• <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
    青春草国产在线视频| 精品国产露脸久久av麻豆| 亚洲美女黄色视频免费看| 最近最新中文字幕免费大全7| 色视频在线一区二区三区| av女优亚洲男人天堂| 日日啪夜夜爽| 国产伦理片在线播放av一区| 超色免费av| 国产精品免费大片| 丝袜脚勾引网站| 国产精品麻豆人妻色哟哟久久| videosex国产| 国产熟女午夜一区二区三区| 国产精品三级大全| 2021少妇久久久久久久久久久| 欧美日韩亚洲高清精品| 男女床上黄色一级片免费看| 天天躁夜夜躁狠狠久久av| 777米奇影视久久| av卡一久久| 女的被弄到高潮叫床怎么办| 看免费成人av毛片| 九草在线视频观看| 亚洲一区二区三区欧美精品| 亚洲欧美成人综合另类久久久| 一级片'在线观看视频| 亚洲综合精品二区| 国产日韩欧美在线精品| 美女大奶头黄色视频| 国产一区亚洲一区在线观看| av女优亚洲男人天堂| 欧美av亚洲av综合av国产av | 又黄又粗又硬又大视频| 国产成人系列免费观看| 亚洲一码二码三码区别大吗| 成人国产av品久久久| 国产在线免费精品| 久久久精品国产亚洲av高清涩受| 欧美乱码精品一区二区三区| 天天影视国产精品| 久久天躁狠狠躁夜夜2o2o | 国产精品嫩草影院av在线观看| 97在线人人人人妻| 久久精品国产亚洲av高清一级| 十分钟在线观看高清视频www| 色播在线永久视频| 国产野战对白在线观看| 男女之事视频高清在线观看 | 男女国产视频网站| 一二三四在线观看免费中文在| 久久婷婷青草| 交换朋友夫妻互换小说| 亚洲国产欧美在线一区| 97精品久久久久久久久久精品| 欧美黑人精品巨大| 日韩一本色道免费dvd| 一边亲一边摸免费视频| 最近手机中文字幕大全| 日韩精品免费视频一区二区三区| 欧美精品人与动牲交sv欧美| 欧美精品av麻豆av| 晚上一个人看的免费电影| 国产探花极品一区二区| 亚洲欧洲国产日韩| 嫩草影院入口| 国产深夜福利视频在线观看| 美女脱内裤让男人舔精品视频| 午夜老司机福利片| 热99国产精品久久久久久7| 国产成人系列免费观看| av网站免费在线观看视频| 日韩av免费高清视频| 在线 av 中文字幕| 赤兔流量卡办理| 男女边摸边吃奶| 欧美少妇被猛烈插入视频| 国产黄色视频一区二区在线观看| 另类亚洲欧美激情| 国产熟女午夜一区二区三区| 国语对白做爰xxxⅹ性视频网站| 国产亚洲精品第一综合不卡| 一级毛片黄色毛片免费观看视频| 国产亚洲欧美精品永久| 亚洲欧美中文字幕日韩二区| 18禁国产床啪视频网站| 婷婷色综合大香蕉| 咕卡用的链子| 亚洲国产毛片av蜜桃av| 亚洲精品日韩在线中文字幕| 中文字幕av电影在线播放| 久久久久久人妻| 老司机影院毛片| 七月丁香在线播放| 水蜜桃什么品种好| 久久精品国产亚洲av涩爱| 波多野结衣一区麻豆| 日日摸夜夜添夜夜爱| 伊人久久大香线蕉亚洲五| 亚洲人成77777在线视频| 99热网站在线观看| 国产 精品1| 精品人妻在线不人妻| 一级片免费观看大全| av一本久久久久| 麻豆精品久久久久久蜜桃| 精品少妇黑人巨大在线播放| 最黄视频免费看| 99久久综合免费| 高清在线视频一区二区三区| 大话2 男鬼变身卡| 两个人看的免费小视频| 自线自在国产av| 一级毛片黄色毛片免费观看视频| 一边亲一边摸免费视频| 亚洲成人一二三区av| 岛国毛片在线播放| 成人国语在线视频| 亚洲熟女毛片儿| 捣出白浆h1v1| 