• <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 ?

    基于帶squeeze-and-excitation模塊的ResNeXt的單目圖像深度估計方法

    2021-01-21 03:23:30李智宏
    計算機應(yīng)用 2021年1期
    關(guān)鍵詞:深度特征信息

    溫 靜,李智宏

    (山西大學(xué)計算機與信息技術(shù)學(xué)院,太原 030006)

    0 引言

    深度估計對理解三維場景具有重要作用,在機器人、增強現(xiàn)實、三維重建、自動駕駛、即時定位與地圖構(gòu)建(Simultaneous Localization and Mapping,SLAM)[1]等領(lǐng)域有著重要的應(yīng)用。傳統(tǒng)方法獲取目標深度信息主要通過深度傳感器實現(xiàn),包括激光雷達、基于結(jié)構(gòu)光的深度傳感器以及立體相機等。然而,這些方法獲取深度圖像成本較高,受環(huán)境影響較大,尚未大規(guī)模應(yīng)用。相比較而言,基于圖像信息進行深度估計[2]可以有效克服上述傳感器的不足。但是由于計算機很難像人類的大腦一樣從單目圖像中自動構(gòu)建或感知到充足的三維結(jié)構(gòu)信息,同時,從單幅圖像映射到深度圖存在大量不確定性,因此單目圖像的深度估計面臨著信息的“無中生有”的挑戰(zhàn),它的研究具有很大的困難同時也具有重要意義。

    近些年來,隨著深度學(xué)習(xí)的發(fā)展,卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)[3]在圖像處理等領(lǐng)域發(fā)揮著越來越重要的作用。CNN 在特征提取、結(jié)果分類等方面無須人工干預(yù),大大提高了模型的通用性。因此,國內(nèi)外許多學(xué)者開始廣泛使用CNN 來研究單目圖像的深度估計問題。廖斌等[4]提出一種基于孔卷積神經(jīng)網(wǎng)絡(luò)的深度估計模型。隨著條件隨機場(Conditional Random Field,CRF)[5]在語義分割上表現(xiàn)優(yōu)異,Liu 等[6]提出將卷積神經(jīng)網(wǎng)絡(luò)與連續(xù)CRF 相結(jié)合;但是,文中提到的超像素分割仍然需要人工劃分。Eigen等[7]提出了一種基于多尺度網(wǎng)絡(luò)結(jié)構(gòu)的深度學(xué)習(xí)方法,通過兩個尺度對圖像分別進行全局與局部的特征采樣,獲得最終輸出,此方法無須提供任何人工分類特征,直接在原始圖片上進行訓(xùn)練并獲得像素級別的深度信息結(jié)果。在此基礎(chǔ)上,Laina 等[8]提出一種使用殘差網(wǎng)絡(luò)(Residual Network,ResNet)[9]的模型,該模型利用ResNet 特征前向傳播高效的特性,結(jié)合更深、更復(fù)雜的網(wǎng)絡(luò),有效提高了深度預(yù)測圖的精度。最近,Yang 等[10]進一步推導(dǎo)法線表示,并提出了管道內(nèi)密集的深度-法線一致性,這不僅可以更好地規(guī)范預(yù)測深度,而且還可以學(xué)習(xí)產(chǎn)生法線估計;但是,正則化僅在局部應(yīng)用,并且容易會受到圖像梯度的影響,從而在平滑表面內(nèi)產(chǎn)生錯誤的幾何不連續(xù)性。隨后,他們在文獻[11]中開始縮小單眼和基于立體信息的自我監(jiān)督之間的性能差距,并且通過強制邊緣一致性進一步提升性能。Godard等[12]提出一種利用左右眼視圖一致性的無監(jiān)督學(xué)習(xí)方法,通過最小化圖像重建損失和左右眼圖像一致性損失提高深度估計性能。但上述方法在特征提取過程中都只關(guān)注于特征的局部區(qū)域進行空間和通道維度的信息融合,缺乏對于特征通道之間相互關(guān)系的研究,且在精度上仍有提升空間。

    針對上述問題,本文根據(jù)深度估計的問題特性,對ResNeXt[13]的網(wǎng)絡(luò)結(jié)構(gòu)進行了改進,并且引入文獻[14]中提出的SE-Module(Squeeze-and-Excitation Module),提出了一種SE-ResNeXt(Squeeze-and-Excitation-ResNeXt)的編碼器解碼器網(wǎng)絡(luò)結(jié)構(gòu),并將其應(yīng)用到單目圖像深度估計的研究中,從特征通道之間的全局信息關(guān)系方面提升性能。

