• <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
    国产精品一区www在线观看| 在线天堂最新版资源| 欧美成人a在线观看| 国产视频首页在线观看| 亚洲美女视频黄频| 亚洲成人精品中文字幕电影| 亚洲色图av天堂| 国产亚洲av片在线观看秒播厂| 久久久久国产精品人妻一区二区| 午夜免费鲁丝| 日韩大片免费观看网站| 久久久午夜欧美精品| 波野结衣二区三区在线| 内射极品少妇av片p| .国产精品久久| 国内精品美女久久久久久| 午夜福利网站1000一区二区三区| 交换朋友夫妻互换小说| 91久久精品电影网| 身体一侧抽搐| 一区二区三区精品91| 搡女人真爽免费视频火全软件| 精品一区二区免费观看| 亚洲一级一片aⅴ在线观看| 777米奇影视久久| 日日撸夜夜添| 亚洲欧洲国产日韩| 成人黄色视频免费在线看| 亚洲精品aⅴ在线观看| 九九在线视频观看精品| 日本免费在线观看一区| h日本视频在线播放| 国产毛片在线视频| 成年女人在线观看亚洲视频 | 国产精品麻豆人妻色哟哟久久| 又爽又黄无遮挡网站| 丝袜脚勾引网站| a级毛色黄片| 天堂俺去俺来也www色官网| 午夜精品国产一区二区电影 | 看免费成人av毛片| 国产高清不卡午夜福利| 99re6热这里在线精品视频| 又黄又爽又刺激的免费视频.| 秋霞在线观看毛片| 91精品伊人久久大香线蕉| 欧美少妇被猛烈插入视频| 搡女人真爽免费视频火全软件| 国产免费福利视频在线观看| 国产色婷婷99| 亚洲精品中文字幕在线视频 | 在线免费观看不下载黄p国产| 亚洲,一卡二卡三卡| 久久人人爽人人爽人人片va| 亚洲精品日韩av片在线观看| 精品熟女少妇av免费看| 欧美日本视频| 国产日韩欧美在线精品| 久久久久久久大尺度免费视频| 国产在视频线精品| 美女xxoo啪啪120秒动态图| 一级毛片 在线播放| 九九久久精品国产亚洲av麻豆| 自拍偷自拍亚洲精品老妇| 99热全是精品| 大码成人一级视频| 亚洲av成人精品一二三区| 少妇丰满av| 精华霜和精华液先用哪个| 亚洲精品日韩在线中文字幕| 国产爱豆传媒在线观看| 高清午夜精品一区二区三区| 九草在线视频观看| 特级一级黄色大片| 亚洲,欧美,日韩| 午夜精品国产一区二区电影 | 九九爱精品视频在线观看| 熟妇人妻不卡中文字幕| 久久久久久久久久久丰满| 熟妇人妻不卡中文字幕| 中文字幕免费在线视频6| 亚洲不卡免费看| 免费黄网站久久成人精品| 99热这里只有精品一区| 国产欧美日韩一区二区三区在线 | 免费看日本二区| 亚洲成人一二三区av| 亚洲精品乱码久久久v下载方式| av又黄又爽大尺度在线免费看| 夜夜看夜夜爽夜夜摸| 国产精品一区二区在线观看99| 九草在线视频观看| 人妻 亚洲 视频| a级一级毛片免费在线观看| 97超碰精品成人国产| 亚洲在久久综合| 岛国毛片在线播放| 男女啪啪激烈高潮av片| 日本wwww免费看| 中文精品一卡2卡3卡4更新| 精品久久久久久久末码| 三级国产精品片| 晚上一个人看的免费电影| 别揉我奶头 嗯啊视频| 免费黄网站久久成人精品| 亚洲av在线观看美女高潮| 亚洲国产精品国产精品| 可以在线观看毛片的网站| 久久久久国产网址| 交换朋友夫妻互换小说| av免费观看日本| 久久ye,这里只有精品| 一级毛片我不卡| 美女cb高潮喷水在线观看| 亚洲精品国产av成人精品| 日本av手机在线免费观看| 国精品久久久久久国模美| 日韩欧美精品免费久久| 一级黄片播放器| 亚洲精品成人av观看孕妇| 