• <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 ?

    基于深度卷積神經(jīng)網(wǎng)絡(luò)和局部敏感哈希的圖像檢索

    2020-07-01 05:35:56廖榮凡沈希忠
    關(guān)鍵詞:哈希檢索卷積

    廖榮凡, 沈希忠

    (上海應(yīng)用技術(shù)大學(xué) 電氣與電子工程學(xué)院, 上海 201418)

    在網(wǎng)絡(luò)信息技術(shù)日益發(fā)達(dá)的背景下,網(wǎng)絡(luò)圖像資源迅速增長,如何實(shí)現(xiàn)快速有效的檢索成為了亟待解決的問題。當(dāng)前基于內(nèi)容的圖像檢索(content-based image retrieval, CBIR)成為研究的熱點(diǎn)之一?;趫D像內(nèi)容的檢索技術(shù)流程是通過提取圖像紋理、形狀和色彩分布等特征,計(jì)算待檢索圖像與已經(jīng)構(gòu)建好的圖像數(shù)據(jù)庫中各個(gè)圖像的距離,返回與待檢索圖像最接近的圖像。檢索中最具有挑戰(zhàn)性的問題是如何將圖像像素層面的信息與個(gè)人理解的圖像語義聯(lián)系起來[1]。

    深度卷積神經(jīng)網(wǎng)絡(luò)在圖像分類、圖像語義分割和目標(biāo)檢測等計(jì)算機(jī)視覺領(lǐng)域表現(xiàn)優(yōu)異,對圖像底層和中層特征有很好的表達(dá)能力。相對于人工選擇圖像特征表達(dá)圖片內(nèi)容的方法,例如SIFT[2]、HOG[3],卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)到的高維圖像特征可以更好地表達(dá)圖像信息,但也增加了計(jì)算復(fù)雜度,尤其是在大數(shù)據(jù)背景下,訓(xùn)練1個(gè)大型深度卷積神經(jīng)網(wǎng)絡(luò)使其收斂到較高的精度,然后用于圖像檢索任務(wù),往往需要很大的計(jì)算開銷,同時(shí)對于檢索本身而言高維度的特征向量也較低了檢索的效率。

    Krizhevsky等[4]使用其提出的Alex-Net網(wǎng)絡(luò)的第7層(全連接層)輸出作為圖像的特征向量,用于圖像檢索,在ImageNet數(shù)據(jù)集[5]上取得了很好的表現(xiàn)。但是其輸出的特征向量高達(dá) 4 096 維,檢索大量 4 096 維的數(shù)據(jù),判斷2個(gè)向量的相似度,其計(jì)算速度是一個(gè)值得優(yōu)化的問題。Babenko等[6]使用主成分分析(PCA)壓縮特征向量的維度,實(shí)現(xiàn)數(shù)據(jù)降維,明顯地加快了檢索速度,但是比較2個(gè)矩陣的相似度依然不是一個(gè)高效的運(yùn)算。文獻(xiàn)[7-10]提出使用近似最近鄰(approximate nearest neighbor,ANN)算法加速運(yùn)算,如局部敏感哈希(locality sensitive hash,LSH),將高維度的特征數(shù)據(jù)映射到低維度的二值空間中,形成二值編碼后,比較它們的漢明距離可以進(jìn)一步提高檢索速度[11]。

    在Alex-Net網(wǎng)絡(luò)之后涌現(xiàn)出了一系列表現(xiàn)優(yōu)異同時(shí)也更加復(fù)雜的卷積網(wǎng)絡(luò),如VGGNet[12]、Inception[13]和Xception[14]等,這些網(wǎng)絡(luò)雖然提高了圖像檢索的精度但因?yàn)榫薮蟮挠?jì)算開銷同時(shí)也增加了網(wǎng)絡(luò)訓(xùn)練的難度。

    本文設(shè)計(jì)的檢索方法提供了一種簡潔有效的圖像檢索框架。在計(jì)算資源有限的情況下,利用遷移學(xué)習(xí)方式[4]使用VGG16深度卷積神經(jīng)網(wǎng)絡(luò)在ImageNet數(shù)據(jù)集上訓(xùn)練好的模型完成圖像檢索任務(wù),并使用LSH算法進(jìn)一步提升檢索速度。

