• <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
    日韩欧美在线二视频| 国产成人影院久久av| 91精品三级在线观看| 国产一区二区在线av高清观看| 91精品三级在线观看| 日韩视频一区二区在线观看| 精品免费久久久久久久清纯| 亚洲七黄色美女视频| 日日干狠狠操夜夜爽| 亚洲人成77777在线视频| 中文字幕另类日韩欧美亚洲嫩草| 老鸭窝网址在线观看| 别揉我奶头~嗯~啊~动态视频| √禁漫天堂资源中文www| 久久人人爽av亚洲精品天堂| 国产熟女xx| 精品福利观看| 嫩草影视91久久| 天堂√8在线中文| 欧美在线一区亚洲| 日本在线视频免费播放| 亚洲人成网站在线播放欧美日韩| 国产成年人精品一区二区| 电影成人av| 色av中文字幕| 女性被躁到高潮视频| 最好的美女福利视频网| 免费女性裸体啪啪无遮挡网站| 国产精品秋霞免费鲁丝片| 人妻丰满熟妇av一区二区三区| av免费在线观看网站| 国产高清视频在线播放一区| 麻豆久久精品国产亚洲av| 极品教师在线免费播放| 日本免费a在线| 午夜福利在线观看吧| 免费看十八禁软件| 亚洲色图 男人天堂 中文字幕| 午夜福利视频1000在线观看 | 无限看片的www在线观看| 国语自产精品视频在线第100页| 亚洲av片天天在线观看| 亚洲最大成人中文| 色哟哟哟哟哟哟| 波多野结衣av一区二区av| 精品人妻在线不人妻| 99在线人妻在线中文字幕| 黄频高清免费视频| 满18在线观看网站| 欧美日韩福利视频一区二区| svipshipincom国产片| 亚洲色图av天堂| 中文字幕人成人乱码亚洲影| 欧美成人一区二区免费高清观看 | 精品乱码久久久久久99久播| 男人操女人黄网站| 亚洲av片天天在线观看| 精品国产一区二区三区四区第35| 一边摸一边抽搐一进一小说| 一级毛片女人18水好多| 精品人妻1区二区| 国产成人精品在线电影| 成人国语在线视频| 久久精品国产综合久久久| 国产精品久久久久久亚洲av鲁大| 午夜亚洲福利在线播放| 多毛熟女@视频| 国产乱人伦免费视频| 日韩精品免费视频一区二区三区| 日韩大码丰满熟妇| 一级毛片女人18水好多| 少妇 在线观看| 精品不卡国产一区二区三区| 免费搜索国产男女视频| 久久久精品欧美日韩精品| 中文字幕另类日韩欧美亚洲嫩草| 久久久久久久精品吃奶| 99国产精品一区二区蜜桃av| 18禁裸乳无遮挡免费网站照片 | www.自偷自拍.com| 日韩 欧美 亚洲 中文字幕| 欧美黑人欧美精品刺激| 欧美黑人精品巨大| 亚洲成av片中文字幕在线观看| 嫩草影院精品99| 一级,二级,三级黄色视频| 热99re8久久精品国产| 在线播放国产精品三级| 亚洲中文日韩欧美视频| 精品少妇一区二区三区视频日本电影| 亚洲av成人不卡在线观看播放网| 午夜福利一区二区在线看| 90打野战视频偷拍视频| 免费看十八禁软件| 在线av久久热| 国产在线精品亚洲第一网站| 亚洲av成人不卡在线观看播放网| 免费搜索国产男女视频| 啦啦啦韩国在线观看视频| 精品国产亚洲在线| av欧美777| 欧美在线黄色| 精品高清国产在线一区| 一本综合久久免费| 激情在线观看视频在线高清| 999久久久国产精品视频| 午夜a级毛片| 男女做爰动态图高潮gif福利片 | 国产精品二区激情视频| 俄罗斯特黄特色一大片| 久久性视频一级片| 久久草成人影院| 热re99久久国产66热| 精品不卡国产一区二区三区| 国产成人系列免费观看| 久久久久久久午夜电影| 国产成人影院久久av| 欧美日韩亚洲国产一区二区在线观看| 