• <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
    宅男免费午夜| 国产一区二区在线av高清观看| 少妇人妻一区二区三区视频| 亚洲精品色激情综合| 亚洲av电影在线进入| 天天躁日日操中文字幕| 99热这里只有是精品在线观看 | 国产亚洲精品久久久久久毛片| 91字幕亚洲| 亚洲,欧美,日韩| 亚洲色图av天堂| 久久久久久九九精品二区国产| 国产真实伦视频高清在线观看 | 国产黄a三级三级三级人| 久久6这里有精品| 国产美女午夜福利| 国产探花在线观看一区二区| 黄色日韩在线| 深夜a级毛片| 亚洲自偷自拍三级| www.www免费av| 国产69精品久久久久777片| 国产精品一区二区免费欧美| 人人妻人人看人人澡| 久久香蕉精品热| 亚洲国产精品999在线| 99在线人妻在线中文字幕| 夜夜爽天天搞| 色综合欧美亚洲国产小说| 免费观看精品视频网站| 麻豆成人av在线观看| 亚洲成人精品中文字幕电影| 国产精品一区二区三区四区久久| 俺也久久电影网| 亚洲国产精品久久男人天堂| 欧美日韩综合久久久久久 | 免费电影在线观看免费观看| 性插视频无遮挡在线免费观看| 一级av片app| 国产精品不卡视频一区二区 | 国产v大片淫在线免费观看| 在线播放无遮挡| 日韩人妻高清精品专区| 国产一区二区三区在线臀色熟女| 亚洲成a人片在线一区二区| 欧美潮喷喷水| 久久热精品热| 免费观看人在逋| 最新在线观看一区二区三区| 天天一区二区日本电影三级| 日韩中字成人| 久久天躁狠狠躁夜夜2o2o| 亚洲第一欧美日韩一区二区三区| 欧美激情久久久久久爽电影| 在线观看66精品国产| 亚洲自拍偷在线| 国产精品精品国产色婷婷| 99精品久久久久人妻精品| 夜夜躁狠狠躁天天躁| 在线天堂最新版资源| 精品一区二区免费观看| 久久性视频一级片| 看免费av毛片| 久久久久久九九精品二区国产| 国产精品一区二区三区四区久久| 欧美乱妇无乱码| 国内精品久久久久精免费| 精品一区二区三区视频在线观看免费| 国产成年人精品一区二区| 十八禁人妻一区二区| 国产精品永久免费网站| 精品福利观看| 美女黄网站色视频| av女优亚洲男人天堂| 日本在线视频免费播放| 看黄色毛片网站| 天堂av国产一区二区熟女人妻| 国产高清有码在线观看视频| 舔av片在线| 久久久久久久久大av| 看黄色毛片网站| 少妇熟女aⅴ在线视频| 婷婷精品国产亚洲av| 黄色日韩在线| 亚洲专区国产一区二区| 亚洲最大成人中文| 国产黄片美女视频| 午夜日韩欧美国产| 中文字幕高清在线视频| 中文字幕高清在线视频| 免费在线观看日本一区| 十八禁国产超污无遮挡网站| 国产aⅴ精品一区二区三区波| 欧美国产日韩亚洲一区| 波多野结衣巨乳人妻| 国产精品99久久久久久久久| 村上凉子中文字幕在线| 中亚洲国语对白在线视频| 国产在视频线在精品| 小说图片视频综合网站| 国产国拍精品亚洲av在线观看| 麻豆成人午夜福利视频| 波多野结衣巨乳人妻| 国产av在哪里看| 欧美性猛交╳xxx乱大交人| 久久久久性生活片| 天天一区二区日本电影三级| 亚洲av免费在线观看| 午夜免费激情av| 精品久久久久久久久久免费视频| 成人国产一区最新在线观看| 欧美zozozo另类| 国产在视频线在精品| 国内精品美女久久久久久| 亚洲,欧美精品.