• <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 ?

    深度卷積神經(jīng)網(wǎng)絡(luò)模型發(fā)展綜述

    2020-06-19 08:45洪奇峰施偉斌吳迪羅力源
    軟件導(dǎo)刊 2020年4期
    關(guān)鍵詞:目標(biāo)識(shí)別網(wǎng)絡(luò)結(jié)構(gòu)特征提取

    洪奇峰 施偉斌 吳迪 羅力源

    摘要:隨著移動(dòng)互聯(lián)網(wǎng)與硬件處理器技術(shù)的不斷發(fā)展,海量數(shù)據(jù)處理與計(jì)算能力不斷提高,深度學(xué)習(xí)備受關(guān)注。卷積神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)模型中最重要的一種結(jié)構(gòu),可用于目標(biāo)特征提取。介紹了為提高卷積神經(jīng)網(wǎng)絡(luò)性能,不斷增加卷積網(wǎng)絡(luò)深度的模型,以及因此帶來的新問題和解決方法。

    關(guān)鍵詞:深度神經(jīng)網(wǎng)絡(luò):特征提?。耗繕?biāo)識(shí)別:網(wǎng)絡(luò)結(jié)構(gòu)

    DOI: 10.11907/rjdk.191659

    開放科學(xué)(資源服務(wù))標(biāo)識(shí)碼(OSID):

    中圖分類號(hào):TP3-0

    文獻(xiàn)標(biāo)識(shí)碼:A

    文章編號(hào):1672-7800(2020)004-0084-05

    Review of the Development of Deep Convolutional Neural Network Model

    HONG Qi-feng, SHI Wei-bing, WU Di, LUO Li-y uan

    (School of Optical-Electrical and Co mputer Erzgineering , University of Sh angh.ai for Science and Technology,Shangh ai 200093.China )Abstract: With the continuous developmenf of' mobile Internet. hardware processor and other aspects, and the continuous improve-ment of massive data and computing power, deep learning has attracted more and more attention of the world. Especially after LeeSedol foughf against Alphago, it attracted worldwide attenfion. Convolutional neural network is the most important structure in deeplearning model. which is used to extract target features. With the continuous development of the deep learning field , this paper intro-duces the improvement of the perf'ormance of' the convolutional neural network. the convolutional network models with increasingdepth,as well as the new problems and their solutions.Key Words : deep neural network;feature extraction; object identification; network structure

    O 引言

    卷積神經(jīng)網(wǎng)絡(luò)( Convolution Neural Network,CNN)用于特征提取,從最早期的尺度不變特征變換…(Scale invariantfeature transform,SIFT)、Harr、方向梯度直方圖[2](Histo-gram of oriented gradients,HOG)演化發(fā)展至今。1998年LeCun[3]提出LeNet-5,將卷積與神經(jīng)網(wǎng)絡(luò)結(jié)合在一起,這是一個(gè)劃時(shí)代、影響深遠(yuǎn)的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),卷積和池化兩個(gè)全新概念由此提出。其后隨著深度學(xué)習(xí)理論的發(fā)展,2012年Alex Krizhevshvy[4]提出AlexNet,這是一個(gè)8層深的卷積神經(jīng)網(wǎng)絡(luò),該模型一舉奪下2012年ImageNet比賽冠軍。白AlexNet之后,研究者從不同網(wǎng)絡(luò)結(jié)構(gòu)出發(fā),陸續(xù)提出了各種性能越來越好的卷積神經(jīng)網(wǎng)絡(luò)模型,其中比較著名的有計(jì)算機(jī)視覺幾何組(Visual Geometry Group,VG-GNet)、GoogLeNet、深度殘差網(wǎng)絡(luò)(Deep Residual network,ResNet)等[5-7]

    1 VGG模型

    CNN模型基礎(chǔ)架構(gòu)如圖l所示,從圖1可以看出,CNN模型是由一系列層不斷堆疊而成的,模型中的每一層都代表一種數(shù)學(xué)運(yùn)算,如卷積、全連接是線性運(yùn)算,池化、激活是非線性運(yùn)算。

    VGG模型于2014年由牛津大學(xué)VGG研究組提出,與AlexNet類似,也是一種卷積神經(jīng)網(wǎng)絡(luò),在AlexNet的基礎(chǔ)上,旨在通過加深網(wǎng)絡(luò)提高性能。該模型在2014年ILS-VRC定位和分類兩個(gè)比賽上分別取得了第一名和第二名。與之前的網(wǎng)絡(luò)結(jié)構(gòu)相比,VGG模型錯(cuò)誤率大幅下降。同時(shí),該模型拓展性很強(qiáng),遷移到其它圖片數(shù)據(jù)上的泛化性非常好。除應(yīng)用于最常見的特征提取(Feature Extractor)外,還被廣泛應(yīng)用于圖像協(xié)同定位(C o-localization)、物體候選框生成、細(xì)粒度圖像定位( Fine-grained Object Local-ization)等方面。

    VGGNet核心思想是利用較小的卷積核不斷堆疊增加網(wǎng)絡(luò)深度,以此提升整個(gè)網(wǎng)絡(luò)架構(gòu)性能。VGG網(wǎng)絡(luò)結(jié)構(gòu)非常簡(jiǎn)潔,整個(gè)網(wǎng)絡(luò)全都使用同樣大小的卷積核與最大池化核,利用卷積層與最大池化層不斷堆疊的方式,組合成II-19層深的卷積神經(jīng)網(wǎng)絡(luò)。

