• <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 ?

    基于人工智能的地形目標判讀*

    2020-12-23 01:23:00汪莉莉
    艦船電子工程 2020年11期
    關(guān)鍵詞:損失分類深度

    汪莉莉 吳 帥

    (1.海軍工程大學(xué) 武漢 430033)(2.96823部隊 昆明 650219)

    1 引言

    近年來,隨著大規(guī)模數(shù)據(jù)集和高性能計算硬件的發(fā)展,以深度學(xué)習(xí)為代表的人工智能在圖像的檢測[1~2]、分類[3~4]和分割[5]等領(lǐng)域取得了飛躍性的進步。但是從相關(guān)研究文獻看,人工智能技術(shù)在醫(yī)療診斷、指紋識別、面部識別、交通氣象以及衛(wèi)星云圖識別等方面[6~9]有著較好的應(yīng)用,但在地形目標判讀領(lǐng)域的研究和應(yīng)用還不常見。在實際地形目標判讀和分析中,定性描述多、定量描述少,分析不夠快速、不夠精確的現(xiàn)象還一定程度的存在。

    針對以上問題,本文提出了一種基于Mask R-CNN模型[10]的地形目標判讀方法,可以在復(fù)雜背景下有效檢測與分割場坪、居民地、工廠、水源、交通設(shè)施等不同地形,便于給出定量分析結(jié)論,以輔助人員分析地形環(huán)境。

    2 深度學(xué)習(xí)基本原理

    深度學(xué)習(xí)的概念源于人工神經(jīng)網(wǎng)絡(luò)的研究,是指通過組合低層特征形成更加抽象的高層表示屬性類別或特征,以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示的方法[11]。深度學(xué)習(xí)是當前人工智能技術(shù)中最具潛力的一種方法,是于2006年由加拿大高等研究院的Hinton教授等提出,在最近10多年得到了巨大發(fā)展,并使人工智能產(chǎn)生了革命性的突破。

    深度人工神經(jīng)網(wǎng)絡(luò)是多層的人工神經(jīng)網(wǎng)絡(luò),是當前基于深度學(xué)習(xí)方法的模型中最為典型的代表,模型和數(shù)據(jù)是影響人工神經(jīng)網(wǎng)絡(luò)特征表達的兩個主要方面。傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)只包含2層或3層,而深度人工神經(jīng)網(wǎng)絡(luò)受到了生物神經(jīng)系統(tǒng)的啟發(fā),可能有幾百上千層或更多,它是人工智能的核心,是使計算機具有智能的根本途徑,其應(yīng)用遍及人工智能的各個領(lǐng)域。深度人工神經(jīng)網(wǎng)絡(luò)并行使用神經(jīng)元模型操作,它由一個輸入層、多個隱藏層和一個輸出層組成,各層通過神經(jīng)元相互連接,每個隱藏層使用前一層的輸出作為其輸入。該類型的模型直接從圖像、文本或聲音中學(xué)習(xí)并執(zhí)行分類任務(wù)?;窘Y(jié)構(gòu)如圖1所示。

    圖1 深度人工神經(jīng)網(wǎng)絡(luò)模型示意圖

    基于深度學(xué)習(xí)的新一代人工智能的基本過程是用深度人工神經(jīng)網(wǎng)絡(luò)模擬人類大腦,從大量數(shù)據(jù)中學(xué)習(xí)技能,從而具備一定的人類技能,顯現(xiàn)出類似人類智能的過程。深度人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程如圖2所示。

    圖2 基于深度學(xué)習(xí)的人工智能訓(xùn)練過程

    深度學(xué)習(xí)分為監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)和增強學(xué)習(xí)等,不同的學(xué)習(xí)框架下建立的學(xué)習(xí)模型不同。例如,掩碼區(qū)域卷積神經(jīng)網(wǎng)絡(luò)(Mask R-CNN)就是一種監(jiān)督學(xué)習(xí)下的深度學(xué)習(xí)模型,而深度置信網(wǎng)(DBN)就是一種無監(jiān)督學(xué)習(xí)下的深度學(xué)習(xí)模型。