| 青草久久国产| 韩国av一区二区三区四区| 午夜影院日韩av| 久久久久久久精品吃奶| 天堂影院成人在线观看| 日本免费一区二区三区高清不卡| 少妇裸体淫交视频免费看高清| 久久精品国产99精品国产亚洲性色| 欧美精品啪啪一区二区三区| 国产精品,欧美在线| 一本久久中文字幕| 欧美高清成人免费视频www| 久久人人精品亚洲av| 99热这里只有是精品50| 成人特级黄色片久久久久久久| 天堂√8在线中文| 一进一出抽搐动态| 网址你懂的国产日韩在线| 欧美午夜高清在线| 亚洲av免费高清在线观看| 午夜精品一区二区三区免费看| 日韩欧美 国产精品| 亚洲无线在线观看| 99久久精品国产亚洲精品| 99国产精品一区二区三区| 一a级毛片在线观看| 18禁裸乳无遮挡免费网站照片| 亚洲国产精品久久男人天堂| 男人舔奶头视频| 在线观看美女被高潮喷水网站 | 国产伦一二天堂av在线观看| 亚洲,欧美精品.| 99国产精品一区二区蜜桃av| 国产成人aa在线观看| 中国美女看黄片| 毛片一级片免费看久久久久 | 国产高清视频在线播放一区| 精品久久久久久久久亚洲 | 亚洲18禁久久av| 97人妻精品一区二区三区麻豆| 亚洲国产精品sss在线观看| 一夜夜www| 国产单亲对白刺激| 怎么达到女性高潮| 一个人看的www免费观看视频| 一进一出抽搐gif免费好疼| 国产成年人精品一区二区| 亚洲成av人片免费观看| 欧美另类亚洲清纯唯美| 特级一级黄色大片| 此物有八面人人有两片| 宅男免费午夜| 国模一区二区三区四区视频| 精品久久久久久成人av| 欧美+日韩+精品| 嫩草影视91久久| 欧美精品国产亚洲| 十八禁人妻一区二区| 日本在线视频免费播放| 亚洲av五月六月丁香网| 亚洲国产精品999在线| 18禁在线播放成人免费| x7x7x7水蜜桃| 丁香六月欧美| 三级国产精品欧美在线观看| 亚洲激情在线av| 免费人成视频x8x8入口观看| 99热这里只有精品一区| 国产老妇女一区| 精品乱码久久久久久99久播| 久久久久久久精品吃奶| 如何舔出高潮| 国产精品99久久久久久久久| 午夜影院日韩av| 俄罗斯特黄特色一大片| 在线免费观看不下载黄p国产 | 亚洲在线自拍视频| 亚洲 欧美 日韩 在线 免费| 国产免费av片在线观看野外av| 亚洲av熟女| 国产单亲对白刺激| 国产免费男女视频| 国产野战对白在线观看| 女生性感内裤真人,穿戴方法视频| 最后的刺客免费高清国语| 国产精品久久电影中文字幕| 天天一区二区日本电影三级| 美女免费视频网站| 日本免费a在线| 亚洲成a人片在线一区二区| 欧美日本视频| 亚洲乱码一区二区免费版| 噜噜噜噜噜久久久久久91| 亚洲国产色片| 免费观看精品视频网站| av在线蜜桃| 十八禁网站免费在线| 亚洲成av人片免费观看| 国产色婷婷99| 1000部很黄的大片| 一二三四社区在线视频社区8| 免费观看的影片在线观看| 国产成人a区在线观看| 亚洲电影在线观看av| 国产黄a三级三级三级人| 中文字幕精品亚洲无线码一区| 在线国产一区二区在线| 大型黄色视频在线免费观看| 淫秽高清视频在线观看| 成人鲁丝片一二三区免费| 国产免费男女视频| avwww免费| 一个人观看的视频www高清免费观看| 免费黄网站久久成人精品 | 亚洲性夜色夜夜综合| 久9热在线精品视频| 能在线免费观看的黄片| 国产成人啪精品午夜网站| 国产精品人妻久久久久久| 婷婷亚洲欧美| 老熟妇仑乱视频hdxx| 亚州av有码| 免费大片18禁| 精品一区二区三区视频在线| 亚洲不卡免费看| 精品久久久久久久人妻蜜臀av| 一区二区三区激情视频| 国产一区二区在线观看日韩| 