• <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 ?

    基于神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)搜索的目標(biāo)識別方法

    2020-09-07 00:30:54卞偉偉邱旭陽
    空軍工程大學(xué)學(xué)報 2020年4期
    關(guān)鍵詞:卷積神經(jīng)網(wǎng)絡(luò)節(jié)點

    卞偉偉,邱旭陽,申 研

    (北京機(jī)械設(shè)備研究所,北京,100854)

    城市環(huán)境中“低慢小”無人機(jī)目標(biāo)體積小,顏色與復(fù)雜的背景環(huán)境相接近,使得對其進(jìn)行探測與識別已成為一個世界性難題[1],將計算機(jī)視覺與圖像處理技術(shù)相結(jié)合成為目標(biāo)檢測與識別的必然選擇。神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)方法[2]的成功很大程度上歸功于特征工程的自動化,即利用分層特征提取器以端到端的方式從數(shù)據(jù)而不是手動設(shè)計中學(xué)習(xí),故深度學(xué)習(xí)的模型效果依賴于數(shù)據(jù),在以某一特定數(shù)據(jù)集進(jìn)行訓(xùn)練時,模型提取該類數(shù)據(jù)的特征,那么將該模型運(yùn)用在該類數(shù)據(jù)集上將會獲得優(yōu)異的表現(xiàn)。在影像分類中運(yùn)用深度學(xué)習(xí)模型,除了借助已經(jīng)存在的模型,也可以重新設(shè)計并訓(xùn)練新的模型。隨著數(shù)據(jù)的復(fù)雜度不斷增加,在設(shè)計相應(yīng)的神經(jīng)網(wǎng)絡(luò)時需要更多的知識,不同類型的數(shù)據(jù)需要不同的先驗知識,如果訓(xùn)練的是大規(guī)模的網(wǎng)絡(luò),將有百萬個參數(shù)需要設(shè)計與學(xué)習(xí),從而帶來巨大的挑戰(zhàn);如果訓(xùn)練小規(guī)模的網(wǎng)絡(luò),獲得的神經(jīng)網(wǎng)絡(luò)只是面向當(dāng)前影像數(shù)據(jù)集,難以在其他種類的影像數(shù)據(jù)集上獲得優(yōu)異的表現(xiàn)。除此以外,也不能保證得到的模型優(yōu)于自然圖像集訓(xùn)練的模型以及根據(jù)自然圖像集模型微調(diào)的模型。神經(jīng)網(wǎng)絡(luò)的設(shè)計是一個長耗時過程,如何在較短的時間內(nèi)自動化設(shè)計一個高效的面向影像的神經(jīng)網(wǎng)絡(luò)成為了提升影像分類精度的關(guān)鍵,關(guān)系著目標(biāo)識別概率的高低。

    本文通過網(wǎng)絡(luò)收集與實際拍攝,以多旋翼無人機(jī)、固定翼無人機(jī)、城市飛鳥為目標(biāo),采用一種可微神經(jīng)結(jié)構(gòu)搜索的高效結(jié)構(gòu)搜索方法[3],對目標(biāo)識別問題進(jìn)行研究。

    1 問題描述

    在目標(biāo)識別分類任務(wù)中,需要使用大量帶有標(biāo)簽的數(shù)據(jù)來訓(xùn)練模型,但是在實際中,訓(xùn)練影像的人工標(biāo)記需要花費(fèi)大量的人力和物力,同時需要大量的先驗知識,導(dǎo)致影像數(shù)據(jù)集規(guī)模較小,可用于模型訓(xùn)練的數(shù)據(jù)較小,而為了讓影像分類取得優(yōu)異的效果,設(shè)計的深度學(xué)習(xí)模型包含的神經(jīng)網(wǎng)絡(luò)層數(shù)多,可能產(chǎn)生大量的參數(shù),在訓(xùn)練時會出現(xiàn)過擬合現(xiàn)象,造成分類精度過低。模型遷移是將一個樣本數(shù)據(jù)集上學(xué)習(xí)到的模型通過特定的方式運(yùn)用到另一個具有相同或者相似學(xué)習(xí)任務(wù)的樣本數(shù)據(jù)集上[4],這樣可以提高模型的實用性,增加深度學(xué)習(xí)模型的泛學(xué)習(xí)能力。但是由于當(dāng)前獲取影像的方式眾多,不同的儀器采集的影像具有不同的特點,故影像數(shù)據(jù)的成像幾何形狀和內(nèi)容不同,同時隨著空間分辨率、光譜分辨率的增加,影像包含目標(biāo)以及通道信息越來越豐富,因此當(dāng)直接使用已存在的模型對其他種類的影像數(shù)據(jù)集進(jìn)行訓(xùn)練時,實際取得的分類果不佳,為了使該模型可以在其他數(shù)據(jù)集上取得優(yōu)異的結(jié)果,便需要對當(dāng)前模型添加特定的任務(wù)知識,使其充分提取當(dāng)前影像的特征,提高分類精度。