一级毛片高清免费大全| 变态另类成人亚洲欧美熟女 | 亚洲成a人片在线一区二区| 啦啦啦韩国在线观看视频| 夜夜看夜夜爽夜夜摸| 国产欧美日韩精品亚洲av| 国产极品粉嫩免费观看在线| 欧美日韩瑟瑟在线播放| 国产午夜精品久久久久久| 两人在一起打扑克的视频| 久久精品亚洲熟妇少妇任你| 99精品欧美一区二区三区四区| 99香蕉大伊视频| 精品卡一卡二卡四卡免费| 啦啦啦免费观看视频1| 亚洲精华国产精华精| 最近最新中文字幕大全电影3 | 国产在线观看jvid| 国产精品久久视频播放| 中文字幕av电影在线播放| 乱人伦中国视频| 极品教师在线免费播放| 欧美中文综合在线视频| 男人舔女人的私密视频| 一级片免费观看大全| 日韩大尺度精品在线看网址 | 亚洲av成人不卡在线观看播放网| 在线观看免费视频网站a站| 51午夜福利影视在线观看| 桃色一区二区三区在线观看| 日本三级黄在线观看| 欧美日韩精品网址| 国产一区在线观看成人免费| 欧美激情极品国产一区二区三区| 久久天躁狠狠躁夜夜2o2o| 成人国语在线视频| 国产aⅴ精品一区二区三区波| 亚洲专区国产一区二区| 一区二区日韩欧美中文字幕| 黑丝袜美女国产一区| 免费不卡黄色视频| 无限看片的www在线观看| 黑人巨大精品欧美一区二区蜜桃| 日本精品一区二区三区蜜桃| 欧美成狂野欧美在线观看| 久久人妻av系列| av免费在线观看网站| 1024香蕉在线观看| 美女高潮喷水抽搐中文字幕| 午夜精品在线福利| 国产激情久久老熟女| 日日爽夜夜爽网站| 悠悠久久av| 午夜免费观看网址| 午夜福利视频1000在线观看 | 亚洲国产精品sss在线观看| 欧美在线一区亚洲| 九色国产91popny在线| 悠悠久久av| 丝袜美腿诱惑在线| 老司机午夜十八禁免费视频| 精品国内亚洲2022精品成人| 老汉色∧v一级毛片| www.999成人在线观看| 日韩有码中文字幕| 久久 成人 亚洲| 久热爱精品视频在线9| 久久精品aⅴ一区二区三区四区| 久久久久九九精品影院| 久久久国产成人精品二区| 亚洲中文日韩欧美视频| av中文乱码字幕在线| 欧美在线一区亚洲| 国产高清videossex| 亚洲一区二区三区色噜噜| 婷婷六月久久综合丁香| 国产精品久久久久久人妻精品电影| 伦理电影免费视频| 午夜日韩欧美国产| 国产亚洲av高清不卡| 欧美黑人精品巨大| av网站免费在线观看视频| 亚洲avbb在线观看| 曰老女人黄片| 国产又色又爽无遮挡免费看| а√天堂www在线а√下载| 亚洲成国产人片在线观看| 国产伦一二天堂av在线观看| 在线视频色国产色| 国产精品av久久久久免费| 精品一区二区三区四区五区乱码| 国产成人免费无遮挡视频| 亚洲国产欧美日韩在线播放| 在线永久观看黄色视频| 中文字幕色久视频| 欧美亚洲日本最大视频资源| 亚洲黑人精品在线| 国产片内射在线| 变态另类成人亚洲欧美熟女 | 久久 成人 亚洲| 精品电影一区二区在线| 禁无遮挡网站| 久热爱精品视频在线9| 亚洲人成77777在线视频| av天堂久久9| 午夜免费成人在线视频| 如日韩欧美国产精品一区二区三区| 又黄又粗又硬又大视频| 日韩三级视频一区二区三区| 日本三级黄在线观看| 亚洲精品在线观看二区| 一级作爱视频免费观看| 亚洲电影在线观看av| 亚洲九九香蕉| 中文字幕av电影在线播放| 免费少妇av软件| 国产熟女午夜一区二区三区| 免费无遮挡裸体视频| 久久精品影院6| 成年女人毛片免费观看观看9| 丝袜在线中文字幕| 一边摸一边抽搐一进一小说| 又黄又爽又免费观看的视频| 日本免费a在线| 亚洲色图综合在线观看| 亚洲成人国产一区在线观看| 