亚洲最大成人手机在线| 精品福利观看| 欧美成人性av电影在线观看| 免费av观看视频| 国产欧美日韩一区二区三| 美女 人体艺术 gogo| av福利片在线观看| 丝袜美腿在线中文| 国产探花极品一区二区| a级毛片免费高清观看在线播放| av黄色大香蕉| 一进一出抽搐动态| 欧美日韩综合久久久久久 | 久久午夜福利片| 色综合婷婷激情| 在线免费观看的www视频| 欧美黄色淫秽网站| 婷婷精品国产亚洲av在线| 欧美xxxx黑人xx丫x性爽| 亚洲午夜理论影院| 少妇的逼好多水| 国内久久婷婷六月综合欲色啪| 日韩欧美国产一区二区入口| 国产精品嫩草影院av在线观看 | 国产免费一级a男人的天堂| 啪啪无遮挡十八禁网站| 内射极品少妇av片p| АⅤ资源中文在线天堂| 国产 一区 欧美 日韩| 久久欧美精品欧美久久欧美| 免费观看的影片在线观看| 婷婷亚洲欧美| 91在线精品国自产拍蜜月| 天堂av国产一区二区熟女人妻| 亚洲av.av天堂| 夜夜夜夜夜久久久久| 熟女电影av网| 亚洲精品影视一区二区三区av| 91狼人影院| 色哟哟·www| 级片在线观看| 日本 av在线| 亚洲欧美激情综合另类| 91久久精品电影网| 青草久久国产| av天堂中文字幕网| 国产黄色小视频在线观看| 波多野结衣巨乳人妻| 男女床上黄色一级片免费看| 男女那种视频在线观看| 丰满人妻一区二区三区视频av| 女人被狂操c到高潮| 91久久精品电影网| 亚洲成av人片免费观看| 亚洲中文字幕日韩| 欧美xxxx黑人xx丫x性爽| 亚洲最大成人中文| 最近中文字幕高清免费大全6 | 人妻制服诱惑在线中文字幕| 色综合站精品国产| 免费人成在线观看视频色| 国产私拍福利视频在线观看| 亚洲人成网站在线播| 久久人人精品亚洲av| 男人和女人高潮做爰伦理| 久久国产精品影院| 毛片一级片免费看久久久久 | 小说图片视频综合网站| 国产精品久久久久久人妻精品电影| 国产aⅴ精品一区二区三区波| 每晚都被弄得嗷嗷叫到高潮| 一二三四社区在线视频社区8| 亚洲黑人精品在线| 欧美黑人巨大hd| 怎么达到女性高潮| 久久国产乱子伦精品免费另类| www.www免费av| 国产激情偷乱视频一区二区| 搡老岳熟女国产| 久99久视频精品免费| 免费av观看视频| 色噜噜av男人的天堂激情| 久久久久国内视频| 国产中年淑女户外野战色| 怎么达到女性高潮| 国产亚洲精品久久久久久毛片| avwww免费| 一个人免费在线观看的高清视频| 久久久久性生活片| 国产精品人妻久久久久久| 日韩欧美国产一区二区入口| 88av欧美| 久久午夜福利片| 亚洲人成网站高清观看| 一个人看的www免费观看视频| 日本与韩国留学比较| 亚洲aⅴ乱码一区二区在线播放| 亚洲男人的天堂狠狠| 亚洲精品日韩av片在线观看| 麻豆av噜噜一区二区三区| ponron亚洲| 免费观看的影片在线观看| 99视频精品全部免费 在线| 嫩草影院入口| 国产精品98久久久久久宅男小说| 久久午夜福利片| 国产白丝娇喘喷水9色精品| 天美传媒精品一区二区| 好看av亚洲va欧美ⅴa在| 国产精品爽爽va在线观看网站| 精品国内亚洲2022精品成人| 亚洲国产欧美人成| 天堂av国产一区二区熟女人妻| 哪里可以看免费的av片| 男女那种视频在线观看| 一二三四社区在线视频社区8| 国产在线精品亚洲第一网站| 亚洲熟妇中文字幕五十中出| 成人一区二区视频在线观看| АⅤ资源中文在线天堂| 国产伦精品一区二区三区四那| 国产av不卡久久| 