欧美极品一区二区三区四区| 男人添女人高潮全过程视频| av天堂中文字幕网| 日本与韩国留学比较| 亚洲精品乱久久久久久| 国产精品爽爽va在线观看网站| 亚洲成人中文字幕在线播放| 亚洲av电影在线观看一区二区三区 | 久久久亚洲精品成人影院| 97人妻精品一区二区三区麻豆| 综合色av麻豆| 麻豆精品久久久久久蜜桃| 小蜜桃在线观看免费完整版高清| 国产爱豆传媒在线观看| 亚洲国产欧美人成| av女优亚洲男人天堂| 精品亚洲乱码少妇综合久久| www.av在线官网国产| 自拍偷自拍亚洲精品老妇| 国产精品三级大全| 国语对白做爰xxxⅹ性视频网站| 亚洲av不卡在线观看| 亚洲欧美成人精品一区二区| 国产高潮美女av| 精品久久久久久久久av| 麻豆成人午夜福利视频| 久久精品熟女亚洲av麻豆精品| 国内精品美女久久久久久| 国产精品国产三级国产av玫瑰| 王馨瑶露胸无遮挡在线观看| 在线亚洲精品国产二区图片欧美 | 日韩一本色道免费dvd| 一级a做视频免费观看| 国产老妇伦熟女老妇高清| 免费少妇av软件| 国产午夜福利久久久久久| 日韩三级伦理在线观看| 97热精品久久久久久| 成人亚洲精品av一区二区| 一个人看视频在线观看www免费| 日韩人妻高清精品专区| www.色视频.com| 亚洲精品影视一区二区三区av| 狠狠精品人妻久久久久久综合| 国产毛片a区久久久久| 国产 一区精品| 嫩草影院精品99| 久久精品国产亚洲网站| 18+在线观看网站| 亚洲精品视频女| 午夜激情福利司机影院| 精品一区二区三卡| 91午夜精品亚洲一区二区三区| 成人特级av手机在线观看| 99热6这里只有精品| 日日摸夜夜添夜夜添av毛片| 亚洲精品,欧美精品| 亚洲最大成人av| 国产精品99久久99久久久不卡 | 男女那种视频在线观看| 国产有黄有色有爽视频| 五月玫瑰六月丁香| 简卡轻食公司| 男女那种视频在线观看| 大陆偷拍与自拍| 婷婷色麻豆天堂久久| 亚洲欧洲日产国产| 春色校园在线视频观看| av黄色大香蕉| 亚洲欧美一区二区三区黑人 | 97精品久久久久久久久久精品| 精品一区在线观看国产| 天天躁日日操中文字幕| 国产成人aa在线观看| 人妻系列 视频| 日韩电影二区| 三级经典国产精品| 91久久精品电影网| 亚洲国产精品专区欧美| 久久ye,这里只有精品| 国产黄片视频在线免费观看| 国产老妇伦熟女老妇高清| 中文字幕亚洲精品专区| 久久99热6这里只有精品| 一级av片app| 在线亚洲精品国产二区图片欧美 | 91精品伊人久久大香线蕉| 欧美成人a在线观看| 国产精品99久久99久久久不卡 | 五月开心婷婷网| www.av在线官网国产| 国产探花极品一区二区| 人妻一区二区av| 亚洲无线观看免费| 亚洲最大成人中文| 欧美激情久久久久久爽电影| 日韩,欧美,国产一区二区三区| 国产午夜精品一二区理论片| 人人妻人人爽人人添夜夜欢视频 | 欧美三级亚洲精品| 夫妻性生交免费视频一级片| 全区人妻精品视频| 九草在线视频观看| 成年版毛片免费区| 国产熟女欧美一区二区| 中文字幕av成人在线电影| 日本午夜av视频| 国产高清国产精品国产三级 | 哪个播放器可以免费观看大片| 国产伦精品一区二区三区视频9| 26uuu在线亚洲综合色| 国产欧美另类精品又又久久亚洲欧美| 各种免费的搞黄视频| 欧美另类一区| 综合色丁香网| 嫩草影院入口| 日韩亚洲欧美综合| 国产黄色视频一区二区在线观看| 建设人人有责人人尽责人人享有的 | 欧美成人一区二区免费高清观看| 久久韩国三级中文字幕| 六月丁香七月| 国产美女午夜福利| 