• <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
    成人国语在线视频| 亚洲 欧美一区二区三区| 岛国毛片在线播放| 高清黄色对白视频在线免费看| 国产不卡av网站在线观看| 亚洲欧美中文字幕日韩二区| av国产精品久久久久影院| 免费在线观看黄色视频的| 午夜老司机福利片| 美女扒开内裤让男人捅视频| 啦啦啦视频在线资源免费观看| 女性被躁到高潮视频| 曰老女人黄片| 一个人免费看片子| 午夜福利在线免费观看网站| 中文字幕人妻熟女乱码| 中国国产av一级| 欧美乱码精品一区二区三区| 韩国精品一区二区三区| 免费在线观看完整版高清| 久久精品国产亚洲av高清一级| 亚洲av成人精品一二三区| 国产日韩一区二区三区精品不卡| 亚洲精品第二区| 搡老岳熟女国产| 波野结衣二区三区在线| 视频区图区小说| 亚洲情色 制服丝袜| 七月丁香在线播放| 久久天躁狠狠躁夜夜2o2o | 视频在线观看一区二区三区| 亚洲人成77777在线视频| 亚洲精品一区蜜桃| 一边摸一边做爽爽视频免费| 午夜91福利影院| 免费久久久久久久精品成人欧美视频| 欧美精品av麻豆av| 王馨瑶露胸无遮挡在线观看| 久久久久视频综合| 欧美少妇被猛烈插入视频| 18禁裸乳无遮挡动漫免费视频| 人人妻人人澡人人爽人人夜夜| 18禁国产床啪视频网站| 99精国产麻豆久久婷婷| 少妇的丰满在线观看| av国产精品久久久久影院| 最近的中文字幕免费完整| 乱人伦中国视频| 91精品三级在线观看| 视频在线观看一区二区三区| 丰满迷人的少妇在线观看| 亚洲欧美一区二区三区国产| 国产午夜精品一二区理论片| 欧美精品一区二区大全| 男女边吃奶边做爰视频| a级毛片黄视频| 国产 精品1| 一个人免费看片子| 免费在线观看完整版高清| 51午夜福利影视在线观看| 菩萨蛮人人尽说江南好唐韦庄| av在线播放精品| 国产日韩欧美视频二区| 久久亚洲国产成人精品v| 交换朋友夫妻互换小说| 又粗又硬又长又爽又黄的视频| 99久久99久久久精品蜜桃| 国产一级毛片在线| 五月开心婷婷网| 看非洲黑人一级黄片| 我的亚洲天堂| 自线自在国产av| 国产一区二区激情短视频 | 久久毛片免费看一区二区三区| 国产伦人伦偷精品视频| 色综合欧美亚洲国产小说| 黄色毛片三级朝国网站| 伊人久久国产一区二区| 国产有黄有色有爽视频| 国产亚洲欧美精品永久| 侵犯人妻中文字幕一二三四区| 亚洲国产看品久久| 亚洲精品视频女| 激情五月婷婷亚洲| 婷婷成人精品国产| 午夜福利在线免费观看网站| 777米奇影视久久| 国产精品久久久久成人av| 乱人伦中国视频| 免费高清在线观看日韩| 国产成人欧美在线观看 | 精品亚洲乱码少妇综合久久| 天堂中文最新版在线下载| 成人国语在线视频| 丝袜脚勾引网站| 日韩电影二区| 中文欧美无线码| 久久人人爽av亚洲精品天堂| 日韩中文字幕欧美一区二区 | 午夜日本视频在线| 青草久久国产| 国产精品久久久av美女十八| 日韩一卡2卡3卡4卡2021年| 免费观看a级毛片全部| 欧美xxⅹ黑人| 黑丝袜美女国产一区| 国产成人一区二区在线| 亚洲第一av免费看| 久久人人97超碰香蕉20202| 十八禁网站网址无遮挡| 国产麻豆69| 啦啦啦视频在线资源免费观看| 欧美亚洲日本最大视频资源| e午夜精品久久久久久久| 大码成人一级视频| 国产亚洲av高清不卡| a级片在线免费高清观看视频| 日韩一本色道免费dvd| 久久久精品94久久精品| 如何舔出高潮| 久久亚洲国产成人精品v| 