    VGGNet各級(jí)別網(wǎng)絡(luò)結(jié)構(gòu)如表1所示,VGGNet有5段卷積,每段卷積包含1-4個(gè)卷積層,每段卷積后面接一個(gè)最大池化層用來縮小feature map尺寸和增強(qiáng)特征,后面有3個(gè)全連接層,前兩層均有4096個(gè)通道,第3層共1000個(gè)通道,對(duì)應(yīng)l000個(gè)標(biāo)簽類別,最后一層為Softmax層。

    2.3 Inception V3

    Inception V3[12]相對(duì)Inception V2沒有顯著改進(jìn),只是對(duì)原有網(wǎng)絡(luò)模型結(jié)構(gòu)進(jìn)行卷積分解,用兩個(gè)較小的卷積核l*n和n*1代替n*n,比如將7*7分解成l*7和7*l。優(yōu)點(diǎn)是增加了網(wǎng)絡(luò)非線性,減少過擬合與參數(shù)數(shù)量。其網(wǎng)絡(luò)模型結(jié)構(gòu)如圖5所示。 3 殘差網(wǎng)絡(luò)ResNet

    白AlexNet之后,卷積神經(jīng)網(wǎng)絡(luò)不斷加深,網(wǎng)絡(luò)擬合能力越來越強(qiáng),但網(wǎng)絡(luò)訓(xùn)練誤差變大卻是極不正常的。簡(jiǎn)單地堆疊網(wǎng)絡(luò)層深度沒有實(shí)質(zhì)性作用,反而會(huì)使反向傳播產(chǎn)生多個(gè)問題。反向傳播的梯度計(jì)算是在上一層基礎(chǔ)上進(jìn)行的,網(wǎng)絡(luò)深度加深會(huì)使梯度復(fù)乘,使梯度在多層反向傳播時(shí)越來越小,最終導(dǎo)致梯度消失。因此網(wǎng)絡(luò)層數(shù)越多,訓(xùn)練誤差越大。

    殘差網(wǎng)絡(luò)通過在標(biāo)準(zhǔn)的前饋神經(jīng)網(wǎng)絡(luò)上增加一個(gè)跳躍從而繞過一些層,實(shí)現(xiàn)快捷連接(Shortcut Connection),解決了以上問題。

    3.1 高速路神經(jīng)網(wǎng)絡(luò)

    殘差網(wǎng)絡(luò)創(chuàng)新點(diǎn)在于引進(jìn)了恒等快捷鏈接(IdentitvShortcut C onnection),其設(shè)計(jì)是受瑞士教授Schmidhuher[13]提出的高速路神經(jīng)網(wǎng)絡(luò)(HighWay Network)啟發(fā)。一般情況下認(rèn)為增加網(wǎng)絡(luò)深度可在一定情況下提高網(wǎng)絡(luò)性能,但伴隨著網(wǎng)絡(luò)深度的增加,其訓(xùn)練難度也越來越大。Schmid -huber教授根據(jù)白己在1997年構(gòu)建的長(zhǎng)短期記憶網(wǎng)絡(luò)(Long Short Term Memorv Network.LSTM)[14]中的門機(jī)制(gate)原理設(shè)計(jì)了HighWay Network。LSTM中的門結(jié)構(gòu)負(fù)責(zé)控制某一單元的信息量,HighWay Network可通過類似LSTM中的門控單元控制網(wǎng)絡(luò)中的信息流,即學(xué)習(xí)原始信息應(yīng)保留的比例。

    高速路神經(jīng)網(wǎng)絡(luò)的出現(xiàn)解決了深層神經(jīng)網(wǎng)絡(luò)難以訓(xùn)練的難題。假設(shè)常規(guī)卷積神經(jīng)網(wǎng)絡(luò)有K層,其中第i層(i∈l,2,…,K)的輸入為X。卷積神經(jīng)網(wǎng)絡(luò)每層的激活函數(shù)均對(duì)輸入X進(jìn)行非線性映射變換,為了表述簡(jiǎn)單,本文忽略層數(shù)和偏置,則輸出與輸入之間的關(guān)系為:

    v=H(X,WH)(1)

    高速路神經(jīng)網(wǎng)絡(luò)修改了每一層的激活函數(shù),在此基礎(chǔ)上允許保留一定的原始輸入X,則式(1)變?yōu)椋?/p>

    v=H(X,WH).T(X,WT)+X.C(X,Wc)(2)

    其中T為變換系數(shù),C為保留系數(shù)。令C=1-T,則:

    y=H(X,WH).T(X,WT)+X.(1-T(X,WT》(3)

    改進(jìn)后的網(wǎng)絡(luò)層比原始網(wǎng)絡(luò)層靈活了很多,針對(duì)特定變換系數(shù),式(2)變?yōu)椋?/p>

    一定比例的上一層信息可不經(jīng)過矩陣乘法和非線性變換直接到達(dá)下一層,該結(jié)構(gòu)仿佛是一條信息高速公路,因此命名為高速路神經(jīng)網(wǎng)絡(luò)??梢园l(fā)現(xiàn)當(dāng)變換系數(shù)T=O時(shí),輸出y與輸入X為恒等映射v=X。

