• <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YOLO-v3模型壓縮的衛(wèi)星圖像船只實時檢測

    2020-11-05 03:18:04陳科峻
    液晶與顯示 2020年11期
    關(guān)鍵詞:船艦錨點剪枝

    陳科峻, 張 葉

    ( 1. 中國科學(xué)院 長春光學(xué)精密機械與物理研究所 應(yīng)用光學(xué)國家重點實驗室,吉林 長春 130033;2. 中國科學(xué)院大學(xué), 北京 100049)

    1 引 言

    隨著海上運輸業(yè)的快速發(fā)展,海上遇難船只搜救、船舶避撞、非法捕魚、非法貨運船只的管控等任務(wù),對海上船只精確定位與識別技術(shù)有著廣泛的需求和重要的現(xiàn)實意義[1]。因此,從環(huán)境保護(hù)機構(gòu)到國家政府當(dāng)局,許多組織對海上船只進(jìn)行更密切的監(jiān)視。隨著衛(wèi)星技術(shù)的日益成熟和衛(wèi)星航空成像精度的日益提高,衛(wèi)星圖像中包含的信息多樣,利用衛(wèi)星圖像進(jìn)行海上船只的檢測受到了廣泛的關(guān)注。然而,視點、旋轉(zhuǎn)、背景等多種因素變化的影響使得衛(wèi)星圖像船只檢測任務(wù)依然存在嚴(yán)峻的挑戰(zhàn)。

    目前,國內(nèi)外研究人員對圖像船艦?zāi)繕?biāo)檢測做了大量的相關(guān)研究。文獻(xiàn)[2]通過分析遙感圖像中的明暗像素的關(guān)聯(lián)參數(shù)對船只進(jìn)行目標(biāo)檢測,實現(xiàn)圖像中明暗場景的快速識別與分離。然而基于傳統(tǒng)特征提取的方法進(jìn)行目標(biāo)檢測往往精度不高。由于海洋表面微波散射情況復(fù)雜,傳統(tǒng)船艦檢測算法能力有限。文獻(xiàn)[3]針對以上問題,通過分辨率歸一化制作混合的訓(xùn)練樣本數(shù)據(jù)集,基于Faster-RCNN[4]的框架下,構(gòu)建了一個3層卷積神經(jīng)網(wǎng)絡(luò)的船艦檢測算法,取得了較好的檢測效果。但基于Faster-RCNN的船艦檢測算法模型復(fù)雜度較高,檢測速度難以達(dá)到實時性檢測的要求。近年來,隨著基于深度學(xué)習(xí)的目標(biāo)檢測技術(shù)的發(fā)展,YOLO(you only look once)[5]作為一個兼顧了檢測速度和檢測精度的算法被廣泛應(yīng)用于日常的目標(biāo)檢測任務(wù)中。文獻(xiàn)[6]提出基于YOLO 的車流量檢測方法,可以較好地對混合車流中的車輛進(jìn)行跟蹤和統(tǒng)計。但基于原始YOLO算法的目標(biāo)檢測模型參數(shù)量較大,對嵌入式設(shè)備計算性能要求較高。文獻(xiàn)[7]提出了一種基于改進(jìn) YOLO模型的艦船目標(biāo)識別方法。通過精簡原始模型的卷積層,減少模型的參數(shù)量。同時在訓(xùn)練過程中引入遷移學(xué)習(xí)的概念,防止模型過擬合,達(dá)到減少計算資源開銷的目的。但該方法主要針對大型船艦的目標(biāo)檢測,對于衛(wèi)星圖像中的小目標(biāo)船艦檢測效果不理想。基于端到端回歸的YOLO-v3[8]網(wǎng)絡(luò)在YOLO算法的基礎(chǔ)上進(jìn)行改進(jìn),在保證快速檢測的同時,也達(dá)到了較高的檢測精度,使得基于深度學(xué)習(xí)的目標(biāo)檢測算法的落地應(yīng)用成為可能。

    本文將YOLO-v3目標(biāo)檢測網(wǎng)絡(luò)應(yīng)用于衛(wèi)星圖像船艦?zāi)繕?biāo)檢測任務(wù)中。針對輸入圖像中船艦的外形特點,構(gòu)建圖像金字塔對訓(xùn)練輸入圖像進(jìn)行多尺度變換,豐富原始圖像的特征。由于YOLO-v3的初始錨點框[9](anchor)的尺寸是針對VOC[10]等數(shù)據(jù)集計算設(shè)計得到的,并不適用于文本的衛(wèi)星船艦圖像數(shù)據(jù)集。本文采用K-means(K均值)聚類算法的改進(jìn)版K-means++算法進(jìn)行初始錨點框數(shù)量和尺寸大小的聚類,構(gòu)建出適合船艦數(shù)據(jù)集的船艦?zāi)繕?biāo)檢測網(wǎng)絡(luò)結(jié)構(gòu)。最后,為了能夠?qū)⒛P蛻?yīng)用于嵌入式設(shè)備中,對訓(xùn)練好的模型進(jìn)行模型剪枝,將模型中冗余的通道進(jìn)行裁剪,減少模型的參數(shù)量,提高了模型的檢測速度。