    1 單目深度估計模型

    1.1 模型概述

    本文提出了一種基于SE-ResNeXt 的單目圖像深度估計方法。本文采用了無監(jiān)督的方法,通過訓(xùn)練網(wǎng)絡(luò)生成視差圖像,然后從視差圖中恢復(fù)深度預(yù)測圖像。具體地,在訓(xùn)練過程中,將左眼圖像輸入到網(wǎng)絡(luò)中,同時輸出兩張分別對應(yīng)雙目左視圖和右視圖的視差圖,然后通過真實的右眼視圖和左眼視圖對應(yīng)視差圖得到重建后的左眼視圖,類似地也可以得到重建后的右眼視圖,并且通過最小化圖像重建損失和左右眼圖像一致性損失提高深度估計性能。網(wǎng)絡(luò)結(jié)構(gòu)采用編碼器解碼器網(wǎng)絡(luò),編碼器網(wǎng)絡(luò)基于ResNet50 結(jié)構(gòu)來設(shè)計,首先本文算法引入ResNeXt 模塊來代替ResNet 模塊的使用,并且根據(jù)深度估計任務(wù)的特性和需求,對ResNeXt 結(jié)構(gòu)進行了改進,獲得恰當(dāng)數(shù)量的網(wǎng)絡(luò)分支,以實現(xiàn)在不增加參數(shù)復(fù)雜度的前提下有效地提高模型的準確率。然后,在ResNeXt 塊后加入SEModule,通過壓縮操作、激勵操作以及權(quán)重的重新分配從特征通道之間的全局信息關(guān)系方面進一步提升網(wǎng)絡(luò)性能。在解碼器網(wǎng)絡(luò)部分,本文沿用了文獻[12]提出的網(wǎng)絡(luò)結(jié)構(gòu),通過一系列的上采樣操作得到最終的視差圖像,然后從視差圖像恢復(fù)深度圖。整體網(wǎng)絡(luò)結(jié)構(gòu)如圖1 所示。其中,Upconv 表示雙線性插值上采樣操作,Disparity表示最終得到的視差圖像。

    圖1 整體網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 Overall network structure

    1.2 ResNeXt模塊

    ResNeXt 結(jié)構(gòu)最早應(yīng)用于圖像分類領(lǐng)域,其優(yōu)點是在不增加參數(shù)復(fù)雜度的前提下提高準確率?,F(xiàn)有大部分深度學(xué)習(xí)方法為了提高模型的準確率,通常的思路都是加深或加寬網(wǎng)絡(luò),但是隨著超參數(shù)數(shù)量的增加,網(wǎng)絡(luò)設(shè)計的難度和計算開銷也會增加。圖2 列出ResNet 和ResNeXt 的基本單元。其中,C表示分支數(shù),如1×1×64 的內(nèi)容分別表示卷積核大小為1×1,通道數(shù)為64。經(jīng)過消融實驗表明,與ResNet 圖2(a)所示相比,相同的參數(shù)個數(shù)條件下,ResNeXt 圖2(b)所示的結(jié)果更好。

    圖2 ResNet和ResNeXt的基本單元Fig.2 Basic units of ResNet and ResNeXt

    ResNeXt 結(jié)構(gòu)的具體計算公式如式(1)所示。x表示輸入特征,Ti可以是任意函數(shù),在此處為三個卷積層的堆疊,C表示網(wǎng)絡(luò)輸入寬度。