    3.2 ResNet模型結(jié)構(gòu)

    圖6是論文中的原圖,通過圖6可以發(fā)現(xiàn),普通的卷積神經(jīng)網(wǎng)絡(luò)隨著深度的增加,準(zhǔn)確率達(dá)到飽和后迅速下降,隨之出現(xiàn)了網(wǎng)絡(luò)越深、錯(cuò)誤率越高的退化現(xiàn)象。這是由網(wǎng)絡(luò)增加過多層數(shù)造成的。

    為了解決退化現(xiàn)象,殘差網(wǎng)絡(luò)引入了恒等快捷鏈接的核心思想,對(duì)于一個(gè)準(zhǔn)確率已經(jīng)接近飽和且較淺的神經(jīng)網(wǎng)絡(luò),在后面加上幾個(gè)恒等快捷映射(v=X)時(shí),錯(cuò)誤率不會(huì)因此增加,即網(wǎng)絡(luò)深度的增加不會(huì)引起訓(xùn)練誤差上升。加入恒等快捷連接的ResNet也與HighWay Network -樣,將原始輸入信息直接傳輸?shù)胶竺妗?/p>

    卷積神經(jīng)網(wǎng)絡(luò)某一層輸入為X,在經(jīng)過網(wǎng)絡(luò)傳輸處理之后,得到的期望輸出是H(X)。與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)不同,殘差網(wǎng)絡(luò)引進(jìn)恒等快捷連接,構(gòu)造了殘差模塊。如圖7所示,直接將輸入X傳人輸出中并作為下一層的初始結(jié)果,則此時(shí)目標(biāo)函數(shù)為:

    殘差模塊的引入改變了網(wǎng)絡(luò)學(xué)習(xí)目標(biāo),使其不再學(xué)習(xí)一個(gè)完整的輸出H(X),而是學(xué)習(xí)輸出與輸入之間的差別,即殘差。圖8左側(cè)是殘差函數(shù),右側(cè)為對(duì)輸入的恒等映射,這兩支路徑經(jīng)過簡(jiǎn)單的整合(對(duì)應(yīng)元素相加)后,再經(jīng)過非線性變換(激活函數(shù)),最后形成一個(gè)完整的殘差網(wǎng)絡(luò)模塊。

    殘差網(wǎng)絡(luò)有很多旁路的支線直接將上一層網(wǎng)絡(luò)的輸出連接到下一層或下面多層網(wǎng)絡(luò)中,這種連接方式被稱為快捷( Shortcut)或跳躍連接(Skip Connections)。

    在一個(gè)殘差網(wǎng)絡(luò)模塊中,一般快捷連接會(huì)跳躍2-3層甚至更多,但如果僅跳躍一層則意義不大,實(shí)驗(yàn)效果也不理想,因?yàn)?-3層可以提供更多的非線性,擬合更復(fù)雜的F(X)。圖8左側(cè)是兩層殘差學(xué)習(xí)模塊,由兩個(gè)輸出通道數(shù)一致(殘差網(wǎng)絡(luò)是輸出減去輸入,這要求輸出與輸入的維度由保持一致)的3*3卷積網(wǎng)絡(luò)堆疊而成。但這種殘差網(wǎng)絡(luò)模塊在實(shí)際中并不是十分有效。右側(cè)是3層學(xué)習(xí)模塊,依次由1*1、3*3、l*l這3個(gè)卷積層構(gòu)成。先用I*l的卷積降維(通道數(shù)降低)后,再作3*3卷積,最后用l*l的卷積提升特征通道數(shù)。

    殘差網(wǎng)絡(luò)解決了因?yàn)榫矸e網(wǎng)絡(luò)深度持續(xù)加深而導(dǎo)致的退化問題,在殘差網(wǎng)絡(luò)提出不久之后,Google融合ResNet和Inception V3版本,得到Inception V4[15]和Incep -tion-ResNet-V2[16],創(chuàng)造了在ImageNet數(shù)據(jù)集上TOP-5錯(cuò)誤率3.08%的新低。

    4 結(jié)語

    本文回顧了卷積神經(jīng)網(wǎng)絡(luò)模型在近年的發(fā)展,該模型已成為深度學(xué)習(xí)在圖像與白然語言處理等[17-20]領(lǐng)域最重要的研究對(duì)象,常用的CNN模型總結(jié)如表3所示。

    CNN模型研究者致力于不斷提升模型計(jì)算效率與識(shí)別精度,面對(duì)不同數(shù)據(jù)集的泛化能力,近期還涌現(xiàn)出DenseNet[21]、DPN[22](Dual Path Network),MobileNet v2[23]等模型。隨著人T智能的不斷發(fā)展及應(yīng)用場(chǎng)景的不斷拓展,用戶對(duì)CNN模型的要求也會(huì)越來越高,CNN必將遇到各種新挑戰(zhàn),今后很長(zhǎng)一段時(shí)間內(nèi)卷積神經(jīng)網(wǎng)絡(luò)依然是深度學(xué)習(xí)領(lǐng)域研究重點(diǎn)。

    [1]LOWE D G. Distinctive image features from scale-invariant key-points [J].International Journal of Computer Vision, 2004 . 60 (2) :91-110.

    [2]DALAI N , TRIGCS B. Histograms of oriented gradients for human de-tection [c] . IEEE Conference on Computer Vision and Pattern Recog-nitinn.2005.1:886-893.

    [3]LECLN Y. BOTTOU L, BENClO Y, et al. Gradient-hase learning ap-plied to document recognition [Jl. Proceedings of the IEEE,1998. 86(11) : 2278-2324.