    2 圖像船艦檢測原理

    2.1 多尺度金字塔圖像

    針對船艦的圖像特征,本文采用多尺度金字塔圖像作為模型訓(xùn)練的輸入。本文受到文獻(xiàn)[11]的啟發(fā),采用高斯金字塔與拉普拉斯金字塔相結(jié)合的方式,先采用高斯金字塔對圖像進(jìn)行下采樣以獲得新的圖像,用拉普拉斯金字塔對圖像進(jìn)行上采樣重建獲得新樣本。

    2.1.1 高斯金字塔

    對于大小為w×h的圖像I,高斯金字塔Gi由I的幾個分辨率減小的高斯圖像Ii組成。Ii的尺度計算公式如下:

    (1)

    式中,i= (0,1,...,j)代表金字塔的級數(shù)。

    圖像Gi通過高斯函數(shù)生成的卷積核進(jìn)行卷積。公式如下:

    (2)

    式中,m,n代表原圖像的尺度,L代表金字塔的層級,w代表窗口函數(shù)。

    2.1.2 拉普拉斯金字塔

    拉普拉斯金字塔由高斯金字塔計算得來,公式如下:

    Li=Gi-up(Gi)?g5×5,

    (3)

    式中,Gi表示第i層的圖像,而up操作表示上采樣。 ?表示卷積運算,g5×5表示5×5的高斯卷積核。最終得到的圖像金字塔效果圖如圖1所示。

    圖1 多尺度圖像金字塔Fig.1 Multi-scale image pyramid

    2.2 YOLO-v3目標(biāo)檢測原理

    YOLO-v3算法將目標(biāo)區(qū)域檢測與物體類別預(yù)測看作回歸問題。YOLO-v3算法的特征提取網(wǎng)絡(luò)為Darknet53。Darknet53包含52個卷積層,用于對圖像進(jìn)行特征提取,為了防止深層網(wǎng)絡(luò)訓(xùn)練過程中發(fā)生模型退化,YOLO-v3借鑒了ResNet[12]的做法,在層與層之間進(jìn)行了鏈路的連接。最后一層為1個全連接層。YOLO-v3通過單個神經(jīng)網(wǎng)絡(luò),即可實現(xiàn)對圖像中目標(biāo)的定位和分類。Darknet-53網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

    圖2 Darknet53網(wǎng)絡(luò)結(jié)構(gòu)

    Darknet-53網(wǎng)絡(luò)對圖像進(jìn)行了5次下采樣,每次采樣的步長為2。其中卷積模塊的結(jié)構(gòu)如圖3。

    圖3 Darknet53網(wǎng)絡(luò)結(jié)構(gòu)Fig.3 Module of Darknet53 convolution set

    YOLO-v3算法假設(shè)目標(biāo)散落在圖像中各個區(qū)域,因此將圖像劃分為多個子區(qū)域。接著對各個區(qū)域預(yù)測多個錨點框( Bounding Box ),并求出每個邊框的置信度(Confidence)。置信度分?jǐn)?shù)的大小,反映了錨點框內(nèi)存在目標(biāo)物體的準(zhǔn)確程度。置信度定義如下式:

    (4)

    式中,Pr ( Object )表示錨點框中存在目標(biāo)圖像的概率大小。IoU表示預(yù)測的目標(biāo)框與真實的標(biāo)注框之間的交并比,IoU的計算公式如下:

    (5)

    式中,C代表預(yù)測出物體的邊界框,G代表實際標(biāo)注的物體邊界框(Ground Truth)。

    2.3 初始錨點框聚類算法

    常見的目標(biāo)檢測算法中,需要預(yù)先對初始的錨點框(Anchor)進(jìn)行設(shè)定。錨點框與檢測目標(biāo)的契合度對目標(biāo)檢測算法的精度產(chǎn)生極大影響。針對衛(wèi)星圖像船艦的形狀特征,本文采用聚類算法對YOLO-v3的錨點框進(jìn)行初始化設(shè)定。

    理想的聚類距離度量標(biāo)準(zhǔn)應(yīng)該是計算誤差與錨點框尺寸大小沒有太大的關(guān)系,因此定義IoU距離作為聚類算法距離的度量。IoU距離如式(6)所示:

    dIoU(box,centroid)=1-IoU(box,centroid),

    (6)

    式中, IoU( box, centroid )表示某一錨點框box與聚類中心錨點框的IoU,dIoU即代表計算得到的IoU距離。

    本文采用K-means++聚類方法對YOLO-v3的初始錨點框進(jìn)行聚類。傳統(tǒng)的K-means 算法通過隨機初始化的方式選定初始聚類中心,往往容易陷入局部最優(yōu),得到的聚類結(jié)果無法反映真實的數(shù)據(jù)分布情況。K-means++聚類算法在K-means算法基礎(chǔ)上進(jìn)行了改進(jìn)。具體計算步驟如下:

    (1)在數(shù)據(jù)集中隨機初始化選擇1個點作為第一個簇的中心點;

    (2)計算數(shù)據(jù)集中各個樣本點到每個已知的簇中心的距離D(x);

    (3)定義概率Px表示每個樣本被選為下一個簇的中心的概率:

    (7)

    (4)重復(fù)(2),(3)步驟,直至確定出K個聚類中心;

    (5)將第(4)步得到的K個聚類中心作為初始聚類中心點,代入傳統(tǒng)的K-means算法中,得到最終的聚類中心點。

    從K-means++算法的計算過程可以看出,聚類中心的初始化以距離作為依據(jù),和當(dāng)前聚類中心距離較大的點,屬于當(dāng)前類的概率則比較小,因此有更大的可能性被選為新的聚類中心,聚類中心的初始化更為合理。