    可微神經(jīng)結(jié)構(gòu)搜索方法將搜索空間放寬為連續(xù)的候選體系結(jié)構(gòu),以便通過梯度下降來優(yōu)化體系結(jié)構(gòu)的驗證集性能。與低效的黑盒搜索相比,基于梯度的優(yōu)化數(shù)據(jù)效率允許可微神經(jīng)結(jié)構(gòu)搜索使用數(shù)量級更少的計算資源來實現(xiàn)與現(xiàn)有技術(shù)的競爭性能。同時可微神經(jīng)結(jié)構(gòu)搜索方法相比許多現(xiàn)有方法更簡單,因為它不涉及任何控制器或性能預(yù)測器,并且可通用搜索卷積和循環(huán)體系結(jié)構(gòu)。另外,可微神經(jīng)結(jié)構(gòu)搜索方法能夠在豐富的搜索空間內(nèi)發(fā)現(xiàn)具有復(fù)雜圖形拓?fù)涞母咝阅芙Y(jié)構(gòu),而不限于任何特定的結(jié)構(gòu)系列,并且能夠發(fā)現(xiàn)卷積網(wǎng)絡(luò)和循環(huán)網(wǎng)絡(luò)。

    2 深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)搜索

    對于搜索空間而言,以搜索計算單元作為最終結(jié)構(gòu)的構(gòu)建塊,學(xué)習(xí)的單元可以堆疊形成卷積網(wǎng)絡(luò)或者遞歸地連接以形成循環(huán)網(wǎng)絡(luò)[5]。每個單元是有向無環(huán)圖,由N個節(jié)點的有序序列組成。每個節(jié)點x(j)是潛在表示(例如卷積網(wǎng)絡(luò)中的特征映射),每個有向邊(i,j)都與每個節(jié)點的x(j)某些o(i,j)轉(zhuǎn)換操作相關(guān)聯(lián),假設(shè)每個單元有2個輸入節(jié)點和單個輸出節(jié)點。對于卷積單元,輸入節(jié)點在前2層中定義了單元輸出,通過對所有中間節(jié)點應(yīng)用縮小操作(例如連接)來獲得單元的輸出。每個中間節(jié)點的計算都是基于它的所有前導(dǎo)節(jié)點計算的:

    (1)

    為了將離散的搜索空間轉(zhuǎn)為連續(xù)的,首先定義一組候選操作O,例如卷積、最大池化,表示應(yīng)用于x(j)的一些函數(shù)o(·),為了使搜索空間連續(xù),將特定操作的分類選擇放寬為所有可能操作的輸出層的激勵函數(shù)(SoftMax):

    (2)

    式中:一對節(jié)點(i,j)的操作混合權(quán)重由維度|O|的向量α(i,j)參數(shù)化,在放寬操作后,結(jié)構(gòu)搜索任務(wù)就變?yōu)榱藢W(xué)習(xí)一組連續(xù)變量:

    α={α(i,j)}

    (3)

    (4)

    式中:α為(編碼)體系結(jié)構(gòu)。

    放寬之后,目標(biāo)就是在所有混合操作(例如卷積濾波器)的權(quán)重內(nèi)共同學(xué)習(xí)結(jié)構(gòu)α和權(quán)重ω,類似于使用強(qiáng)化學(xué)習(xí)或進(jìn)化方法的結(jié)構(gòu)搜索將驗證集的性能作為獎勵,可微神經(jīng)結(jié)構(gòu)搜索的目標(biāo)是優(yōu)化驗證損失,但是需要使用基于梯度下降的方法來計算。

    分別用Ltrain和Lval表示訓(xùn)練損失和驗證損失,這2種損失不僅由結(jié)構(gòu)α確定,而且由網(wǎng)絡(luò)中的權(quán)重ω確定,結(jié)構(gòu)搜索的目標(biāo)是找到使驗證損失Lval(ω*,α*)最小化的α*,其中通過最小化訓(xùn)練損失來獲得與結(jié)構(gòu)相關(guān)聯(lián)的權(quán)重ω*,即:

    ω*=arg minωLtrain(ω,α*)

    (5)

    這意味著一個雙層優(yōu)化問題,α為上層變量,ω為下層變量:

    (6)

    s.t.ω*(α)=arg minωLtrain(ω,α)

    (7)

    嵌套公式也出現(xiàn)在基于梯度的超參數(shù)優(yōu)化中,盡管連續(xù)體系結(jié)構(gòu)α維數(shù)遠(yuǎn)高于標(biāo)量值超參數(shù)(如學(xué)習(xí)率),并且更難以優(yōu)化,但是在某種意義上,連續(xù)體系結(jié)構(gòu)α也可以被視為一種特殊類型的超參數(shù)。

    完全解決雙層優(yōu)化是非常困難的,因為無論α發(fā)生任何變化,都需要通過求解式(7)來重新計算ω*(α)。因此,可以使用近似迭代優(yōu)化的方法,其中ω和α分別通過在權(quán)重和結(jié)構(gòu)空間中的梯度下降步驟之間交替優(yōu)化。在步驟k,給定當(dāng)前結(jié)構(gòu)αk-1,通過在最小化訓(xùn)練損失Ltrain(ωk-1,αk-1)的方向上移動ωk-1來獲得ωk,然后,在保持權(quán)重ωk不變的情況下對結(jié)構(gòu)進(jìn)行更新,在權(quán)重梯度下降一步后最小化驗證損失:

    Lval(ωk-ξωLtrain(ωk,αk-1),αk-1)

    (8)