十八禁国产超污无遮挡网站| www.999成人在线观看| 国产又黄又爽又无遮挡在线| 天堂动漫精品| 人妻丰满熟妇av一区二区三区| 国产成年人精品一区二区| 男女那种视频在线观看| АⅤ资源中文在线天堂| 中文字幕高清在线视频| 欧美一区二区亚洲| 757午夜福利合集在线观看| 国产高清有码在线观看视频| 黄色一级大片看看| 免费人成视频x8x8入口观看| 日本成人三级电影网站| 最后的刺客免费高清国语| 精品不卡国产一区二区三区| 午夜免费激情av| 久久精品91蜜桃| 桃红色精品国产亚洲av| 国产极品精品免费视频能看的| a在线观看视频网站| 午夜两性在线视频| 男人和女人高潮做爰伦理| av在线蜜桃| 亚洲人成电影免费在线| 国产三级中文精品| 日本撒尿小便嘘嘘汇集6| 人人妻,人人澡人人爽秒播| 国产成人av教育| 亚洲 国产 在线| 免费在线观看成人毛片| 一级a爱片免费观看的视频| 亚洲av不卡在线观看| 久久精品夜夜夜夜夜久久蜜豆| 亚洲精品乱码久久久v下载方式| 国产免费av片在线观看野外av| 午夜久久久久精精品| 高清日韩中文字幕在线| 免费在线观看日本一区| 嫩草影院精品99| 成人永久免费在线观看视频| 91在线精品国自产拍蜜月| 在线十欧美十亚洲十日本专区| 欧美在线一区亚洲| 久久国产精品影院| 国产欧美日韩一区二区精品| 国产精品影院久久| 精品午夜福利视频在线观看一区| 少妇人妻一区二区三区视频| 欧美国产日韩亚洲一区| 国内揄拍国产精品人妻在线| 久久久久性生活片| 两个人的视频大全免费| www.www免费av| 国产免费男女视频| 国产亚洲欧美在线一区二区| 国产久久久一区二区三区| 免费看a级黄色片| 久久午夜亚洲精品久久| 国产三级黄色录像| 高清在线国产一区| 一级a爱片免费观看的视频| 亚洲欧美日韩卡通动漫| 亚洲久久久久久中文字幕| 精品人妻偷拍中文字幕| 亚洲熟妇中文字幕五十中出| bbb黄色大片| 网址你懂的国产日韩在线| a级毛片a级免费在线| 最近最新中文字幕大全电影3| 成人三级黄色视频| 成年人黄色毛片网站| 韩国av一区二区三区四区| 变态另类丝袜制服| 成人亚洲精品av一区二区| 日本免费一区二区三区高清不卡| 国产精华一区二区三区| 欧美不卡视频在线免费观看| 91在线精品国自产拍蜜月| 国产伦一二天堂av在线观看| 少妇的逼好多水| 日本三级黄在线观看| 午夜福利高清视频| 一本久久中文字幕| 亚洲av五月六月丁香网| 亚洲熟妇中文字幕五十中出| 日本 av在线| 亚洲avbb在线观看| 丁香欧美五月| 日本黄色片子视频| 国产午夜福利久久久久久| 给我免费播放毛片高清在线观看| 免费无遮挡裸体视频| 露出奶头的视频| 淫妇啪啪啪对白视频| 他把我摸到了高潮在线观看| 久久久久精品国产欧美久久久| 3wmmmm亚洲av在线观看| 亚洲第一欧美日韩一区二区三区| 午夜影院日韩av| 久久久久性生活片| 此物有八面人人有两片| 欧美xxxx性猛交bbbb| 亚洲精品在线美女| 久久久久国内视频| 变态另类成人亚洲欧美熟女| 男女之事视频高清在线观看| 中文字幕久久专区| 亚州av有码| 亚洲在线观看片| 精品午夜福利在线看| 级片在线观看| 久久久久久久久大av| 亚洲国产精品久久男人天堂| avwww免费| 亚洲精品久久国产高清桃花| 日韩中文字幕欧美一区二区| 久久久色成人| 91久久精品电影网| 午夜激情欧美在线| 亚洲乱码一区二区免费版| 精品人妻熟女av久视频| 精品国产亚洲在线| 