    3 模型與算法

    Mask R-CNN模型包括分類、定位與分割3個網(wǎng)絡(luò)。它將目標檢測識別和實例分割功能融為一體,繼承于Faster R-CNN[12],是在Faster R-CNN的基礎(chǔ)上擴展了一個分割掩碼網(wǎng)絡(luò),并且改良了感興趣區(qū)域池化算法,提出了感興趣區(qū)域排列算法。掩碼網(wǎng)絡(luò)是應(yīng)用到每個感興趣區(qū)域上的一個小的全卷積網(wǎng)絡(luò),以像素到像素的方式預(yù)測分割掩碼,這個網(wǎng)絡(luò)與分類和定位網(wǎng)絡(luò)并行,性能上可以滿足實時檢測分割的要求。其結(jié)構(gòu)如圖3所示。

    圖3 Mask R-CNN結(jié)構(gòu)框圖

    3.1 分類網(wǎng)絡(luò)

    分類網(wǎng)絡(luò)是在ResNet101[13]經(jīng)典模型的基礎(chǔ)上進行的結(jié)構(gòu)修改和參數(shù)調(diào)優(yōu),如圖4所示。

    圖4 分類網(wǎng)絡(luò)框圖

    分類網(wǎng)絡(luò)的輸入是分塊好的遙感圖像,經(jīng)過特征金字塔網(wǎng)絡(luò)的特征提取得到整個輸入圖像的特征向量,然后經(jīng)過全連接網(wǎng)絡(luò)得到分類值,輸出是根據(jù)分類值得到地形目標的分類判讀結(jié)果。此模型的強大之處在于它的多層結(jié)構(gòu)能自動學(xué)習(xí)特征,并且可以學(xué)習(xí)到多個層次的特征,較淺的卷積層感知域較小,能夠?qū)W習(xí)到局部區(qū)域的特征,較深的卷積層具有較大的感知域,能夠?qū)W習(xí)到更加抽象的特征。這些抽象特征對物體的大小、位置和方向等敏感性更低,從而有助于判讀性能的提高。

    3.2 定位網(wǎng)絡(luò)

    定位網(wǎng)絡(luò)結(jié)構(gòu)是在分類網(wǎng)絡(luò)的基礎(chǔ)上增加區(qū)域建議網(wǎng)絡(luò)(Region Proposal Network,RPN)結(jié)構(gòu)而形成的,如圖5所示。

    圖5 定位網(wǎng)絡(luò)框圖

    輸入的分塊圖像經(jīng)過特征金字塔卷積網(wǎng)絡(luò)后,提取出特征圖,特征圖數(shù)據(jù)經(jīng)過RPN網(wǎng)絡(luò)給出目標的邊框,并進行第一次邊框回歸損失函數(shù)計算,目標推薦區(qū)域經(jīng)過RoIAlign算法送入分類全連接網(wǎng)絡(luò)(可根據(jù)地形目標種類調(diào)整分類數(shù)),并再次進行邊框回歸損失函數(shù)計算,框選出某種地形目標區(qū)域,分別確定地形目標的類別和在輸入圖像中的相對位置。

    3.3 分割網(wǎng)絡(luò)

    分割網(wǎng)絡(luò)是在定位網(wǎng)絡(luò)的基礎(chǔ)上,再增加一個全卷積掩碼分割支路,可以對分類和定位后的地形目標進行像素級分割,如圖6所示。

    圖6 分割網(wǎng)絡(luò)框圖

    分割過程可以分解為兩個階段。第一階段,對輸入圖像進行卷積和池化,得到具有類別信息的特征圖,這一部分在分類和定位網(wǎng)絡(luò)中已經(jīng)完成,而且是共享一體的網(wǎng)絡(luò)結(jié)構(gòu)。第二階段,利用具有語義信息的特征圖,進行反卷積和上采樣,得到分割的標簽圖,實現(xiàn)地形目標分割的目的。

    3.4 模型訓(xùn)練算法

    分割網(wǎng)絡(luò)與分類、定位網(wǎng)絡(luò)并行訓(xùn)練,網(wǎng)絡(luò)參數(shù)同步調(diào)整,損失函數(shù)見式(1)。

    總體損失函數(shù)可以分為區(qū)域推薦網(wǎng)絡(luò)損失函數(shù)LRPN(p,t)和感興趣區(qū)域網(wǎng)絡(luò)損失函數(shù)LRoI(x,c,l,m,g)兩部分。其中區(qū)域推薦網(wǎng)絡(luò)損失函數(shù)包括RPN分類損失函數(shù)Lcls(pi,pa i)和RPN定位損失函數(shù)Lreg(ti,tia);感興趣區(qū)域網(wǎng)絡(luò)損失函數(shù)包括RoI分類損失函數(shù)Lcls(x,c)、RoI定位損失函數(shù)Lloc(x,l,g)和 RoI分割損失函數(shù)Lmask(x,m,g)三部分。分類損失函數(shù)采用Softmax函數(shù),定位損失函數(shù)采用L1平滑損失函數(shù),分割損失函數(shù)采用平均二元交叉熵損失函數(shù)。

