• <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)
    日韩欧美三级三区| 大又大粗又爽又黄少妇毛片口| 天天一区二区日本电影三级| 国产午夜福利久久久久久| 日本-黄色视频高清免费观看| 成人毛片60女人毛片免费| 亚洲精品自拍成人| 日韩av在线免费看完整版不卡| 免费观看a级毛片全部| 国产精品三级大全| 久久久国产成人免费| 国产精品麻豆人妻色哟哟久久 | 最近中文字幕2019免费版| 日产精品乱码卡一卡2卡三| 免费av毛片视频| 成人漫画全彩无遮挡| 少妇猛男粗大的猛烈进出视频 | 亚洲欧美日韩高清专用| 国产成人a区在线观看| 亚洲经典国产精华液单| 在线观看一区二区三区| 亚洲aⅴ乱码一区二区在线播放| 中文字幕精品亚洲无线码一区| 老女人水多毛片| 九草在线视频观看| 婷婷色综合大香蕉| 久久6这里有精品| 国产精品一二三区在线看| 亚洲丝袜综合中文字幕| 男人舔奶头视频| 国产黄a三级三级三级人| 99久久无色码亚洲精品果冻| 亚洲国产精品久久男人天堂| 亚洲经典国产精华液单| 国产精品av视频在线免费观看| 久久综合国产亚洲精品| 国产中年淑女户外野战色| 日韩欧美国产在线观看| 亚洲国产高清在线一区二区三| 草草在线视频免费看| 日韩成人av中文字幕在线观看| 韩国av在线不卡| 欧美潮喷喷水| 国产成人freesex在线| 在线免费观看不下载黄p国产| 少妇人妻一区二区三区视频| 欧美日韩精品成人综合77777| 九九热线精品视视频播放| 国产精品熟女久久久久浪| 精品人妻一区二区三区麻豆| 美女脱内裤让男人舔精品视频| 午夜a级毛片| 69人妻影院| 国产精品一二三区在线看| av专区在线播放| 午夜福利在线观看免费完整高清在| 久久99热这里只有精品18| av在线播放精品| 超碰97精品在线观看| 在线播放无遮挡| 日韩精品青青久久久久久| 久久久久久国产a免费观看| 国产精品嫩草影院av在线观看| 久久久a久久爽久久v久久| 欧美日韩综合久久久久久| 久久久久精品久久久久真实原创| 91在线精品国自产拍蜜月| 免费在线观看成人毛片| 国产探花极品一区二区| eeuss影院久久| 国产一区二区在线av高清观看| 一本久久精品| 99久久成人亚洲精品观看| 小说图片视频综合网站| 99久久精品热视频| 亚洲va在线va天堂va国产| 内地一区二区视频在线| 人体艺术视频欧美日本| 天堂√8在线中文| 国产片特级美女逼逼视频| 啦啦啦观看免费观看视频高清| av.在线天堂| 亚洲av.av天堂| 美女内射精品一级片tv| 欧美成人午夜免费资源| 夜夜看夜夜爽夜夜摸| 美女黄网站色视频| 一级毛片我不卡| 天堂影院成人在线观看| 天堂中文最新版在线下载 | 日韩一区二区视频免费看| 国产爱豆传媒在线观看| 最近视频中文字幕2019在线8| 午夜爱爱视频在线播放| 伦精品一区二区三区| 亚洲国产精品sss在线观看| 视频中文字幕在线观看| 亚洲图色成人| 亚洲电影在线观看av| 爱豆传媒免费全集在线观看| 少妇人妻精品综合一区二区| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲欧美日韩无卡精品| 卡戴珊不雅视频在线播放| 久久久久久久国产电影| 免费观看在线日韩| 国产国拍精品亚洲av在线观看| 国产亚洲精品久久久com| 天堂网av新在线| av在线蜜桃| 中文精品一卡2卡3卡4更新| 国产精品久久久久久精品电影小说 | 日本与韩国留学比较| 18禁在线播放成人免费| 欧美成人精品欧美一级黄| 