    [4]KRIZHEVSKY A, SUTSKEVER I, HINTON G. Imagenet classifica-tion with deep convolutional neural networks[Cl. ProceedinCs of theAdvances in Neural Information Processing Systems, 2012: 1097-1 105.

    [5]SIMONYAN K, ZISSERMAN A. Very deep comnlutional networks forlarge-scale image recognition [DB/OL]. https://arxiv.org/pdf/1409.1556.pdf

    [6]SZEGEDY C,LILT W,JIA Y Q,et al. Going deeper,vith convolutions[C]. Proceedings of the IEEE Conferenc.e on Computer Visinn and Pat- tern Recognition.2015: 1-9.

    [7]HE K, ZHANG X. REN S,et al. Deep residual learning for image recognition [c]. Proceedings of the IEEE conference on computer ri-sion and pattern recognition. 2016:770-778.

    [8]LIhr M, CHEW Q, YAN S Network in network[C]International Con-ference on Learning Representations, 2014: 1-10

    [9]黃文堅(jiān),唐源.TensorFlow實(shí)戰(zhàn)[M].北京:電子工業(yè)出版社,2017.

    [10]IOFFE S, SZECEDY C.Batch norrnalization: ac:celerating deep net-work training by reducing internal cox'ariate shift[C] InternatinnalConference nn International Conference on Machine Learning. JMLR.org, 2015:1-9.

    [11]BECK 0,PL RWINS H. Com-nlutional neural net works with hatchnormalization for classifying hi-hat, snare. and bass percussionsound samplesEC].Proceedings of the Audio Mosth, 2016:111-115.

    [12]SZECEDY C. VANHOLiCKE V, IOFFE S,et al. Rethinking the In-ception architecture for computer rision[C]. Proceedings of theIEEE Conference on Computer Vision and Pattern Recognition,2016:2818-2826.

    [13]RLPESH K S,GREFF K. JURGEhr S. Training very deep networks[C]. Proceedings of the Conference and yrorkshop on Neural Information Processing Systems,2017: 2377-2385

    [14]HOCHREITER S,SCHMIDHL: BER J. Long short-term memory [J].Neural Computation,1997,9(8):1735-1780

    [15]SZEGEDY C. IOFFE S,VANHOLCKE V. et al. Inception-v4, In-ception-Resnet and the impact of residual connections on learning[C]. Processdings of AAAl Conference on Artificial Intelligence,2017:4-12.

    [16]XIE S, CIRSHICK R,DOLLAR P, et al. Aggregated residu al transfor-mations for deep neural networks[C].Pmceedings of the IEEE Con-ference on Computer Vision and Pattern Recognition, 2017:5987-5995.

    [17]吳漢釗基于孿生卷積神經(jīng)網(wǎng)絡(luò)的人臉追蹤[J].計(jì)算機(jī)工程與應(yīng)用,2018, 54( 14): 175-179.

    [18]龐亮,蘭艷艷,徐君,等深度文本匹配綜述[j].計(jì)算機(jī)學(xué)報(bào),2017.40(4):985-1003.

    [19] 李味味,章新友,仵倚,等.基于BP神經(jīng)網(wǎng)絡(luò)中藥復(fù)方功效的預(yù)測(cè)研究[J].中醫(yī)藥導(dǎo)報(bào),2016.22 16):38-41.

    [20]高學(xué),王有旺基于CNN和隨機(jī)彈性形變的相似手寫漢字識(shí)別[J].華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版),2014(1):72-76.

    [21] HUANG G,LIU Z. MAATEN L V D,et al. Denselv connected convo-lutional networks[C].Proceedings of the IEEE Conference on Com-puter Vision and Pattern Recognitinn, 2017: 1-9.

    [22]CHEN Y, LI J, XIAO H. et al. Dual path networks[C]. Proceedingsof the IEEE Conference on Computer Vision and Pattern Recogni-tion.2017:4470-4478

    [23]SANDIER M, HOWARD A. ZHU M. et al. MobilehretV2: invertedresiduals and linear bottlenecks[C].2018 IEEE/CVF Conference onComputer Vision and Pattern Recognition, 2018: 1-14

    (責(zé)任編輯:江艷)

    收稿日期:2019-05-27

    作者簡(jiǎn)介:洪奇峰(1992-),男,上海理工大學(xué)光電信息與計(jì)算機(jī)工程學(xué)院碩士研究生,研究方向?yàn)樯疃葘W(xué)習(xí)、目標(biāo)檢測(cè);施偉斌(1967-),男,上海理工大學(xué)光電信息與計(jì)算機(jī)工程學(xué)院副教授,研究方向?yàn)闊o線傳感器網(wǎng)絡(luò)、通信協(xié)議;吳迪(1995-),男,上海理工大學(xué)光電信息與計(jì)算機(jī)工程學(xué)院碩士研究生,研究方向?yàn)榭垢蓴_通信協(xié)議;羅力源(1996-),女,上海理工大學(xué)光電信息與計(jì)算機(jī)工程學(xué)院碩士研究生,研究方向?yàn)榈凸耐ㄐ拧?/p>