    3 基于YOLO-v3的模型剪枝

    圖像船艦檢測任務(wù)的模型往往被部署在計算能力有限的設(shè)備上,對模型的檢測時間和模型的參數(shù)量大小有著嚴(yán)格的要求。因而本文對原始的模型進(jìn)行模型剪枝壓縮。

    模型剪枝是模型壓縮的常用方法,對深度神經(jīng)網(wǎng)絡(luò)的稠密連接引入稀疏性,通過將“不重要”的權(quán)值直接置零來減少非零權(quán)值數(shù)量。典型的模型剪枝方法包含4個步驟[13]:(1)分析預(yù)訓(xùn)練模型中每一個神經(jīng)元的重要程度;(2)剔除模型中對模型推理激活程度較低的神經(jīng)元;(3)微調(diào)模型,提高修剪后模型的精度;(4)對微調(diào)后的模型進(jìn)行測試,確定修剪后的模型是否滿足要求。模型剪枝的流程如圖4所示。

    圖4 模型剪枝流程圖Fig.4 Flow chart of model pruning

    3.1 稀疏訓(xùn)練

    對YOLO-v3模型進(jìn)行壓縮,需要對訓(xùn)練好的模型進(jìn)行稀疏化訓(xùn)練。稀疏訓(xùn)練的目的即在模型訓(xùn)練過程鑒別重要性較低的通道,以便于對重要性較低的通道進(jìn)行裁剪。由于YOLO-v3網(wǎng)絡(luò)的每個卷積層后面都有一個批歸一化層來加速網(wǎng)絡(luò)收斂和改進(jìn)泛化性能。本文將批歸一化層(Batch Normalization)[14]中的尺度因子作為通道重要性的指標(biāo),并對這些尺度因子計算L1范數(shù)并融入損失函數(shù)中訓(xùn)練,得到每個通道的重要性分?jǐn)?shù)[15]。應(yīng)用于精簡基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的圖像分類器,可以顯著地減小模型參數(shù)量。

    批歸一化層的更新過程如下。求解上一層輸出數(shù)據(jù)的均值和標(biāo)準(zhǔn)差:

    (8)

    (9)

    (10)

    式中,ε是為了避免分母為0而加入的一個趨近于0的值。經(jīng)過對上面歸一化處理得到的數(shù)據(jù)進(jìn)行重構(gòu)即可得到:

    (11)

    式中,γ和β是可以學(xué)習(xí)的參數(shù),用于將歸一化后的數(shù)據(jù)分布進(jìn)行還原。

    本文將γ值作為通道重要性的衡量標(biāo)準(zhǔn),對每一個通道的γ值計算L1范數(shù),具體計算公式如下:

    (12)

    最終模型訓(xùn)練的損失函數(shù)在YOLO-v3的損失函數(shù)基礎(chǔ)上增加了對γ的正則化項:

    (13)

    式中,lossyolo表示YOLO-v3的損失函數(shù),α表示懲罰項。

    3.2 模型剪枝

    4 實驗與結(jié)果分析

    4.1 數(shù)據(jù)集準(zhǔn)備

    基于深度學(xué)習(xí)的目標(biāo)檢測往往需要大量的數(shù)據(jù)用于模型的訓(xùn)練。為了檢驗本文方法的有效性,本文采集到網(wǎng)絡(luò)上的船艦圖像數(shù)據(jù)集[16],該數(shù)據(jù)集通過衛(wèi)星進(jìn)行圖像采集。衛(wèi)星船艦數(shù)據(jù)集分辨率大小為768×768像素,對圖像進(jìn)行了標(biāo)注。最終得到精確標(biāo)注的5 000張衛(wèi)星船艦圖像用于模型的訓(xùn)練。部分圖像樣例如圖5所示。

    圖5 衛(wèi)星船艦圖像樣例Fig.5 Example of satellite ship images

    4.2 錨點框聚類

    本文對標(biāo)注好的數(shù)據(jù)樣本進(jìn)行聚類,預(yù)先選好的錨點框聚類個數(shù)為k∈(1,…,10)。為了對比不同的聚類算法對模型的影響,在保證各訓(xùn)練參數(shù)固定的情況下,分別采用K-means和K-means++對錨點框進(jìn)行聚類。表1為不同聚類算法下的部分錨點框聚類尺寸。

    表1 初始錨點框聚類結(jié)果Tab.1 Results of initial candidate box clustering

    為了評價不同聚類算法的性能,采用平均準(zhǔn)確率(mAP)作為評價指標(biāo),從整體上反映了目標(biāo)定位算法的精度。平均準(zhǔn)確率綜合了檢測模型的精確率(Precious)和召回率(Recall):

    (14)

    (15)

    (16)

    式中:TP表示真正例,F(xiàn)P表示假正例,F(xiàn)N表示假負(fù)例,Pre表示精確率,Rec表示召回率。不同個數(shù)的錨點框下驗證集的平均準(zhǔn)確率如圖6所示。

    圖6 不同聚類算法結(jié)果比較Fig.6 Results of different clustering algorithms

    從圖6可以看出,采用K-means++進(jìn)行錨點框度量可以提高目標(biāo)檢測算法的定位精度。所得到的最高平均準(zhǔn)確率高于采用K-means進(jìn)行聚類所得到的最高平均準(zhǔn)確率。當(dāng)錨點框個數(shù)為6時,所得到的驗證集的平均定位精度最高,為78.54%。相比于原始的YOLO-v3采用的9個錨點框,更少的錨點框可以提高模型的訓(xùn)練速度,減少模型的推斷時間。