    4 實驗分析

    以地形目標判讀中的場坪和居民地判讀為例,開展智能判讀實驗,驗證模型與算法的有效性。實驗采用英特爾CPU、英偉達圖形處理器、Ubuntu操作系統(tǒng)、Tensorflow計算環(huán)境和Python 3.6編程語言。

    4.1 數(shù)據(jù)集準備

    該算法在自制數(shù)據(jù)集上進行測試,數(shù)據(jù)集分為訓(xùn)練集、驗證集和測試集。在民用遙感圖像中收集1m分辨率的某大學(xué)場坪遙感圖像,并收集0.5m分辨率的居民地遙感圖像,采用數(shù)據(jù)擴增技術(shù)制作成300幅遙感圖像數(shù)據(jù)集,從數(shù)據(jù)集中隨機選取其中200幅圖像為訓(xùn)練集,40幅圖像為驗證集,另外60幅圖像作為測試集。并采用多邊形標注方式對訓(xùn)練集和驗證集圖像進行標注。

    4.2 模型訓(xùn)練

    按照總體模型損失函數(shù)公式進行迭代訓(xùn)練,一次迭代處理一個圖像,λ設(shè)置為10,Ncls設(shè)置為256,Nreg設(shè)置為2400。這樣設(shè)置,RPN的兩部分損失值能保持平衡。在圖像中,選擇匹配度大于0.7的先驗框或匹配度最大的先驗框與正確標注的邊框作為正樣本。負樣本從匹配度低于0.3的樣本中隨機選擇。采用隨機梯度下降法對訓(xùn)練進行優(yōu)化。初始學(xué)習(xí)率為0.001,迭代次數(shù)為30000次,訓(xùn)練結(jié)果如表1所示。

    表1 損失函數(shù)訓(xùn)練結(jié)果

    4.3 性能評價指標

    使用平均精確率(AP)值來評估模型與算法的性能。AP是精確率-召回率曲線下的面積。精確率是正確檢測與檢測到的地形目標總數(shù)的比率。召回率是正確檢測與正確標注地形目標總數(shù)的比率。當改變分數(shù)閾值,將得到不同的精確率和召回率。精確率-召回率曲線顯示了召回率變化之后的精確率變化,從而可以反映算法的整體性能。

    4.4 實驗結(jié)果

    為測試不同數(shù)量訓(xùn)練數(shù)據(jù)集對模型性能的影響。分別從200幅訓(xùn)練集中隨機選出50、100兩種數(shù)量的訓(xùn)練數(shù)據(jù)集進行再訓(xùn)練,對訓(xùn)練后的網(wǎng)絡(luò)與原網(wǎng)絡(luò)進行性能比較實驗,分析其性能評價指標,結(jié)果如表2所示。

    其中訓(xùn)練數(shù)據(jù)集數(shù)量為200的網(wǎng)絡(luò)模型性能最佳,其判讀結(jié)果如圖7、8所示。

    圖7 某大學(xué)場坪智能判讀結(jié)果

    圖8 某居民地智能判讀結(jié)果

    實驗表明,當訓(xùn)練較少的數(shù)據(jù)時,模型性能不理想。訓(xùn)練樣本越多,目標地形目標的尺寸越大,算法的魯棒性越強,性能越好。

    5 結(jié)語

    本文提出了一種基于Mask R-CNN深度學(xué)習(xí)模型的地形目標智能判讀方法,該方法采用遷移學(xué)習(xí)和多任務(wù)學(xué)習(xí)技術(shù),分三路對遙感圖像中的地形目標進行分類、定位和分割。在訓(xùn)練階段,利用正確的標注框匹配最好的先驗框,得到正樣本信息,用于學(xué)習(xí)地形目標特征。在測試階段,將測試圖像輸入網(wǎng)絡(luò),進行前向計算,得到目標地形的分類、定位和分割值。然后,根據(jù)設(shè)定的閾值,判斷是否為目標地形,得到最終的分類、定位和分割結(jié)果。實驗結(jié)果表明,該方法能較好地判讀出目標地形,得到準確的地形目標位置,并根據(jù)分割結(jié)果計算該地形目標的量化指標。從原理上看,該方法不僅適用于公共場坪、居民地、工廠、水源、交通設(shè)施等多種地形目標,適用于可見光、紅外、多光譜、激光雷達、SAR等多種圖像,而且也適用于機場、港口、要塞等多種重要目標判讀,對于減輕人員工作量,推動地形和重點目標判讀的自動化、智能化發(fā)展具有重要意義。

