• <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
    亚洲精品日韩在线中文字幕| 大话2 男鬼变身卡| 国产成人影院久久av| 亚洲av男天堂| 丰满人妻熟妇乱又伦精品不卡| av国产久精品久网站免费入址| 久热爱精品视频在线9| 18禁观看日本| 国产av一区二区精品久久| 亚洲男人天堂网一区| 国产成人精品在线电影| 国产熟女欧美一区二区| 性高湖久久久久久久久免费观看| 看十八女毛片水多多多| 两性夫妻黄色片| 自拍欧美九色日韩亚洲蝌蚪91| 高清不卡的av网站| 亚洲熟女毛片儿| 国产深夜福利视频在线观看| 欧美+亚洲+日韩+国产| 国产亚洲av高清不卡| 狂野欧美激情性bbbbbb| 午夜福利一区二区在线看| 免费女性裸体啪啪无遮挡网站| 又大又黄又爽视频免费| 大片免费播放器 马上看| 欧美日韩亚洲高清精品| 国产精品一二三区在线看| 无限看片的www在线观看| 久久久久久久久免费视频了| 午夜免费鲁丝| 国产精品一区二区免费欧美 | 另类精品久久| 亚洲图色成人| 国产精品麻豆人妻色哟哟久久| 日韩电影二区| 亚洲久久久国产精品| 99re6热这里在线精品视频| 大香蕉久久网| 大香蕉久久网| 日本一区二区免费在线视频| 亚洲中文日韩欧美视频| av天堂在线播放| 啦啦啦 在线观看视频| 免费高清在线观看视频在线观看| 黑人欧美特级aaaaaa片| 久久久久久久大尺度免费视频| 亚洲,欧美精品.| 日本a在线网址| 国产成人91sexporn| 亚洲中文日韩欧美视频| 亚洲少妇的诱惑av| 一级毛片黄色毛片免费观看视频| 国产成人91sexporn| av国产久精品久网站免费入址| 91字幕亚洲| 91精品三级在线观看| 只有这里有精品99| 丁香六月欧美| av在线app专区| 老司机影院毛片| 国产国语露脸激情在线看| av国产精品久久久久影院| 一区二区三区激情视频| 18禁国产床啪视频网站| 免费高清在线观看视频在线观看| 在线观看国产h片| 狂野欧美激情性bbbbbb| 亚洲第一青青草原| 中文欧美无线码| 亚洲情色 制服丝袜| 99热全是精品| 91精品三级在线观看| 制服诱惑二区| 精品少妇内射三级| 日本欧美视频一区| a级毛片在线看网站| 2018国产大陆天天弄谢| 久久人人爽人人片av| 日韩精品免费视频一区二区三区| 男的添女的下面高潮视频| 国产精品亚洲av一区麻豆| 天天躁日日躁夜夜躁夜夜| 午夜精品国产一区二区电影| 国产亚洲欧美在线一区二区| 女人精品久久久久毛片| 美女国产高潮福利片在线看| 国产91精品成人一区二区三区 | 久久精品人人爽人人爽视色| 女人精品久久久久毛片| 欧美乱码精品一区二区三区| 国产日韩欧美亚洲二区| 国产精品久久久久久人妻精品电影 | 日韩视频在线欧美| 天堂中文最新版在线下载| 一本—道久久a久久精品蜜桃钙片| 99久久99久久久精品蜜桃| 男人舔女人的私密视频| 黑丝袜美女国产一区| 国产成人欧美在线观看 | 精品福利永久在线观看| 国产精品一区二区在线不卡| 三上悠亚av全集在线观看| 日韩熟女老妇一区二区性免费视频| 国产成人av教育| 大片免费播放器 马上看| 久久久国产一区二区| 欧美黄色淫秽网站| 欧美性长视频在线观看| 另类亚洲欧美激情| 91国产中文字幕| 国产成人av激情在线播放| 婷婷色av中文字幕| 精品久久久久久久毛片微露脸 | 伦理电影免费视频| 亚洲国产成人一精品久久久| 美女脱内裤让男人舔精品视频| 两人在一起打扑克的视频| 久久精品亚洲熟妇少妇任你| 国产又色又爽无遮挡免| 