香蕉精品网在线| av专区在线播放| 国产伦理片在线播放av一区| h日本视频在线播放| 午夜福利在线观看免费完整高清在| 亚洲欧美日韩无卡精品| 精品国产乱码久久久久久小说| 亚洲精品国产成人久久av| 大香蕉97超碰在线| 久久久久久久国产电影| 青春草视频在线免费观看| 十八禁网站网址无遮挡 | 嫩草影院入口| 在线免费十八禁| 午夜精品国产一区二区电影 | 我的老师免费观看完整版| 久久久久久久久大av| 一级二级三级毛片免费看| 大香蕉97超碰在线| 亚洲成人一二三区av| 中文字幕亚洲精品专区| 国产精品麻豆人妻色哟哟久久| 欧美97在线视频| 熟女av电影| 三级国产精品欧美在线观看| av播播在线观看一区| 国产伦精品一区二区三区视频9| 五月玫瑰六月丁香| 我要看日韩黄色一级片| 日韩免费高清中文字幕av| 精品人妻一区二区三区麻豆| 亚洲av中文字字幕乱码综合| 日日摸夜夜添夜夜添av毛片| 亚洲欧美一区二区三区黑人 | 日本猛色少妇xxxxx猛交久久| 97热精品久久久久久| 精品人妻一区二区三区麻豆| 99久久九九国产精品国产免费| 国产真实伦视频高清在线观看| 成人漫画全彩无遮挡| 精品国产一区二区三区久久久樱花 | 久久99热这里只频精品6学生| 免费看日本二区| 网址你懂的国产日韩在线| 日韩伦理黄色片| 欧美日韩视频高清一区二区三区二| 麻豆乱淫一区二区| 又黄又爽又刺激的免费视频.| 国产精品.久久久| 亚洲av中文av极速乱| 大码成人一级视频| 天天躁日日操中文字幕| 韩国av在线不卡| 天堂网av新在线| 久久久久久久久久久免费av| 2022亚洲国产成人精品| 综合色丁香网| 亚洲av在线观看美女高潮| 九九在线视频观看精品| 最近最新中文字幕免费大全7| 好男人视频免费观看在线| 国产亚洲av片在线观看秒播厂| 精品熟女少妇av免费看| 国产精品三级大全| 国产亚洲一区二区精品| 一个人看的www免费观看视频| 黑人高潮一二区| 狂野欧美白嫩少妇大欣赏| 另类亚洲欧美激情| 97人妻精品一区二区三区麻豆| 日日摸夜夜添夜夜爱| 日本三级黄在线观看| 国产成人精品久久久久久| 亚洲精品国产色婷婷电影| 日本黄色片子视频| 99久久九九国产精品国产免费| 免费电影在线观看免费观看| 国产亚洲av嫩草精品影院| 亚洲人成网站在线观看播放| 亚洲天堂av无毛| av卡一久久| 99热这里只有是精品50| 男人舔奶头视频| 精品少妇久久久久久888优播| 亚洲精品一区蜜桃| 成人毛片a级毛片在线播放| 听说在线观看完整版免费高清| 青春草国产在线视频| 伊人久久精品亚洲午夜| 少妇人妻 视频| 老司机影院成人| 高清视频免费观看一区二区| 婷婷色综合大香蕉| 大片免费播放器 马上看| 精品久久久噜噜| 男人舔奶头视频| 一级二级三级毛片免费看| av线在线观看网站| 国产av码专区亚洲av| 国产精品三级大全| 国产精品伦人一区二区| 成人亚洲欧美一区二区av| 国产亚洲午夜精品一区二区久久 | 99热这里只有精品一区| 熟女av电影| 九九久久精品国产亚洲av麻豆| 热99国产精品久久久久久7| 免费看不卡的av| 亚洲精品日韩av片在线观看| 亚洲婷婷狠狠爱综合网| 伊人久久国产一区二区| 久久久久久九九精品二区国产| 观看美女的网站| 国产综合懂色| 纵有疾风起免费观看全集完整版| 噜噜噜噜噜久久久久久91| 欧美成人精品欧美一级黄| 免费观看av网站的网址| 国产精品精品国产色婷婷| 亚洲国产精品国产精品| 两个人的视频大全免费| 青青草视频在线视频观看| 老师上课跳d突然被开到最大视频| 