    猜你喜歡
    損失分類深度
    少問一句,損失千金
    胖胖損失了多少元
    分類算一算
    深度理解一元一次方程
    分類討論求坐標
    深度觀察
    深度觀察
    玉米抽穗前倒伏怎么辦?怎么減少損失?
    深度觀察
    數(shù)據(jù)分析中的分類討論
    高清黄色对白视频在线免费看| 亚洲国产精品专区欧美| 精品少妇黑人巨大在线播放| 99热这里只有是精品在线观看| 王馨瑶露胸无遮挡在线观看| 国产精品免费大片| 欧美人与性动交α欧美精品济南到 | 亚洲国产av影院在线观看| 人人妻人人澡人人爽人人夜夜| 赤兔流量卡办理| 天堂俺去俺来也www色官网| 热99国产精品久久久久久7| 国产成人a∨麻豆精品| 午夜久久久在线观看| 国产午夜精品久久久久久一区二区三区| 精品酒店卫生间| 久久久a久久爽久久v久久| 久久精品国产亚洲网站| 久久韩国三级中文字幕| 又粗又硬又长又爽又黄的视频| 一区在线观看完整版| 久久女婷五月综合色啪小说| 国产午夜精品一二区理论片| 三上悠亚av全集在线观看| 2021少妇久久久久久久久久久| 欧美日韩视频高清一区二区三区二| 18禁裸乳无遮挡动漫免费视频| 日本黄大片高清| 欧美激情国产日韩精品一区| 久久精品国产鲁丝片午夜精品| 日韩免费高清中文字幕av| 国产精品女同一区二区软件| 久久精品国产自在天天线| 高清黄色对白视频在线免费看| 国产白丝娇喘喷水9色精品| 日本黄色日本黄色录像| 乱人伦中国视频| 国产精品国产三级国产专区5o| 飞空精品影院首页| 亚洲av免费高清在线观看| 欧美性感艳星| 精品久久蜜臀av无| 亚洲av成人精品一二三区| 亚洲av欧美aⅴ国产| 国产免费现黄频在线看| 大陆偷拍与自拍| 亚洲成人av在线免费| 成人午夜精彩视频在线观看| av在线app专区| 亚洲五月色婷婷综合| 国语对白做爰xxxⅹ性视频网站| 18禁在线播放成人免费| 精品久久蜜臀av无| 亚洲欧洲国产日韩| 欧美日韩成人在线一区二区| 成人毛片a级毛片在线播放| 欧美日韩综合久久久久久| www.av在线官网国产| 午夜免费男女啪啪视频观看| 亚洲精品乱码久久久v下载方式| 另类精品久久| 日韩一区二区三区影片| 亚洲精品国产av成人精品| 最近手机中文字幕大全| 18禁在线无遮挡免费观看视频| 在线观看国产h片| 日韩强制内射视频| 国产欧美另类精品又又久久亚洲欧美| 极品人妻少妇av视频| 国产一区二区三区av在线| 中文字幕免费在线视频6| 亚洲内射少妇av| 五月玫瑰六月丁香| 国产一区二区在线观看av| 免费人妻精品一区二区三区视频| 成年美女黄网站色视频大全免费 | 亚洲国产av新网站| 欧美日韩视频精品一区| 日产精品乱码卡一卡2卡三| 亚洲国产精品一区二区三区在线| 亚洲第一区二区三区不卡| 精品国产一区二区三区久久久樱花| 色94色欧美一区二区| 成年人免费黄色播放视频| 日韩在线高清观看一区二区三区| 亚洲av成人精品一区久久| 亚洲美女搞黄在线观看| 欧美亚洲日本最大视频资源| 久久精品国产亚洲网站| 人妻少妇偷人精品九色| 亚洲综合精品二区| 亚洲,一卡二卡三卡| 黑人欧美特级aaaaaa片| 一级a做视频免费观看| 一本色道久久久久久精品综合| 少妇人妻 视频| 亚洲天堂av无毛| 在线观看免费日韩欧美大片 | 久久久久久久精品精品| 王馨瑶露胸无遮挡在线观看| 亚洲综合精品二区| 亚洲情色 制服丝袜| 久久久精品94久久精品| 国产国拍精品亚洲av在线观看| 日日撸夜夜添| 国产成人免费观看mmmm| 成人国产麻豆网| 亚洲欧洲国产日韩| 国产欧美另类精品又又久久亚洲欧美| 