    猜你喜歡
    目標(biāo)識(shí)別網(wǎng)絡(luò)結(jié)構(gòu)特征提取
    基于Daubechies(dbN)的飛行器音頻特征提取
    Bagging RCSP腦電特征提取算法
    移動(dòng)機(jī)器人圖像目標(biāo)識(shí)別
    基于互信息的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)
    知識(shí)網(wǎng)絡(luò)結(jié)構(gòu)維對(duì)于創(chuàng)新績(jī)效的作用機(jī)制——遠(yuǎn)程創(chuàng)新搜尋的中介作用
    滬港通下A+ H股票網(wǎng)絡(luò)結(jié)構(gòu)演化的實(shí)證分析
    復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)比對(duì)算法研究進(jìn)展
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    Walsh變換在滾動(dòng)軸承早期故障特征提取中的應(yīng)用
    少妇被粗大猛烈的视频| 久久久久国产网址| 亚洲av二区三区四区| 国产永久视频网站| 亚洲国产精品专区欧美| av国产精品久久久久影院| av女优亚洲男人天堂| 久久精品国产亚洲av天美| 在线精品无人区一区二区三| 免费高清在线观看视频在线观看| 日韩强制内射视频| 亚洲四区av| 美女视频免费永久观看网站| 亚洲欧美日韩东京热| 在线观看av片永久免费下载| 黑人猛操日本美女一级片| 欧美 亚洲 国产 日韩一| 美女视频免费永久观看网站| 九草在线视频观看| 国产精品秋霞免费鲁丝片| 日韩成人av中文字幕在线观看| 久久精品夜色国产| a级片在线免费高清观看视频| 男的添女的下面高潮视频| 爱豆传媒免费全集在线观看| 午夜老司机福利剧场| 午夜精品国产一区二区电影| 黄色日韩在线| 色婷婷av一区二区三区视频| 亚洲欧美清纯卡通| 亚洲三级黄色毛片| 永久免费av网站大全| 99久久中文字幕三级久久日本| 一二三四中文在线观看免费高清| 亚洲人成网站在线播| 久久久久久久久久成人| 欧美亚洲 丝袜 人妻 在线| 国产精品三级大全| 乱系列少妇在线播放| 精品亚洲成国产av| 女性生殖器流出的白浆| 国产熟女午夜一区二区三区 | 2021少妇久久久久久久久久久| 国产欧美日韩一区二区三区在线 | 日韩av不卡免费在线播放| 777米奇影视久久| 午夜福利视频精品| 高清毛片免费看| 久久久久久久久久成人| 看非洲黑人一级黄片| 观看美女的网站| 国产精品一二三区在线看| 国产又色又爽无遮挡免| 亚洲熟女精品中文字幕| 高清不卡的av网站| 在线亚洲精品国产二区图片欧美 | 亚洲欧美一区二区三区国产| 国产高清三级在线| 高清午夜精品一区二区三区| 日日撸夜夜添| 乱系列少妇在线播放| 午夜视频国产福利| 成人毛片60女人毛片免费| 免费不卡的大黄色大毛片视频在线观看| 男男h啪啪无遮挡| 极品教师在线视频| 黑丝袜美女国产一区| 日日撸夜夜添| 欧美 亚洲 国产 日韩一| 欧美一级a爱片免费观看看| 你懂的网址亚洲精品在线观看| 极品人妻少妇av视频| 嫩草影院入口| 成人美女网站在线观看视频| 国产永久视频网站| 天美传媒精品一区二区| 久久久久久久大尺度免费视频| 日韩在线高清观看一区二区三区| 日本色播在线视频| 六月丁香七月| 欧美一级a爱片免费观看看| 边亲边吃奶的免费视频| 人人妻人人添人人爽欧美一区卜| 欧美日韩亚洲高清精品| 插逼视频在线观看| 久久久国产一区二区| 亚洲欧美一区二区三区国产| 国产在线视频一区二区| 少妇人妻 视频| 亚洲高清免费不卡视频| 日日啪夜夜爽| 成人毛片a级毛片在线播放| 日韩av免费高清视频| 国内精品宾馆在线| 国产精品人妻久久久久久| 2022亚洲国产成人精品| 少妇猛男粗大的猛烈进出视频| av线在线观看网站| 国产精品一区二区性色av| 中文精品一卡2卡3卡4更新| 水蜜桃什么品种好| 免费看光身美女| 3wmmmm亚洲av在线观看| 亚洲高清免费不卡视频| 国产高清三级在线| 久久99精品国语久久久| 久久久久久久精品精品| 丁香六月天网| 最新的欧美精品一区二区| 亚洲精品国产色婷婷电影| 性色av一级| 人妻制服诱惑在线中文字幕| 精品久久久久久电影网| 水蜜桃什么品种好| 伦理电影大哥的女人| 桃花免费在线播放| 午夜激情福利司机影院| 日韩熟女老妇一区二区性免费视频| 一区二区av电影网| 能在线免费看毛片的网站| 观看免费一级毛片| 日产精品乱码卡一卡2卡三| 