| 亚洲成国产人片在线观看| 成人亚洲欧美一区二区av| 曰老女人黄片| 男男h啪啪无遮挡| 天堂中文最新版在线下载| 赤兔流量卡办理| 丝袜脚勾引网站| 日本猛色少妇xxxxx猛交久久| 国产成人精品无人区| 午夜免费观看性视频| 在线免费观看不下载黄p国产| av天堂久久9| 国产精品 国内视频| 亚洲精品一二三| 国产精品蜜桃在线观看| 午夜免费鲁丝| 视频区图区小说| 中文字幕另类日韩欧美亚洲嫩草| videos熟女内射| 一本久久精品| 国产亚洲最大av| 久久精品aⅴ一区二区三区四区 | 一边亲一边摸免费视频| 成人黄色视频免费在线看| 国产毛片在线视频| 一二三四中文在线观看免费高清| 街头女战士在线观看网站| av播播在线观看一区| 亚洲欧美精品自产自拍| 久久久久久久国产电影| 久久国产亚洲av麻豆专区| 日本猛色少妇xxxxx猛交久久| 汤姆久久久久久久影院中文字幕| 黄色一级大片看看| 少妇被粗大的猛进出69影院 | 哪个播放器可以免费观看大片| 蜜桃在线观看..| 妹子高潮喷水视频| 精品卡一卡二卡四卡免费| 久久韩国三级中文字幕| 亚洲av男天堂| 亚洲一区二区三区欧美精品| 国产在线免费精品| 老女人水多毛片| 51国产日韩欧美| 久久精品久久精品一区二区三区| 精品一区二区免费观看| 人妻一区二区av| 久久久国产欧美日韩av| 亚洲精品中文字幕在线视频| 国产精品久久久久久久久免| 国产激情久久老熟女| 亚洲美女视频黄频| 国产一区二区三区av在线| 春色校园在线视频观看| 久久精品熟女亚洲av麻豆精品| 在线免费观看不下载黄p国产| 国产黄色视频一区二区在线观看| 在现免费观看毛片| 一级片'在线观看视频| 亚洲综合色惰| 亚洲欧洲国产日韩| 亚洲激情五月婷婷啪啪| 宅男免费午夜| 在线亚洲精品国产二区图片欧美| 三级国产精品片| 国产精品嫩草影院av在线观看| 高清不卡的av网站| 中文字幕最新亚洲高清| 有码 亚洲区| 免费av中文字幕在线| 成人18禁高潮啪啪吃奶动态图| 国产国语露脸激情在线看| 国产极品天堂在线| 交换朋友夫妻互换小说| 欧美激情极品国产一区二区三区 | 蜜桃国产av成人99| 在线观看国产h片| 国产精品国产三级国产av玫瑰| 国产高清不卡午夜福利| 国产午夜精品一二区理论片| 男女午夜视频在线观看 | 国产一区有黄有色的免费视频| 性色av一级| 欧美精品亚洲一区二区| 高清欧美精品videossex| 丰满乱子伦码专区| 2022亚洲国产成人精品| 九九在线视频观看精品| 亚洲久久久国产精品| 久久精品国产鲁丝片午夜精品| 一本久久精品| 黄色怎么调成土黄色| 菩萨蛮人人尽说江南好唐韦庄| 天天躁夜夜躁狠狠久久av| 汤姆久久久久久久影院中文字幕| 亚洲成色77777| 亚洲精品中文字幕在线视频| 国产老妇伦熟女老妇高清| 人妻人人澡人人爽人人| 亚洲国产精品成人久久小说| 国产黄频视频在线观看| 欧美激情 高清一区二区三区| 一个人免费看片子| 亚洲美女搞黄在线观看| 丝袜脚勾引网站| 麻豆精品久久久久久蜜桃| 人妻系列 视频| av卡一久久| 欧美精品av麻豆av| 在线观看三级黄色| 一区二区av电影网| 日韩伦理黄色片| 免费高清在线观看视频在线观看| 天堂中文最新版在线下载| 亚洲第一av免费看| 国产精品蜜桃在线观看| 麻豆精品久久久久久蜜桃| 午夜老司机福利剧场| 亚洲精品久久午夜乱码| 国产精品免费大片| 亚洲综合色惰| 