欧美日韩福利视频一区二区| 午夜91福利影院| 丁香六月天网| 久久天躁狠狠躁夜夜2o2o | 久久鲁丝午夜福利片| 69精品国产乱码久久久| 99九九在线精品视频| 涩涩av久久男人的天堂| 麻豆av在线久日| 精品一区在线观看国产| 亚洲精品国产区一区二| 免费观看av网站的网址| 又粗又硬又长又爽又黄的视频| 下体分泌物呈黄色| 免费看不卡的av| 婷婷色麻豆天堂久久| 精品第一国产精品| 国产亚洲精品第一综合不卡| 久久性视频一级片| 大片免费播放器 马上看| 少妇精品久久久久久久| 汤姆久久久久久久影院中文字幕| 黄色毛片三级朝国网站| 男女午夜视频在线观看| 夫妻性生交免费视频一级片| 99国产精品一区二区蜜桃av | 一本综合久久免费| 国产精品人妻久久久影院| 一区二区三区四区激情视频| 热99国产精品久久久久久7| 91成人精品电影| 大话2 男鬼变身卡| 在线观看国产h片| 免费在线观看影片大全网站 | 亚洲精品国产色婷婷电影| 妹子高潮喷水视频| 成人亚洲精品一区在线观看| 国产精品三级大全| 狠狠精品人妻久久久久久综合| 老司机影院毛片| 日韩av免费高清视频| 侵犯人妻中文字幕一二三四区| 亚洲精品美女久久久久99蜜臀 | 男女无遮挡免费网站观看| 亚洲一区二区三区欧美精品| 久久 成人 亚洲| av天堂在线播放| 天天操日日干夜夜撸| 国产高清国产精品国产三级| 亚洲少妇的诱惑av| 超色免费av| 王馨瑶露胸无遮挡在线观看| 人妻 亚洲 视频| 国产色视频综合| 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香蕉大伊视频| 女人爽到高潮嗷嗷叫在线视频| 成年动漫av网址| 欧美成狂野欧美在线观看| 天天躁日日躁夜夜躁夜夜| 亚洲精品久久成人aⅴ小说| 波多野结衣一区麻豆| 精品国产国语对白av| 成年动漫av网址| 欧美人与性动交α欧美精品济南到| 国产精品亚洲av一区麻豆| 国产高清国产精品国产三级| 亚洲精品一区蜜桃| 久久久亚洲精品成人影院| 9色porny在线观看| 亚洲第一av免费看| 亚洲人成电影免费在线| 美女国产高潮福利片在线看| 看十八女毛片水多多多| 成人影院久久| 国产精品麻豆人妻色哟哟久久| 久久精品成人免费网站| 啦啦啦在线免费观看视频4| 女人高潮潮喷娇喘18禁视频| 久久99精品国语久久久| 超碰成人久久| 亚洲中文av在线| 久久久久视频综合| 女人被躁到高潮嗷嗷叫费观| 男的添女的下面高潮视频| xxxhd国产人妻xxx| 欧美黑人精品巨大| 亚洲免费av在线视频| 精品少妇一区二区三区视频日本电影| 国产有黄有色有爽视频| 50天的宝宝边吃奶边哭怎么回事| 久久国产精品男人的天堂亚洲| 欧美日韩成人在线一区二区| 免费日韩欧美在线观看| 欧美激情极品国产一区二区三区| 久久久久精品国产欧美久久久 | 久久狼人影院| 视频区图区小说| 水蜜桃什么品种好| 丝袜美腿诱惑在线| av在线播放精品| 国产真人三级小视频在线观看| 国产黄频视频在线观看| 男人爽女人下面视频在线观看| 国产精品二区激情视频| 亚洲欧洲日产国产| 免费黄频网站在线观看国产| 亚洲欧洲精品一区二区精品久久久| 99久久人妻综合| 日韩av在线免费看完整版不卡| 中文字幕av电影在线播放| 国产又爽黄色视频| bbb黄色大片| 777久久人妻少妇嫩草av网站| av有码第一页| svipshipincom国产片| 成人国产一区最新在线观看 | 中文字幕制服av| 男女免费视频国产| 亚洲,一卡二卡三卡| 男人添女人高潮全过程视频| 极品人妻少妇av视频| 