    4.3 模型訓(xùn)練

    對模型進(jìn)行訓(xùn)練的實驗系統(tǒng)環(huán)境為ubuntu16.04,基于Pytorch深度學(xué)習(xí)框架,顯卡為NVIDIA 1660 Ti。本文對模型進(jìn)行了2 000次迭代訓(xùn)練,初始學(xué)習(xí)率為0.001,采用動量梯度下降法,設(shè)置momentun為0.9。將原始YOLO-v3的初始錨點框替換成經(jīng)過本文聚類之后得到的錨點框。模型訓(xùn)練過程損失曲線如圖7所示。

    圖7 基礎(chǔ)訓(xùn)練損失變化曲線Fig.7 Loss curve of basic training

    從圖7可以看出,經(jīng)過2 000步的迭代訓(xùn)練,模型已經(jīng)趨近于收斂,最終的損失穩(wěn)定在0.665。

    4.4 模型壓縮

    模型剪枝之前需要對模型進(jìn)行稀疏訓(xùn)練,將批歸一化層中的尺度因子作為衡量通道重要性的指標(biāo)。實驗中將稀疏訓(xùn)練的懲罰因子α分別設(shè)置為0.01,0.001,0.000 1。稀疏訓(xùn)練后的尺度因子分布直方圖如圖8所示。

    原始模型的批歸一化層因子γ近似于均值為1的正態(tài)分布。從尺度因子分布直方圖可以看出,對模型稀疏訓(xùn)練的結(jié)果可以使得通道重要性較低的通道γ值壓縮至接近于0,因此可以將γ值接近于0的通道進(jìn)行裁剪。本文采用不同的懲罰因子對模型進(jìn)行300個Epoch的稀疏訓(xùn)練,稀疏訓(xùn)練的損失曲線如圖9所示。

    (a)α=0.01

    (b)α=0.001

    圖9 不同懲罰因子稀疏訓(xùn)練損失曲線Fig.9 Loss curve of sparsity training with different penalty factor

    表2 剪枝前后模型參數(shù)對比

    4.5 實驗結(jié)果分析

    通過對批歸一化層中尺度因子大小接近于0的通道進(jìn)行裁剪,剪枝后的模型參數(shù)量下降為原始模型的0.15倍,模型檢測的平均準(zhǔn)確率下降了4.13%。為了提高剪枝后模型的精度,采用微調(diào)的方式,對剪枝后的模型進(jìn)行100個Epochs的微調(diào)訓(xùn)練,最終模型的平均檢測精度穩(wěn)定在77.31%,接近原始模型的精度。

    為了驗證本文衛(wèi)星圖像船艦檢測方法的有效性,本文設(shè)置了對比實驗,分別采用YOLO-v3,F(xiàn)aster R-CNN,SSD,R-FCN等常見目標(biāo)檢測算法對衛(wèi)星圖像船艦數(shù)據(jù)集進(jìn)行檢測。在同一臺服務(wù)器上對以上各算法進(jìn)行測試,測試輸入圖片大小為768×768像素。表3為各個算法的檢測耗時與平均檢測精度對比。

    表3 各算法檢測結(jié)果對比

    從實驗結(jié)果可以看出,本文模型的mAP達(dá)到了77.31%,在與其他檢測模型檢測精度相當(dāng)?shù)那闆r下,檢測速度縮短到12 ms/張,模型參數(shù)量大小僅為原始YOLO-v3模型參數(shù)量的8.5%,對計算資源消耗更少,達(dá)到了實時性的目標(biāo)檢測要求。

    5 結(jié) 論

    本文針對衛(wèi)星圖像船艦檢測問題,通過對訓(xùn)練圖像進(jìn)行多尺度金字塔變換,達(dá)到對模型進(jìn)行多尺度訓(xùn)練的目的,提高了模型的特征提取能力。同時,采用K-means++聚類算法選定初始錨點框的個數(shù)和尺寸,提高了YOLO-v3模型的定位精度。接著對YOLO-v3目標(biāo)檢測模型進(jìn)行模型剪枝。實驗結(jié)果表明,本文的方法在保證檢測精度的同時,減小了模型的參數(shù)量,檢測時間由原來的30 ms/張縮短至12 ms/張,模型大小由原來的238.9 M縮小至21.5 M。滿足了衛(wèi)星、無人機等移動小算力設(shè)備的實時目標(biāo)檢測需求,為嵌入式目標(biāo)檢測算法的應(yīng)用提供了參考依據(jù)。