国产乱人视频| 丝袜美腿在线中文| 男人添女人高潮全过程视频| 中文欧美无线码| 成人无遮挡网站| 成人午夜精彩视频在线观看| 26uuu在线亚洲综合色| 老司机影院成人| 亚洲无线观看免费| 一区二区av电影网| 日本欧美国产在线视频| 在线播放无遮挡| 精品久久久久久电影网| 日韩 亚洲 欧美在线| 伊人久久精品亚洲午夜| 免费不卡的大黄色大毛片视频在线观看| 最近的中文字幕免费完整| h日本视频在线播放| 少妇的逼好多水| 男人狂女人下面高潮的视频| 插逼视频在线观看| 男女国产视频网站| 如何舔出高潮| 成人毛片60女人毛片免费| 久久人人爽av亚洲精品天堂 | 女的被弄到高潮叫床怎么办| 99视频精品全部免费 在线| 亚洲内射少妇av| 亚洲国产成人一精品久久久| 亚洲精品aⅴ在线观看| 91久久精品国产一区二区成人| 美女被艹到高潮喷水动态| 亚洲欧美日韩无卡精品| 日本欧美国产在线视频| 欧美+日韩+精品| 国产男人的电影天堂91| 亚洲精品456在线播放app| 人体艺术视频欧美日本| 18禁在线播放成人免费| 亚洲天堂国产精品一区在线| 国产精品偷伦视频观看了| 婷婷色综合www| 国产成人一区二区在线| 最近最新中文字幕免费大全7| 欧美xxxx性猛交bbbb| 搞女人的毛片| www.色视频.com| 国产精品国产三级国产专区5o| 免费观看av网站的网址| 国产高潮美女av| 久久韩国三级中文字幕| 日韩视频在线欧美| 亚洲av国产av综合av卡| 91aial.com中文字幕在线观看| 青青草视频在线视频观看| 久久久久久久大尺度免费视频| 欧美最新免费一区二区三区| 国产国拍精品亚洲av在线观看| 免费黄色在线免费观看| 黄色一级大片看看| 一级毛片 在线播放| 男人和女人高潮做爰伦理| 最近最新中文字幕大全电影3| 麻豆久久精品国产亚洲av| 丰满乱子伦码专区| 免费看日本二区| 网址你懂的国产日韩在线| 18禁裸乳无遮挡动漫免费视频 | av在线亚洲专区| 国产精品av视频在线免费观看| 最近手机中文字幕大全| 亚洲av中文字字幕乱码综合| 久久精品久久久久久噜噜老黄| 国产在视频线精品| 人人妻人人看人人澡| 亚洲av成人精品一二三区| 中文乱码字字幕精品一区二区三区| 精品久久久精品久久久| 熟妇人妻不卡中文字幕| 亚洲第一区二区三区不卡| 国产亚洲午夜精品一区二区久久 | 在线天堂最新版资源| 亚洲欧洲日产国产| 干丝袜人妻中文字幕| 精品国产露脸久久av麻豆| 夫妻午夜视频| 国产精品蜜桃在线观看| 你懂的网址亚洲精品在线观看| 精品久久久久久久久av| 欧美3d第一页| 亚洲成人av在线免费| 国产亚洲91精品色在线| 免费看日本二区| 国产精品久久久久久久电影| 久久久精品欧美日韩精品| 欧美潮喷喷水| 99热网站在线观看| 91精品国产九色| 亚洲欧美精品自产自拍| av在线天堂中文字幕| 丝瓜视频免费看黄片| 国产免费一级a男人的天堂| 久久综合国产亚洲精品| 免费黄频网站在线观看国产| 欧美日韩一区二区视频在线观看视频在线 | 亚洲欧美一区二区三区黑人 | 丰满乱子伦码专区| 直男gayav资源| 亚洲激情五月婷婷啪啪| 欧美成人a在线观看| 人妻 亚洲 视频| 精品国产三级普通话版| 下体分泌物呈黄色| 成年版毛片免费区| 国产亚洲午夜精品一区二区久久 | 国产精品国产三级专区第一集| 97热精品久久久久久| 在线精品无人区一区二区三 | 国产精品人妻久久久影院| 一级爰片在线观看| 亚洲一级一片aⅴ在线观看| 丝瓜视频免费看黄片| 在线观看一区二区三区| 在线亚洲精品国产二区图片欧美 | 99热网站在线观看| 国产视频内射| 免费观看av网站的网址| 日本爱情动作片www.