亚洲在线自拍视频| 成人av在线播放网站| 99热网站在线观看| 美女黄网站色视频| 日韩强制内射视频| 国产精品精品国产色婷婷| 性插视频无遮挡在线免费观看| 亚洲欧美精品综合久久99| 一个人看的www免费观看视频| 亚洲一级一片aⅴ在线观看| 免费观看的影片在线观看| 可以在线观看毛片的网站| 男人舔奶头视频| 天美传媒精品一区二区| 欧美极品一区二区三区四区| 成年女人看的毛片在线观看| 成人特级av手机在线观看| 国产中年淑女户外野战色| 中文资源天堂在线| 久久99蜜桃精品久久| 黑人高潮一二区| 精品一区二区三区人妻视频| 黄色一级大片看看| 成人高潮视频无遮挡免费网站| 日产精品乱码卡一卡2卡三| 青春草亚洲视频在线观看| 久久99热6这里只有精品| 岛国毛片在线播放| 99热网站在线观看| 免费黄色在线免费观看| 国产精品99久久久久久久久| 婷婷六月久久综合丁香| 国产精品美女特级片免费视频播放器| 国产探花极品一区二区| 国产精品,欧美在线| 禁无遮挡网站| 国产午夜精品论理片| 日韩中字成人| 国产精品久久久久久精品电影小说 | 波多野结衣高清无吗| 校园人妻丝袜中文字幕| 亚洲av成人精品一区久久| 国内少妇人妻偷人精品xxx网站| 听说在线观看完整版免费高清| 女人被狂操c到高潮| 人妻制服诱惑在线中文字幕| 亚洲精品乱久久久久久| 日本黄色片子视频| 免费无遮挡裸体视频| 亚洲精品日韩av片在线观看| 最近手机中文字幕大全| 国产精品人妻久久久久久| 久久国产乱子免费精品| 国产老妇伦熟女老妇高清| 免费av观看视频| 美女大奶头视频| 一个人观看的视频www高清免费观看| 国产在视频线在精品| 国产精品一区二区性色av| 亚洲欧洲日产国产| 建设人人有责人人尽责人人享有的 | 岛国在线免费视频观看| 3wmmmm亚洲av在线观看| 国产国拍精品亚洲av在线观看| 最近手机中文字幕大全| 国产伦理片在线播放av一区| 亚洲精品乱久久久久久| 99热全是精品| 天天一区二区日本电影三级| 五月玫瑰六月丁香| 一卡2卡三卡四卡精品乱码亚洲| 看十八女毛片水多多多| 在线免费观看的www视频| 日韩 亚洲 欧美在线| 国产伦一二天堂av在线观看| 国产伦精品一区二区三区视频9| 国产亚洲精品久久久com| 赤兔流量卡办理| av国产免费在线观看| 天天躁日日操中文字幕| 亚洲在线自拍视频| 国产一区二区在线观看日韩| 国产精品久久久久久精品电影小说 | 免费看a级黄色片| 亚洲五月天丁香| 一级爰片在线观看| 欧美日韩在线观看h| 国产成人a∨麻豆精品| 成人综合一区亚洲| www.色视频.com| 成人性生交大片免费视频hd| 看免费成人av毛片| 精品久久久久久久久av| 免费黄网站久久成人精品| av.在线天堂| 97在线视频观看| 啦啦啦啦在线视频资源| 亚洲av日韩在线播放| 日韩成人av中文字幕在线观看| 国产精品麻豆人妻色哟哟久久 | av在线天堂中文字幕| 亚洲精品乱码久久久v下载方式| 国产极品精品免费视频能看的| 我要看日韩黄色一级片| 老女人水多毛片| 国产精品福利在线免费观看| 一本一本综合久久| 伦理电影大哥的女人| 99在线人妻在线中文字幕| 亚洲一区高清亚洲精品| 两个人的视频大全免费| 国模一区二区三区四区视频| 亚洲国产日韩欧美精品在线观看| 久久人人爽人人爽人人片va| 亚洲精品456在线播放app| 久久精品91蜜桃| 成人特级av手机在线观看| 国产精品蜜桃在线观看| 久久热精品热| 99久国产av精品国产电影| 免费av观看视频| 精品久久久久久电影网 | 久久精品夜夜夜夜夜久久蜜豆| 