精品国产乱码久久久久久小说| 卡戴珊不雅视频在线播放| 黑人巨大精品欧美一区二区蜜桃| 最近最新中文字幕大全免费视频 | 9热在线视频观看99| 精品人妻在线不人妻| 大香蕉久久成人网| 校园人妻丝袜中文字幕| 免费黄频网站在线观看国产| 亚洲精品久久久久久婷婷小说| 欧美日韩视频高清一区二区三区二| 黄色 视频免费看| 黄色一级大片看看| 成人三级做爰电影| 悠悠久久av| 在线精品无人区一区二区三| 日韩中文字幕视频在线看片| 亚洲精品成人av观看孕妇| 亚洲久久久国产精品| 欧美日韩一级在线毛片| 亚洲一区中文字幕在线| 岛国毛片在线播放| √禁漫天堂资源中文www| 建设人人有责人人尽责人人享有的| 亚洲国产日韩一区二区| 美女扒开内裤让男人捅视频| 久久久久久久大尺度免费视频| 精品国产露脸久久av麻豆| 国产成人啪精品午夜网站| 在线观看www视频免费| 国产一区二区激情短视频 | 69精品国产乱码久久久| 午夜福利影视在线免费观看| 国产av一区二区精品久久| 国产精品成人在线| 老司机深夜福利视频在线观看 | 天堂俺去俺来也www色官网| 19禁男女啪啪无遮挡网站| 十分钟在线观看高清视频www| 欧美日韩精品网址| 日韩,欧美,国产一区二区三区| 久久这里只有精品19| 国产精品嫩草影院av在线观看| 亚洲成人国产一区在线观看 | 啦啦啦中文免费视频观看日本| 国产野战对白在线观看| 亚洲色图 男人天堂 中文字幕| av国产久精品久网站免费入址| 国产日韩欧美在线精品| 波多野结衣一区麻豆| 一本大道久久a久久精品| 赤兔流量卡办理| 在线观看免费午夜福利视频| 777久久人妻少妇嫩草av网站| 欧美黑人欧美精品刺激| 99精品久久久久人妻精品| 无限看片的www在线观看| 成人午夜精彩视频在线观看| 午夜老司机福利片| 国产精品一二三区在线看| 夫妻性生交免费视频一级片| 伦理电影免费视频| 亚洲精品国产av蜜桃| 国产成人精品久久久久久| 制服人妻中文乱码| 国产精品麻豆人妻色哟哟久久| 欧美亚洲 丝袜 人妻 在线| 丝袜美足系列| 人妻 亚洲 视频| 观看av在线不卡| 欧美日韩国产mv在线观看视频| 精品一区二区三卡| 哪个播放器可以免费观看大片| av电影中文网址| 两个人免费观看高清视频| 少妇被粗大猛烈的视频| 女性被躁到高潮视频| 不卡视频在线观看欧美| 亚洲欧洲日产国产| 久久久久久人人人人人| 亚洲精品自拍成人| 一区二区三区乱码不卡18| 热99久久久久精品小说推荐| 久久久久国产一级毛片高清牌| 国产日韩欧美视频二区| 成人毛片60女人毛片免费| 两个人看的免费小视频| 在线观看免费视频网站a站| 国产熟女午夜一区二区三区| 精品少妇一区二区三区视频日本电影 | 99精国产麻豆久久婷婷| 综合色丁香网| 波多野结衣av一区二区av| 欧美亚洲 丝袜 人妻 在线| 丰满少妇做爰视频| 午夜福利,免费看| 爱豆传媒免费全集在线观看| 黑人巨大精品欧美一区二区蜜桃| 国产精品一国产av| 少妇 在线观看| 90打野战视频偷拍视频| 91老司机精品| 搡老岳熟女国产| 日本色播在线视频| 狂野欧美激情性bbbbbb| 免费观看人在逋| 人人妻人人添人人爽欧美一区卜| 午夜免费观看性视频| 美女主播在线视频| 一级黄片播放器| 一级毛片黄色毛片免费观看视频| 9色porny在线观看| 丝袜喷水一区| 如日韩欧美国产精品一区二区三区| 高清欧美精品videossex| 亚洲国产精品999| e午夜精品久久久久久久| 黄网站色视频无遮挡免费观看| 国产有黄有色有爽视频| 91精品伊人久久大香线蕉| 