91aial.com中文字幕在线观看| 精品第一国产精品| 十八禁高潮呻吟视频| 叶爱在线成人免费视频播放| 亚洲欧洲日产国产| 超碰97精品在线观看| 岛国毛片在线播放| 又粗又硬又长又爽又黄的视频| 97人妻天天添夜夜摸| 午夜免费男女啪啪视频观看| 免费观看av网站的网址| 中文字幕最新亚洲高清| 久久久久久人妻| 叶爱在线成人免费视频播放| 国产亚洲最大av| 建设人人有责人人尽责人人享有的| 国产毛片在线视频| 极品人妻少妇av视频| 美国免费a级毛片| 久久狼人影院| 91aial.com中文字幕在线观看| 中文字幕av电影在线播放| 伊人久久大香线蕉亚洲五| 国产成人精品在线电影| 一级毛片电影观看| 999久久久国产精品视频| 欧美最新免费一区二区三区| 欧美中文综合在线视频| 飞空精品影院首页| 国产av码专区亚洲av| 少妇的丰满在线观看| 老司机在亚洲福利影院| 精品酒店卫生间| 七月丁香在线播放| 天堂俺去俺来也www色官网| 黄片小视频在线播放| 波多野结衣一区麻豆| 嫩草影院入口| 国产不卡av网站在线观看| 日本午夜av视频| 亚洲国产最新在线播放| a级片在线免费高清观看视频| 在线观看免费日韩欧美大片| 亚洲国产欧美网| 在线观看一区二区三区激情| 街头女战士在线观看网站| 国产日韩一区二区三区精品不卡| 午夜福利视频在线观看免费| 成人手机av| 久久国产亚洲av麻豆专区| 国产在线一区二区三区精| 丝袜美腿诱惑在线| av天堂久久9| 亚洲av综合色区一区| 久久久国产精品麻豆| 一本—道久久a久久精品蜜桃钙片| 成年人午夜在线观看视频| 考比视频在线观看| 少妇人妻 视频| 欧美人与性动交α欧美软件| 欧美黑人欧美精品刺激| 精品久久久久久电影网| 少妇人妻精品综合一区二区| 亚洲中文av在线| 99热网站在线观看| 麻豆乱淫一区二区| 国产男女超爽视频在线观看| 搡老乐熟女国产| 久久久久久久国产电影| 国产成人精品久久二区二区91 | 精品少妇一区二区三区视频日本电影 | 日韩欧美一区视频在线观看| 欧美日韩福利视频一区二区| 午夜激情av网站| 日本黄色日本黄色录像| 日韩av免费高清视频| 国产精品一二三区在线看| 久久女婷五月综合色啪小说| 久久久久国产一级毛片高清牌| 国产精品国产三级国产专区5o| 成人免费观看视频高清| 久久久久精品国产欧美久久久 | 天堂8中文在线网| 国产乱人偷精品视频| 男女下面插进去视频免费观看| 黑人欧美特级aaaaaa片| 亚洲欧美色中文字幕在线| 欧美亚洲 丝袜 人妻 在线| 国产成人免费无遮挡视频| 欧美精品高潮呻吟av久久| 亚洲精品视频女| 少妇猛男粗大的猛烈进出视频| 在线观看人妻少妇| 欧美日韩福利视频一区二区| 国产黄色视频一区二区在线观看| 欧美最新免费一区二区三区| 久久久久久久久免费视频了| 欧美97在线视频| 免费高清在线观看视频在线观看| 欧美乱码精品一区二区三区| 人妻一区二区av| 午夜老司机福利片| 在线观看www视频免费| 国产成人精品福利久久| 自拍欧美九色日韩亚洲蝌蚪91| 天堂俺去俺来也www色官网| 国产成人精品在线电影| 久久综合国产亚洲精品| 一级爰片在线观看| 操出白浆在线播放| 亚洲精品成人av观看孕妇| 国产男女超爽视频在线观看| 日本爱情动作片www.