一区二区三区乱码不卡18| 久久久久久久久中文| 日本wwww免费看| 热99re8久久精品国产| 伦理电影大哥的女人| 精品久久国产蜜桃| 久久久a久久爽久久v久久| 中文欧美无线码| 大香蕉97超碰在线| 成年版毛片免费区| 国国产精品蜜臀av免费| 天堂影院成人在线观看| 精华霜和精华液先用哪个| 国产精品熟女久久久久浪| 欧美+日韩+精品| 美女黄网站色视频| 内地一区二区视频在线| av播播在线观看一区| 欧美xxxx黑人xx丫x性爽| 国产成人午夜福利电影在线观看| 在线免费观看的www视频| 成人二区视频| 久久久久久九九精品二区国产| 久久6这里有精品| 小蜜桃在线观看免费完整版高清| www.色视频.com| 干丝袜人妻中文字幕| 全区人妻精品视频| 欧美成人一区二区免费高清观看| 国产精品人妻久久久久久| 99热网站在线观看| 麻豆精品久久久久久蜜桃| 在线a可以看的网站| 91久久精品国产一区二区三区| 亚洲国产精品国产精品| 国产真实伦视频高清在线观看| 午夜免费激情av| 久久久久久久久久成人| 亚洲欧洲日产国产| 亚洲在线观看片| 少妇被粗大猛烈的视频| 51国产日韩欧美| 三级男女做爰猛烈吃奶摸视频| 欧美性感艳星| 国产熟女欧美一区二区| 色播亚洲综合网| a级一级毛片免费在线观看| www.色视频.com| 欧美3d第一页| 午夜福利在线在线| 国产真实乱freesex| 免费av不卡在线播放| 天美传媒精品一区二区| 亚洲丝袜综合中文字幕| 日韩三级伦理在线观看| 女的被弄到高潮叫床怎么办| 亚洲精品日韩在线中文字幕| 日韩亚洲欧美综合| 欧美日韩一区二区视频在线观看视频在线 | 波野结衣二区三区在线| 久久6这里有精品| 欧美变态另类bdsm刘玥| 亚洲一级一片aⅴ在线观看| 久热久热在线精品观看| 婷婷色麻豆天堂久久 | 国产乱人视频| 亚洲四区av| 亚洲经典国产精华液单| 99国产精品一区二区蜜桃av| 国产成人午夜福利电影在线观看| 国产国拍精品亚洲av在线观看| 久久久久久久久久久丰满| 国产 一区精品| 亚洲人与动物交配视频| 亚洲欧美精品自产自拍| 国产精品久久久久久av不卡| 国产精品不卡视频一区二区| 一边亲一边摸免费视频| 欧美一级a爱片免费观看看| 菩萨蛮人人尽说江南好唐韦庄 | 亚洲精品日韩在线中文字幕| 国产老妇伦熟女老妇高清| 国产精品.久久久| 18禁在线播放成人免费| 国产又色又爽无遮挡免| 国产国拍精品亚洲av在线观看| 国产又黄又爽又无遮挡在线| 国产不卡一卡二| 午夜激情福利司机影院| 久久热精品热| 国产老妇伦熟女老妇高清| av天堂中文字幕网| 最近中文字幕高清免费大全6| 久久久精品大字幕| 国产成人免费观看mmmm| 亚洲图色成人| 精品国产三级普通话版| 中文字幕制服av| 国产午夜精品久久久久久一区二区三区| 一本一本综合久久| 国产极品精品免费视频能看的| 成人无遮挡网站| 一个人看的www免费观看视频| 一个人免费在线观看电影| 成人欧美大片| 少妇的逼好多水| 日韩欧美国产在线观看| 美女黄网站色视频| 久久久a久久爽久久v久久| 成人国产麻豆网| 又爽又黄无遮挡网站| 国产三级中文精品| 国产成人aa在线观看| 成年女人看的毛片在线观看| 午夜福利视频1000在线观看| 免费观看在线日韩| 春色校园在线视频观看| 亚洲中文字幕日韩| 欧美成人一区二区免费高清观看| 岛国毛片在线播放| 日韩av在线大香蕉| 免费无遮挡裸体视频| 日韩成人av中文字幕在线观看| 免费人成在线观看视频色| 色噜噜av男人的天堂激情| 亚洲人与动物交配视频| 