亚洲第一欧美日韩一区二区三区| 嫩草影视91久久| 嫁个100分男人电影在线观看| 香蕉久久夜色| 亚洲av电影在线进入| 黄色丝袜av网址大全| 午夜影院日韩av| 麻豆国产av国片精品| 国产精品国产高清国产av| 国产精品九九99| 成人18禁在线播放| 男人操女人黄网站| 久久香蕉精品热| 欧美成人性av电影在线观看| 亚洲中文日韩欧美视频| 亚洲精品粉嫩美女一区| 夜夜躁狠狠躁天天躁| 国产一区在线观看成人免费| 性欧美人与动物交配| 亚洲国产欧美日韩在线播放| 久久九九热精品免费| 色婷婷久久久亚洲欧美| 日韩欧美免费精品| 亚洲av片天天在线观看| 欧美日韩中文字幕国产精品一区二区三区 | svipshipincom国产片| 亚洲精品一区av在线观看| 给我免费播放毛片高清在线观看| 变态另类成人亚洲欧美熟女 | 亚洲三区欧美一区| 中国美女看黄片| 国产伦一二天堂av在线观看| 黑丝袜美女国产一区| 怎么达到女性高潮| 国产精品久久久人人做人人爽| 女人被狂操c到高潮| 国产高清视频在线播放一区| 久久性视频一级片| 国语自产精品视频在线第100页| 日韩欧美免费精品| 亚洲一区二区三区不卡视频| 淫秽高清视频在线观看| 精品久久久久久久人妻蜜臀av | 色av中文字幕| 啦啦啦免费观看视频1| 很黄的视频免费| 国产99白浆流出| 久久精品91无色码中文字幕| 欧美性长视频在线观看| 叶爱在线成人免费视频播放| 99久久99久久久精品蜜桃| 天堂√8在线中文| 国产aⅴ精品一区二区三区波| 国产不卡一卡二| 日本vs欧美在线观看视频| 国产一级毛片七仙女欲春2 | 国产成人av激情在线播放| av欧美777| 成年女人毛片免费观看观看9| 亚洲av成人不卡在线观看播放网| 99久久国产精品久久久| 亚洲一区二区三区色噜噜| 丝袜人妻中文字幕| 亚洲欧美激情在线| 国产精品久久视频播放| 侵犯人妻中文字幕一二三四区| 亚洲av熟女| 咕卡用的链子| 国产成人精品在线电影| 精品卡一卡二卡四卡免费| 亚洲精品粉嫩美女一区| 黄色毛片三级朝国网站| 久久久久久久午夜电影| 精品高清国产在线一区| 国产成人精品在线电影| 9191精品国产免费久久| videosex国产| 99久久99久久久精品蜜桃| 亚洲精品国产精品久久久不卡| 黄片播放在线免费| 免费av毛片视频| 国产亚洲欧美精品永久| 欧美在线黄色| 精品久久久久久成人av| av在线播放免费不卡| 可以免费在线观看a视频的电影网站| av天堂在线播放| 一进一出抽搐动态| 欧美+亚洲+日韩+国产| 日韩有码中文字幕| 97碰自拍视频| 非洲黑人性xxxx精品又粗又长| 国产成人欧美| 可以在线观看的亚洲视频| 悠悠久久av| 男人操女人黄网站| 一区二区三区高清视频在线| 欧美人与性动交α欧美精品济南到| 亚洲欧美激情在线| 欧美乱妇无乱码| 又紧又爽又黄一区二区| 亚洲精品久久国产高清桃花| 欧美日韩精品网址| 亚洲七黄色美女视频| 中文字幕精品免费在线观看视频| 亚洲av第一区精品v没综合| 精品久久久精品久久久| 一夜夜www| 午夜福利影视在线免费观看| 日本a在线网址| 成人永久免费在线观看视频| а√天堂www在线а√下载| 欧美绝顶高潮抽搐喷水| 亚洲精品中文字幕一二三四区| 美国免费a级毛片| 俄罗斯特黄特色一大片| 天天一区二区日本电影三级 | 久久久久久免费高清国产稀缺| 桃红色精品国产亚洲av| 黄色 视频免费看| 欧美乱妇无乱码| 国产一级毛片七仙女欲春2 | 看黄色毛片网站| 久久久久久大精品| 91在线观看av| 亚洲欧美一区二区三区黑人| 成年版毛片免费区| 