    式中:ξ是該虛擬梯度步驟的學(xué)習(xí)率。

    式(8)的目的是找到一個結(jié)構(gòu),當(dāng)它的權(quán)重通過(單步)梯度下降優(yōu)化時具有低驗證損失,其進(jìn)一步展開的權(quán)重用作ω*(α)的替代。值得注意的是,當(dāng)前動態(tài)迭代算法定義了α的優(yōu)化器(領(lǐng)導(dǎo)者)和ω的優(yōu)化器(跟隨者)之間的斯塔克伯格(Stackelberg)博弈,這通常要求領(lǐng)導(dǎo)者預(yù)測跟隨者的下一步移動以達(dá)到平衡,雖然目前還沒有意識到優(yōu)化算法的收斂保證,但實際上它能夠選擇合適的ξ收斂。除此以外,當(dāng)沖量被用于權(quán)重優(yōu)化時,一步前進(jìn)學(xué)習(xí)目標(biāo)(8)被相應(yīng)地修改,并且上述分析仍然適用。

    通過對式(8)中的α求微分來求出體系結(jié)構(gòu)梯度(為了簡便起見,省略步驟索引k):

    (9)

    其中,

    ω′=ω-ξωLtrain(ω,α)

    (10)

    式(10)表示一步正演模型的權(quán)重,梯度(9)在其第2項中包含矩陣向量乘積,其計算成本高,使用有限差分近似可以大大降低復(fù)雜性。假設(shè)ε是一個很小的實數(shù)的平方,有:

    (11)

    (12)

    則:

    (13)

    評估有限差分只需要2個向前傳遞的權(quán)重和2個向后傳遞的α,并且復(fù)雜性O(shè)(|α||ω|)降低到O(|α|+|ω|)。

    在獲得連續(xù)的體系結(jié)構(gòu)編碼α后,離散結(jié)構(gòu)通過以下方式生成:

    1)保留每個中間節(jié)點的k個最強(qiáng)的前導(dǎo),其中邊緣的強(qiáng)度定義為:

    (14)

    為了生成的結(jié)構(gòu)與現(xiàn)有工作中的結(jié)果相當(dāng),對卷積網(wǎng)絡(luò)使用k=2。

    2)通過采用函數(shù)argmax將每個混合操作替換為最可能的操作。

    3 實驗設(shè)計

    3.1 實驗參數(shù)設(shè)置

    實驗采用由重復(fù)單元組成的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),其中重復(fù)單元有正常單元和縮小單元,生成的神經(jīng)網(wǎng)絡(luò)的層數(shù)即為重復(fù)單元的個數(shù),完整的實驗包括2個階段:結(jié)構(gòu)搜索和結(jié)構(gòu)評估。在結(jié)構(gòu)搜索階段,使用可微神經(jīng)結(jié)構(gòu)搜索對多個結(jié)構(gòu)進(jìn)行研究,并根據(jù)其驗證性能確定最佳單元;在結(jié)構(gòu)評估階段,使用這些單元構(gòu)建更大的結(jié)構(gòu),從頭開始訓(xùn)練并在測試集上測試它們的性能。

    實驗中,上文提及的一組候選操作O中包括以下操作:3×3和5×5可分離卷積、3×3和5×5擴(kuò)張可分離卷積、3×3最大池化、3×3平均池化、Identity和Zero,所有操作的步長都是1(如果適用),并且填充卷積特征圖以保持其空間分辨率,使用ReLU-Conv-BN順序進(jìn)行卷積運(yùn)算,并且每個可分離卷積總是應(yīng)用2次。

    每個卷積單元由N=7個節(jié)點組成,其中輸出節(jié)點被定義為所有中間節(jié)點(排除的輸入節(jié)點)的深度級聯(lián)。其余的設(shè)置遵循Zoph等[6]、Liu等[7]和Real等[8],然后通過將多個單元堆疊在一起形成網(wǎng)絡(luò)。

    卷積單元k的第1和第2節(jié)點分別設(shè)置為卷積單元k-2和卷積單元k-1的輸出,并且根據(jù)需要插入1×1個卷積。位于網(wǎng)絡(luò)總深度的1/3和2/3處的小區(qū)域是縮小單元,其中與輸入節(jié)點相鄰的所有操作步長都是2。因此,體系結(jié)構(gòu)編碼是(αnormal,αreduce),其中αnormal由所有正常單元共享,αreduce由所有縮小單元共享。

    3.2 結(jié)構(gòu)搜索

    將訓(xùn)練集中40%的數(shù)據(jù)作為驗證集,其余部分作為訓(xùn)練集。共進(jìn)行2次結(jié)構(gòu)搜索,第1次網(wǎng)絡(luò)層數(shù)為8,訓(xùn)練周期50個,第2次網(wǎng)絡(luò)層數(shù)為12。由于GPU顯存有限,而數(shù)據(jù)集原始圖像分辨率為256×256,為了保證輸入圖片可以在GPU上進(jìn)行運(yùn)算,在加載數(shù)據(jù)集時,將數(shù)據(jù)分辨率壓縮至32×32。

    其他超參數(shù)設(shè)置如下:每次訓(xùn)練數(shù)據(jù)輸入批量大小為64(對于訓(xùn)練集和驗證集),初始通道數(shù)為16,使用動量SGD來優(yōu)化權(quán)重ω,初始學(xué)習(xí)速率ηω=0.025(在余弦調(diào)度(cosine schedule)之后衰減到0)、動量大小為β=0.9和權(quán)重以ω=3×10-4的大小衰減,使用Adam作為結(jié)構(gòu)變量的優(yōu)化器(即正常和縮小單元中的α),初始學(xué)習(xí)率ηα=3×10-4,動量β=(0.5,0.999),權(quán)重以ω=3×10-3的大小衰減。