国产精品免费视频内射| 国产亚洲精品久久久久5区| xxxhd国产人妻xxx| 国产欧美日韩一区二区三 | 夫妻午夜视频| 国产野战对白在线观看| 在线观看免费日韩欧美大片| 欧美国产精品va在线观看不卡| 国产精品二区激情视频| 一级毛片电影观看| 成人国产一区最新在线观看 | 韩国精品一区二区三区| 亚洲五月婷婷丁香| 久久国产精品影院| 大话2 男鬼变身卡| 丰满少妇做爰视频| 五月开心婷婷网| 国产男女内射视频| 欧美av亚洲av综合av国产av| 色婷婷av一区二区三区视频| 亚洲国产欧美日韩在线播放| 免费高清在线观看视频在线观看| 亚洲国产精品成人久久小说| 少妇裸体淫交视频免费看高清 | 女性被躁到高潮视频| 老汉色av国产亚洲站长工具| 国产人伦9x9x在线观看| 久久精品aⅴ一区二区三区四区| 日本wwww免费看| 又紧又爽又黄一区二区| 大话2 男鬼变身卡| 午夜福利影视在线免费观看| 九草在线视频观看| www.精华液| 日本五十路高清| 十八禁人妻一区二区| 夜夜骑夜夜射夜夜干| 久久精品熟女亚洲av麻豆精品| 男女下面插进去视频免费观看| 久久国产亚洲av麻豆专区| 午夜免费成人在线视频| 欧美精品人与动牲交sv欧美| 日本欧美国产在线视频| 美女脱内裤让男人舔精品视频| 欧美日韩视频高清一区二区三区二| 搡老岳熟女国产| 亚洲人成电影免费在线| 又紧又爽又黄一区二区| 免费观看av网站的网址| 99九九在线精品视频| 99re6热这里在线精品视频| 亚洲精品国产一区二区精华液| 好男人电影高清在线观看| 1024视频免费在线观看| 欧美日韩精品网址| 亚洲七黄色美女视频| 国产成人a∨麻豆精品| 亚洲视频免费观看视频| 国产片内射在线| 欧美av亚洲av综合av国产av| 菩萨蛮人人尽说江南好唐韦庄| 超碰97精品在线观看| 人成视频在线观看免费观看| 老司机亚洲免费影院| 女性生殖器流出的白浆| 欧美久久黑人一区二区| 考比视频在线观看| 国产精品亚洲av一区麻豆| 狠狠精品人妻久久久久久综合| 超色免费av| 欧美日韩av久久| 99国产综合亚洲精品| 亚洲色图综合在线观看| 99国产精品免费福利视频| 国产高清videossex| 日本欧美视频一区| 久久久久视频综合| 一个人免费看片子| 十分钟在线观看高清视频www| 每晚都被弄得嗷嗷叫到高潮| 一区二区三区精品91| 亚洲国产精品成人久久小说| 国产成人精品久久二区二区91| 亚洲国产欧美网| 午夜福利,免费看| 国产亚洲午夜精品一区二区久久| 精品视频人人做人人爽| 一级片'在线观看视频| 波多野结衣av一区二区av| 亚洲av成人精品一二三区| 亚洲国产欧美日韩在线播放| 99精品久久久久人妻精品| 亚洲精品国产区一区二| 香蕉国产在线看| 精品少妇一区二区三区视频日本电影| 最新的欧美精品一区二区| 色婷婷久久久亚洲欧美| 欧美激情高清一区二区三区| 99国产精品99久久久久| 亚洲av日韩精品久久久久久密 | 两个人免费观看高清视频| 欧美黄色淫秽网站| 丝袜喷水一区| 亚洲成国产人片在线观看| 亚洲av在线观看美女高潮| 亚洲人成电影免费在线| 亚洲专区中文字幕在线| 欧美日韩一级在线毛片| 999久久久国产精品视频| 后天国语完整版免费观看| 亚洲欧美中文字幕日韩二区| 亚洲黑人精品在线| 亚洲一区中文字幕在线| 美女大奶头黄色视频| www日本在线高清视频| 一级毛片黄色毛片免费观看视频| 日韩免费高清中文字幕av| 亚洲成色77777| 久久 成人 亚洲| 亚洲精品美女久久av网站| 91老司机精品| 男女床上黄色一级片免费看| 久久国产精品人妻蜜桃| 