午夜激情久久久久久久| 激情五月婷婷亚洲| 黄色怎么调成土黄色| 黄色毛片三级朝国网站| xxxhd国产人妻xxx| 国产综合精华液| 性色avwww在线观看| 国产老妇伦熟女老妇高清| 国产精品熟女久久久久浪| 午夜福利视频精品| 毛片一级片免费看久久久久| 精品国产国语对白av| 欧美日韩国产mv在线观看视频| 久久精品久久精品一区二区三区| 日本av手机在线免费观看| 色视频在线一区二区三区| 亚洲国产精品一区三区| 热re99久久国产66热| 亚洲婷婷狠狠爱综合网| 久久午夜福利片| 性色avwww在线观看| 春色校园在线视频观看| 午夜福利视频精品| 美女cb高潮喷水在线观看| 国产日韩欧美视频二区| 成年av动漫网址| 久久久久久久久久成人| 九九在线视频观看精品| 国产精品.久久久| 波野结衣二区三区在线| 国产高清不卡午夜福利| 老司机影院毛片| 制服丝袜香蕉在线| 国产欧美日韩综合在线一区二区| 观看av在线不卡| 日韩精品有码人妻一区| 亚洲怡红院男人天堂| 久久久久久久久大av| av免费在线看不卡| 免费不卡的大黄色大毛片视频在线观看| 亚洲一级一片aⅴ在线观看| 我的女老师完整版在线观看| 菩萨蛮人人尽说江南好唐韦庄| 国产伦精品一区二区三区视频9| 人人妻人人澡人人看| 七月丁香在线播放| 七月丁香在线播放| 日韩三级伦理在线观看| 国产亚洲欧美精品永久| 有码 亚洲区| 欧美性感艳星| 人人澡人人妻人| 国产成人免费无遮挡视频| 黄色毛片三级朝国网站| 亚洲成人手机| av电影中文网址| 女性被躁到高潮视频| 久久久久国产精品人妻一区二区| 久久人人爽人人片av| 久热久热在线精品观看| 18禁在线无遮挡免费观看视频| 国产亚洲精品久久久com| 国产深夜福利视频在线观看| 国产成人一区二区在线| 日韩av不卡免费在线播放| 精品一区在线观看国产| 热99国产精品久久久久久7| 国产欧美日韩一区二区三区在线 | 国产精品秋霞免费鲁丝片| 国产免费一区二区三区四区乱码| 亚洲国产成人一精品久久久| 亚洲精品亚洲一区二区| 免费观看的影片在线观看| 在线播放无遮挡| 日本wwww免费看| 男人爽女人下面视频在线观看| 久久av网站| 日日撸夜夜添| 飞空精品影院首页| 午夜福利网站1000一区二区三区| 美女福利国产在线| 91精品一卡2卡3卡4卡| 视频区图区小说| 亚洲欧美中文字幕日韩二区| 老司机影院毛片| 激情五月婷婷亚洲| 天天影视国产精品| 美女主播在线视频| 亚洲欧美日韩另类电影网站| 午夜福利在线观看免费完整高清在| 国产日韩一区二区三区精品不卡 | 亚洲色图 男人天堂 中文字幕 | 一边摸一边做爽爽视频免费| 日本-黄色视频高清免费观看| 国产精品女同一区二区软件| av专区在线播放| 最新中文字幕久久久久| 老司机影院成人| 伊人久久精品亚洲午夜| 91久久精品国产一区二区三区| 熟妇人妻不卡中文字幕| 国产午夜精品久久久久久一区二区三区| 午夜福利影视在线免费观看| 国产成人精品福利久久| 亚洲国产精品一区三区| 亚洲精品久久成人aⅴ小说 | 国产精品蜜桃在线观看| 天堂中文最新版在线下载| 午夜免费鲁丝| av视频免费观看在线观看| 九九久久精品国产亚洲av麻豆| 亚洲人与动物交配视频| 岛国毛片在线播放| 亚洲av.av天堂| 曰老女人黄片| 欧美激情极品国产一区二区三区 | 色视频在线一区二区三区| 天天影视国产精品| 亚洲伊人久久精品综合| 国产欧美日韩一区二区三区在线 | 久久久久久久国产电影| 国产精品成人在线| 黄色视频在线播放观看不卡| 永久网站在线| 大片免费播放器 马上看| 国产成人午夜福利电影在线观看| 