热99久久久久精品小说推荐| 高清av免费在线| 久久久久久人妻| 久久天躁狠狠躁夜夜2o2o | 伊人久久国产一区二区| 99精品久久久久人妻精品| 国产精品一区二区精品视频观看| 制服丝袜香蕉在线| 久久精品国产综合久久久| 国产毛片在线视频| 亚洲精品国产色婷婷电影| 女人高潮潮喷娇喘18禁视频| 看非洲黑人一级黄片| 国产 精品1| 欧美日韩综合久久久久久| 9色porny在线观看| 成年动漫av网址| 久久久精品国产亚洲av高清涩受| 欧美成人午夜精品| 亚洲精品aⅴ在线观看| 久久国产亚洲av麻豆专区| 久久毛片免费看一区二区三区| 日本vs欧美在线观看视频| 国产乱来视频区| 免费观看人在逋| 日本爱情动作片www.在线观看| 一区福利在线观看| 精品久久蜜臀av无| 国产日韩欧美亚洲二区| 亚洲欧洲国产日韩| 国产欧美日韩一区二区三区在线| 午夜av观看不卡| 亚洲欧美一区二区三区国产| 亚洲国产精品一区二区三区在线| 天天躁日日躁夜夜躁夜夜| 黄片小视频在线播放| 中文精品一卡2卡3卡4更新| av线在线观看网站| 久久精品久久久久久噜噜老黄| 久热爱精品视频在线9| 国产av码专区亚洲av| 日日爽夜夜爽网站| 欧美日本中文国产一区发布| 大片电影免费在线观看免费| 亚洲国产毛片av蜜桃av| 色吧在线观看| 九九爱精品视频在线观看| 在线观看免费日韩欧美大片| 少妇 在线观看| 亚洲七黄色美女视频| 国产成人a∨麻豆精品| 人人妻人人爽人人添夜夜欢视频| 男女国产视频网站| 国产xxxxx性猛交| 菩萨蛮人人尽说江南好唐韦庄| 国产精品久久久久久久久免| 亚洲熟女精品中文字幕| 亚洲精品国产区一区二| 国产精品无大码| 在线免费观看不下载黄p国产| 51午夜福利影视在线观看| 中文字幕高清在线视频| 99国产精品免费福利视频| 夫妻午夜视频| 国产日韩欧美在线精品| 精品久久蜜臀av无| 国产精品久久久av美女十八| 狂野欧美激情性xxxx| 熟妇人妻不卡中文字幕| 99精品久久久久人妻精品| 亚洲精品在线美女| 国产一区二区三区av在线| 精品少妇一区二区三区视频日本电影 | 国产麻豆69| 女人被躁到高潮嗷嗷叫费观| 哪个播放器可以免费观看大片| 一二三四在线观看免费中文在| 大话2 男鬼变身卡| 成年人午夜在线观看视频| 亚洲人成网站在线观看播放| 美女扒开内裤让男人捅视频| 男人添女人高潮全过程视频| 777米奇影视久久| 久久久国产欧美日韩av| e午夜精品久久久久久久| 丝瓜视频免费看黄片| 别揉我奶头~嗯~啊~动态视频 | 老司机亚洲免费影院| 免费高清在线观看日韩| 欧美日韩国产mv在线观看视频| 性高湖久久久久久久久免费观看| 看免费av毛片| 99国产精品免费福利视频| 久久影院123| 精品一品国产午夜福利视频| 亚洲av福利一区| 欧美av亚洲av综合av国产av | 少妇被粗大的猛进出69影院| 精品一区在线观看国产| 国产午夜精品一二区理论片| 久久影院123| 国产又色又爽无遮挡免| 激情五月婷婷亚洲| 另类亚洲欧美激情| 在线观看国产h片| 青春草视频在线免费观看| 中文字幕色久视频| 国产日韩欧美在线精品| xxx大片免费视频| videos熟女内射| 日本wwww免费看| 18禁观看日本| 最黄视频免费看| 女人被躁到高潮嗷嗷叫费观| 视频区图区小说| 亚洲专区中文字幕在线 | 无遮挡黄片免费观看| bbb黄色大片| 久久久久久人妻| 日本一区二区免费在线视频| 伊人久久大香线蕉亚洲五| 日本一区二区免费在线视频| 伊人久久国产一区二区| 18禁裸乳无遮挡动漫免费视频| 丁香六月天网| 