    考慮到ResNeXt 結(jié)構(gòu)中分支數(shù)的選擇對于單目深度估計模型訓(xùn)練時間和實驗結(jié)果的影響,由于ResNeXt 結(jié)構(gòu)中分支數(shù)越多,會造成深度估計模型訓(xùn)練時間越長,而性能不會獲得顯著的提升。本文通過尋找ResNeXt 的合適分支數(shù)量,以提高估計任務(wù)中的模型準確性。經(jīng)過實驗對比發(fā)現(xiàn),當(dāng)分支數(shù)為8 時,可以在保證提高模型的準確率的同時不影響模型訓(xùn)練時間,圖3 所示為選擇不同的分支數(shù)時模型的性能表現(xiàn)和訓(xùn)練時間。具體地,本文采用2.1 節(jié)所述的均方根誤差(Root Mean Squared Error,RMSE)作為模型性能的評價標準,由于RMSE 越小,網(wǎng)絡(luò)性能越好,由圖3(a)可知,當(dāng)分支數(shù)為8 時,模型性能達到最佳;且由圖3(b)可以看出,隨著分支數(shù)增加到訓(xùn)練時長也逐漸變長,當(dāng)分支數(shù)增加到8 時訓(xùn)練時間變化不太明顯,此后分支數(shù)繼續(xù)擴大,模型性能不再提升,但是訓(xùn)練時間明顯變長。

    圖3 模型不同分支數(shù)對比Fig.3 Comparison of the model with different branches

    1.3 SE-Module(Squeeze-and-Excitation Module)

    考慮到特征提取過程只是在局部區(qū)域進行信息融合,缺乏特征通道之間的全局信息關(guān)系,本文采用文獻[14]提出的SE-Module,通過建模特征通道間的動態(tài)、非線性關(guān)系來提高網(wǎng)絡(luò)的全局信息表示能力,然后采用特征重標定策略校準特征響應(yīng),以實現(xiàn)對原先卷積層不同通道的重新校準,改變不同通道的權(quán)重比值,從而使網(wǎng)絡(luò)能夠在通道信息中加入全局特征,進一步提升了深度圖像的質(zhì)量,并且場景中物體的邊緣結(jié)構(gòu)信息更加清晰、完整。

    首先對于輸入的特征圖在空間維度上通過全局平均池化(Global Average Pooling,GAP)對特征進行壓縮,然后通過兩個全連接層以及激活函數(shù)對通道重新加權(quán)校準。最后,在Scale 層將重新校準后的權(quán)重作為特征選擇后的每個特征通道的重要性,然后通過乘法將權(quán)重逐個加權(quán)到之前的特征上,完成在通道維度上對原始特征的重標定。

    SE-Module 結(jié)構(gòu)的示意圖如圖4 所示。GAP 表示全局平均池化,F(xiàn)C(Fully Connected Layer)表示全連接層,ReLU(Rectified Linear Unit)和Sigmoid 為激活函數(shù),Scale 為特征權(quán)重表示層,?表示逐元素相乘。

    Fig.4 SE-Module結(jié)構(gòu)示意圖Fig.4 Structure of SE-Module

    1.4 基于SE-ResNeXt的單目深度估計網(wǎng)絡(luò)

    本文提出并設(shè)計了一種基于SE-ResNeXt 的單目深度估計網(wǎng)絡(luò)。如圖1 所示,在編碼器網(wǎng)絡(luò)部分不再使用原始的ResNet 結(jié)構(gòu),而在第1、2 層采用ResNeXt 模塊,第3、4 層采用SE-ResNeXt 網(wǎng)絡(luò)結(jié)構(gòu)。其中,SE-ResNeXt 的結(jié)構(gòu)就是采用2.2 節(jié)以及2.3 節(jié)介紹的兩個結(jié)構(gòu)級聯(lián)構(gòu)成。本文提出的ResNeXt 模塊級聯(lián)SE-Module 的這種網(wǎng)絡(luò)結(jié)構(gòu),可以從特征通道之間的全局信息關(guān)系方面提升網(wǎng)絡(luò)性能。

    在第3、4 層采用SE-ResNeXt 網(wǎng)絡(luò)結(jié)構(gòu),是考慮到在單目深度估計網(wǎng)絡(luò)中淺層網(wǎng)絡(luò)提取的特征含有很多圖像局部細節(jié)信息,并且特征通道較少,而深層的網(wǎng)絡(luò)提取的特征包含更多表征圖像空間結(jié)構(gòu)的高級語義信息,因而所提取的特征重要性差別較大,且特征通道較多。因此,在編碼器網(wǎng)絡(luò)部分的第3、4 層采用SE-ResNeXt 網(wǎng)絡(luò)結(jié)構(gòu),最大限度地提升了特征的利用率。經(jīng)過實驗證明,SE-Module 在編碼器網(wǎng)絡(luò)部分的第3、4層ResNeXt模塊之后使用時效果最佳,具體實驗對比在消融實驗分析部分介紹。