日韩成人av中文字幕在线观看| 成年av动漫网址| 高清午夜精品一区二区三区| 99九九线精品视频在线观看视频| 内地一区二区视频在线| 亚洲精品aⅴ在线观看| 激情五月婷婷亚洲| 中文字幕免费在线视频6| 亚洲av二区三区四区| 黑人高潮一二区| 欧美xxxx性猛交bbbb| 色5月婷婷丁香| 国产熟女午夜一区二区三区 | 久久久a久久爽久久v久久| 成人毛片a级毛片在线播放| 青春草亚洲视频在线观看| 91精品国产九色| 亚洲经典国产精华液单| √禁漫天堂资源中文www| a级毛色黄片| 大香蕉久久网| 一级a做视频免费观看| 免费看av在线观看网站| 永久网站在线| 9色porny在线观看| 观看免费一级毛片| 欧美日韩视频精品一区| 日本欧美国产在线视频| 久久av网站| 国产极品粉嫩免费观看在线 | 麻豆精品久久久久久蜜桃| 一个人看视频在线观看www免费| 久久精品久久久久久噜噜老黄| 亚洲国产最新在线播放| a级一级毛片免费在线观看| 亚洲真实伦在线观看| 久久6这里有精品| 欧美精品高潮呻吟av久久| 亚洲一区二区三区欧美精品| 美女xxoo啪啪120秒动态图| 国产欧美日韩一区二区三区在线 | 一边亲一边摸免费视频| 国产欧美日韩一区二区三区在线 | 亚洲内射少妇av| 亚洲av综合色区一区| .国产精品久久| 777米奇影视久久| 久久精品久久久久久久性| 欧美最新免费一区二区三区| 又粗又硬又长又爽又黄的视频| 韩国av在线不卡| 欧美激情极品国产一区二区三区 | 又大又黄又爽视频免费| 亚洲人与动物交配视频| 人人妻人人澡人人爽人人夜夜| 国产男人的电影天堂91| 国产欧美日韩一区二区三区在线 | 日本猛色少妇xxxxx猛交久久| 性色av一级| 人体艺术视频欧美日本| 美女xxoo啪啪120秒动态图| 亚洲国产精品国产精品| 午夜av观看不卡| 丰满少妇做爰视频| 国产伦精品一区二区三区四那| 91aial.com中文字幕在线观看| 国语对白做爰xxxⅹ性视频网站| 久久国产精品男人的天堂亚洲 | 国产免费一级a男人的天堂| 少妇裸体淫交视频免费看高清| 精品少妇黑人巨大在线播放| 极品人妻少妇av视频| 日韩 亚洲 欧美在线| 国产欧美亚洲国产| 亚洲内射少妇av| 18禁动态无遮挡网站| 日本-黄色视频高清免费观看| 久久ye,这里只有精品| 自线自在国产av| 寂寞人妻少妇视频99o| 99九九线精品视频在线观看视频| 欧美97在线视频| 深夜a级毛片| 亚洲欧美清纯卡通| 女性生殖器流出的白浆| 久久人人爽av亚洲精品天堂| h视频一区二区三区| 99热国产这里只有精品6| 日韩亚洲欧美综合| 国产精品99久久久久久久久| 日韩av免费高清视频| 国产精品蜜桃在线观看| 一级,二级,三级黄色视频| 久久久久人妻精品一区果冻| 中文字幕亚洲精品专区| 久久热精品热| 精品卡一卡二卡四卡免费| 久久久欧美国产精品| 一区二区av电影网| 男人狂女人下面高潮的视频| 又粗又硬又长又爽又黄的视频| 秋霞在线观看毛片| 久久国产精品大桥未久av | 亚洲国产日韩一区二区| 搡老乐熟女国产| 国产深夜福利视频在线观看| 国产一区二区三区av在线| 夜夜骑夜夜射夜夜干| 久久亚洲国产成人精品v| 少妇人妻久久综合中文| 欧美丝袜亚洲另类| 午夜日本视频在线| 在线 av 中文字幕| 夜夜看夜夜爽夜夜摸| 亚洲情色 制服丝袜| 亚洲国产成人一精品久久久| 中文欧美无线码| av不卡在线播放| 国产探花极品一区二区| 精品久久国产蜜桃| 观看免费一级毛片| 亚洲国产精品专区欧美| 精品99又大又爽又粗少妇毛片| 男的添女的下面高潮视频| 王馨瑶露胸无遮挡在线观看| 久热这里只有精品99| 一区二区av电影网| 国产精品蜜桃在线观看| 欧美日韩在线观看h| 性色avwww在线观看| 一个人看视频在线观看www免费| 国产亚洲欧美精品永久| 久久精品国产鲁丝片午夜精品| av在线观看视频网站免费| 插阴视频在线观看视频| 少妇高潮的动态图| 亚洲av电影在线观看一区二区三区| 新久久久久国产一级毛片| 亚洲精品日韩av片在线观看| 国产视频内射| 交换朋友夫妻互换小说| 男人和女人高潮做爰伦理| 成年人免费黄色播放视频 | 国产免费又黄又爽又色| 一级毛片 在线播放| 啦啦啦啦在线视频资源| 天天操日日干夜夜撸| 王馨瑶露胸无遮挡在线观看| 大香蕉久久网| 啦啦啦中文免费视频观看日本| 久热这里只有精品99| 成人国产av品久久久| 少妇精品久久久久久久| 美女国产视频在线观看| 亚洲美女搞黄在线观看| 欧美日韩视频精品一区| 99热全是精品| 男女边摸边吃奶| 美女cb高潮喷水在线观看| 国产一区二区三区综合在线观看 | 中文精品一卡2卡3卡4更新| 