国产精品国产三级国产av玫瑰| 另类精品久久| 国产极品天堂在线| 欧美日韩av久久| videosex国产| av在线播放精品| 日韩欧美一区视频在线观看| 免费不卡的大黄色大毛片视频在线观看| 成人二区视频| 欧美精品一区二区大全| 一本久久精品| 久久鲁丝午夜福利片| 日韩av免费高清视频| 国产深夜福利视频在线观看| 欧美日韩精品成人综合77777| 亚洲国产色片| 亚洲第一区二区三区不卡| 亚洲欧美日韩卡通动漫| 亚洲在久久综合| 大片电影免费在线观看免费| 日本91视频免费播放| 免费观看a级毛片全部| 久久久久精品性色| 成年美女黄网站色视频大全免费 | 永久免费av网站大全| 美女福利国产在线| www.av在线官网国产| 91久久精品国产一区二区三区| 久久久国产欧美日韩av| 色婷婷av一区二区三区视频| 亚洲人成网站在线播| 亚洲精品乱码久久久久久按摩| 精品国产国语对白av| 精品人妻熟女毛片av久久网站| 欧美国产精品一级二级三级| 精品视频人人做人人爽| xxx大片免费视频| 丝瓜视频免费看黄片| 国产精品偷伦视频观看了| 亚洲国产精品成人久久小说| 男女免费视频国产| 免费观看的影片在线观看| 少妇高潮的动态图| 亚洲av电影在线观看一区二区三区| 亚洲三级黄色毛片| 日韩三级伦理在线观看| 久久久a久久爽久久v久久| 久久精品久久久久久噜噜老黄| av女优亚洲男人天堂| 十八禁网站网址无遮挡| 久久人人爽av亚洲精品天堂| kizo精华| 亚洲精品国产色婷婷电影| 欧美一级a爱片免费观看看| 精品久久久久久电影网| 久久精品国产a三级三级三级| 欧美日韩在线观看h| 国产精品99久久99久久久不卡 | 建设人人有责人人尽责人人享有的| 制服丝袜香蕉在线| 美女内射精品一级片tv| 亚洲精品美女久久av网站| 中文字幕最新亚洲高清| 国产淫语在线视频| 一级片'在线观看视频| videos熟女内射| 日韩伦理黄色片| 性色av一级| 亚洲精品亚洲一区二区| 最近的中文字幕免费完整| 亚洲欧美一区二区三区黑人 | 精品少妇久久久久久888优播| 热99久久久久精品小说推荐| 亚洲欧洲精品一区二区精品久久久 | 人人妻人人澡人人爽人人夜夜| 天美传媒精品一区二区| 亚洲久久久国产精品| 中文字幕最新亚洲高清| 在线播放无遮挡| √禁漫天堂资源中文www| 精品久久久噜噜| av免费在线看不卡| 丝袜喷水一区| 爱豆传媒免费全集在线观看| 国产成人精品一,二区| 国产成人免费观看mmmm| 午夜福利视频在线观看免费| 免费不卡的大黄色大毛片视频在线观看| 亚洲精品乱码久久久v下载方式| 免费观看a级毛片全部| 久久99热6这里只有精品| 一区二区日韩欧美中文字幕 | 丰满迷人的少妇在线观看| 国产av一区二区精品久久| 一级片'在线观看视频| 少妇精品久久久久久久| xxx大片免费视频| 在线观看人妻少妇| 爱豆传媒免费全集在线观看| 国产成人精品一,二区| 色吧在线观看| 免费黄频网站在线观看国产| 亚洲精品乱久久久久久| 久久国产精品男人的天堂亚洲 | 老司机影院成人| 中文字幕人妻丝袜制服| 在现免费观看毛片| 最近中文字幕2019免费版| 午夜福利视频精品| 欧美激情极品国产一区二区三区 | 亚洲精品国产av蜜桃| 黄片无遮挡物在线观看| 嘟嘟电影网在线观看| 国产黄频视频在线观看| 成人二区视频| 欧美bdsm另类| 丝瓜视频免费看黄片| 少妇人妻 视频| 内地一区二区视频在线| 日韩不卡一区二区三区视频在线| 久久精品国产鲁丝片午夜精品| 少妇人妻 视频| 九九爱精品视频在线观看| 国产极品粉嫩免费观看在线 | 国产极品天堂在线| 国产69精品久久久久777片| 