    網(wǎng)絡(luò)層數(shù)為8的小網(wǎng)絡(luò)在單個GPU上進(jìn)行結(jié)構(gòu)搜索花費(fèi)了大約40 min,網(wǎng)絡(luò)層數(shù)為12的小網(wǎng)絡(luò)花費(fèi)了1 h。

    3.3 結(jié)構(gòu)驗證

    對一個有20層的大型網(wǎng)絡(luò)進(jìn)行訓(xùn)練,訓(xùn)練時間為600個時期,批量數(shù)據(jù)輸入大小為96,圖片大小仍然為32×32,其他超參數(shù)與結(jié)構(gòu)搜索的超參數(shù)保持相同,增加其他增強(qiáng)功能包括圖片剪切、隨機(jī)失活概率為0.3和權(quán)重為0.4的輔助節(jié)點。由8層小網(wǎng)絡(luò)卷積單元組成的大網(wǎng)絡(luò)在單個GPU上進(jìn)行結(jié)構(gòu)驗證花費(fèi)了1 h 24 min,由12層小網(wǎng)絡(luò)卷積單元組成的大網(wǎng)絡(luò)花費(fèi)了1 h 15 min。

    4 結(jié)果與分析

    訓(xùn)練數(shù)據(jù)對基于深度學(xué)習(xí)的目標(biāo)識別至關(guān)重要。針對城市中常見的飛行物類型,本文通過網(wǎng)絡(luò)收集與實際拍攝,收集了豐富的目標(biāo)影像數(shù)據(jù),包括3類目標(biāo):固定翼無人機(jī)、多旋翼無人機(jī)與飛鳥,各1 000張。影像分辨率固定為256×256,以jpg格式保存。數(shù)據(jù)集實例見圖1。

    圖1 數(shù)據(jù)集實例

    4.1 結(jié)構(gòu)搜索得到的正常單元和縮小單元

    “低慢小”目標(biāo)數(shù)據(jù)集共進(jìn)行了2次實驗,共得到4種基本單元,見圖2~5。在每個單元中c{k-1}和c{k-2}表示前2個單元的輸出作為本單元的輸入,c{k}表示本單元的輸出。從結(jié)果來看,不同層數(shù)的網(wǎng)絡(luò),其基本的卷積單元不同,同時每個卷積單元每個節(jié)點處有多個輸入和輸出,構(gòu)建了一個復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)。

    圖2 網(wǎng)絡(luò)層數(shù)為8的正常單元

    圖3 網(wǎng)絡(luò)層數(shù)為8的縮小單元

    圖4 網(wǎng)絡(luò)層數(shù)為12的正常單元

    圖5 網(wǎng)絡(luò)層數(shù)為12的縮小單元

    4.2 目標(biāo)數(shù)據(jù)集分類結(jié)果

    通過對數(shù)據(jù)集進(jìn)行實驗,得到了當(dāng)前數(shù)據(jù)集的最優(yōu)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),在找到結(jié)構(gòu)后,通過在驗證集上驗證,得到相應(yīng)的測試結(jié)果,見表1。

    表1 使用可微神經(jīng)結(jié)構(gòu)搜索的深度神經(jīng)網(wǎng)絡(luò)測試結(jié)果

    從表1可以得知,城市飛行物數(shù)據(jù)集的2個實驗的分類精度分別為96.50%和97.25%,滿足不小于95%的精度要求。

    最優(yōu)精度與人工設(shè)計的常用網(wǎng)絡(luò)對比見表2。顯然,本文方法具有更好的測試精度,在用于“低慢小”無人機(jī)類目標(biāo)分類檢測方面具有更強(qiáng)的適用性。

    表2 不同結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)在目標(biāo)數(shù)據(jù)集上的測試結(jié)果

    5 結(jié)語

    本文利用神經(jīng)結(jié)構(gòu)搜索可以在給定目標(biāo)數(shù)據(jù)集上得到當(dāng)前任務(wù)最優(yōu)的深度神經(jīng)網(wǎng)絡(luò),且在“低慢小”目標(biāo)識別上取得了良好的效果,但這一方法仍然需要一定量的有標(biāo)簽數(shù)據(jù)。因此,在后續(xù)的目標(biāo)識別方法研究過程中應(yīng)結(jié)合當(dāng)前在小樣本數(shù)據(jù)進(jìn)行分類的研究,將其運(yùn)用在神經(jīng)結(jié)構(gòu)搜索中,提升樣本數(shù)據(jù)量較小時的分類精度,防止過擬合現(xiàn)象的發(fā)生;同時,在面對無標(biāo)簽影像時,考慮是否可以通過結(jié)合神經(jīng)結(jié)構(gòu)搜索獲取的高層語義特征與其他方法獲取的有關(guān)圖像的中、低層語義特征,從而提升分類精度。