    圖1 檢索圖片F(xiàn)ig.1 Retrieve image

    1 圖像檢索方法

    通過遷移學(xué)習(xí)方式使用VGG16深度卷積神經(jīng)網(wǎng)絡(luò)[12]在ImageNet數(shù)據(jù)集上訓(xùn)練好的模型,先采集由其全連接層輸出的高維圖像特征,再經(jīng)局部敏感哈希處理保存圖像的二值化特征編碼建立圖像的特征數(shù)據(jù)集,最后將待檢索圖片輸入到網(wǎng)絡(luò)中得到圖像的特征編碼和數(shù)據(jù)庫中的特征數(shù)據(jù)集進(jìn)行比較返回最相近的圖像。

    1.1 深度卷積VGGNet網(wǎng)絡(luò)

    卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network, CNN)是一種專門用來處理具有類似網(wǎng)格結(jié)構(gòu)數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò),如時(shí)間序列數(shù)據(jù)和圖像數(shù)據(jù)[15],具有很好的特征提取能力,可以層次化提取圖像的像素特征完成高精度的圖像分類。

    VGGNet由牛津大學(xué)開發(fā)。VGG16網(wǎng)絡(luò)[12]包括13個(gè)卷積層、5個(gè)池化層和3個(gè)全連接層。它的輸入為224×224×3(pixel)的RGB圖像,整個(gè)網(wǎng)絡(luò)只使用3×3的卷積核,卷積步長為1,而池化層均采用2×2的最大池化,由全連接層實(shí)現(xiàn)對ImageNet數(shù)據(jù)集的分類。

    卷積神經(jīng)網(wǎng)絡(luò)全連接層的輸出包含輸入圖像的視覺特征,可以看成為輸入圖像的特定編碼,具有相似編碼的圖像也具有相似的圖像特征[16-17]。使用VGG16網(wǎng)絡(luò)在ImageNet數(shù)據(jù)集上訓(xùn)練好的模型,分離網(wǎng)絡(luò)的圖像分類層(softmax layer)使用其全連接層的輸出作為圖像檢索的特征編碼,建立檢索圖像數(shù)據(jù)集的特征索引(見圖1)。

    設(shè)圖像數(shù)據(jù)集中有N張圖片,數(shù)據(jù)集中第i(0≤i≤N)張圖片的特征編碼為vi∈Rm,待檢索圖片特征為vq∈Rm,其中m為特征的維度。2張圖片間的距離定義為

    li=‖vi-vq‖q

    (1)

    在圖片搜索時(shí),將待檢索圖片輸入神經(jīng)網(wǎng)絡(luò)得到檢索圖片的特征編碼vq后與數(shù)據(jù)庫中的各圖像特征vi對比,計(jì)算圖像特征之間的距離,如式(1),按距離的大小返回距離最小的前n張圖片。

    1.2 局部敏感哈希

    哈希算法指的是構(gòu)建一個(gè)哈希模型,使用該哈希模型,可以將高維度的圖片特征映射為低維度的哈希編碼。局部敏感哈希(local sensitive Hash)算法主要用來解決高維空間中點(diǎn)的近似最近鄰搜索問題。局部敏感哈希函數(shù)定義:

    (2)

    式中:r為超平面向量符合高維高斯N(0,1)分布[2];vi∈Rm代表樣本的特征向量。

    具體過程如下,給1個(gè)樣本特征v∈Rm,將v代入哈希函數(shù)H={h1,h2,…,hk},得到二值編碼的計(jì)算過程:

    y={h1(v),h2(v),…,hk(v)}

    (3)

    這個(gè)過程也可以表示為:

    H:v→{h1(v),h2(v), …,hk(v)}

    (4)

    得到哈希編碼后,對圖片進(jìn)行最近鄰搜索,通過計(jì)算待檢索圖片的哈希碼與數(shù)據(jù)庫中各圖片哈希碼的漢明距離,得到與待檢索圖片特征最相似的結(jié)果。

    2張圖片的特征向量為vi和vj,它們的哈希編碼分別為yi=[h1(vi),h2(vi), …,hk(vi)]和yj=[h1(vj),h2(vj), …,hk(vj)],則它們的哈希距離定義為:

    dH(yi,yj)=‖yi-yj‖1

    (5)

    在實(shí)際計(jì)算中,因?yàn)楣4a由0和1構(gòu)成,因此其哈希距離可以直接通過計(jì)算機(jī)中的位操作來進(jìn)行,因此大大提升了計(jì)算速度。相較于在原始的特征空間中利用圖片特征進(jìn)行檢索,利用圖片的哈希編碼進(jìn)行最近鄰搜索明顯地加快了檢索的速度。