亚洲美女黄色视频免费看| 母亲3免费完整高清在线观看 | 久久国产精品男人的天堂亚洲 | 亚洲五月色婷婷综合| 国产精品一二三区在线看| 在线 av 中文字幕| videossex国产| 我要看黄色一级片免费的| 亚洲综合色惰| 久久国产精品大桥未久av| 久久女婷五月综合色啪小说| 午夜精品国产一区二区电影| 亚洲精品国产av成人精品| 啦啦啦中文免费视频观看日本| 性色avwww在线观看| 热99国产精品久久久久久7| 97精品久久久久久久久久精品| 春色校园在线视频观看| av电影中文网址| a级毛片黄视频| 国产1区2区3区精品| 黄片播放在线免费| √禁漫天堂资源中文www| 99热网站在线观看| 精品国产乱码久久久久久小说| 大香蕉久久成人网| 国产精品久久久久久久电影| 十八禁网站网址无遮挡| 宅男免费午夜| 国产免费又黄又爽又色| 日日啪夜夜爽| 亚洲精品456在线播放app| 免费看av在线观看网站| 老司机影院成人| 亚洲精品国产av成人精品| 天美传媒精品一区二区| 在线观看美女被高潮喷水网站| 王馨瑶露胸无遮挡在线观看| 日日摸夜夜添夜夜爱| 国产精品久久久久成人av| 欧美人与性动交α欧美软件 | 国精品久久久久久国模美| 黑人猛操日本美女一级片| av卡一久久| 欧美国产精品一级二级三级| 亚洲国产精品专区欧美| av福利片在线| 亚洲av.av天堂| 国产男女内射视频| 一级毛片 在线播放| 日韩精品有码人妻一区| 亚洲精品乱久久久久久| 亚洲欧洲精品一区二区精品久久久 | 9色porny在线观看| 日日撸夜夜添| 菩萨蛮人人尽说江南好唐韦庄| 国产一区二区在线观看日韩| 丝袜人妻中文字幕| 国产极品天堂在线| 免费观看在线日韩| 久久久国产精品麻豆| 你懂的网址亚洲精品在线观看| 91午夜精品亚洲一区二区三区| 亚洲精品日韩在线中文字幕| 国产 一区精品| 久久99一区二区三区| 看免费成人av毛片| 秋霞伦理黄片| 国产伦理片在线播放av一区| 伦理电影大哥的女人| 日韩,欧美,国产一区二区三区| 国产一级毛片在线| 女人被躁到高潮嗷嗷叫费观| 热re99久久精品国产66热6| 人人澡人人妻人| 在线观看免费高清a一片| 2021少妇久久久久久久久久久| 青春草国产在线视频| 久久精品久久久久久久性| 亚洲精品日本国产第一区| 国产精品三级大全| 夫妻午夜视频| 综合色丁香网| 国产在视频线精品| 在线观看国产h片| 一区二区三区四区激情视频| 亚洲综合精品二区| 我要看黄色一级片免费的| a 毛片基地| 性色av一级| 国产精品久久久久久久久免| 久热久热在线精品观看| 国产精品久久久久久久久免| 在线观看www视频免费| a级毛片黄视频| 女性被躁到高潮视频| 人人妻人人添人人爽欧美一区卜| 我的女老师完整版在线观看| 亚洲国产精品专区欧美| 久久人人爽人人爽人人片va| 国产av国产精品国产| 我要看黄色一级片免费的| 国产精品久久久久久精品电影小说| 99九九在线精品视频| 卡戴珊不雅视频在线播放| 亚洲欧美日韩另类电影网站| 最近的中文字幕免费完整| 久久久精品区二区三区| 日日爽夜夜爽网站| 亚洲av福利一区| 人人妻人人澡人人看| 精品久久蜜臀av无| 国产成人精品无人区| 欧美日韩视频精品一区| 亚洲av电影在线进入| 少妇熟女欧美另类| 久久人人爽人人片av| 免费大片18禁| 亚洲欧洲精品一区二区精品久久久 | 欧美日韩av久久| 亚洲国产看品久久| 