    猜你喜歡
    卷積神經(jīng)網(wǎng)絡(luò)節(jié)點
    CM節(jié)點控制在船舶上的應(yīng)用
    基于3D-Winograd的快速卷積算法設(shè)計及FPGA實現(xiàn)
    Analysis of the characteristics of electronic equipment usage distance for common users
    基于AutoCAD的門窗節(jié)點圖快速構(gòu)建
    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
    抓住人才培養(yǎng)的關(guān)鍵節(jié)點
    99国产精品一区二区蜜桃av | 黄色 视频免费看| 伊人久久大香线蕉亚洲五| av欧美777| 天堂中文最新版在线下载| 日韩伦理黄色片| 国产日韩一区二区三区精品不卡| www日本在线高清视频| 晚上一个人看的免费电影| 久热这里只有精品99| 最近中文字幕2019免费版| 日韩伦理黄色片| 50天的宝宝边吃奶边哭怎么回事| 日韩中文字幕欧美一区二区 | 男女国产视频网站| 亚洲一区中文字幕在线| 在线观看一区二区三区激情| 久久99一区二区三区| 首页视频小说图片口味搜索 | 久久人妻福利社区极品人妻图片 | 久久久国产欧美日韩av| 老汉色av国产亚洲站长工具| 免费观看a级毛片全部| 国产日韩一区二区三区精品不卡| 欧美国产精品va在线观看不卡| 老司机靠b影院| 欧美黑人精品巨大| 日韩av不卡免费在线播放| 熟女少妇亚洲综合色aaa.| 最近手机中文字幕大全| 亚洲国产看品久久| 久久精品成人免费网站| 制服人妻中文乱码| 婷婷成人精品国产| 国产伦理片在线播放av一区| 久久精品成人免费网站| 脱女人内裤的视频| 免费在线观看影片大全网站 | 久久久久国产一级毛片高清牌| 真人做人爱边吃奶动态| videos熟女内射| 90打野战视频偷拍视频| 国产成人欧美在线观看 | 永久免费av网站大全| 一本—道久久a久久精品蜜桃钙片| 久久国产亚洲av麻豆专区| 老司机靠b影院| 捣出白浆h1v1| 国产精品秋霞免费鲁丝片| 午夜福利视频精品| 国产日韩欧美亚洲二区| 男女免费视频国产| 国产视频首页在线观看| 亚洲精品国产区一区二| 视频区欧美日本亚洲| bbb黄色大片| 高清不卡的av网站| 亚洲少妇的诱惑av| 国产成人精品久久二区二区91| 首页视频小说图片口味搜索 | 久久久久久久久久久久大奶| 久久午夜综合久久蜜桃| 亚洲欧美激情在线| 免费在线观看完整版高清| 国产精品偷伦视频观看了| 亚洲av电影在线观看一区二区三区| 最近手机中文字幕大全| 欧美97在线视频| 国产女主播在线喷水免费视频网站| 免费不卡黄色视频| 在线 av 中文字幕| 1024香蕉在线观看| 久久精品久久久久久噜噜老黄| 精品一区二区三区av网在线观看 | 美女扒开内裤让男人捅视频| 又紧又爽又黄一区二区| 久久鲁丝午夜福利片| 亚洲av国产av综合av卡| 日日爽夜夜爽网站| 国产日韩欧美在线精品| 一区二区三区精品91| 久久热在线av| www.自偷自拍.com| 亚洲av日韩在线播放| 大片电影免费在线观看免费| 老司机在亚洲福利影院| 午夜免费男女啪啪视频观看| 亚洲一卡2卡3卡4卡5卡精品中文| 久久国产亚洲av麻豆专区| av线在线观看网站| 交换朋友夫妻互换小说| 亚洲色图综合在线观看| 欧美av亚洲av综合av国产av| 99精国产麻豆久久婷婷| 伦理电影免费视频| 伊人久久大香线蕉亚洲五| 黑丝袜美女国产一区| 国产精品亚洲av一区麻豆| 不卡av一区二区三区| 亚洲欧美色中文字幕在线| 亚洲欧美一区二区三区黑人| av天堂久久9| 亚洲精品中文字幕在线视频| 黑丝袜美女国产一区| 爱豆传媒免费全集在线观看| 久久久久国产精品人妻一区二区| 一本一本久久a久久精品综合妖精| 亚洲人成电影观看| 中文字幕高清在线视频| 亚洲国产毛片av蜜桃av| 国产黄色免费在线视频| 国产成人av激情在线播放| 久久久久久久大尺度免费视频| 国产欧美日韩精品亚洲av| 免费在线观看黄色视频的| 国产成人a∨麻豆精品| 亚洲精品一区蜜桃| 一级,二级,三级黄色视频| 欧美少妇被猛烈插入视频| 一区二区三区激情视频| 免费高清在线观看日韩| www.