    2 實(shí) 驗(yàn)

    在ImageNet ILSVRC2012_img_val驗(yàn)證數(shù)據(jù)集上檢驗(yàn)實(shí)驗(yàn)的效果。此數(shù)據(jù)集是ILSVRC2012訓(xùn)練數(shù)據(jù)集的驗(yàn)證數(shù)據(jù)集包含 50 000 張不同類型的圖片。實(shí)驗(yàn)先利用VGG16網(wǎng)絡(luò)建立數(shù)據(jù)集圖片的特征索引,然后進(jìn)行檢索,驗(yàn)證實(shí)驗(yàn)的檢索精度,最后使用局部敏感哈希加速檢索速度,提高大規(guī)模圖像數(shù)據(jù)檢索的時(shí)效性。

    2.1 卷積神經(jīng)網(wǎng)絡(luò)輸出特征檢索的有效性

    使用基于距離排序的準(zhǔn)確率測量方法,給出帶查詢圖片q,檢索出數(shù)據(jù)庫中距離q最近的前k張圖片,其中第i(0≤i≤k)張圖片的標(biāo)簽(label)若與圖片q的標(biāo)簽相同則記val(i)=1,否則記val(i)=0。檢索精度P的計(jì)算公式為

    (6)

    取j張圖片,每張圖片的檢索精度記為pj則模型的平均檢測精度為:

    (7)

    使用10張驗(yàn)證集中的圖片(見圖1)。每張圖片檢索時(shí)取k=1、5、10,經(jīng)過多次檢索實(shí)驗(yàn),上述網(wǎng)絡(luò)的檢索精度如表1所示。部分圖片檢索結(jié)果如附錄1所示。

    表1 圖片檢索精度Tab.1 Image retrieval accuracy

    由實(shí)驗(yàn)結(jié)果分析可見當(dāng)k=1時(shí),即對輸入圖像進(jìn)行匹配時(shí)可以完全精準(zhǔn)地匹配到數(shù)據(jù)集中的對象。當(dāng)k=5、10時(shí),基于圖像內(nèi)容的檢索精度分別為0.93和0.83,在準(zhǔn)確判斷圖像類別的基礎(chǔ)上還可以依據(jù)圖像的像素特征返回相近的圖片。

    2.2 使用局部敏感哈希提升檢索速度

    使用局部敏感哈希算法將圖像的高維特征映射到8維的哈??臻g中建立圖像索引,然后對上述提到的10張標(biāo)準(zhǔn)圖片檢索。在上述相同數(shù)據(jù)集上檢索的時(shí)間,見表2。其中部分檢索圖像結(jié)果如附錄2所示。

    表2 使用VGG網(wǎng)絡(luò)和VGG+LSH算法檢索的時(shí)間開銷Tab.2 Retrieval time using VGG network and VGG+LSH algorithm s

    由上述實(shí)驗(yàn)結(jié)果可見在大規(guī)模數(shù)據(jù)集上使用這種方法可以明顯提高檢索的速度。在本圖像數(shù)據(jù)集(50 000 張)中局部敏感哈希算法將檢索速度提升了近3倍。使用上文設(shè)定的10張標(biāo)準(zhǔn)檢索圖片,按式(7)計(jì)算局部敏感哈希算法檢索圖片的精度。取k=1、5、10,經(jīng)過多次檢索實(shí)驗(yàn),上述網(wǎng)絡(luò)的檢索精度如表3所示。實(shí)驗(yàn)表明使用VGG16網(wǎng)絡(luò)結(jié)合局部敏感哈希算法檢索圖像可以在不明顯影響檢索精度的情況下大幅提升檢索速度。

    表3 VGG+LSH檢索精度Tab.3 Image retrieval accuracy of VGG+LSH

    3 結(jié) 語

    本文通過使用深度卷積神經(jīng)網(wǎng)絡(luò)的全連接層輸出作為圖像的特征編碼,用于端到端的基于內(nèi)容的圖像檢索,并使用局部敏感哈希算法加速檢索。實(shí)驗(yàn)表明使用VGG16網(wǎng)絡(luò)結(jié)合局部敏感哈希算法檢索圖像可以大幅提升檢索速度,同時(shí)保持較高的檢索精度。本文設(shè)計(jì)的圖像檢索方法提供了一種在計(jì)算資源有限情況下實(shí)現(xiàn)大規(guī)模圖像檢索的輕便框架,可有效完成大規(guī)模數(shù)據(jù)的圖像檢索和匹配任務(wù)。