在线观看| 青春草视频在线免费观看| av国产免费在线观看| av女优亚洲男人天堂| 国产白丝娇喘喷水9色精品| 欧美另类一区| 极品少妇高潮喷水抽搐| 2022亚洲国产成人精品| 欧美日韩国产mv在线观看视频 | 中文在线观看免费www的网站| 亚洲精品久久久久久婷婷小说| 久久午夜福利片| 国产伦理片在线播放av一区| 97超视频在线观看视频| 韩国高清视频一区二区三区| 欧美日韩综合久久久久久| av在线天堂中文字幕| 亚洲人成网站高清观看| 国产真实伦视频高清在线观看| 国产精品嫩草影院av在线观看| 九草在线视频观看| 欧美少妇被猛烈插入视频| 亚洲av在线观看美女高潮| 国产黄频视频在线观看| 午夜福利视频1000在线观看| 内射极品少妇av片p| 亚洲内射少妇av| 国产日韩欧美亚洲二区| 精品人妻视频免费看| 亚洲欧美一区二区三区国产| 成人亚洲欧美一区二区av| 日韩成人av中文字幕在线观看| 成人美女网站在线观看视频| 99热国产这里只有精品6| 天堂俺去俺来也www色官网| 三级国产精品欧美在线观看| 六月丁香七月| 天天一区二区日本电影三级| 国产黄a三级三级三级人| 亚洲不卡免费看| 亚洲美女视频黄频| 尤物成人国产欧美一区二区三区| 男的添女的下面高潮视频| 一级毛片我不卡| 成人亚洲精品一区在线观看 | 不卡视频在线观看欧美| 高清日韩中文字幕在线| 国产精品久久久久久精品古装| 看十八女毛片水多多多| 国产精品秋霞免费鲁丝片| 成人二区视频| 成人黄色视频免费在线看| 简卡轻食公司| 高清午夜精品一区二区三区| 久久97久久精品| 亚洲国产精品999| 欧美国产精品一级二级三级 | 国产精品成人在线| 简卡轻食公司| 人妻夜夜爽99麻豆av| 日本一二三区视频观看| 国产男女超爽视频在线观看| 少妇猛男粗大的猛烈进出视频 | 听说在线观看完整版免费高清| av专区在线播放| 有码 亚洲区| 日韩视频在线欧美| 亚洲av免费在线观看| av在线app专区| 少妇人妻 视频| 亚洲人成网站在线播| av国产免费在线观看| 又爽又黄无遮挡网站| 日本与韩国留学比较| 少妇熟女欧美另类| 久久久亚洲精品成人影院| 精品一区二区三区视频在线| 日本免费在线观看一区| 国模一区二区三区四区视频| h日本视频在线播放| 亚洲aⅴ乱码一区二区在线播放| 特级一级黄色大片| 国产精品女同一区二区软件| 亚洲精品一二三| 国产高清国产精品国产三级 | av在线app专区| 亚洲怡红院男人天堂| 九九爱精品视频在线观看| 精品国产三级普通话版| 久久久久久久国产电影| 黄片wwwwww| 中文字幕亚洲精品专区| 日韩中字成人| 99热这里只有精品一区| 亚洲欧美成人综合另类久久久| 欧美高清性xxxxhd video| 成人国产麻豆网| 欧美成人午夜免费资源| 少妇人妻久久综合中文| 老女人水多毛片| 各种免费的搞黄视频| 国产色爽女视频免费观看| 美女国产视频在线观看| 亚洲久久久久久中文字幕| 免费人成在线观看视频色| 欧美bdsm另类| 色视频www国产| 国产爱豆传媒在线观看| 美女cb高潮喷水在线观看| 波野结衣二区三区在线| 五月玫瑰六月丁香| 九九爱精品视频在线观看| 日本wwww免费看| 国产精品伦人一区二区| 欧美精品人与动牲交sv欧美| 精品一区二区三区视频在线| 亚洲欧美精品自产自拍| 国产免费一区二区三区四区乱码| 国产有黄有色有爽视频| 国模一区二区三区四区视频| 熟女电影av网| 王馨瑶露胸无遮挡在线观看|