精华液| 激情视频va一区二区三区| 久久鲁丝午夜福利片| 亚洲伊人久久精品综合| 女性被躁到高潮视频| 久久精品aⅴ一区二区三区四区| 99国产精品一区二区蜜桃av | av有码第一页| 18禁裸乳无遮挡动漫免费视频| 免费在线观看视频国产中文字幕亚洲 | 国产人伦9x9x在线观看| 国产爽快片一区二区三区| 波野结衣二区三区在线| 国产精品欧美亚洲77777| 亚洲欧美激情在线| 精品国产乱码久久久久久男人| 国产97色在线日韩免费| 亚洲五月色婷婷综合| 亚洲精品美女久久久久99蜜臀 | 另类精品久久| 黄色毛片三级朝国网站| 老司机在亚洲福利影院| 无遮挡黄片免费观看| 看免费成人av毛片| 国产成人精品在线电影| 国产免费又黄又爽又色| 欧美黑人欧美精品刺激| 如日韩欧美国产精品一区二区三区| 99久久精品国产亚洲精品| 50天的宝宝边吃奶边哭怎么回事| 久热爱精品视频在线9| 精品亚洲成a人片在线观看| 亚洲成人国产一区在线观看 | 大片电影免费在线观看免费| 王馨瑶露胸无遮挡在线观看| 999久久久国产精品视频| 男女床上黄色一级片免费看| 大型av网站在线播放| 色综合欧美亚洲国产小说| 搡老乐熟女国产| 王馨瑶露胸无遮挡在线观看| 丝瓜视频免费看黄片| 亚洲视频免费观看视频| 一本一本久久a久久精品综合妖精| 久久毛片免费看一区二区三区| 久久狼人影院| 亚洲男人天堂网一区| 夫妻性生交免费视频一级片| 最近最新中文字幕大全免费视频 | av一本久久久久| 老司机午夜十八禁免费视频| 午夜久久久在线观看| 国产免费视频播放在线视频| 亚洲欧美日韩另类电影网站| 亚洲av成人不卡在线观看播放网 | 国产成人系列免费观看| 国产亚洲av片在线观看秒播厂| 巨乳人妻的诱惑在线观看| 久久狼人影院| 国产免费现黄频在线看| 母亲3免费完整高清在线观看| 欧美日本中文国产一区发布| 国产一区二区三区综合在线观看| 欧美xxⅹ黑人| 久久免费观看电影| 这个男人来自地球电影免费观看| 日韩人妻精品一区2区三区| 亚洲av男天堂| 日韩av免费高清视频| 啦啦啦中文免费视频观看日本| 不卡av一区二区三区| 丰满饥渴人妻一区二区三| 美女中出高潮动态图| 亚洲精品美女久久久久99蜜臀 | 日本av手机在线免费观看| 人人妻人人澡人人看| 亚洲国产av影院在线观看| xxx大片免费视频| 丰满人妻熟妇乱又伦精品不卡| 激情五月婷婷亚洲| 久久青草综合色| 丰满少妇做爰视频| 国产黄色视频一区二区在线观看| 99国产精品一区二区三区| 九色亚洲精品在线播放| 99热全是精品| 波多野结衣av一区二区av| 一区二区日韩欧美中文字幕| 成人亚洲精品一区在线观看| 男女之事视频高清在线观看 | 久久精品亚洲av国产电影网| 久久久精品国产亚洲av高清涩受| 青青草视频在线视频观看| 水蜜桃什么品种好| 久久久欧美国产精品| 两性夫妻黄色片| 欧美久久黑人一区二区| 亚洲一区中文字幕在线| 精品人妻在线不人妻| 麻豆av在线久日| 成人黄色视频免费在线看| 国产精品免费大片| 女人爽到高潮嗷嗷叫在线视频| 欧美日韩精品网址| 少妇精品久久久久久久| 久久人妻福利社区极品人妻图片 | 侵犯人妻中文字幕一二三四区| 乱人伦中国视频| 天天添夜夜摸| 操美女的视频在线观看| 亚洲欧美一区二区三区久久| tube8黄色片| 免费观看av网站的网址| 国产一区亚洲一区在线观看| 国产片特级美女逼逼视频| 欧美变态另类bdsm刘玥| 只有这里有精品99| 亚洲色图综合在线观看| 成人国产一区最新在线观看 | 好男人视频免费观看在线| 亚洲国产看品久久| 亚洲成国产人片在线观看| 婷婷色av中文字幕| cao死你这个sao货| 又黄又粗又硬又大视频| 久久精品人人爽人人爽视色| 天堂8中文在线网| 精品视频人人做人人爽| 首页视频小说图片口味搜索 | 欧美黑人欧美精品刺激| 啦啦啦在线观看免费高清www| 天堂俺去俺来也www色官网| 中文字幕人妻丝袜制服| av国产久精品久网站免费入址| 久久国产精品男人的天堂亚洲| 亚洲一区二区三区欧美精品| 欧美国产精品va在线观看不卡| 熟女av电影| 国产一区二区在线观看av| 亚洲五月色婷婷综合| 免费观看av网站的网址| 王馨瑶露胸无遮挡在线观看| 欧美激情极品国产一区二区三区| av天堂久久9| 丝袜喷水一区| 国产成人一区二区三区免费视频网站 | 亚洲av在线观看美女高潮| 婷婷色麻豆天堂久久| 一本大道久久a久久精品| 国产在线免费精品| 欧美日韩视频高清一区二区三区二| 国产野战对白在线观看| 国产国语露脸激情在线看| 亚洲欧美日韩另类电影网站| 一级片免费观看大全| 99九九在线精品视频| 国产欧美日韩精品亚洲av| 激情五月婷婷亚洲| 一区二区日韩欧美中文字幕| 国产男女内射视频| 亚洲少妇的诱惑av| 亚洲国产av影院在线观看| 亚洲精品国产区一区二| 美女大奶头黄色视频| 欧美日韩国产mv在线观看视频| 1024香蕉在线观看| 欧美国产精品一级二级三级| 国产亚洲av片在线观看秒播厂| 