    猜你喜歡
    哈希檢索卷積
    基于3D-Winograd的快速卷積算法設(shè)計(jì)及FPGA實(shí)現(xiàn)
    2019年第4-6期便捷檢索目錄
    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
    專利檢索中“語義”的表現(xiàn)
    專利代理(2016年1期)2016-05-17 06:14:36
    基于OpenCV與均值哈希算法的人臉相似識別系統(tǒng)
    基于維度分解的哈希多維快速流分類算法
    一種基于卷積神經(jīng)網(wǎng)絡(luò)的性別識別方法
    基于同態(tài)哈希函數(shù)的云數(shù)據(jù)完整性驗(yàn)證算法
    一種基于Bigram二級哈希的中文索引結(jié)構(gòu)
    大型黄色视频在线免费观看| 狂野欧美白嫩少妇大欣赏| 中文在线观看免费www的网站| 深夜精品福利| 最新中文字幕久久久久| 有码 亚洲区| 亚洲狠狠婷婷综合久久图片| 琪琪午夜伦伦电影理论片6080| 亚洲精品国产成人久久av| 深夜精品福利| 久久久久久国产a免费观看| 国产精品久久久久久精品电影| 精品福利观看| 精品久久久久久久久久久久久| 能在线免费观看的黄片| 一本久久中文字幕| 亚洲熟妇中文字幕五十中出| 国产真实伦视频高清在线观看 | 中文字幕av成人在线电影| 在线天堂最新版资源| 麻豆成人av在线观看| 99热这里只有是精品50| 欧洲精品卡2卡3卡4卡5卡区| 麻豆国产av国片精品| 免费搜索国产男女视频| 嫩草影院入口| 中出人妻视频一区二区| 大又大粗又爽又黄少妇毛片口| a级一级毛片免费在线观看| 日韩大尺度精品在线看网址| 国产高清不卡午夜福利| 少妇人妻一区二区三区视频| 99在线人妻在线中文字幕| 身体一侧抽搐| 色在线成人网| 欧美精品国产亚洲| 久久天躁狠狠躁夜夜2o2o| 熟女人妻精品中文字幕| 亚洲精品456在线播放app | 久久欧美精品欧美久久欧美| 亚洲国产高清在线一区二区三| 中文字幕av成人在线电影| 久久婷婷人人爽人人干人人爱| 久久久久久久午夜电影| 男人的好看免费观看在线视频| 国产亚洲欧美98| 久久久精品大字幕| 亚洲av二区三区四区| 欧美日韩黄片免| 波多野结衣高清无吗| 国产精品av视频在线免费观看| 亚洲国产欧美人成| 性插视频无遮挡在线免费观看| 51国产日韩欧美| 色尼玛亚洲综合影院| 人妻久久中文字幕网| 久久国产精品人妻蜜桃| 亚洲av二区三区四区| 男人舔奶头视频| 搡老岳熟女国产| 99在线人妻在线中文字幕| 嫩草影院入口| 91麻豆av在线| 午夜视频国产福利| 免费在线观看影片大全网站| 国产三级在线视频| a级毛片免费高清观看在线播放| 国产成人影院久久av| 国产精品美女特级片免费视频播放器| 亚洲第一电影网av| 黄色一级大片看看| 国产 一区精品| 亚洲av美国av| 嫩草影院入口| 啦啦啦啦在线视频资源| 日本在线视频免费播放| 亚洲无线观看免费| 免费看光身美女| 国产成人a区在线观看| 欧美另类亚洲清纯唯美| 亚洲中文日韩欧美视频| 日本黄色视频三级网站网址| 99久久精品热视频| 狠狠狠狠99中文字幕| 18禁黄网站禁片午夜丰满| 成年女人毛片免费观看观看9| 国产成人a区在线观看| 天天一区二区日本电影三级| 精品久久久久久,| 久久精品影院6| a级毛片免费高清观看在线播放| 免费观看人在逋| 嫁个100分男人电影在线观看| 如何舔出高潮| 欧美人与善性xxx| av在线蜜桃| 国产免费av片在线观看野外av| 91久久精品国产一区二区三区| 毛片一级片免费看久久久久 | 亚洲精品乱码久久久v下载方式| 国产伦精品一区二区三区四那| 在线观看免费视频日本深夜| 久久久久久九九精品二区国产| 香蕉av资源在线| 一区二区三区四区激情视频 | 亚洲成人中文字幕在线播放| 黄色视频,在线免费观看| 禁无遮挡网站| 国产色爽女视频免费观看| 色综合色国产| 在线观看一区二区三区| 欧美激情在线99| 欧美3d第一页| 久久久久久久久中文| 亚洲色图av天堂| 大型黄色视频在线免费观看| 噜噜噜噜噜久久久久久91| 日韩亚洲欧美综合| 亚洲人成网站在线播| 国产精品人妻久久久久久| 欧美区成人在线视频| 亚洲精品色激情综合| 午夜福利在线观看吧| 特大巨黑吊av在线直播| 国产aⅴ精品一区二区三区波| 国产高清有码在线观看视频| av在线亚洲专区| 午夜精品在线福利| av在线天堂中文字幕| 精品免费久久久久久久清纯| 2021天堂中文幕一二区在线观| 免费在线观看影片大全网站| 日本黄色视频三级网站网址| 最好的美女福利视频网| 国产精品一区二区性色av| 又爽又黄a免费视频| 亚洲成a人片在线一区二区| 男人和女人高潮做爰伦理| 欧美3d第一页| 国产aⅴ精品一区二区三区波| 国产精品久久久久久久久免| 免费看日本二区| 国产成人av教育| 亚洲avbb在线观看| 啦啦啦韩国在线观看视频| 两性午夜刺激爽爽歪歪视频在线观看| 久久久久性生活片| 精品人妻熟女av久视频| 欧美在线一区亚洲| 欧美成人一区二区免费高清观看| 免费在线观看成人毛片| 老师上课跳d突然被开到最大视频| 国产色婷婷99| 特级一级黄色大片| 亚洲av二区三区四区| 99久久久亚洲精品蜜臀av| 亚洲真实伦在线观看| 久久热精品热| 亚洲 国产 在线| 久久精品夜夜夜夜夜久久蜜豆| 成人国产麻豆网| 国内精品美女久久久久久| 欧美+亚洲+日韩+国产| 少妇丰满av| 欧美黑人欧美精品刺激| 亚洲欧美日韩卡通动漫| 亚洲精品久久国产高清桃花| 99久久精品国产国产毛片| 日本黄色片子视频| 亚洲第一电影网av| 两性午夜刺激爽爽歪歪视频在线观看| 日韩欧美 国产精品| 两性午夜刺激爽爽歪歪视频在线观看| 国产在视频线在精品| 伦精品一区二区三区| 特级一级黄色大片| 国产欧美日韩精品一区二区| 熟妇人妻久久中文字幕3abv| 欧美日韩黄片免| 1000部很黄的大片| 一个人看视频在线观看www免费| 成人一区二区视频在线观看| av黄色大香蕉| 日日夜夜操网爽| 久久久久免费精品人妻一区二区| 别揉我奶头~嗯~啊~动态视频| 给我免费播放毛片高清在线观看| 人妻少妇偷人精品九色| 一本一本综合久久| 麻豆成人午夜福利视频| 97超级碰碰碰精品色视频在线观看| 97超级碰碰碰精品色视频在线观看| 精品久久久久久成人av| 黄色欧美视频在线观看| 亚洲三级黄色毛片| 日韩,欧美,国产一区二区三区 | 精品人妻熟女av久视频| 久久久精品大字幕| 欧美一区二区精品小视频在线| 成年女人永久免费观看视频| 亚洲成人久久爱视频| 看黄色毛片网站| 日韩精品青青久久久久久| 国产一区二区三区在线臀色熟女| 99久国产av精品| 少妇熟女aⅴ在线视频| 婷婷色综合大香蕉| 91久久精品国产一区二区成人| 亚洲图色成人| 亚洲国产高清在线一区二区三| 波多野结衣高清作品| 国产亚洲av嫩草精品影院| 亚洲人成网站高清观看| 色哟哟哟哟哟哟| 少妇的逼好多水| 能在线免费观看的黄片| 黄色一级大片看看| 噜噜噜噜噜久久久久久91| 国内久久婷婷六月综合欲色啪| 人妻夜夜爽99麻豆av| 99在线人妻在线中文字幕| 狂野欧美白嫩少妇大欣赏| 久久久久久久久久成人| 色综合站精品国产| 亚洲成人久久性| 久久久久久大精品| 精品久久久久久成人av| 