    猜你喜歡
    船艦錨點剪枝
    人到晚年宜“剪枝”
    基于NR覆蓋的NSA錨點優(yōu)選策略研究
    基于YOLOv4-Tiny模型剪枝算法
    5G手機無法在室分NSA站點駐留案例分析
    5G NSA錨點的選擇策略
    5G NSA組網(wǎng)下錨點站的選擇策略優(yōu)化
    移動通信(2020年5期)2020-06-08 15:39:51
    “火人節(jié)”沒有“六度分離”
    看世界(2019年16期)2019-08-12 05:36:48
    剪枝
    天津詩人(2017年2期)2017-03-16 03:09:39
    沖之鳥護(hù)漁曖昧臺灣漁民揚言“學(xué)豬農(nóng)抗議”
    鳳凰周刊(2016年17期)2016-09-02 13:24:36
    一種面向不平衡數(shù)據(jù)分類的組合剪枝方法
    計算機工程(2014年6期)2014-02-28 01:26:33
    亚洲国产色片| 给我免费播放毛片高清在线观看| 91麻豆av在线| 久久久久久久久中文| 网址你懂的国产日韩在线| 欧美+亚洲+日韩+国产| 九九久久精品国产亚洲av麻豆| 久久久久久大精品| 午夜精品久久久久久毛片777| 亚洲天堂国产精品一区在线| 在线a可以看的网站| 精品人妻1区二区| 亚洲精品成人久久久久久| 搡女人真爽免费视频火全软件 | 日韩有码中文字幕| 日日夜夜操网爽| 变态另类成人亚洲欧美熟女| 男女做爰动态图高潮gif福利片| 男女之事视频高清在线观看| 两人在一起打扑克的视频| 国产精品野战在线观看| 国产免费一级a男人的天堂| 久久久成人免费电影| 女人十人毛片免费观看3o分钟| 麻豆av噜噜一区二区三区| 午夜视频国产福利| 国产av在哪里看| 琪琪午夜伦伦电影理论片6080| 日韩亚洲欧美综合| 啦啦啦韩国在线观看视频| 国产老妇女一区| 亚洲片人在线观看| 午夜老司机福利剧场| 中文字幕免费在线视频6| 老司机深夜福利视频在线观看| 婷婷精品国产亚洲av在线| 长腿黑丝高跟| 美女 人体艺术 gogo| 免费人成在线观看视频色| 999久久久精品免费观看国产| 香蕉av资源在线| 欧美成人a在线观看| 成人亚洲精品av一区二区| 欧美激情国产日韩精品一区| 一a级毛片在线观看| 日本a在线网址| 欧美3d第一页| 在线十欧美十亚洲十日本专区| 日本与韩国留学比较| 综合色av麻豆| 欧美3d第一页| av天堂中文字幕网| 美女黄网站色视频| 欧美色视频一区免费| 99久久成人亚洲精品观看| h日本视频在线播放| 少妇丰满av| 欧美成人性av电影在线观看| 国内久久婷婷六月综合欲色啪| 婷婷亚洲欧美| 亚洲自偷自拍三级| 亚洲av免费高清在线观看| 又黄又爽又刺激的免费视频.| 又紧又爽又黄一区二区| 亚洲av.av天堂| 亚洲精品影视一区二区三区av| 精品久久久久久成人av| 亚洲中文字幕日韩| 精品久久国产蜜桃| 欧美黄色淫秽网站| 国产乱人伦免费视频| 国产高清激情床上av| 亚洲黑人精品在线| 久久国产精品人妻蜜桃| 亚洲专区中文字幕在线| 我要搜黄色片| 亚洲国产精品久久男人天堂| 999久久久精品免费观看国产| 亚洲av成人av| 国产真实乱freesex| 免费人成在线观看视频色| 亚洲一区二区三区色噜噜| 色噜噜av男人的天堂激情| 亚洲自偷自拍三级| 狠狠狠狠99中文字幕| 色综合站精品国产| 一区二区三区四区激情视频 | 国产成人影院久久av| 狂野欧美白嫩少妇大欣赏| 精品久久久久久久人妻蜜臀av| 日韩欧美国产一区二区入口| 日本免费a在线| 老司机午夜福利在线观看视频| 国产伦一二天堂av在线观看| 男女下面进入的视频免费午夜| 亚洲aⅴ乱码一区二区在线播放| 欧美另类亚洲清纯唯美| 亚洲av五月六月丁香网| 日本精品一区二区三区蜜桃| 欧美3d第一页| 成人特级黄色片久久久久久久| 88av欧美| 99久久精品国产亚洲精品| 亚洲无线观看免费| 亚洲精品成人久久久久久| 天天躁日日操中文字幕| 观看免费一级毛片| ponron亚洲| 90打野战视频偷拍视频| 夜夜夜夜夜久久久久| 欧美日韩国产亚洲二区| 97人妻精品一区二区三区麻豆| 69人妻影院| 亚洲avbb在线观看| 我的老师免费观看完整版| 国产欧美日韩精品亚洲av| 日韩亚洲欧美综合| 搡老熟女国产l中国老女人| 精品一区二区免费观看| 久久亚洲真实| 亚洲人成网站在线播| 国语自产精品视频在线第100页| 九九久久精品国产亚洲av麻豆| 俺也久久电影网| 国内精品久久久久精免费| 99久久久亚洲精品蜜臀av| 有码 亚洲区| 国产成人aa在线观看| 