欧美成狂野欧美在线观看| 亚洲精品一卡2卡三卡4卡5卡 | 老鸭窝网址在线观看| 一本综合久久免费| 亚洲九九香蕉| 人妻人人澡人人爽人人| 午夜福利在线免费观看网站| 热re99久久国产66热| 亚洲精品美女久久久久99蜜臀 | 久久久久精品人妻al黑| 人人澡人人妻人| 久久精品熟女亚洲av麻豆精品| 欧美日韩福利视频一区二区| 午夜视频精品福利| 久久九九热精品免费| 国产精品一区二区精品视频观看| 成年美女黄网站色视频大全免费| 亚洲中文日韩欧美视频| 黄色一级大片看看| 国产1区2区3区精品| 高清视频免费观看一区二区| 青春草亚洲视频在线观看| 男人添女人高潮全过程视频| 色播在线永久视频| 97在线人人人人妻| 老司机午夜十八禁免费视频| 国产爽快片一区二区三区| 制服诱惑二区| 黄色 视频免费看| 91国产中文字幕| 亚洲专区国产一区二区| 免费看十八禁软件| 久热爱精品视频在线9| 永久免费av网站大全| 99久久99久久久精品蜜桃| 亚洲国产日韩一区二区| 看免费av毛片| 国产一区二区激情短视频 | 美女扒开内裤让男人捅视频| 日韩 欧美 亚洲 中文字幕| 女人精品久久久久毛片| 一个人免费看片子| 久久久久国产一级毛片高清牌| 少妇粗大呻吟视频| 亚洲人成电影免费在线| 欧美+亚洲+日韩+国产| 中文字幕人妻熟女乱码| 久久久久久久国产电影| 欧美日韩福利视频一区二区| 自线自在国产av| 一区二区三区精品91| 一级黄色大片毛片| 大香蕉久久成人网| 国产亚洲一区二区精品| 成年人黄色毛片网站| 国产亚洲一区二区精品| 亚洲天堂av无毛| 久久精品久久久久久久性| 1024视频免费在线观看| 亚洲三区欧美一区| 欧美日韩视频精品一区| 老汉色∧v一级毛片| 国产色视频综合| 天堂俺去俺来也www色官网| 汤姆久久久久久久影院中文字幕| 97精品久久久久久久久久精品| 免费女性裸体啪啪无遮挡网站| 丁香六月欧美| 老司机影院毛片| 亚洲国产欧美网| 色94色欧美一区二区| 国产1区2区3区精品| av有码第一页| 午夜日韩欧美国产| 精品国产一区二区三区久久久樱花| 脱女人内裤的视频| 亚洲中文av在线| av在线播放精品| 成年人免费黄色播放视频| av在线播放精品| 在线天堂中文资源库| 一区二区三区四区激情视频| 久久久国产精品麻豆| 亚洲av片天天在线观看| 免费观看人在逋| 夜夜骑夜夜射夜夜干| 免费女性裸体啪啪无遮挡网站| 丝袜美足系列| 国产高清不卡午夜福利| 一区二区三区乱码不卡18| 欧美日韩亚洲综合一区二区三区_| 人人妻人人添人人爽欧美一区卜| 国产伦理片在线播放av一区| 亚洲精品久久午夜乱码| 女性生殖器流出的白浆| 国产在视频线精品| 国产成人精品无人区| 曰老女人黄片| 久久精品成人免费网站| 欧美日韩黄片免| 亚洲一卡2卡3卡4卡5卡精品中文| 欧美日韩亚洲高清精品| 菩萨蛮人人尽说江南好唐韦庄| 久久久久久久大尺度免费视频| 后天国语完整版免费观看| 国产精品久久久久久精品古装| 18在线观看网站| 一区二区三区激情视频| 99香蕉大伊视频| www.自偷自拍.com| 少妇的丰满在线观看| 免费少妇av软件| 又粗又硬又长又爽又黄的视频| 日本91视频免费播放| 成年女人毛片免费观看观看9 | 最黄视频免费看| 999久久久国产精品视频| 久久久精品国产亚洲av高清涩受| 亚洲欧美日韩另类电影网站| 婷婷色麻豆天堂久久| 亚洲三区欧美一区| 成年人黄色毛片网站| 中文字幕制服av| 午夜老司机福利片| 丝袜喷水一区| 免费av中文字幕在线| 热99久久久久精品小说推荐| 国产99久久九九免费精品| 国产免费现黄频在线看| 欧美性长视频在线观看| 亚洲精品日韩在线中文字幕| 亚洲五月色婷婷综合| 国产精品成人在线| 少妇粗大呻吟视频| 国产成人免费观看mmmm| 午夜免费观看性视频| 伦理电影免费视频| 日本黄色日本黄色录像| 国产成人a∨麻豆精品| 久久人妻福利社区极品人妻图片 | 丝袜人妻中文字幕| 美女视频免费永久观看网站| 亚洲伊人久久精品综合| 久久狼人影院| 久久人人爽av亚洲精品天堂| 大香蕉久久网| 最近手机中文字幕大全| 国产精品久久久久久人妻精品电影 | 女人精品久久久久毛片| 国产xxxxx性猛交| 夫妻午夜视频| 一二三四社区在线视频社区8| 我的亚洲天堂| 久久女婷五月综合色啪小说| www日本在线高清视频| 亚洲一区二区三区欧美精品| 看十八女毛片水多多多| 亚洲av综合色区一区| 赤兔流量卡办理| av又黄又爽大尺度在线免费看| 最近手机中文字幕大全| 国产免费现黄频在线看| 青青草视频在线视频观看| 国产av一区二区精品久久| 国产97色在线日韩免费| 老司机影院成人| 