精品一区二区三区视频在线观看免费| 亚洲熟妇中文字幕五十中出| 亚洲性夜色夜夜综合| 成人鲁丝片一二三区免费| 国产精品99久久久久久久久| 亚洲av.av天堂| 亚洲av免费高清在线观看| av专区在线播放| av天堂在线播放| 狂野欧美激情性xxxx在线观看| 国模一区二区三区四区视频| 精品一区二区三区av网在线观看| 搡女人真爽免费视频火全软件 | 久99久视频精品免费| 黄色一级大片看看| 欧美日韩乱码在线| 成人一区二区视频在线观看| 国产私拍福利视频在线观看| 久久草成人影院| 精品一区二区三区视频在线观看免费| 最近中文字幕高清免费大全6 | 久久久久久久久大av| 国产成人av教育| 麻豆成人av在线观看| 免费看美女性在线毛片视频| 直男gayav资源| 国产亚洲精品久久久久久毛片| 日本精品一区二区三区蜜桃| x7x7x7水蜜桃| 日本熟妇午夜| 97超视频在线观看视频| 夜夜夜夜夜久久久久| 伊人久久精品亚洲午夜| 亚洲内射少妇av| 亚洲四区av| 色av中文字幕| 日韩欧美 国产精品| 精品久久久久久久久av| 蜜桃亚洲精品一区二区三区| 麻豆成人av在线观看| 欧美一区二区国产精品久久精品| 国产亚洲欧美98| 一个人看视频在线观看www免费| 男女下面进入的视频免费午夜| 三级毛片av免费| 国产老妇女一区| 免费高清视频大片| 久久草成人影院| 九九在线视频观看精品| 狂野欧美激情性xxxx在线观看| 人妻久久中文字幕网| 精品乱码久久久久久99久播| 国产精华一区二区三区| 免费av观看视频| 小说图片视频综合网站| 日本黄大片高清| 久久人人精品亚洲av| 淫秽高清视频在线观看| 午夜激情福利司机影院| 男女那种视频在线观看| 看十八女毛片水多多多| 色综合亚洲欧美另类图片| 国模一区二区三区四区视频| 日韩欧美国产在线观看| 国产极品精品免费视频能看的| 国产精品一区二区三区四区久久| 午夜精品久久久久久毛片777| 免费av观看视频| 深夜a级毛片| 国产精品,欧美在线| 国产精品女同一区二区软件 | 深爱激情五月婷婷| 亚洲精品粉嫩美女一区| 99久久无色码亚洲精品果冻| 特大巨黑吊av在线直播| h日本视频在线播放| 国产高清视频在线观看网站| 亚洲欧美激情综合另类| 国产高清不卡午夜福利| 俄罗斯特黄特色一大片| 淫妇啪啪啪对白视频| 国产精品福利在线免费观看| 97热精品久久久久久| 国产69精品久久久久777片| 久久久久久久久久成人| 天堂√8在线中文| 中出人妻视频一区二区| 999久久久精品免费观看国产| 国内毛片毛片毛片毛片毛片| 国产色爽女视频免费观看| 2021天堂中文幕一二区在线观| 午夜老司机福利剧场| av专区在线播放| 国内揄拍国产精品人妻在线| 中文字幕精品亚洲无线码一区| 精品福利观看| 18禁在线播放成人免费| 成人美女网站在线观看视频| 看十八女毛片水多多多| 最近视频中文字幕2019在线8| 国产精品一区www在线观看 | 美女免费视频网站| 男插女下体视频免费在线播放| 国产免费男女视频| 精品人妻视频免费看| 日日干狠狠操夜夜爽| 欧美日韩亚洲国产一区二区在线观看| 22中文网久久字幕| 免费搜索国产男女视频| 国产色婷婷99| 18禁黄网站禁片免费观看直播| 春色校园在线视频观看| 国产精品国产高清国产av| 国产欧美日韩精品亚洲av| 老司机福利观看| 国产女主播在线喷水免费视频网站 | 1024手机看黄色片| 欧美精品啪啪一区二区三区| 亚洲熟妇熟女久久| 亚洲不卡免费看| 日本免费一区二区三区高清不卡| 97热精品久久久久久| 亚洲中文日韩欧美视频| 五月玫瑰六月丁香| 国产久久久一区二区三区| 亚洲第一区二区三区不卡| а√天堂www在线а√下载| 