99riav亚洲国产免费| 久久国产精品影院| 香蕉国产在线看| 黄色 视频免费看| 欧美日韩一级在线毛片| 人人妻,人人澡人人爽秒播| 99久久国产精品久久久| 最好的美女福利视频网| 自拍欧美九色日韩亚洲蝌蚪91| 精品国产一区二区三区四区第35| 国产精品永久免费网站| 深夜精品福利| 麻豆一二三区av精品| 国产精品爽爽va在线观看网站 | 97人妻天天添夜夜摸| 亚洲五月天丁香| 777久久人妻少妇嫩草av网站| 老鸭窝网址在线观看| 变态另类成人亚洲欧美熟女 | 午夜免费成人在线视频| 大码成人一级视频| 久久婷婷人人爽人人干人人爱 | 淫秽高清视频在线观看| 中文字幕精品免费在线观看视频| 人成视频在线观看免费观看| 午夜两性在线视频| 99精品久久久久人妻精品| 18禁观看日本| 最新在线观看一区二区三区| 日本欧美视频一区| 校园春色视频在线观看| 亚洲成人国产一区在线观看| 国产激情欧美一区二区| av在线天堂中文字幕| 一本综合久久免费| 免费搜索国产男女视频| 精品国产亚洲在线| 三级毛片av免费| 涩涩av久久男人的天堂| 美女扒开内裤让男人捅视频| 国产蜜桃级精品一区二区三区| 久久久久精品国产欧美久久久| 国产精品,欧美在线| 久久人人爽av亚洲精品天堂| 欧美日韩中文字幕国产精品一区二区三区 | 自线自在国产av| 97超级碰碰碰精品色视频在线观看| 在线视频色国产色| www.熟女人妻精品国产| 国产一区二区三区综合在线观看| 在线观看舔阴道视频| 91av网站免费观看| 亚洲色图av天堂| 久久久久九九精品影院| 午夜福利高清视频| 欧美黄色淫秽网站| 精品一品国产午夜福利视频| 午夜久久久久精精品| 国产欧美日韩精品亚洲av| 一区二区三区国产精品乱码| 欧美激情高清一区二区三区| 老司机在亚洲福利影院| 久久性视频一级片| 亚洲av成人不卡在线观看播放网| 欧美成人免费av一区二区三区| 国产蜜桃级精品一区二区三区| 国产精品一区二区免费欧美| 成人亚洲精品一区在线观看| 欧美激情久久久久久爽电影 | 波多野结衣高清无吗| 国产单亲对白刺激| 久久天堂一区二区三区四区| 中文字幕av电影在线播放| 极品教师在线免费播放| 啦啦啦韩国在线观看视频| 91成年电影在线观看| 亚洲一区二区三区不卡视频| 色精品久久人妻99蜜桃| 一区二区三区高清视频在线| 性欧美人与动物交配| 国产主播在线观看一区二区| 久久人人爽av亚洲精品天堂| 日韩视频一区二区在线观看| 老司机在亚洲福利影院| 国产欧美日韩一区二区精品| 亚洲少妇的诱惑av| 欧美另类亚洲清纯唯美| 久久久国产成人精品二区| 国产又色又爽无遮挡免费看| 精品久久久久久久久久免费视频| 国产一区二区三区在线臀色熟女| 手机成人av网站| 午夜福利在线观看吧| 黄色 视频免费看| 免费不卡黄色视频| av视频免费观看在线观看| 精品一区二区三区av网在线观看| 黄色视频,在线免费观看| 亚洲午夜精品一区,二区,三区| 视频在线观看一区二区三区| 亚洲全国av大片| 性欧美人与动物交配| 国产精品久久久人人做人人爽| 中文字幕久久专区| 国产伦人伦偷精品视频| 麻豆成人av在线观看| 真人一进一出gif抽搐免费| 日韩精品青青久久久久久| 老司机午夜福利在线观看视频| 一进一出好大好爽视频| 热re99久久国产66热| 高清黄色对白视频在线免费看| 黑人巨大精品欧美一区二区mp4| 久久香蕉激情| 欧美av亚洲av综合av国产av| xxx96com| 欧美日韩亚洲综合一区二区三区_| 亚洲精品一卡2卡三卡4卡5卡| 久久香蕉激情| 国产又爽黄色视频| 夜夜躁狠狠躁天天躁| 