日本a在线网址| 亚洲av片天天在线观看| 亚洲精品美女久久久久99蜜臀 | 欧美亚洲日本最大视频资源| 久久性视频一级片| 国产亚洲av高清不卡| 中文字幕人妻丝袜制服| 真人做人爱边吃奶动态| 岛国毛片在线播放| 丁香六月欧美| 日韩,欧美,国产一区二区三区| 亚洲国产欧美在线一区| 天堂俺去俺来也www色官网| 伊人亚洲综合成人网| 99国产精品一区二区三区| 国产av精品麻豆| 久久国产亚洲av麻豆专区| 亚洲国产日韩一区二区| 久久综合国产亚洲精品| 人妻 亚洲 视频| 国产精品免费大片| 免费少妇av软件| 久久久久视频综合| 亚洲成人免费av在线播放| 老司机午夜十八禁免费视频| 女人高潮潮喷娇喘18禁视频| 麻豆av在线久日| 97人妻天天添夜夜摸| 看十八女毛片水多多多| 2018国产大陆天天弄谢| 无遮挡黄片免费观看| 人人妻人人澡人人看| 又紧又爽又黄一区二区| 中文字幕人妻丝袜制服| 一级毛片我不卡| 国产高清不卡午夜福利| 一区二区三区四区激情视频| 久久精品国产亚洲av涩爱| 精品一区二区三区av网在线观看 | 一区二区av电影网| 国产欧美日韩一区二区三区在线| 91国产中文字幕| 欧美+亚洲+日韩+国产| 久久久国产一区二区| 亚洲,欧美,日韩| 人妻人人澡人人爽人人| 免费高清在线观看视频在线观看| 国产爽快片一区二区三区| 又粗又硬又长又爽又黄的视频| 免费看不卡的av| 少妇猛男粗大的猛烈进出视频| 美女脱内裤让男人舔精品视频| 欧美国产精品va在线观看不卡| 亚洲激情五月婷婷啪啪| 成人国产一区最新在线观看 | 亚洲av美国av| 一级毛片我不卡| 久久天躁狠狠躁夜夜2o2o | 一本色道久久久久久精品综合| 午夜福利乱码中文字幕| 国产成人免费无遮挡视频| 亚洲国产精品一区二区三区在线| 国产日韩欧美视频二区| 一区二区av电影网| 亚洲人成网站在线观看播放| 在线观看免费高清a一片| 国产福利在线免费观看视频| 妹子高潮喷水视频| 国产成人欧美在线观看 | 午夜福利视频精品| 精品免费久久久久久久清纯 | 性少妇av在线| 国产av一区二区精品久久| 真人做人爱边吃奶动态| 久久免费观看电影| 久久精品国产a三级三级三级| 色综合欧美亚洲国产小说| 久久久久精品人妻al黑| 中文乱码字字幕精品一区二区三区| 只有这里有精品99| 亚洲成人免费av在线播放| 久久影院123| 丝袜美腿诱惑在线| 亚洲精品在线美女| 国产精品人妻久久久影院| 99国产精品免费福利视频| 热99国产精品久久久久久7| 后天国语完整版免费观看| 巨乳人妻的诱惑在线观看| 天堂8中文在线网| 日本a在线网址| 悠悠久久av| av网站在线播放免费| 欧美激情极品国产一区二区三区| 超碰成人久久| 别揉我奶头~嗯~啊~动态视频 | 九草在线视频观看| 国产视频首页在线观看| 中文字幕高清在线视频| 看十八女毛片水多多多| 国精品久久久久久国模美| 90打野战视频偷拍视频| 免费在线观看视频国产中文字幕亚洲 | 国产成人免费无遮挡视频| 黄色一级大片看看| 亚洲国产最新在线播放| 国产亚洲精品久久久久5区| 亚洲国产精品成人久久小说| 国产黄色免费在线视频| 国产精品久久久久久精品古装| 成年人黄色毛片网站| 亚洲专区中文字幕在线| 亚洲精品乱久久久久久| 国产主播在线观看一区二区 | 考比视频在线观看| 久久人人爽av亚洲精品天堂| 九草在线视频观看| 欧美日韩国产mv在线观看视频| 国产精品av久久久久免费| 久久精品亚洲熟妇少妇任你| 久久免费观看电影| 欧美亚洲日本最大视频资源| 午夜老司机福利片| av在线老鸭窝| 亚洲欧洲日产国产| 国产伦理片在线播放av一区| 91精品国产国语对白视频| 肉色欧美久久久久久久蜜桃| 国产精品一区二区精品视频观看| 日韩av在线免费看完整版不卡| 国产亚洲av高清不卡| 女警被强在线播放| 美女中出高潮动态图| 丰满迷人的少妇在线观看| 国产欧美亚洲国产| 亚洲一区中文字幕在线| 日韩制服骚丝袜av| 深夜精品福利| 免费在线观看视频国产中文字幕亚洲 | 亚洲天堂av无毛| 一区二区日韩欧美中文字幕| 国语对白做爰xxxⅹ性视频网站| 丝袜人妻中文字幕| 免费少妇av软件| 91精品伊人久久大香线蕉| 免费人妻精品一区二区三区视频| 国产日韩欧美亚洲二区| 久久99热这里只频精品6学生| 最近最新中文字幕大全免费视频 | 国产一区亚洲一区在线观看| www.av在线官网国产| 久久国产精品影院| 日韩中文字幕视频在线看片| 亚洲av日韩精品久久久久久密 | 国产成人精品久久二区二区91| 亚洲国产欧美日韩在线播放| 国产片内射在线| 国产成人精品久久久久久| 伊人久久大香线蕉亚洲五| 青青草视频在线视频观看|