    此外,本文還通過實驗選取了ResNeXt 結(jié)構(gòu)中合適的分支數(shù),確保在不增加參數(shù)復(fù)雜度的前提下有效地提高模型的準確率。

    1.5 損失函數(shù)

    在本文中,本文算法沿用了文獻[12]所提出的損失函數(shù)。總的損失Ssum由三部分組成:

    在訓(xùn)練過程中,網(wǎng)絡(luò)通過從立體對圖像學(xué)習(xí)生成圖像。利用輸入左眼圖像和輸入圖像重建原圖像過程中的損失函數(shù)約束,提高視差圖的準確度。在本文中,采用L1 損失和結(jié)構(gòu)相似性(Structural SIMilarity,SSIM)的組合,它比較輸入圖像及其重建圖像來進行約束,其中N是像素值,SSIM使用3×3濾波器,α=0.85。

    為了產(chǎn)生更準確的視差圖像,訓(xùn)練網(wǎng)絡(luò)只將左眼視圖作為網(wǎng)絡(luò)卷積部分的輸入,同時預(yù)測左右眼圖像的視差圖,為了確保左右眼視差的一致性,采用左右視差一致性損失函數(shù)

    同時,為了使網(wǎng)絡(luò)生成的視差圖像在局部上保持平滑,對視差梯度?d采用L1損失,圖像視差平滑損失函數(shù)表示為

    2 實驗結(jié)果與分析

    2.1 實驗設(shè)置

    為了驗證本文算法的有效性,實驗采用KITTI2015[15]數(shù)據(jù)集。KITTI2015 數(shù)據(jù)集包含來自61 個場景的42 382 個立體對圖像,圖像大小為1 242×375 像素。實驗中,本文采用KITTI Split 分割來呈現(xiàn)KITTI 數(shù)據(jù)集的結(jié)果,網(wǎng)絡(luò)基于TensorFlow實現(xiàn),使用ResNet50作為網(wǎng)絡(luò)基本架構(gòu)。

    本文將模型的實驗結(jié)果與同樣在KITTI 數(shù)據(jù)集上進行訓(xùn)練的相關(guān)工作進行對比,采用了常用的衡量指標評估結(jié)果,其中Di表示預(yù)測的深度值,Di*表示真實的深度值,N表示測試集中所有圖像的總像素點的個數(shù)。指標表達式如下。

    1)絕對相對誤差(Absolute Relative error,AbsRel):

    2)平方相對誤差(Squared Relative error,SqRel):

    3)均方根誤差(Root Mean Squared Error,RMSE):

    4)準確率:

    2.2 網(wǎng)絡(luò)消融分析

    本文算法包含兩個消融因素,即SE-Module和ResNeXt模塊。為了驗證本文算法的有效性,采用如下方式進行消融分析:

    a)采用文獻[12]中的基礎(chǔ)網(wǎng)絡(luò)結(jié)構(gòu)作為基準網(wǎng)絡(luò)(Baseline)。

    b)僅將Baseline中的ResNet替換為ResNeXt模塊。

    c)僅對Baseline添加SE-Module模塊,并且在編碼器網(wǎng)絡(luò)中不同位置添加以得到最佳效果。

    d)對b)中的網(wǎng)絡(luò)添加SE-Module 模塊即為本文最終算法。

    部分實驗結(jié)果如表1 所示,其中f表示模塊添加在編碼器網(wǎng)絡(luò)的第1、2 層;l 表示模塊添加在第3、4 層。從表1 中結(jié)果可以看出,本文模型中兩個消融因素都可以提高網(wǎng)絡(luò)的性能,在多種評價指標中都有明顯提升;并且,實驗結(jié)果表明SEModule在編碼器網(wǎng)絡(luò)部分的第3、4層使用時效果最佳。

    表1 網(wǎng)絡(luò)消融分析Tab.1 Ablation analysis of networks

    2.3 對比實驗分析

    通過實驗,將本文方法與文獻[10]、文獻[11]、文獻[12]、本文Baseline 中添加文獻[14]中提出的嵌入結(jié)構(gòu)的SEResNeX 以及文獻[16]的評估結(jié)果進行對比,其結(jié)果如表2 所示。首先,可以看出,本文提出的基于SE-ResNeXt 方法的深度估計結(jié)果明顯優(yōu)于最近相關(guān)工作,這主要得益于在訓(xùn)練過程中,通過建模特征通道間的動態(tài)、非線性關(guān)系來提高特征通道對全局信息的表示能力,然后通過特征重標定策略重新校準特征,進一步強調(diào)有用特征并抑制對任務(wù)用處不大的特征。相較于文獻[14]中提出的嵌入結(jié)構(gòu)SE-ResNeXt,本文所采用的結(jié)構(gòu)具有更良好的性能。