久久亚洲国产成人精品v| 男女国产视频网站| 国产欧美日韩一区二区三 | 国产成人免费无遮挡视频| 亚洲国产精品999| 精品一区在线观看国产| 18禁国产床啪视频网站| 久久人人爽av亚洲精品天堂| 久久精品国产亚洲av涩爱| 91老司机精品| 国产在线视频一区二区| 黄色毛片三级朝国网站| 九草在线视频观看| 91精品伊人久久大香线蕉| 国产一区二区三区综合在线观看| 精品少妇久久久久久888优播| 黄片小视频在线播放| 男女国产视频网站| 欧美激情 高清一区二区三区| 欧美少妇被猛烈插入视频| 欧美黑人精品巨大| 亚洲欧洲精品一区二区精品久久久| 久久久精品免费免费高清| 国产成人啪精品午夜网站| 国产精品香港三级国产av潘金莲 | 在线精品无人区一区二区三| 久久青草综合色| 老汉色av国产亚洲站长工具| 真人做人爱边吃奶动态| 成人亚洲欧美一区二区av| 热re99久久国产66热| 午夜福利免费观看在线| 丰满少妇做爰视频| 最新在线观看一区二区三区 | 中文字幕人妻熟女乱码| 嫩草影视91久久| 久久久精品国产亚洲av高清涩受| 极品少妇高潮喷水抽搐| av又黄又爽大尺度在线免费看| 免费少妇av软件| 中文字幕色久视频| 久久精品熟女亚洲av麻豆精品| 男女边吃奶边做爰视频| 宅男免费午夜| 黄色怎么调成土黄色| 高清视频免费观看一区二区| 久久精品久久精品一区二区三区| 色94色欧美一区二区| 99久久99久久久精品蜜桃| 99精国产麻豆久久婷婷| 中文字幕精品免费在线观看视频| 亚洲av日韩在线播放| a级毛片黄视频| 久久久久久久久久久久大奶| 亚洲熟女毛片儿| 欧美成狂野欧美在线观看| 黄色 视频免费看| 一区二区av电影网| 亚洲av在线观看美女高潮| 首页视频小说图片口味搜索 | av一本久久久久| 亚洲av美国av| 啦啦啦在线免费观看视频4| 亚洲人成77777在线视频| 午夜福利影视在线免费观看| a级毛片在线看网站| 一区二区三区激情视频| 黄色片一级片一级黄色片| 在线观看人妻少妇| 夫妻午夜视频| 老汉色av国产亚洲站长工具| 丰满少妇做爰视频| 男的添女的下面高潮视频| 国产精品国产三级国产专区5o| 香蕉国产在线看| 久久人人97超碰香蕉20202| 久久久久久亚洲精品国产蜜桃av| 成人黄色视频免费在线看| 少妇粗大呻吟视频| 国产成人91sexporn| 国产xxxxx性猛交| svipshipincom国产片| 欧美人与善性xxx| 中文字幕高清在线视频| 黄频高清免费视频| 亚洲专区国产一区二区| 中文字幕人妻熟女乱码| 国产一区有黄有色的免费视频| 欧美国产精品一级二级三级| 久久久久精品人妻al黑| 亚洲欧美一区二区三区久久| 老鸭窝网址在线观看| 午夜两性在线视频| 一区在线观看完整版| 日本五十路高清| 美女扒开内裤让男人捅视频| 国产成人一区二区在线| 亚洲av片天天在线观看| 大型av网站在线播放| 国产精品一二三区在线看| 黄色片一级片一级黄色片| 国产在线观看jvid| 精品第一国产精品| 精品久久久久久久毛片微露脸 | 黄色 视频免费看| 操美女的视频在线观看| 欧美变态另类bdsm刘玥| 久久 成人 亚洲| 欧美xxⅹ黑人| 久久精品久久久久久久性| 国产麻豆69| 国产淫语在线视频| xxxhd国产人妻xxx| 黄频高清免费视频| 久久久精品区二区三区| 操美女的视频在线观看| 欧美变态另类bdsm刘玥| 在线观看免费高清a一片| 亚洲欧美一区二区三区黑人| 亚洲成人免费电影在线观看 | 亚洲国产看品久久| 精品少妇久久久久久888优播| 国产av精品麻豆| 亚洲欧美一区二区三区国产| 