亚洲美女搞黄在线观看| 少妇丰满av| 最近的中文字幕免费完整| 国产熟女欧美一区二区| 一区二区三区乱码不卡18| www.av在线官网国产| 成人特级av手机在线观看| 乱码一卡2卡4卡精品| 哪个播放器可以免费观看大片| 久久久久精品性色| 国产女主播在线喷水免费视频网站| 少妇猛男粗大的猛烈进出视频| 人人妻人人爽人人添夜夜欢视频 | 丝袜喷水一区| 十分钟在线观看高清视频www | 日产精品乱码卡一卡2卡三| 成年人午夜在线观看视频| av天堂中文字幕网| 国产免费一区二区三区四区乱码| 岛国毛片在线播放| 日日摸夜夜添夜夜爱| 麻豆成人av视频| 2018国产大陆天天弄谢| 91成人精品电影| 五月伊人婷婷丁香| 国产精品蜜桃在线观看| 欧美日韩精品成人综合77777| 一级黄片播放器| 国产成人精品无人区| 精品国产国语对白av| 成年人免费黄色播放视频 | av视频免费观看在线观看| 亚洲精品乱久久久久久| 国产一区有黄有色的免费视频| 国产伦精品一区二区三区视频9| 另类精品久久| 亚洲天堂av无毛| 国产视频内射| 这个男人来自地球电影免费观看 | av专区在线播放| av又黄又爽大尺度在线免费看| 中文字幕制服av| 欧美亚洲 丝袜 人妻 在线| 国产精品久久久久久精品电影小说| 国产熟女欧美一区二区| 国产在视频线精品| 国产熟女欧美一区二区| 高清欧美精品videossex| 成人亚洲欧美一区二区av| 黄色怎么调成土黄色| 亚洲无线观看免费| 黄色怎么调成土黄色| 亚洲国产精品999| 午夜久久久在线观看| 日本欧美视频一区| 爱豆传媒免费全集在线观看| 国产一区有黄有色的免费视频| 亚洲av男天堂| 乱码一卡2卡4卡精品| 亚洲国产av新网站| 99热这里只有精品一区| 日韩精品有码人妻一区| 晚上一个人看的免费电影| 欧美日韩视频精品一区| 国产精品蜜桃在线观看| 亚洲欧美成人综合另类久久久| 丝袜在线中文字幕| 观看av在线不卡| 欧美3d第一页| 欧美日韩视频精品一区| 观看免费一级毛片| 97超视频在线观看视频| 日韩视频在线欧美| 一边亲一边摸免费视频| 赤兔流量卡办理| 男女边吃奶边做爰视频| 久久毛片免费看一区二区三区| 黑人猛操日本美女一级片| 日韩欧美一区视频在线观看 | 色5月婷婷丁香| 一级二级三级毛片免费看| 国产又色又爽无遮挡免| 国产精品一区二区在线不卡| 中文资源天堂在线| 天堂8中文在线网| a级一级毛片免费在线观看| 色哟哟·www| 免费少妇av软件| 自拍欧美九色日韩亚洲蝌蚪91 | 国产精品女同一区二区软件| 欧美人与善性xxx| 天美传媒精品一区二区| av有码第一页| 精品卡一卡二卡四卡免费| 国产高清不卡午夜福利| 午夜老司机福利剧场| 插逼视频在线观看| 亚洲精品日本国产第一区| 寂寞人妻少妇视频99o| 在线 av 中文字幕| 亚洲激情五月婷婷啪啪| 国产精品国产三级国产专区5o| 汤姆久久久久久久影院中文字幕| 亚洲av综合色区一区| 精华霜和精华液先用哪个| 亚洲av不卡在线观看| 久久久久精品久久久久真实原创| 精品人妻一区二区三区麻豆| 中文精品一卡2卡3卡4更新| 久久精品熟女亚洲av麻豆精品| 国产精品三级大全| a级片在线免费高清观看视频| 99九九线精品视频在线观看视频| 亚洲欧美日韩东京热| 国产成人免费无遮挡视频| h日本视频在线播放| 美女福利国产在线| 在线天堂最新版资源| 亚洲欧美清纯卡通| 美女大奶头黄色视频| 在线免费观看不下载黄p国产| 日韩av在线免费看完整版不卡| 少妇熟女欧美另类| 黄片无遮挡物在线观看| 久久久久久人妻| 菩萨蛮人人尽说江南好唐韦庄| 国产亚洲av片在线观看秒播厂| 亚洲自偷自拍三级| 亚洲人成网站在线观看播放| 丰满乱子伦码专区| 亚洲无线观看免费| 美女福利国产在线| 永久网站在线| 秋霞在线观看毛片| 看非洲黑人一级黄片| 久久久久久久久久久丰满| 日韩大片免费观看网站| 亚洲丝袜综合中文字幕| 国产视频首页在线观看| 麻豆成人av视频| 高清不卡的av网站| 肉色欧美久久久久久久蜜桃| 下体分泌物呈黄色| 亚洲激情五月婷婷啪啪| 久热久热在线精品观看| 桃花免费在线播放| 久热这里只有精品99| 亚洲情色 制服丝袜| 国产在线免费精品| 免费观看的影片在线观看| 欧美xxⅹ黑人| 狂野欧美激情性bbbbbb| av播播在线观看一区| 三上悠亚av全集在线观看 | 国产精品人妻久久久久久| 国产精品女同一区二区软件| 人人妻人人澡人人爽人人夜夜| 亚洲精品国产av成人精品| 欧美精品一区二区大全| 天堂俺去俺来也www色官网| 亚洲精品日韩av片在线观看| av在线app专区| 国产一区亚洲一区在线观看| 久热这里只有精品99| 亚洲国产欧美在线一区| 