操美女的视频在线观看| 国产成人系列免费观看| 精品久久蜜臀av无| 男女无遮挡免费网站观看| 各种免费的搞黄视频| 十八禁高潮呻吟视频| 日韩制服骚丝袜av| 人人妻,人人澡人人爽秒播 | 在线观看国产h片| 亚洲精品一二三| 多毛熟女@视频| 在线观看免费视频网站a站| 国产成人啪精品午夜网站| 国产xxxxx性猛交| 国产精品人妻久久久影院| 国产又爽黄色视频| 欧美另类一区| 1024香蕉在线观看| 天美传媒精品一区二区| 在线天堂中文资源库| 丁香六月欧美| 亚洲人成77777在线视频| 欧美日韩国产mv在线观看视频| 99国产综合亚洲精品| 咕卡用的链子| 天堂中文最新版在线下载| 久久精品亚洲熟妇少妇任你| 男的添女的下面高潮视频| 欧美日韩av久久| 久久天躁狠狠躁夜夜2o2o | 久久亚洲国产成人精品v| 亚洲av电影在线观看一区二区三区| 国产不卡av网站在线观看| 亚洲欧洲精品一区二区精品久久久 | 中文天堂在线官网| 一边摸一边做爽爽视频免费| 91国产中文字幕| 黄色 视频免费看| 美女主播在线视频| 女人高潮潮喷娇喘18禁视频| 自拍欧美九色日韩亚洲蝌蚪91| 一区福利在线观看| 两个人看的免费小视频| 精品酒店卫生间| 卡戴珊不雅视频在线播放| 老司机影院毛片| 夜夜骑夜夜射夜夜干| 男女下面插进去视频免费观看| 777久久人妻少妇嫩草av网站| 丝袜人妻中文字幕| 美女视频免费永久观看网站| 亚洲国产av影院在线观看| 老熟女久久久| 成年女人毛片免费观看观看9 | 亚洲男人天堂网一区| 观看美女的网站| 九草在线视频观看| 亚洲综合精品二区| 美女大奶头黄色视频| 日韩一区二区三区影片| 免费观看a级毛片全部| 亚洲国产成人一精品久久久| 少妇人妻久久综合中文| 美女中出高潮动态图| 美女扒开内裤让男人捅视频| 欧美黄色片欧美黄色片| 日日爽夜夜爽网站| 欧美激情高清一区二区三区 | 亚洲美女黄色视频免费看| 纯流量卡能插随身wifi吗| 久久这里只有精品19| 波多野结衣av一区二区av| 午夜久久久在线观看| 18禁国产床啪视频网站| 91精品国产国语对白视频| 精品国产一区二区三区久久久樱花| 国产精品熟女久久久久浪| 日韩av不卡免费在线播放| 丰满饥渴人妻一区二区三| av福利片在线| 午夜福利视频在线观看免费| 欧美中文综合在线视频| 国产成人一区二区在线| 亚洲国产日韩一区二区| 最近中文字幕高清免费大全6| 19禁男女啪啪无遮挡网站| 日韩欧美精品免费久久| 国产精品久久久久久人妻精品电影 | 久久女婷五月综合色啪小说| 日本欧美国产在线视频| 免费高清在线观看视频在线观看| 男人舔女人的私密视频| 精品午夜福利在线看| 热99久久久久精品小说推荐| 国产成人免费无遮挡视频| 香蕉丝袜av| 亚洲欧美一区二区三区国产| 99香蕉大伊视频| 国产爽快片一区二区三区| 亚洲免费av在线视频| 精品视频人人做人人爽| 亚洲情色 制服丝袜| 色94色欧美一区二区| 老司机影院成人| 欧美日韩成人在线一区二区| 国产爽快片一区二区三区| 爱豆传媒免费全集在线观看| 18禁国产床啪视频网站| 丝袜美足系列| 一级片免费观看大全| 国产一级毛片在线| 国产成人欧美在线观看 | 婷婷色麻豆天堂久久| 女人被躁到高潮嗷嗷叫费观| 国产一区亚洲一区在线观看| 欧美激情 高清一区二区三区| 久久国产亚洲av麻豆专区| 欧美xxⅹ黑人| 啦啦啦啦在线视频资源| 桃花免费在线播放| 午夜免费男女啪啪视频观看| 国产成人免费无遮挡视频| 精品免费久久久久久久清纯 | 18禁国产床啪视频网站| 