韩国av一区二区三区四区| 美女免费视频网站| 午夜免费激情av| 夜夜躁狠狠躁天天躁| 好男人电影高清在线观看| 舔av片在线| 女人被狂操c到高潮| 成人高潮视频无遮挡免费网站| 亚洲美女视频黄频| 日韩欧美精品免费久久 | 国产精品自产拍在线观看55亚洲| 国产成人啪精品午夜网站| 熟女电影av网| 国产高清视频在线观看网站| 一本一本综合久久| 欧美成人免费av一区二区三区| 99久久成人亚洲精品观看| 国产免费男女视频| 一进一出抽搐gif免费好疼| 亚洲精品日韩av片在线观看| 国产精品日韩av在线免费观看| 日本 欧美在线| 免费看日本二区| 亚洲午夜理论影院| 亚洲成人久久性| 亚洲av.av天堂| 欧美zozozo另类| 久久久久性生活片| a级一级毛片免费在线观看| 亚洲中文字幕日韩| 免费av毛片视频| 欧美黑人巨大hd| 亚洲av不卡在线观看| 国产亚洲精品综合一区在线观看| 国产主播在线观看一区二区| 国产美女午夜福利| 亚洲专区国产一区二区| 国产一区二区三区在线臀色熟女| 99久久成人亚洲精品观看| 国产爱豆传媒在线观看| 最近最新免费中文字幕在线| 看片在线看免费视频| 久久国产乱子伦精品免费另类| 久久亚洲真实| 日日摸夜夜添夜夜添av毛片 | 欧美激情在线99| 国产aⅴ精品一区二区三区波| 午夜福利高清视频| 欧美黑人巨大hd| 日日夜夜操网爽| av国产免费在线观看| 十八禁人妻一区二区| 午夜日韩欧美国产| 免费电影在线观看免费观看| 女人被狂操c到高潮| 中文亚洲av片在线观看爽| 国产一区二区亚洲精品在线观看| 午夜福利成人在线免费观看| 国产极品精品免费视频能看的| 欧美性猛交黑人性爽| 精品日产1卡2卡| 亚洲电影在线观看av| 极品教师在线免费播放| 免费在线观看日本一区| www日本黄色视频网| 男人和女人高潮做爰伦理| 韩国av一区二区三区四区| 丰满的人妻完整版| 麻豆av噜噜一区二区三区| 亚洲中文字幕日韩| 俄罗斯特黄特色一大片| 亚洲欧美日韩高清在线视频| 久久人人精品亚洲av| 欧美xxxx黑人xx丫x性爽| 国产伦精品一区二区三区四那| 一a级毛片在线观看| 别揉我奶头~嗯~啊~动态视频| 特级一级黄色大片| 日韩成人在线观看一区二区三区| 亚洲性夜色夜夜综合| 国产精品嫩草影院av在线观看 | 天天躁日日操中文字幕| 国产精品美女特级片免费视频播放器| 尤物成人国产欧美一区二区三区| 99久久九九国产精品国产免费| 色噜噜av男人的天堂激情| 69av精品久久久久久| 午夜福利成人在线免费观看| 亚洲国产精品合色在线| 一级a爱片免费观看的视频| 欧美日韩乱码在线| 久久99热6这里只有精品| 国产伦一二天堂av在线观看| 午夜影院日韩av| 亚洲无线在线观看| 国内精品久久久久久久电影| 美女被艹到高潮喷水动态| 欧美bdsm另类| 97超级碰碰碰精品色视频在线观看| 小说图片视频综合网站| 亚洲欧美日韩卡通动漫| 在线播放无遮挡| 免费电影在线观看免费观看| 蜜桃久久精品国产亚洲av| 亚洲av成人不卡在线观看播放网| 亚洲精品久久国产高清桃花| 欧美乱色亚洲激情| АⅤ资源中文在线天堂| 黄色丝袜av网址大全| 日本与韩国留学比较| 精品欧美国产一区二区三| 亚洲欧美日韩东京热| 十八禁网站免费在线| 成人亚洲精品av一区二区| 91字幕亚洲| 99riav亚洲国产免费| 国产熟女xx| 日韩欧美三级三区| 欧洲精品卡2卡3卡4卡5卡区| 成人三级黄色视频| 可以在线观看的亚洲视频| 亚洲色图av天堂| 中文字幕熟女人妻在线| 精品国内亚洲2022精品成人| 香蕉av资源在线| 国产成人欧美在线观看| 国产三级中文精品| 能在线免费观看的黄片| 亚洲一区二区三区色噜噜| 99久久无色码亚洲精品果冻| 在线播放无遮挡| 天堂动漫精品| 久久久久精品国产欧美久久久| 亚洲乱码一区二区免费版| 欧美乱妇无乱码| 欧美日韩中文字幕国产精品一区二区三区| 黄色丝袜av网址大全| 99国产极品粉嫩在线观看| 久久午夜亚洲精品久久| 欧美区成人在线视频| 亚洲七黄色美女视频| 国产精品野战在线观看| 国产欧美日韩精品亚洲av| 欧美国产日韩亚洲一区| 国产一区二区在线观看日韩| 欧美丝袜亚洲另类 | www.