在线观看| 精品亚洲成a人片在线观看| 1024视频免费在线观看| 中文字幕精品免费在线观看视频| 在线精品无人区一区二区三| 免费久久久久久久精品成人欧美视频| 亚洲图色成人| 十八禁人妻一区二区| 好男人视频免费观看在线| 国产精品国产av在线观看| 欧美日韩福利视频一区二区| 欧美成人午夜精品| 欧美在线一区亚洲| 王馨瑶露胸无遮挡在线观看| 日韩,欧美,国产一区二区三区| 亚洲精品乱久久久久久| 亚洲专区中文字幕在线 | 啦啦啦啦在线视频资源| 亚洲av欧美aⅴ国产| 亚洲精品av麻豆狂野| 国产免费又黄又爽又色| 久久久精品国产亚洲av高清涩受| 激情视频va一区二区三区| 精品国产乱码久久久久久男人| 国产日韩一区二区三区精品不卡| avwww免费| 天堂中文最新版在线下载| 国产99久久九九免费精品| 国产淫语在线视频| 七月丁香在线播放| 国产爽快片一区二区三区| 母亲3免费完整高清在线观看| 一区二区三区四区激情视频| 免费看不卡的av| 精品一区二区三区四区五区乱码 | 飞空精品影院首页| av在线观看视频网站免费| 亚洲欧美清纯卡通| 波多野结衣av一区二区av| 91aial.com中文字幕在线观看| 99久国产av精品国产电影| 精品少妇黑人巨大在线播放| 搡老乐熟女国产| 国产成人系列免费观看| 精品国产一区二区久久| 女人被躁到高潮嗷嗷叫费观| 国产精品无大码| 久久久久网色| 中文字幕另类日韩欧美亚洲嫩草| 大片免费播放器 马上看| 亚洲精品在线美女| 人人妻人人爽人人添夜夜欢视频| 亚洲av欧美aⅴ国产| 午夜老司机福利片| 国产精品99久久99久久久不卡 | 国产片特级美女逼逼视频| 黄色视频不卡| 黄片播放在线免费| 免费在线观看完整版高清| 亚洲精品乱久久久久久| 极品少妇高潮喷水抽搐| 日韩不卡一区二区三区视频在线| 久久久久久人人人人人| 国产一区二区三区av在线| 欧美日韩精品网址| 美女大奶头黄色视频| 久久久久久久久免费视频了| 国产毛片在线视频| 天天躁狠狠躁夜夜躁狠狠躁| 老熟女久久久| 久久国产精品男人的天堂亚洲| 国产精品二区激情视频| 亚洲一级一片aⅴ在线观看| 黄色视频在线播放观看不卡| 在线天堂中文资源库| 一级片'在线观看视频| 韩国高清视频一区二区三区| 最近中文字幕2019免费版| 久久热在线av| 国产一卡二卡三卡精品 | av又黄又爽大尺度在线免费看| 三上悠亚av全集在线观看| 精品福利永久在线观看| 91精品国产国语对白视频| av视频免费观看在线观看| 日本wwww免费看| 久久精品久久久久久久性| 国产伦人伦偷精品视频| 精品少妇内射三级| 美女高潮到喷水免费观看| 黑人猛操日本美女一级片| 97在线人人人人妻| 久久久久精品久久久久真实原创| 亚洲成人一二三区av| 日韩av在线免费看完整版不卡| 日韩免费高清中文字幕av| 国产成人精品福利久久| av国产精品久久久久影院| 亚洲视频免费观看视频| 国产片内射在线| 女人高潮潮喷娇喘18禁视频| 日本vs欧美在线观看视频| 国产无遮挡羞羞视频在线观看| 日韩一本色道免费dvd| 亚洲欧美一区二区三区久久| 国产一区二区激情短视频 | 99久久精品国产亚洲精品| 亚洲国产成人一精品久久久| 国产熟女午夜一区二区三区| 国产日韩欧美视频二区| 亚洲精品自拍成人| 亚洲欧美日韩另类电影网站| 男女边摸边吃奶| 亚洲一区中文字幕在线| 欧美激情高清一区二区三区 | 午夜福利网站1000一区二区三区| 丰满少妇做爰视频| 国产av码专区亚洲av| 精品少妇内射三级| av有码第一页| 男男h啪啪无遮挡| 国产在线视频一区二区| 亚洲色图综合在线观看| 十八禁网站网址无遮挡| 成年人免费黄色播放视频| 国产日韩一区二区三区精品不卡| 亚洲国产看品久久| 成人三级做爰电影| 精品国产一区二区三区四区第35| 精品午夜福利在线看| 男人舔女人的私密视频| 成人国产麻豆网| 国产亚洲一区二区精品| 街头女战士在线观看网站| 一级黄片播放器| 久久久亚洲精品成人影院| 无限看片的www在线观看| 天天添夜夜摸| 一区二区三区乱码不卡18| 色94色欧美一区二区| 啦啦啦中文免费视频观看日本| 亚洲国产精品999| 熟女少妇亚洲综合色aaa.