又粗又爽又猛毛片免费看| 最近手机中文字幕大全| 夜夜看夜夜爽夜夜摸| 美女内射精品一级片tv| 波野结衣二区三区在线| av国产久精品久网站免费入址| 少妇熟女aⅴ在线视频| 我要看日韩黄色一级片| 色5月婷婷丁香| 少妇裸体淫交视频免费看高清| 亚洲国产日韩欧美精品在线观看| 日韩强制内射视频| 欧美97在线视频| 国产成人免费观看mmmm| 国产又黄又爽又无遮挡在线| 亚州av有码| 亚洲天堂国产精品一区在线| 热99在线观看视频| 狂野欧美白嫩少妇大欣赏| 天天躁夜夜躁狠狠久久av| 亚洲最大成人手机在线| av在线蜜桃| 一本久久精品| 国语自产精品视频在线第100页| 狠狠狠狠99中文字幕| 麻豆成人av视频| 99九九线精品视频在线观看视频| 国产亚洲精品av在线| 国产亚洲午夜精品一区二区久久 | 欧美丝袜亚洲另类| 亚洲精品aⅴ在线观看| 久久国内精品自在自线图片| 亚洲国产高清在线一区二区三| 国语对白做爰xxxⅹ性视频网站| 欧美最新免费一区二区三区| 亚洲va在线va天堂va国产| 免费av不卡在线播放| 六月丁香七月| 夫妻性生交免费视频一级片| 2021少妇久久久久久久久久久| av在线蜜桃| 水蜜桃什么品种好| 国产av在哪里看| 建设人人有责人人尽责人人享有的 | 亚洲最大成人av| 久久久久久久久中文| 欧美性猛交黑人性爽| av专区在线播放| 国产精品三级大全| 日韩成人伦理影院| 视频中文字幕在线观看| 黄色配什么色好看| 99久久无色码亚洲精品果冻| 欧美日韩综合久久久久久| 国产亚洲av嫩草精品影院| 精品国产一区二区三区久久久樱花 | 亚洲精品456在线播放app| 97人妻精品一区二区三区麻豆| 国产精品久久久久久久久免| 久久亚洲精品不卡| 乱码一卡2卡4卡精品| 日韩欧美三级三区| 麻豆一二三区av精品| 亚洲精品国产成人久久av| 国产午夜精品论理片| 欧美性感艳星| 少妇熟女aⅴ在线视频| 六月丁香七月| 永久网站在线| 最近的中文字幕免费完整| 国产精品国产三级专区第一集| 国产69精品久久久久777片| 亚洲成人精品中文字幕电影| 国产单亲对白刺激| 男人舔女人下体高潮全视频| 99热这里只有是精品50| 一级爰片在线观看| 日本wwww免费看| 国产色爽女视频免费观看| 国产欧美另类精品又又久久亚洲欧美| 美女被艹到高潮喷水动态| 嫩草影院精品99| 欧美+日韩+精品| 99久久无色码亚洲精品果冻| 亚洲欧美精品自产自拍| 少妇熟女欧美另类| 美女xxoo啪啪120秒动态图| 国产伦一二天堂av在线观看| 久久6这里有精品| h日本视频在线播放| 一边摸一边抽搐一进一小说| 午夜福利网站1000一区二区三区| 午夜爱爱视频在线播放| av播播在线观看一区| 蜜桃亚洲精品一区二区三区| 免费av毛片视频| 夜夜爽夜夜爽视频| 男女国产视频网站| 伦精品一区二区三区| 天美传媒精品一区二区| 国产精品1区2区在线观看.| 亚洲五月天丁香| 精品国产露脸久久av麻豆 | 亚洲国产色片| 久久久午夜欧美精品| 女人被狂操c到高潮| 菩萨蛮人人尽说江南好唐韦庄 | 国内揄拍国产精品人妻在线| 一级爰片在线观看| 国产精品爽爽va在线观看网站| 黄色配什么色好看| 亚洲精品国产av成人精品| 91久久精品电影网| 欧美3d第一页| 亚洲综合色惰| 亚洲人成网站在线观看播放| 丝袜美腿在线中文| 日本-黄色视频高清免费观看| 熟女人妻精品中文字幕| 亚洲成人精品中文字幕电影| 亚洲人成网站在线播| 高清日韩中文字幕在线| 精品久久久久久成人av| 哪个播放器可以免费观看大片| 极品教师在线视频| 色噜噜av男人的天堂激情| 