色视频.com| 欧美3d第一页| 亚洲乱码一区二区免费版| 久久久国产成人免费| 国语自产精品视频在线第100页| 偷拍熟女少妇极品色| 十八禁国产超污无遮挡网站| 国产乱人伦免费视频| 亚洲激情在线av| 国产麻豆成人av免费视频| 日日摸夜夜添夜夜添av毛片 | 草草在线视频免费看| 亚洲五月婷婷丁香| 中文字幕久久专区| 午夜福利高清视频| 亚洲狠狠婷婷综合久久图片| 国产成人av教育| 天堂av国产一区二区熟女人妻| 日本五十路高清| 日韩高清综合在线| 婷婷精品国产亚洲av| 精品免费久久久久久久清纯| 特级一级黄色大片| 黄色视频,在线免费观看| 欧美最黄视频在线播放免费| 天堂√8在线中文| 老女人水多毛片| 国产精品av视频在线免费观看| 美女高潮的动态| 国产精品综合久久久久久久免费| 成年人黄色毛片网站| h日本视频在线播放| 日本a在线网址| 国产熟女xx| 欧美日韩中文字幕国产精品一区二区三区| 成人一区二区视频在线观看| 天堂动漫精品| 免费观看精品视频网站| 精品午夜福利在线看| 丰满人妻熟妇乱又伦精品不卡| 日韩成人在线观看一区二区三区| 99热6这里只有精品| 99久久久亚洲精品蜜臀av| 美女cb高潮喷水在线观看| 在线观看66精品国产| 久久久久久久精品吃奶| 国产精品国产高清国产av| 午夜亚洲福利在线播放| 亚洲va日本ⅴa欧美va伊人久久| 国产精品精品国产色婷婷| 亚洲av中文字字幕乱码综合| 国产成人福利小说| 麻豆一二三区av精品| 亚洲国产欧洲综合997久久,| 看免费av毛片| 久久人人爽人人爽人人片va | 久久国产乱子免费精品| 久久久久性生活片| 村上凉子中文字幕在线| 日本黄色片子视频| 午夜影院日韩av| 在线看三级毛片| 波多野结衣高清无吗| 亚洲国产色片| 又粗又爽又猛毛片免费看| 国产精品嫩草影院av在线观看 | 国产野战对白在线观看| xxxwww97欧美| 日本与韩国留学比较| 国产麻豆成人av免费视频| 欧美一区二区精品小视频在线| 99在线视频只有这里精品首页| 在线天堂最新版资源| 最近最新免费中文字幕在线| 国产视频一区二区在线看| 天天躁日日操中文字幕| 在线观看免费视频日本深夜| 97热精品久久久久久| 国产黄片美女视频| 性色avwww在线观看| 精品不卡国产一区二区三区| 久久性视频一级片| 国产一级毛片七仙女欲春2| 久久性视频一级片| 一区二区三区高清视频在线| 午夜激情欧美在线| 午夜影院日韩av| 日本黄色片子视频| 婷婷色综合大香蕉| 欧美国产日韩亚洲一区| 我的女老师完整版在线观看| 国产成人a区在线观看| 丰满人妻一区二区三区视频av| 99久久成人亚洲精品观看| 他把我摸到了高潮在线观看| 国产大屁股一区二区在线视频| 久久精品国产清高在天天线| 久久国产精品人妻蜜桃| 国产国拍精品亚洲av在线观看| 国产成人a区在线观看| 国产精品一区二区三区四区久久| 日日摸夜夜添夜夜添小说| 久久人人爽人人爽人人片va | 久久中文看片网| 十八禁国产超污无遮挡网站| 搡老岳熟女国产| a在线观看视频网站| 内射极品少妇av片p| 日韩欧美三级三区| 亚洲人成网站在线播| 少妇人妻一区二区三区视频| 国产亚洲欧美98| 麻豆久久精品国产亚洲av| 色精品久久人妻99蜜桃| 一本综合久久免费| 国产一区二区在线av高清观看| 国产在视频线在精品| 搡老岳熟女国产| 日本撒尿小便嘘嘘汇集6| 三级国产精品欧美在线观看| 成人无遮挡网站| 欧美激情久久久久久爽电影| 我要搜黄色片| 亚洲av不卡在线观看| 人人妻人人澡欧美一区二区| 91在线精品国自产拍蜜月| 99久久精品一区二区三区| 亚洲av.av天堂| 亚洲avbb在线观看| 人人妻,人人澡人人爽秒播| 国模一区二区三区四区视频| 国产亚洲精品av在线| 国产三级黄色录像| 久久久久久久亚洲中文字幕 | 国内精品久久久久久久电影| 网址你懂的国产日韩在线| 免费观看人在逋| 人人妻人人看人人澡| 亚洲精品粉嫩美女一区| 高清在线国产一区| 婷婷六月久久综合丁香| 亚洲av电影不卡..在线观看| 成人三级黄色视频| 国产日本99.免费观看| 日韩欧美 国产精品| 麻豆国产av国片精品| 精品一区二区三区人妻视频| 精品免费久久久久久久清纯| 国产伦在线观看视频一区| 听说在线观看完整版免费高清| 国内精品久久久久精免费| 色吧在线观看| 日本黄色片子视频| 亚洲精品在线观看二区| 亚洲欧美日韩高清专用| 不卡一级毛片| 久久久久国内视频| 久久久久国产精品人妻aⅴ院| 听说在线观看完整版免费高清| 美女被艹到高潮喷水动态| 97超视频在线观看视频| 中文字幕人妻熟人妻熟丝袜美| 一a级毛片在线观看| 欧美丝袜亚洲另类 | 韩国av一区二区三区四区| 精品午夜福利在线看| 久久精品国产亚洲av天美| 国产免费一级a男人的天堂| 久久午夜福利片| 久久久久久久久久成人| 国产黄a三级三级三级人| 亚洲美女搞黄在线观看 | 精品久久久久久久久久免费视频| 少妇丰满av| 国产精品久久久久久久久免 | 性色av乱码一区二区三区2| 国产熟女xx| 亚洲无线在线观看| 一本精品99久久精品77| 国产不卡一卡二| 