| 国产又爽黄色视频| av片东京热男人的天堂| 丝袜喷水一区| 国产成人欧美在线观看 | 色94色欧美一区二区| 啦啦啦视频在线资源免费观看| 国产成人一区二区在线| 男女国产视频网站| 宅男免费午夜| 欧美少妇被猛烈插入视频| 欧美黑人精品巨大| 国产精品欧美亚洲77777| 久久婷婷青草| 夫妻午夜视频| 国产一卡二卡三卡精品 | 国产日韩欧美在线精品| 大码成人一级视频| 精品视频人人做人人爽| 男女国产视频网站| 男女床上黄色一级片免费看| www.精华液| 国产亚洲av高清不卡| h视频一区二区三区| 天天操日日干夜夜撸| 亚洲美女视频黄频| 精品卡一卡二卡四卡免费| 亚洲国产看品久久| 国产精品秋霞免费鲁丝片| 97人妻天天添夜夜摸| av有码第一页| 国产片内射在线| 精品人妻一区二区三区麻豆| 久久97久久精品| 国产精品久久久久久久久免| 欧美日韩亚洲综合一区二区三区_| 大码成人一级视频| 亚洲四区av| av视频免费观看在线观看| 日韩中文字幕视频在线看片| 青春草视频在线免费观看| 精品午夜福利在线看| 日韩精品免费视频一区二区三区| 国产片内射在线| 国产成人一区二区在线| 美女福利国产在线| 亚洲成人av在线免费| 美国免费a级毛片| videosex国产| 夜夜骑夜夜射夜夜干| 欧美日韩一区二区视频在线观看视频在线| 一区二区三区乱码不卡18| 肉色欧美久久久久久久蜜桃| 亚洲欧美中文字幕日韩二区| 男的添女的下面高潮视频| 水蜜桃什么品种好| 一区二区三区精品91| 国产一级毛片在线| 久久久久精品久久久久真实原创| 波多野结衣av一区二区av| 少妇的丰满在线观看| 美女午夜性视频免费| 一边亲一边摸免费视频| 国产又色又爽无遮挡免| 久久人人爽av亚洲精品天堂| 国产欧美亚洲国产| 色播在线永久视频| 亚洲七黄色美女视频| 亚洲欧美一区二区三区久久| 成人毛片60女人毛片免费| 高清在线视频一区二区三区| 人人妻人人澡人人看| 国产日韩欧美亚洲二区| av又黄又爽大尺度在线免费看| 一区二区日韩欧美中文字幕| 青青草视频在线视频观看| 久久鲁丝午夜福利片| 国产成人a∨麻豆精品| 99精国产麻豆久久婷婷| 国产精品99久久99久久久不卡 | 欧美成人午夜精品| 亚洲色图 男人天堂 中文字幕| 国产欧美日韩一区二区三区在线| 亚洲伊人久久精品综合| 欧美97在线视频| 亚洲欧洲日产国产| 高清视频免费观看一区二区| 国产成人免费无遮挡视频| 黑丝袜美女国产一区| 国产在视频线精品| 天天躁夜夜躁狠狠久久av| 一区二区三区激情视频| 成人国产麻豆网| 国产日韩欧美在线精品| 搡老乐熟女国产| 亚洲精品美女久久久久99蜜臀 | 欧美 日韩 精品 国产| 国产极品粉嫩免费观看在线| 精品亚洲成a人片在线观看| 大码成人一级视频| 1024香蕉在线观看| 亚洲成人手机| 亚洲一码二码三码区别大吗| 一级黄片播放器| 日韩伦理黄色片| 精品亚洲乱码少妇综合久久| √禁漫天堂资源中文www| 国产一卡二卡三卡精品 | 国产成人一区二区在线| 午夜日韩欧美国产| 在线看a的网站| 青春草国产在线视频| 国产熟女午夜一区二区三区| 丝袜喷水一区| 国产视频首页在线观看| 色94色欧美一区二区| 美女国产高潮福利片在线看| av在线观看视频网站免费| 嫩草影视91久久| 中文精品一卡2卡3卡4更新| a级片在线免费高清观看视频| 日本爱情动作片www.