成年免费大片在线观看| 蜜臀久久99精品久久宅男| 晚上一个人看的免费电影| 亚洲欧美成人综合另类久久久 | 欧美一区二区亚洲| 国产精品一区二区三区四区免费观看| 国产老妇伦熟女老妇高清| 亚洲成人精品中文字幕电影| 国产 一区 欧美 日韩| 精品久久久久久久久av| 久久久久久久久久成人| av国产久精品久网站免费入址| 亚洲精品aⅴ在线观看| 三级国产精品片| 久久国产乱子免费精品| 国产一区有黄有色的免费视频 | 亚洲婷婷狠狠爱综合网| 国产女主播在线喷水免费视频网站 | 欧美丝袜亚洲另类| 国产伦精品一区二区三区视频9| 成人综合一区亚洲| 超碰av人人做人人爽久久| av福利片在线观看| 午夜激情欧美在线| 少妇被粗大猛烈的视频| 国产在线一区二区三区精 | 又黄又爽又刺激的免费视频.| 99在线人妻在线中文字幕| 亚洲成av人片在线播放无| 性插视频无遮挡在线免费观看| av在线蜜桃| 干丝袜人妻中文字幕| 国产精品国产三级国产av玫瑰| 可以在线观看毛片的网站| 青青草视频在线视频观看| 精品不卡国产一区二区三区| 亚洲人与动物交配视频| 久久精品久久久久久噜噜老黄 | 国产精品三级大全| 亚洲欧美日韩东京热| 毛片女人毛片| 亚洲乱码一区二区免费版| 级片在线观看| 亚洲精品国产成人久久av| 看免费成人av毛片| 亚洲av免费高清在线观看| 中文欧美无线码| 男女那种视频在线观看| 舔av片在线| 99久久九九国产精品国产免费| 国产精品嫩草影院av在线观看| 久久99精品国语久久久| 国产在线一区二区三区精 | 成人欧美大片| 一二三四中文在线观看免费高清| 亚洲av日韩在线播放| 老司机福利观看| 国产亚洲91精品色在线| 伦理电影大哥的女人| 欧美xxxx性猛交bbbb| 九九久久精品国产亚洲av麻豆| 美女被艹到高潮喷水动态| 日韩av在线大香蕉| 日韩av不卡免费在线播放| 别揉我奶头 嗯啊视频| 久久久精品欧美日韩精品| 黄色日韩在线| 国产人妻一区二区三区在| 免费观看a级毛片全部| 欧美一级a爱片免费观看看| 一夜夜www| 纵有疾风起免费观看全集完整版 | av线在线观看网站| www.色视频.com| 中文字幕免费在线视频6| 久久久精品大字幕| 色吧在线观看| 亚洲三级黄色毛片| 亚洲国产欧美人成| 在线播放无遮挡| 久久精品久久精品一区二区三区| 久久久久国产网址| 91在线精品国自产拍蜜月| 网址你懂的国产日韩在线| 久久午夜福利片| 国产老妇女一区| 亚洲欧美清纯卡通| 国产免费福利视频在线观看| 99在线视频只有这里精品首页| 精品人妻偷拍中文字幕| 亚洲av免费高清在线观看| 国产免费福利视频在线观看| 99久久精品国产国产毛片| 国产精品久久久久久久电影| 18禁在线无遮挡免费观看视频| 身体一侧抽搐| 又爽又黄无遮挡网站| 国产一区亚洲一区在线观看| 亚洲,欧美,日韩| 99久国产av精品国产电影| 少妇人妻一区二区三区视频| 久久久精品大字幕| 91在线精品国自产拍蜜月| 我的老师免费观看完整版| 欧美成人精品欧美一级黄| 久久精品影院6| 亚洲最大成人中文| 精品欧美国产一区二区三| 亚洲成人中文字幕在线播放| 日韩视频在线欧美| 国产高清有码在线观看视频| 日韩欧美 国产精品| 极品教师在线视频| 国产黄a三级三级三级人| 白带黄色成豆腐渣| 亚洲国产色片| 国产成人免费观看mmmm| 熟妇人妻久久中文字幕3abv| 日本一二三区视频观看| 国产一区二区三区av在线| 看片在线看免费视频| 日本一二三区视频观看| 成人国产麻豆网| 麻豆成人av视频| 亚洲欧美一区二区三区国产|