欧美黄色淫秽网站| 午夜福利高清视频| 亚洲国产色片| 国产精品综合久久久久久久免费| 嫁个100分男人电影在线观看| 国产白丝娇喘喷水9色精品| 噜噜噜噜噜久久久久久91| 少妇的逼水好多| 国产一区二区激情短视频| 高清在线国产一区| 久久亚洲精品不卡| 最近最新免费中文字幕在线| 一个人免费在线观看电影| 精品久久久久久久人妻蜜臀av| 国产精品三级大全| 国产精品一区二区免费欧美| 国产一区二区在线观看日韩| 在线免费观看不下载黄p国产 | 在线观看免费视频日本深夜| 99国产精品一区二区蜜桃av| 亚洲无线观看免费| 国产精品爽爽va在线观看网站| 国产在线精品亚洲第一网站| av中文乱码字幕在线| 亚洲av免费高清在线观看| 不卡一级毛片| 亚洲国产色片| 成人特级黄色片久久久久久久| 女人十人毛片免费观看3o分钟| 特级一级黄色大片| 免费观看人在逋| 亚洲一区二区三区不卡视频| 色哟哟·www| 欧美潮喷喷水| АⅤ资源中文在线天堂| 日日夜夜操网爽| 淫秽高清视频在线观看| 小蜜桃在线观看免费完整版高清| 色哟哟·www| 国产精品电影一区二区三区| 日韩欧美三级三区| 午夜精品一区二区三区免费看| 少妇的逼好多水| 中文字幕av在线有码专区| 99国产综合亚洲精品| 亚洲一区二区三区不卡视频| 乱人视频在线观看| 日韩国内少妇激情av| 一区二区三区四区激情视频 | 我的老师免费观看完整版| 午夜精品久久久久久毛片777| 日韩免费av在线播放| 亚洲成人久久爱视频| 91午夜精品亚洲一区二区三区 | 日本撒尿小便嘘嘘汇集6| 此物有八面人人有两片| 亚洲欧美激情综合另类| 波多野结衣高清无吗| xxxwww97欧美| 自拍偷自拍亚洲精品老妇| xxxwww97欧美| av天堂在线播放| 最新在线观看一区二区三区| 日本免费一区二区三区高清不卡| 国产精品美女特级片免费视频播放器| 国产三级中文精品| 97超级碰碰碰精品色视频在线观看| 村上凉子中文字幕在线| 日韩欧美精品免费久久 | 18禁裸乳无遮挡免费网站照片| 久久精品91蜜桃| 性色avwww在线观看| 永久网站在线| 国产精品嫩草影院av在线观看 | 国产精品国产高清国产av| 欧美成人a在线观看| 熟女电影av网| 在线观看午夜福利视频| 精品不卡国产一区二区三区| 国产精华一区二区三区| 12—13女人毛片做爰片一| 热99re8久久精品国产| 欧美+亚洲+日韩+国产| 久久久国产成人精品二区| 国产不卡一卡二| 午夜久久久久精精品| 精品乱码久久久久久99久播| 免费人成在线观看视频色| 国产一区二区三区在线臀色熟女| 国产亚洲精品综合一区在线观看| 午夜福利免费观看在线| 午夜视频国产福利| 欧美性猛交黑人性爽| 国产精品不卡视频一区二区 | 国产免费男女视频| 一区二区三区四区激情视频 | www.色视频.com| 18禁黄网站禁片午夜丰满| 成人国产一区最新在线观看| 美女高潮的动态| av欧美777| 久久人妻av系列| 亚洲国产欧洲综合997久久,| 国产精品野战在线观看| 极品教师在线免费播放| 757午夜福利合集在线观看| 啪啪无遮挡十八禁网站| 中文亚洲av片在线观看爽| 好男人在线观看高清免费视频| 老熟妇仑乱视频hdxx| 97超级碰碰碰精品色视频在线观看| 五月伊人婷婷丁香| 国产在视频线在精品| 久久精品综合一区二区三区| 亚洲av二区三区四区| 国产成人aa在线观看| 亚洲综合色惰| 小蜜桃在线观看免费完整版高清| 99riav亚洲国产免费| 成人三级黄色视频| 成人欧美大片| 少妇裸体淫交视频免费看高清| 国产极品精品免费视频能看的| 国产单亲对白刺激| 国产一区二区激情短视频| 国产乱人伦免费视频| xxxwww97欧美| 免费高清视频大片| h日本视频在线播放| 99热这里只有是精品在线观看 | 9191精品国产免费久久| 国产成人影院久久av| 久久国产乱子伦精品免费另类| 国产探花在线观看一区二区| 亚洲五月天丁香| 国产午夜精品久久久久久一区二区三区 | 村上凉子中文字幕在线| 看免费av毛片| 午夜福利在线观看吧| 日韩欧美精品v在线| 夜夜躁狠狠躁天天躁| 毛片一级片免费看久久久久 | 国产私拍福利视频在线观看| 亚洲va日本ⅴa欧美va伊人久久| 亚洲成人久久爱视频| 国产精品,欧美在线| 搞女人的毛片| 亚洲人与动物交配视频| 久久久久久久久大av| 亚洲欧美日韩东京热| 99精品久久久久人妻精品| 精品一区二区免费观看| 两性午夜刺激爽爽歪歪视频在线观看| 日本 av在线| 中文字幕高清在线视频| 青草久久国产| 中文字幕人成人乱码亚洲影| 波多野结衣巨乳人妻| 成年人黄色毛片网站| 婷婷六月久久综合丁香| 欧美+日韩+精品|