啦啦啦观看免费观看视频高清| 18禁黄网站禁片免费观看直播| 亚洲五月天丁香| 日韩欧美在线乱码| 日本精品一区二区三区蜜桃| 成熟少妇高潮喷水视频| 97碰自拍视频| 久9热在线精品视频| 免费无遮挡裸体视频| 综合色av麻豆| 国产又黄又爽又无遮挡在线| 午夜福利在线在线| 成年人黄色毛片网站| 国产精品一区二区三区四区免费观看 | 欧美成人一区二区免费高清观看| 亚洲在线自拍视频| 日韩中字成人| 一进一出抽搐动态| 国产免费一级a男人的天堂| 夜夜爽天天搞| av专区在线播放| 久久久久久伊人网av| 国产亚洲欧美98| 国产精品久久久久久久电影| 校园人妻丝袜中文字幕| 精品久久久久久久久久免费视频| 国内揄拍国产精品人妻在线| 免费看日本二区| 99久久久亚洲精品蜜臀av| 午夜福利在线观看吧| 欧美人与善性xxx| 色哟哟·www| 国产精品永久免费网站| 婷婷精品国产亚洲av在线| 禁无遮挡网站| 三级男女做爰猛烈吃奶摸视频| av在线天堂中文字幕| 联通29元200g的流量卡| 草草在线视频免费看| 免费看av在线观看网站| 国产乱人视频| 亚洲va在线va天堂va国产| 黄色配什么色好看| 国产一区二区三区在线臀色熟女| 乱码一卡2卡4卡精品| 久久国产乱子免费精品| 国产美女午夜福利| 国产午夜福利久久久久久| 天天躁日日操中文字幕| 熟妇人妻久久中文字幕3abv| а√天堂www在线а√下载| 俺也久久电影网| 不卡一级毛片| a级毛片a级免费在线| 91精品国产九色| 麻豆成人av在线观看| 一边摸一边抽搐一进一小说| av福利片在线观看| 午夜福利视频1000在线观看| 在线观看av片永久免费下载| xxxwww97欧美| 亚洲精品在线观看二区| 国产亚洲欧美98| 深夜a级毛片| 老司机福利观看| 午夜a级毛片| 级片在线观看| 天堂动漫精品| 亚洲成av人片在线播放无| 国产一区二区三区在线臀色熟女| 欧美精品啪啪一区二区三区| 国产精品久久视频播放| 国产一级毛片七仙女欲春2| 好男人在线观看高清免费视频| 日韩欧美 国产精品| 韩国av在线不卡| 无遮挡黄片免费观看| 99热这里只有精品一区| 国产私拍福利视频在线观看| 国产激情偷乱视频一区二区| 18禁在线播放成人免费| 少妇高潮的动态图| 国产亚洲av嫩草精品影院| 免费在线观看影片大全网站| 国产亚洲欧美98| 亚洲成人中文字幕在线播放| 黄色丝袜av网址大全| 十八禁网站免费在线| 精品国内亚洲2022精品成人| 亚洲狠狠婷婷综合久久图片| 人妻制服诱惑在线中文字幕| 日韩欧美精品免费久久| 999久久久精品免费观看国产| 18禁黄网站禁片午夜丰满| 国产 一区 欧美 日韩| 亚洲综合色惰| 日韩大尺度精品在线看网址| 综合色av麻豆| 日韩,欧美,国产一区二区三区 | 白带黄色成豆腐渣| 男插女下体视频免费在线播放| 久久久久久九九精品二区国产| 韩国av在线不卡| 国产 一区精品| 久久精品国产鲁丝片午夜精品 | 久久久久免费精品人妻一区二区| 国产高清有码在线观看视频| 日韩中文字幕欧美一区二区| 国产真实乱freesex| 国产三级在线视频| 久久精品国产亚洲av天美| 在线免费观看的www视频| 成人综合一区亚洲| 国产精品自产拍在线观看55亚洲| 色综合色国产| 久9热在线精品视频| 国产av在哪里看| 成人亚洲精品av一区二区| 日日撸夜夜添| 看片在线看免费视频| 欧美日韩乱码在线| 在线观看66精品国产| 好男人在线观看高清免费视频| av中文乱码字幕在线| 欧美日韩亚洲国产一区二区在线观看| 天堂动漫精品| 日日摸夜夜添夜夜添av毛片 | 国产精品综合久久久久久久免费| 成人鲁丝片一二三区免费| 久久亚洲精品不卡| 美女被艹到高潮喷水动态| 