国产伦理片在线播放av一区| 伦理电影大哥的女人| 亚洲欧美一区二区三区黑人 | 日本欧美国产在线视频| 在线免费观看不下载黄p国产| 成年av动漫网址| av在线老鸭窝| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 免费观看av网站的网址| 蜜臀久久99精品久久宅男| 女人精品久久久久毛片| 伦理电影免费视频| 国语对白做爰xxxⅹ性视频网站| 2021少妇久久久久久久久久久| 九色亚洲精品在线播放| 亚洲国产精品国产精品| 亚洲欧美成人精品一区二区| 九九在线视频观看精品| 在线观看免费日韩欧美大片| 一本—道久久a久久精品蜜桃钙片| 人人澡人人妻人| 水蜜桃什么品种好| 亚洲国产精品国产精品| 18禁动态无遮挡网站| 热99久久久久精品小说推荐| av.在线天堂| 久久久久精品久久久久真实原创| 成人18禁高潮啪啪吃奶动态图| 中文字幕精品免费在线观看视频 | 日本av手机在线免费观看| 最近中文字幕高清免费大全6| 热re99久久国产66热| 一级黄片播放器| 少妇的逼水好多| 中文字幕人妻丝袜制服| 男女边摸边吃奶| 精品国产一区二区久久| 日本猛色少妇xxxxx猛交久久| 美女内射精品一级片tv| 天堂俺去俺来也www色官网| 久久精品国产a三级三级三级| 18+在线观看网站| 日本免费在线观看一区| 成人手机av| 有码 亚洲区| 9191精品国产免费久久| 亚洲精品456在线播放app| 精品亚洲乱码少妇综合久久| 国产毛片在线视频| 蜜臀久久99精品久久宅男| 美女国产视频在线观看| 日日爽夜夜爽网站| 9热在线视频观看99| 自线自在国产av| 国产毛片在线视频| 永久网站在线| 国产一区二区在线观看日韩| 午夜激情久久久久久久| 美女内射精品一级片tv| 建设人人有责人人尽责人人享有的| videos熟女内射| 免费在线观看完整版高清| 国产福利在线免费观看视频| 日产精品乱码卡一卡2卡三| 亚洲国产欧美在线一区| 99九九在线精品视频| 美女视频免费永久观看网站| 免费看不卡的av| 亚洲精品自拍成人| 男女国产视频网站| 97人妻天天添夜夜摸| 18禁国产床啪视频网站| 日本黄大片高清| 人人妻人人澡人人看| 啦啦啦中文免费视频观看日本| 观看美女的网站| 久久精品夜色国产| 久久久久久久亚洲中文字幕| 欧美最新免费一区二区三区| 又大又黄又爽视频免费| 日日撸夜夜添| 最近中文字幕高清免费大全6| 国产在视频线精品| 一级爰片在线观看| 亚洲中文av在线| 日本av免费视频播放| 中文字幕最新亚洲高清| 少妇人妻精品综合一区二区| 久久久国产一区二区| 乱人伦中国视频| 老司机亚洲免费影院| 另类精品久久| 国产亚洲精品第一综合不卡 | 亚洲欧美中文字幕日韩二区| 人妻系列 视频| 另类亚洲欧美激情| 国产高清不卡午夜福利| 极品人妻少妇av视频| 热re99久久国产66热| 十八禁高潮呻吟视频| 夫妻性生交免费视频一级片| 桃花免费在线播放| 亚洲成人手机| 蜜桃国产av成人99| 欧美精品高潮呻吟av久久| 不卡视频在线观看欧美| 国产欧美另类精品又又久久亚洲欧美| 一边摸一边做爽爽视频免费| 色网站视频免费| 搡老乐熟女国产| 十八禁高潮呻吟视频| 婷婷色麻豆天堂久久| 9191精品国产免费久久| 18+在线观看网站| 亚洲国产精品专区欧美| 国产日韩欧美视频二区| 香蕉丝袜av| 综合色丁香网| 国产色婷婷99| 日韩精品有码人妻一区| 