免费在线观看黄色视频的| 国产在线观看jvid| 91老司机精品| 欧美激情高清一区二区三区| 日韩中文字幕欧美一区二区 | 亚洲精品久久成人aⅴ小说| 国产成人av激情在线播放| 精品国产一区二区三区久久久樱花| 亚洲欧美一区二区三区国产| 又大又黄又爽视频免费| 精品视频人人做人人爽| 国产av国产精品国产| 国产伦人伦偷精品视频| 日韩一区二区三区影片| 日本wwww免费看| 国产主播在线观看一区二区 | 亚洲七黄色美女视频| 久久久精品区二区三区| 在线av久久热| 一本一本久久a久久精品综合妖精| netflix在线观看网站| 色精品久久人妻99蜜桃| 嫩草影视91久久| √禁漫天堂资源中文www| 亚洲精品美女久久久久99蜜臀 | 亚洲精品日韩在线中文字幕| 久久精品国产a三级三级三级| av网站在线播放免费| 宅男免费午夜| 久久久久久久精品精品| 日本a在线网址| 亚洲精品成人av观看孕妇| 国产亚洲精品久久久久5区| 日本欧美国产在线视频| 美女脱内裤让男人舔精品视频| 一边摸一边抽搐一进一出视频| 99国产精品一区二区蜜桃av | 在线天堂中文资源库| www.熟女人妻精品国产| 国产欧美亚洲国产| 手机成人av网站| 国产欧美日韩综合在线一区二区| 悠悠久久av| av网站在线播放免费| 亚洲精品美女久久av网站| 亚洲精品日本国产第一区| 国产精品 国内视频| 韩国精品一区二区三区| 男女高潮啪啪啪动态图| 亚洲av在线观看美女高潮| 一本—道久久a久久精品蜜桃钙片| 久久av网站| 我要看黄色一级片免费的| 永久免费av网站大全| 欧美日韩亚洲高清精品| 午夜久久久在线观看| 丁香六月天网| 久久国产精品人妻蜜桃| 国产伦人伦偷精品视频| 久久久久久免费高清国产稀缺| 亚洲欧洲国产日韩| 精品人妻在线不人妻| 色播在线永久视频| 亚洲七黄色美女视频| 国产高清视频在线播放一区 | 国产成人精品久久久久久| 另类精品久久| 一级片'在线观看视频| 久久久精品免费免费高清| 亚洲欧美日韩高清在线视频 | 9191精品国产免费久久| 久久免费观看电影| 亚洲av综合色区一区| 国产一区亚洲一区在线观看| 国产伦理片在线播放av一区| 国产成人免费无遮挡视频| 男女边摸边吃奶| 国产在线一区二区三区精| 国产极品粉嫩免费观看在线| 欧美97在线视频| 91精品国产国语对白视频| 亚洲国产欧美一区二区综合| 亚洲熟女毛片儿| 国产一区亚洲一区在线观看| 黄色一级大片看看| 免费一级毛片在线播放高清视频 | 自线自在国产av| 国产高清国产精品国产三级| 狠狠婷婷综合久久久久久88av| 妹子高潮喷水视频| 又大又黄又爽视频免费| kizo精华| 亚洲欧美清纯卡通| 亚洲美女黄色视频免费看| av线在线观看网站| 欧美大码av| 国产成人精品久久久久久| 国产在视频线精品| 久久99精品国语久久久| 日韩视频在线欧美| 91精品国产国语对白视频| 成人亚洲欧美一区二区av| 超碰97精品在线观看| 午夜久久久在线观看| 中文字幕人妻丝袜一区二区| 99久久99久久久精品蜜桃| 国产一区二区三区av在线| 久久亚洲精品不卡| 国产精品一区二区在线不卡| 波野结衣二区三区在线| 一级黄片播放器| av又黄又爽大尺度在线免费看| 女人久久www免费人成看片| 亚洲欧美激情在线| 中文精品一卡2卡3卡4更新| 五月开心婷婷网| 亚洲欧美中文字幕日韩二区| 色婷婷av一区二区三区视频| 国产在线视频一区二区| 一级黄色大片毛片| 日韩av不卡免费在线播放| 新久久久久国产一级毛片| 国产99久久九九免费精品| 又大又爽又粗| 另类精品久久|