欧美一区二区亚洲| 久久香蕉精品热| 精品一区二区三区视频在线| 午夜影院日韩av| 黄色丝袜av网址大全| АⅤ资源中文在线天堂| 亚洲,欧美,日韩| 99久久无色码亚洲精品果冻| 成人毛片a级毛片在线播放| 免费在线观看成人毛片| 国产蜜桃级精品一区二区三区| 久久久久久久亚洲中文字幕| a级毛片a级免费在线| 国产白丝娇喘喷水9色精品| 日本欧美国产在线视频| 精品久久久久久,| 久久久久精品国产欧美久久久| 国产一区二区激情短视频| 国产午夜精品论理片| 最近最新免费中文字幕在线| 免费在线观看影片大全网站| 久久久国产成人精品二区| 国产精品,欧美在线| 成人精品一区二区免费| 天天躁日日操中文字幕| 国产精品综合久久久久久久免费| 午夜福利成人在线免费观看| 亚州av有码| 国产伦在线观看视频一区| 亚洲五月天丁香| 亚洲 国产 在线| 色av中文字幕| 麻豆国产97在线/欧美| 国产伦一二天堂av在线观看| 最后的刺客免费高清国语| 国产乱人视频| 欧美另类亚洲清纯唯美| 有码 亚洲区| 欧美精品啪啪一区二区三区| 精品一区二区三区视频在线| 亚洲精品日韩av片在线观看| 亚洲欧美日韩高清在线视频| 亚洲av一区综合| 欧美三级亚洲精品| 国产日本99.免费观看| 久久久久久伊人网av| 午夜亚洲福利在线播放| 女同久久另类99精品国产91| 国产中年淑女户外野战色| 久久精品夜夜夜夜夜久久蜜豆| 联通29元200g的流量卡| 欧美zozozo另类| 国内精品美女久久久久久| 中出人妻视频一区二区| 国产精品一区二区三区四区久久| 国产精品99久久久久久久久| 午夜精品在线福利| 亚洲精品日韩av片在线观看| 国产探花在线观看一区二区| 观看美女的网站| 精品一区二区三区人妻视频| 成人二区视频| АⅤ资源中文在线天堂| 又黄又爽又免费观看的视频| 乱系列少妇在线播放| 一a级毛片在线观看| 日日摸夜夜添夜夜添小说| 69人妻影院| 麻豆久久精品国产亚洲av| 男人狂女人下面高潮的视频| 日本精品一区二区三区蜜桃| 久久久久国产精品人妻aⅴ院| 给我免费播放毛片高清在线观看| 亚洲精品一区av在线观看| 国产av一区在线观看免费| 黄色视频,在线免费观看| 熟女电影av网| 美女高潮的动态| 亚洲av美国av| 欧美激情久久久久久爽电影| 乱系列少妇在线播放| 久久久成人免费电影| 又黄又爽又刺激的免费视频.| 国产欧美日韩精品亚洲av| 欧美不卡视频在线免费观看| 18禁黄网站禁片午夜丰满| 免费av毛片视频| a级一级毛片免费在线观看| 午夜福利在线观看吧| av天堂在线播放| 国产成人a区在线观看| 一夜夜www| 午夜福利高清视频| 男人和女人高潮做爰伦理| 一级a爱片免费观看的视频| 欧美最黄视频在线播放免费| 日韩av在线大香蕉| 亚洲精品亚洲一区二区| xxxwww97欧美| 亚洲精品色激情综合| 亚洲欧美日韩东京热| 精品人妻熟女av久视频| 黄色女人牲交| 国产免费男女视频| 亚洲国产色片| 日本 av在线| 成人精品一区二区免费| 午夜免费激情av| 日本色播在线视频| 精品久久久久久久人妻蜜臀av| 精品免费久久久久久久清纯| 亚洲专区中文字幕在线| 精品久久久久久久久久久久久| 欧美日韩乱码在线| 国产女主播在线喷水免费视频网站 | 别揉我奶头 嗯啊视频| 噜噜噜噜噜久久久久久91| 国产极品精品免费视频能看的| 亚洲av不卡在线观看| 日韩强制内射视频| 欧美三级亚洲精品| 蜜桃久久精品国产亚洲av| 舔av片在线| 国产女主播在线喷水免费视频网站 | 婷婷丁香在线五月| 久久久久久久午夜电影| 久久香蕉精品热| 欧美日韩亚洲国产一区二区在线观看| 亚洲av日韩精品久久久久久密| 免费观看在线日韩|