亚洲欧美一区二区三区国产| 国产白丝娇喘喷水9色精品| 亚洲国产欧美在线一区| 精品卡一卡二卡四卡免费| 内地一区二区视频在线| 精品人妻熟女毛片av久久网站| 黄片无遮挡物在线观看| 免费av中文字幕在线| 女性被躁到高潮视频| 亚洲第一av免费看| 国产熟女欧美一区二区| 七月丁香在线播放| 一本大道久久a久久精品| 男女午夜视频在线观看 | 国产高清不卡午夜福利| 精品一区二区三区四区五区乱码 | 亚洲精华国产精华液的使用体验| 日韩一本色道免费dvd| 久久ye,这里只有精品| 丰满饥渴人妻一区二区三| 大香蕉久久网| 久久这里只有精品19| 日日摸夜夜添夜夜爱| 久久久久久人人人人人| 日韩,欧美,国产一区二区三区| 欧美日韩精品成人综合77777| 一区二区三区四区激情视频| 国产爽快片一区二区三区| 亚洲精品美女久久av网站| 亚洲国产av新网站| 久久综合国产亚洲精品| 在线观看www视频免费| 不卡视频在线观看欧美| 国产精品无大码| 精品卡一卡二卡四卡免费| 精品国产一区二区三区四区第35| 99视频精品全部免费 在线| 日本vs欧美在线观看视频| 女性被躁到高潮视频| 亚洲精品一二三| 1024视频免费在线观看| 久久精品久久精品一区二区三区| 一个人免费看片子| 精品福利永久在线观看| 男女高潮啪啪啪动态图| 大香蕉97超碰在线| 免费人成在线观看视频色| 边亲边吃奶的免费视频| 美女xxoo啪啪120秒动态图| 香蕉精品网在线| 亚洲成人av在线免费| 亚洲综合色网址| 51国产日韩欧美| 考比视频在线观看| 欧美精品一区二区大全| 美女xxoo啪啪120秒动态图| 久热久热在线精品观看| 成人亚洲精品一区在线观看| 一本色道久久久久久精品综合| 精品一区二区三区视频在线| 18+在线观看网站| 亚洲一区二区三区欧美精品| 久久青草综合色| 老女人水多毛片| 久久久亚洲精品成人影院| 欧美3d第一页| 亚洲精华国产精华液的使用体验| 婷婷色综合大香蕉| videossex国产| 久热这里只有精品99| 观看av在线不卡| 五月天丁香电影| 99国产精品免费福利视频| 亚洲综合色网址| 国产亚洲一区二区精品| 免费av不卡在线播放| 多毛熟女@视频| 国产在线一区二区三区精| 中文字幕另类日韩欧美亚洲嫩草| av一本久久久久| av女优亚洲男人天堂| 国产在线一区二区三区精| 一级,二级,三级黄色视频| 色视频在线一区二区三区| 妹子高潮喷水视频| 精品酒店卫生间| 亚洲内射少妇av| 人妻系列 视频| 性高湖久久久久久久久免费观看| 一级毛片 在线播放| 建设人人有责人人尽责人人享有的| 大香蕉久久网| 777米奇影视久久| 春色校园在线视频观看| 午夜免费男女啪啪视频观看| 亚洲国产精品专区欧美| 久久久久精品性色| 日本黄色日本黄色录像| 国产一区亚洲一区在线观看| 丝袜在线中文字幕| 日本-黄色视频高清免费观看| 中国国产av一级| 日韩制服丝袜自拍偷拍| 亚洲欧美一区二区三区黑人 | 99热这里只有是精品在线观看| videosex国产| 国产男女内射视频| 在线亚洲精品国产二区图片欧美| 欧美日韩精品成人综合77777| 国产色爽女视频免费观看| 亚洲精品视频女| 久久精品夜色国产| 国产黄色免费在线视频| 国产精品国产三级国产专区5o| av在线观看视频网站免费| 丰满饥渴人妻一区二区三| 91国产中文字幕| 国产精品久久久久久久久免| 国产一区二区在线观看日韩|