亚洲精品久久久久久婷婷小说| 一级黄片播放器| 日韩av在线免费看完整版不卡| 亚洲欧美一区二区三区国产| 亚洲精品久久久久久婷婷小说| 韩国av在线不卡| 日产精品乱码卡一卡2卡三| 少妇熟女欧美另类| 国产精品一国产av| 久久久久久久国产电影| 一区二区av电影网| 新久久久久国产一级毛片| 色婷婷av一区二区三区视频| 亚洲欧美色中文字幕在线| 一本色道久久久久久精品综合| av在线老鸭窝| 亚洲精品色激情综合| 天天影视国产精品| 多毛熟女@视频| 欧美变态另类bdsm刘玥| 久久人人爽av亚洲精品天堂| www.av在线官网国产| 91久久精品国产一区二区成人| 欧美激情极品国产一区二区三区 | 亚洲国产精品国产精品| 亚洲av男天堂| 大又大粗又爽又黄少妇毛片口| 久久久国产一区二区| 久久这里有精品视频免费| 男女高潮啪啪啪动态图| 亚洲久久久国产精品| 免费观看性生交大片5| 欧美激情极品国产一区二区三区 | 亚洲少妇的诱惑av| 亚洲国产欧美在线一区| 人妻 亚洲 视频| 中文字幕最新亚洲高清| 伊人久久精品亚洲午夜| 精品卡一卡二卡四卡免费| 国产精品一区二区在线观看99| 丰满少妇做爰视频| 亚洲国产精品一区二区三区在线| 狂野欧美白嫩少妇大欣赏| 久久久午夜欧美精品| 国产亚洲一区二区精品| 国产极品粉嫩免费观看在线 | av免费观看日本| 亚洲人成网站在线播| 国产成人91sexporn| 又黄又爽又刺激的免费视频.| 777米奇影视久久| 精品视频人人做人人爽| 成人漫画全彩无遮挡| 国产在线视频一区二区| 精品少妇内射三级| 国产成人精品久久久久久| 国产精品一区www在线观看| 这个男人来自地球电影免费观看 | av免费在线看不卡| 一级毛片aaaaaa免费看小| 一级毛片电影观看| 91精品三级在线观看| 91久久精品国产一区二区成人| 黑丝袜美女国产一区| 97超碰精品成人国产| 伦理电影免费视频| 亚洲国产日韩一区二区| 国产成人a∨麻豆精品| 国产熟女欧美一区二区| 曰老女人黄片| 国产精品成人在线| 黑人巨大精品欧美一区二区蜜桃 | av不卡在线播放| 久久久久久久久久久久大奶| 超碰97精品在线观看| 国产国语露脸激情在线看| 十八禁高潮呻吟视频| 亚洲av福利一区| 国产午夜精品一二区理论片| 国产成人av激情在线播放 | 天堂8中文在线网| 黄色一级大片看看| 插阴视频在线观看视频| 日韩一本色道免费dvd| 啦啦啦啦在线视频资源| 亚洲国产精品专区欧美| 精品一品国产午夜福利视频| 人人澡人人妻人| 成人亚洲精品一区在线观看| 一本一本综合久久| 久久99精品国语久久久| 久久精品国产亚洲av天美| 十分钟在线观看高清视频www| 日韩精品免费视频一区二区三区 | 能在线免费看毛片的网站| 我的老师免费观看完整版| a级毛色黄片| 国产极品粉嫩免费观看在线 | 亚洲欧洲国产日韩| 大又大粗又爽又黄少妇毛片口| 制服人妻中文乱码| 亚洲国产日韩一区二区| 99久久精品国产国产毛片| 男女边摸边吃奶| 亚洲av综合色区一区| 国产伦精品一区二区三区视频9| 亚洲第一av免费看| 国产精品女同一区二区软件| 黑丝袜美女国产一区| 久久久久精品性色| 日本午夜av视频| 高清在线视频一区二区三区| 国国产精品蜜臀av免费| 大香蕉久久网| 日本欧美国产在线视频| 国产精品成人在线| 中文字幕人妻熟人妻熟丝袜美| 一边亲一边摸免费视频| 欧美+日韩+精品| 国产免费一区二区三区四区乱码| 伊人亚洲综合成人网| 国产一级毛片在线| 一本色道久久久久久精品综合| 国产精品国产av在线观看| 国产黄片视频在线免费观看| 亚洲第一区二区三区不卡| 99热全是精品| 