欧美日韩亚洲综合一区二区三区_| 亚洲精品一卡2卡三卡4卡5卡| 99香蕉大伊视频| 亚洲国产精品999在线| 成人国产一区最新在线观看| 色综合欧美亚洲国产小说| 18禁国产床啪视频网站| 波多野结衣巨乳人妻| 亚洲av第一区精品v没综合| 亚洲国产高清在线一区二区三 | 法律面前人人平等表现在哪些方面| 亚洲av成人av| 久久精品亚洲精品国产色婷小说| 男人的好看免费观看在线视频 | 国产成人欧美| 大码成人一级视频| 91精品三级在线观看| 熟妇人妻久久中文字幕3abv| 丝袜人妻中文字幕| 亚洲精品一区av在线观看| 伦理电影免费视频| 日韩视频一区二区在线观看| 国产视频一区二区在线看| 很黄的视频免费| 少妇被粗大的猛进出69影院| 亚洲中文日韩欧美视频| 电影成人av| 大型黄色视频在线免费观看| 多毛熟女@视频| 成人免费观看视频高清| 九色亚洲精品在线播放| 国产精品秋霞免费鲁丝片| 男女做爰动态图高潮gif福利片 | www.999成人在线观看| 中文字幕精品免费在线观看视频| 亚洲成av人片免费观看| 美女免费视频网站| 精品国内亚洲2022精品成人| 色播亚洲综合网| 国产成人欧美| 亚洲avbb在线观看| 色综合站精品国产| 少妇 在线观看| 免费在线观看亚洲国产| 国产91精品成人一区二区三区| 在线国产一区二区在线| 这个男人来自地球电影免费观看| 神马国产精品三级电影在线观看 | 女人被狂操c到高潮| 88av欧美| 亚洲国产精品合色在线| 欧美日韩一级在线毛片| 一区二区日韩欧美中文字幕| 午夜日韩欧美国产| 十八禁人妻一区二区| 精品人妻1区二区| 国产日韩一区二区三区精品不卡| 国产一区二区三区在线臀色熟女| 久久香蕉精品热| 亚洲一区高清亚洲精品| 在线免费观看的www视频| 国产亚洲精品一区二区www| 国产亚洲av嫩草精品影院| 国产精品久久久av美女十八| 免费在线观看日本一区| 久久亚洲真实| 嫩草影视91久久| 中文字幕最新亚洲高清| 欧美日韩乱码在线| 999久久久精品免费观看国产| 亚洲成国产人片在线观看| 免费高清视频大片| 岛国在线观看网站| 精品熟女少妇八av免费久了| 午夜福利一区二区在线看| 久久精品国产综合久久久| 禁无遮挡网站| 中文字幕人成人乱码亚洲影| 一区二区三区国产精品乱码| 高清毛片免费观看视频网站| 97人妻精品一区二区三区麻豆 | 亚洲国产精品合色在线| 女警被强在线播放| 久久精品国产清高在天天线| 亚洲国产日韩欧美精品在线观看 | 中文字幕av电影在线播放| 最近最新免费中文字幕在线| 久久久久亚洲av毛片大全| 国内久久婷婷六月综合欲色啪| 99国产综合亚洲精品| 亚洲 欧美 日韩 在线 免费| 狂野欧美激情性xxxx| 久久精品影院6| 九色亚洲精品在线播放| 夜夜夜夜夜久久久久| 亚洲熟妇中文字幕五十中出| 午夜激情av网站| 亚洲免费av在线视频| 99精品欧美一区二区三区四区| 激情在线观看视频在线高清| x7x7x7水蜜桃| 国产精品二区激情视频| 精品福利观看| 十分钟在线观看高清视频www| 亚洲成av片中文字幕在线观看| 欧美不卡视频在线免费观看 | 久99久视频精品免费| 久久天堂一区二区三区四区| 亚洲va日本ⅴa欧美va伊人久久| bbb黄色大片| 午夜a级毛片| 好看av亚洲va欧美ⅴa在| 香蕉国产在线看| 男女做爰动态图高潮gif福利片 | 色综合站精品国产| 亚洲国产高清在线一区二区三 | 欧美最黄视频在线播放免费| 18美女黄网站色大片免费观看| 亚洲美女黄片视频| 中文字幕av电影在线播放| 亚洲人成电影观看| 日韩精品免费视频一区二区三区| 国产亚洲精品av在线|