最后的刺客免费高清国语| 亚洲电影在线观看av| 日韩亚洲欧美综合| 国内少妇人妻偷人精品xxx网站| 亚洲人与动物交配视频| 两个人的视频大全免费| 一级作爱视频免费观看| 欧美三级亚洲精品| 最后的刺客免费高清国语| 亚洲av二区三区四区| 国产伦人伦偷精品视频| 亚洲三级黄色毛片| 丰满的人妻完整版| 99久久成人亚洲精品观看| 婷婷六月久久综合丁香| 欧美成人免费av一区二区三区| 日韩成人在线观看一区二区三区| 夜夜夜夜夜久久久久| 亚洲精品在线观看二区| 桃色一区二区三区在线观看| 人人妻人人澡欧美一区二区| 国产成人aa在线观看| 国内少妇人妻偷人精品xxx网站| 一级作爱视频免费观看| 亚洲一区二区三区色噜噜| 俺也久久电影网| 动漫黄色视频在线观看| 青草久久国产| 身体一侧抽搐| 亚洲欧美日韩高清专用| 午夜福利在线观看免费完整高清在 | 全区人妻精品视频| 美女cb高潮喷水在线观看| 欧美区成人在线视频| 久久天躁狠狠躁夜夜2o2o| 国产精品亚洲一级av第二区| 欧美日韩黄片免| 九九热线精品视视频播放| 免费av观看视频| 亚洲av一区综合| 欧美激情国产日韩精品一区| 免费观看人在逋| 人妻制服诱惑在线中文字幕| 女人十人毛片免费观看3o分钟| 欧美日韩国产亚洲二区| 欧美性感艳星| 熟妇人妻久久中文字幕3abv| 久久久精品欧美日韩精品| 亚洲国产日韩欧美精品在线观看| 国产精品精品国产色婷婷| 91狼人影院| 51午夜福利影视在线观看| 黄色一级大片看看| 亚洲精华国产精华精| 精品不卡国产一区二区三区| 俺也久久电影网| 国产精品一区二区性色av| 简卡轻食公司| 此物有八面人人有两片| 国产视频内射| 2021天堂中文幕一二区在线观| 日本黄色片子视频| 五月伊人婷婷丁香| 欧洲精品卡2卡3卡4卡5卡区| 国产蜜桃级精品一区二区三区| 精品久久久久久成人av| 久久这里只有精品中国| 在线播放国产精品三级| 我的女老师完整版在线观看| 日韩大尺度精品在线看网址| 国产亚洲欧美在线一区二区| 在线国产一区二区在线| 偷拍熟女少妇极品色| 日本熟妇午夜| 天天躁日日操中文字幕| 我的老师免费观看完整版| 成熟少妇高潮喷水视频| 成年女人永久免费观看视频| 亚洲专区国产一区二区| 国产视频内射| 五月玫瑰六月丁香| 免费看光身美女| 简卡轻食公司| 精品一区二区免费观看| 91狼人影院| 最近在线观看免费完整版| avwww免费| 午夜日韩欧美国产| 桃红色精品国产亚洲av| 美女免费视频网站| 99久久精品一区二区三区| 亚洲黑人精品在线| 国产精品久久久久久亚洲av鲁大| 老女人水多毛片| 精品免费久久久久久久清纯| 老熟妇仑乱视频hdxx| 直男gayav资源| 免费大片18禁| 国产高潮美女av| 色尼玛亚洲综合影院| 深爱激情五月婷婷| 悠悠久久av| 色尼玛亚洲综合影院| 亚洲av日韩精品久久久久久密| 国产午夜精品论理片| 色播亚洲综合网| 亚洲中文字幕日韩| 久久欧美精品欧美久久欧美| 无人区码免费观看不卡| 精品人妻偷拍中文字幕| 一级黄片播放器| 精品人妻视频免费看| 99热这里只有精品一区| 在线免费观看的www视频| 熟女电影av网| 成人av在线播放网站| 亚洲乱码一区二区免费版| 欧美另类亚洲清纯唯美| 一级a爱片免费观看的视频| 麻豆av噜噜一区二区三区| 国产一区二区在线观看日韩| 观看免费一级毛片| 国产亚洲欧美在线一区二区| 天天一区二区日本电影三级| a在线观看视频网站| 国产精品综合久久久久久久免费|