精品久久久久久电影网| 欧美变态另类bdsm刘玥| 国产成人a∨麻豆精品| 午夜福利网站1000一区二区三区| 婷婷色av中文字幕| 爱豆传媒免费全集在线观看| 国产伦理片在线播放av一区| 午夜老司机福利剧场| a级毛片在线看网站| 如何舔出高潮| xxx大片免费视频| 午夜福利,免费看| 成人无遮挡网站| 男女啪啪激烈高潮av片| 免费黄网站久久成人精品| 一级片'在线观看视频| 99re6热这里在线精品视频| 欧美日韩国产mv在线观看视频| 精品人妻偷拍中文字幕| 18禁观看日本| 亚洲欧洲日产国产| 日韩熟女老妇一区二区性免费视频| 亚洲av免费高清在线观看| 欧美精品一区二区免费开放| 国产色爽女视频免费观看| 人人妻人人澡人人看| 久久国产精品男人的天堂亚洲 | 久热久热在线精品观看| av又黄又爽大尺度在线免费看| 热99久久久久精品小说推荐| videossex国产| 亚洲精品日韩在线中文字幕| 伊人久久国产一区二区| 91久久精品国产一区二区三区| videosex国产| 亚洲精品第二区| 亚洲国产av影院在线观看| 国产av一区二区精品久久| 男男h啪啪无遮挡| 久久免费观看电影| 亚洲av在线观看美女高潮| 男女高潮啪啪啪动态图| 免费高清在线观看日韩| 亚洲五月色婷婷综合| www.色视频.com| 成人午夜精彩视频在线观看| 一二三四中文在线观看免费高清| 久久久久久久久久久久大奶| 亚洲精品乱码久久久v下载方式| 夫妻午夜视频| 国产男女超爽视频在线观看| 一级黄片播放器| 久久久久久伊人网av| 国产精品不卡视频一区二区| 人妻人人澡人人爽人人| 国产精品无大码| 精品久久久噜噜| 免费观看性生交大片5| 国产免费一级a男人的天堂| 如何舔出高潮| 亚洲欧洲日产国产| 免费高清在线观看日韩| 国产精品一二三区在线看| 久久久久久久久大av| 色5月婷婷丁香| 99久国产av精品国产电影| av免费观看日本| 日韩精品免费视频一区二区三区 | 丝袜脚勾引网站| 久久精品久久久久久噜噜老黄| 久久久精品免费免费高清| 好男人视频免费观看在线| 午夜日本视频在线| 在线观看人妻少妇| xxxhd国产人妻xxx| 22中文网久久字幕| 老熟女久久久| 国产精品女同一区二区软件| 日本黄大片高清| 亚洲人成网站在线播| 精品一区在线观看国产| 在线天堂最新版资源| 啦啦啦啦在线视频资源| 久久人人爽人人爽人人片va| 成人免费观看视频高清| 久久精品国产亚洲网站| 国产精品人妻久久久影院| 欧美日本中文国产一区发布| 亚洲欧美中文字幕日韩二区| 菩萨蛮人人尽说江南好唐韦庄| 日日摸夜夜添夜夜添av毛片| 一本一本综合久久| 视频区图区小说| 欧美老熟妇乱子伦牲交| 国产精品熟女久久久久浪| 国产欧美日韩综合在线一区二区| 久久久欧美国产精品| 欧美日韩国产mv在线观看视频| 国产午夜精品久久久久久一区二区三区| 黄色欧美视频在线观看| 精品少妇内射三级| 大香蕉久久成人网| 夜夜爽夜夜爽视频| 99久久综合免费| 欧美精品一区二区免费开放| 精品视频人人做人人爽| 一区二区三区免费毛片| 欧美日韩视频精品一区| 两个人免费观看高清视频| 午夜福利影视在线免费观看| 日韩中字成人| 97超碰精品成人国产| 国产精品嫩草影院av在线观看| 日韩不卡一区二区三区视频在线| 尾随美女入室| 美女国产高潮福利片在线看| 色婷婷av一区二区三区视频| 国产成人freesex在线| 少妇人妻精品综合一区二区| 日韩中文字幕视频在线看片| 国产精品.久久久| 日本黄色片子视频| 有码 亚洲区| 全区人妻精品视频| 中文字幕免费在线视频6| 亚洲av电影在线观看一区二区三区| 国产免费一级a男人的天堂|