午夜影院在线不卡| 91久久精品国产一区二区三区| 亚洲久久久国产精品| 国产免费视频播放在线视频| 你懂的网址亚洲精品在线观看| 国产精品嫩草影院av在线观看| 我的老师免费观看完整版| 最近2019中文字幕mv第一页| 国产精品无大码| 熟妇人妻不卡中文字幕| 中国三级夫妇交换| 国产欧美日韩精品一区二区| 成人漫画全彩无遮挡| 欧美日本中文国产一区发布| 能在线免费看毛片的网站| 日韩欧美 国产精品| 亚洲欧美日韩另类电影网站| 午夜av观看不卡| 亚洲国产精品国产精品| √禁漫天堂资源中文www| 国产伦在线观看视频一区| 久久97久久精品| 夜夜看夜夜爽夜夜摸| 少妇 在线观看| 欧美日韩视频精品一区| 一个人免费看片子| 在线观看国产h片| 久久久久久久久久久免费av| 女性被躁到高潮视频| 亚洲精品日韩在线中文字幕| 国产无遮挡羞羞视频在线观看| 欧美bdsm另类| 99热这里只有是精品50| 丰满迷人的少妇在线观看| 黄色一级大片看看| 美女cb高潮喷水在线观看| 亚洲一区二区三区欧美精品| 亚洲人成网站在线播| 亚洲av福利一区| 人妻一区二区av| 少妇猛男粗大的猛烈进出视频| 寂寞人妻少妇视频99o| 三级国产精品片| 日韩不卡一区二区三区视频在线| 男人添女人高潮全过程视频| 久久久久久久精品精品| 成年美女黄网站色视频大全免费 | 赤兔流量卡办理| 亚洲色图综合在线观看| 日本免费在线观看一区| 建设人人有责人人尽责人人享有的| 搡女人真爽免费视频火全软件| 99热这里只有是精品50| 在线观看美女被高潮喷水网站| 99视频精品全部免费 在线| 亚洲四区av| av播播在线观看一区| 日日啪夜夜爽| 国产精品一区二区在线不卡| 黄色日韩在线| 午夜激情福利司机影院| 菩萨蛮人人尽说江南好唐韦庄| 日韩精品免费视频一区二区三区 | 国产伦精品一区二区三区视频9| 亚洲三级黄色毛片| av在线播放精品| 欧美日韩综合久久久久久| 乱系列少妇在线播放| 五月伊人婷婷丁香| 男人添女人高潮全过程视频| 最近中文字幕高清免费大全6| 国产av码专区亚洲av| 韩国av在线不卡| 亚洲怡红院男人天堂| 在线观看免费视频网站a站| 欧美日韩视频高清一区二区三区二| 精品国产露脸久久av麻豆| 日韩一区二区三区影片| 久久久久久伊人网av| 亚洲精品一二三| 亚洲婷婷狠狠爱综合网| freevideosex欧美| 九九爱精品视频在线观看| 在线观看三级黄色| 欧美+日韩+精品| 高清欧美精品videossex| av播播在线观看一区| 精品亚洲成国产av| 人人澡人人妻人| 欧美区成人在线视频| 青春草国产在线视频| 日本vs欧美在线观看视频 | 六月丁香七月| 男人舔奶头视频| 高清毛片免费看| 丰满乱子伦码专区| 国产av精品麻豆| 99热全是精品| 女人精品久久久久毛片| 亚洲精品一二三| 一级毛片我不卡| 蜜臀久久99精品久久宅男| 久久久久久久久久久丰满| 日韩强制内射视频| 全区人妻精品视频| 日本黄色片子视频| 亚洲精品乱久久久久久| 国产在线视频一区二区| av女优亚洲男人天堂| 日韩精品有码人妻一区| 成人午夜精彩视频在线观看| 99九九在线精品视频 | 又爽又黄a免费视频| 国产精品一区二区在线不卡| 熟女电影av网| 国产一级毛片在线| 99久久综合免费| 日韩av不卡免费在线播放| 日日啪夜夜爽| 综合色丁香网| 91久久精品电影网| 中文字幕免费在线视频6| 日本猛色少妇xxxxx猛交久久| 亚洲av二区三区四区| 人妻系列 视频| 色吧在线观看| 久久久久久久久久成人| 国产淫片久久久久久久久| 久久久久精品久久久久真实原创| 午夜免费男女啪啪视频观看| 性色avwww在线观看| 少妇人妻一区二区三区视频| 久久婷婷青草| 精品卡一卡二卡四卡免费| 国产精品偷伦视频观看了| 国产精品麻豆人妻色哟哟久久| 日本爱情动作片www.在线观看| av网站免费在线观看视频| 亚洲av在线观看美女高潮| 狂野欧美激情性xxxx在线观看| 一级毛片黄色毛片免费观看视频| 成人二区视频| 国产亚洲午夜精品一区二区久久| 色网站视频免费| 婷婷色av中文字幕| 一级a做视频免费观看| av天堂中文字幕网| 亚洲成人一二三区av| 亚洲av福利一区| 看十八女毛片水多多多| 亚洲精品第二区| 国产一区亚洲一区在线观看| 少妇高潮的动态图| 国产精品一二三区在线看| 国产亚洲欧美精品永久| 亚洲经典国产精华液单| 妹子高潮喷水视频| 国产亚洲91精品色在线| .国产精品久久| 成人二区视频| 男女边吃奶边做爰视频| 在线天堂最新版资源| 中文字幕亚洲精品专区| 日韩强制内射视频| 亚洲国产精品一区二区三区在线| 亚洲精品国产av蜜桃| 91久久精品国产一区二区三区|