亚洲婷婷狠狠爱综合网| 亚洲国产欧美一区二区综合| 国产精品久久久久久久久免| 狂野欧美激情性xxxx| 黄片小视频在线播放| 精品卡一卡二卡四卡免费| 亚洲av欧美aⅴ国产| 天天影视国产精品| 9色porny在线观看| 国产精品av久久久久免费| 少妇 在线观看| 视频区图区小说| 美女午夜性视频免费| 黑人欧美特级aaaaaa片| 欧美日韩亚洲综合一区二区三区_| 黄色视频在线播放观看不卡| 日韩伦理黄色片| 国产一区有黄有色的免费视频| 成人影院久久| 99精国产麻豆久久婷婷| 亚洲欧美日韩另类电影网站| 日韩不卡一区二区三区视频在线| 男女无遮挡免费网站观看| 亚洲精品久久午夜乱码| 国产免费福利视频在线观看| 性色av一级| 性少妇av在线| 国产成人午夜福利电影在线观看| 丝袜美足系列| 视频在线观看一区二区三区| 亚洲av在线观看美女高潮| svipshipincom国产片| 五月开心婷婷网| 中文字幕精品免费在线观看视频| 国产精品成人在线| 天天躁狠狠躁夜夜躁狠狠躁| 黄片播放在线免费| 男女之事视频高清在线观看 | 新久久久久国产一级毛片| 成人影院久久| 精品国产露脸久久av麻豆| 国产精品国产三级国产专区5o| 极品人妻少妇av视频| 久久久欧美国产精品| 精品国产国语对白av| 久久久亚洲精品成人影院| www.自偷自拍.com| 男女高潮啪啪啪动态图| 久久精品人人爽人人爽视色| 久久久久国产精品人妻一区二区| 精品久久久久久电影网| 亚洲精华国产精华液的使用体验| 丰满少妇做爰视频| 青草久久国产| 欧美精品高潮呻吟av久久| 日韩成人av中文字幕在线观看| 你懂的网址亚洲精品在线观看| 一区二区三区激情视频| 狂野欧美激情性xxxx| 99国产精品免费福利视频| 在现免费观看毛片| 欧美日韩福利视频一区二区| 一区二区日韩欧美中文字幕| 美女福利国产在线| 久久精品国产亚洲av高清一级| 老司机靠b影院| 2018国产大陆天天弄谢| 久久久国产精品麻豆| 日韩 亚洲 欧美在线| 日韩不卡一区二区三区视频在线| 另类亚洲欧美激情| 国语对白做爰xxxⅹ性视频网站| 久久精品亚洲av国产电影网| 一个人免费看片子| 久久青草综合色| 久久久久久久久久久久大奶| 老熟女久久久| 国产一区二区 视频在线| 欧美xxⅹ黑人| 三上悠亚av全集在线观看| 一级毛片电影观看| 国产精品av久久久久免费| 另类精品久久| 亚洲精品国产一区二区精华液| 亚洲av日韩精品久久久久久密 | 久久久久久人人人人人| 欧美另类一区| 在线天堂最新版资源| 国产成人欧美| 成人国语在线视频| 国产在线视频一区二区| 97人妻天天添夜夜摸| 性少妇av在线| 亚洲在久久综合| av女优亚洲男人天堂| 日韩制服骚丝袜av| 高清视频免费观看一区二区| a级毛片黄视频| 国产精品秋霞免费鲁丝片| 亚洲,欧美精品.| 不卡av一区二区三区| 别揉我奶头~嗯~啊~动态视频 | 亚洲欧美色中文字幕在线| 亚洲精品av麻豆狂野| a级毛片在线看网站| 丁香六月天网| 亚洲色图综合在线观看| 亚洲一区二区三区欧美精品| 一个人免费看片子| 丁香六月欧美| 超色免费av| 美女中出高潮动态图| 99久久99久久久精品蜜桃| 如日韩欧美国产精品一区二区三区| 成年动漫av网址| 精品久久久精品久久久| 日本午夜av视频| av视频免费观看在线观看| 人妻人人澡人人爽人人| 亚洲一卡2卡3卡4卡5卡精品中文| 国产午夜精品一二区理论片| 亚洲自偷自拍图片 自拍| 中文字幕人妻熟女乱码| 久久久欧美国产精品| 免费日韩欧美在线观看| 日韩制服骚丝袜av|