在线观看| 国产高清不卡午夜福利| 国产片特级美女逼逼视频| 欧美精品一区二区免费开放| 亚洲少妇的诱惑av| 多毛熟女@视频| 欧美人与善性xxx| 日韩欧美精品免费久久| av网站免费在线观看视频| 久久久久久免费高清国产稀缺| 人人妻人人澡人人看| 日韩精品免费视频一区二区三区| 久久精品久久精品一区二区三区| 欧美激情高清一区二区三区 | 日韩精品有码人妻一区| 久久久国产欧美日韩av| 黑人猛操日本美女一级片| 美女高潮到喷水免费观看| 国产片特级美女逼逼视频| 街头女战士在线观看网站| 涩涩av久久男人的天堂| www.熟女人妻精品国产| 亚洲中文av在线| 免费日韩欧美在线观看| 成人手机av| 女人高潮潮喷娇喘18禁视频| 精品一区在线观看国产| 国产高清不卡午夜福利| 免费黄色在线免费观看| 日韩一卡2卡3卡4卡2021年| 午夜福利一区二区在线看| 看免费av毛片| 永久免费av网站大全| 久久久精品区二区三区| 国产97色在线日韩免费| 久久毛片免费看一区二区三区| 男男h啪啪无遮挡| 中文天堂在线官网| 久久久久久久大尺度免费视频| 一本—道久久a久久精品蜜桃钙片| 成人午夜精彩视频在线观看| 一二三四中文在线观看免费高清| 亚洲七黄色美女视频| 美女视频免费永久观看网站| 日韩大片免费观看网站| 黄片小视频在线播放| 欧美日韩国产mv在线观看视频| 男女边摸边吃奶| www.自偷自拍.com| 国产精品 欧美亚洲| 国产一区二区三区综合在线观看| 日本欧美国产在线视频| 制服诱惑二区| 久久国产精品男人的天堂亚洲| 久久99热这里只频精品6学生| 精品免费久久久久久久清纯 | 1024香蕉在线观看| netflix在线观看网站| 男女边摸边吃奶| www.自偷自拍.com| 中文字幕最新亚洲高清| 免费观看人在逋| 在线观看www视频免费| 女人精品久久久久毛片| 久久av网站| 久久精品亚洲熟妇少妇任你| 亚洲色图 男人天堂 中文字幕| 国产精品麻豆人妻色哟哟久久| 成人18禁高潮啪啪吃奶动态图| 国产av精品麻豆| 免费黄色在线免费观看| 亚洲免费av在线视频| 亚洲视频免费观看视频| 夜夜骑夜夜射夜夜干| 免费观看a级毛片全部| 欧美精品高潮呻吟av久久| 色视频在线一区二区三区| 成年美女黄网站色视频大全免费| 婷婷成人精品国产| 国产精品人妻久久久影院| 亚洲在久久综合| 9191精品国产免费久久| 1024视频免费在线观看| 免费黄频网站在线观看国产| 国产一区二区 视频在线| 肉色欧美久久久久久久蜜桃| 婷婷成人精品国产| 国产亚洲午夜精品一区二区久久| 亚洲av电影在线进入| 最近2019中文字幕mv第一页| 菩萨蛮人人尽说江南好唐韦庄| 波多野结衣av一区二区av| 91老司机精品| 亚洲一码二码三码区别大吗| 999久久久国产精品视频| 欧美少妇被猛烈插入视频| 国产熟女欧美一区二区| 另类精品久久| 精品久久蜜臀av无| 国产一区二区激情短视频 | 日日爽夜夜爽网站| 中文字幕另类日韩欧美亚洲嫩草| 婷婷成人精品国产| 日本猛色少妇xxxxx猛交久久| 久久女婷五月综合色啪小说| 国产精品国产三级国产专区5o| 一本色道久久久久久精品综合| 黄色视频不卡| 少妇 在线观看| 日日撸夜夜添| 国产成人一区二区在线| 丝袜脚勾引网站| 亚洲国产av影院在线观看| 亚洲,欧美精品.| 日本欧美国产在线视频| 视频区图区小说| 热99久久久久精品小说推荐| 日韩免费高清中文字幕av| 国产熟女午夜一区二区三区|