    表2 KITTI數(shù)據(jù)集上實驗結(jié)果對比Tab.2 Comparison of experimental results on KITTI dataset

    通過基于SE-ResNeXt 的深度估計模型中得到的深度圖明顯優(yōu)于目前常見方法,并且在細節(jié)處理方面,本文方法具有更強大的能力。

    為驗證深度圖像的質(zhì)量,對不同方法生成的圖像進行主觀效果比較,圖5為彩色圖像及其真實深度圖像以及4種方法生成的深度圖像,按照從左到右依次命名為image1、image2和image3;從上到下依次為原圖、真實深度圖、文獻[10]、文獻[11]、文獻[12]、文獻[14]、文獻[16]以及本文方法生成的深度圖。

    圖5 各模型深度預(yù)測結(jié)果Fig.5 Depth prediction results of different models

    可以看出,本文方法深度圖像的質(zhì)量更高,細節(jié)以及場景結(jié)構(gòu)的表現(xiàn)更為細致。如image1 方框所示,相較于其他方法,本文方法的深度分辨率更高,對于深度更深的物體信息識別更為完整;如image2 方框所示,在光照不均勻的場景下,本文方法對于圖像左側(cè)建筑物以及旁邊的樹木保留了更為豐富的紋理信息,并且細節(jié)處理更加平滑;如image3 方框所示,對于環(huán)境嘈雜,分辨率和尺寸微小且相對深度對比度不清晰的場景下,本文方法識別樹木的輪廓更清晰完整,且不同物體間的區(qū)分度更大。

    本文方法生成的深度圖像在細節(jié)處理方面更加清晰,并且邊緣結(jié)構(gòu)更加平滑,包含更豐富而完整的紋理信息,這主要得益于本文提出的深度估計網(wǎng)絡(luò)結(jié)構(gòu)可以有效聚合不同通道中包含的全局信息,進一步有效提高生成深度預(yù)測圖像的質(zhì)量,保證圖像中物體的完整性。然而,本文方法對于復(fù)雜環(huán)境下的深度估計效果仍有提升空間,對場景中距離較遠的物體識別效果不佳,這主要是由于深度大的目標受到光照的影響為網(wǎng)絡(luò)預(yù)測造成了不確定性。如圖6 深度圖白色方框所示,對于遠處的交通標志識別存在誤判,并且輪廓不夠清晰完整。

    圖6 復(fù)雜環(huán)境下的深度估計結(jié)果Fig.6 Depth estimation results in complex environment

    3 結(jié)語

    本文提出了一種基于SE-ResNeXt 的單目圖像深度估計方法,在特征提取階段采用殘差網(wǎng)絡(luò),從特征通道之間的全局信息關(guān)系方面考慮,提高網(wǎng)絡(luò)的全局信息表示能力;同時,引入ResNeXt 結(jié)構(gòu),在不增加參數(shù)復(fù)雜度的前提下有效地提高了模型的準確率。通過KITTI 數(shù)據(jù)集訓(xùn)練,使該模型可以對圖像進行有效的深度估計。相較于原有忽略了特征通道之間的全局信息關(guān)系的方法,本文方法得到更好的實驗數(shù)據(jù),對物體細節(jié)有更好的處理。

    但目前此模型對于復(fù)雜環(huán)境的效果仍有提升空間,下一步的工作將在網(wǎng)絡(luò)深度和預(yù)測效率間尋求平衡,以及引入更多先驗信息和約束條件,提升深度估計的預(yù)測性能。

    猜你喜歡
    深度特征信息
    深度理解一元一次方程
    如何表達“特征”
    不忠誠的四個特征
    深度觀察
    深度觀察
    深度觀察
    抓住特征巧觀察
    訂閱信息
    中華手工(2017年2期)2017-06-06 23:00:31
    展會信息
    中外會展(2014年4期)2014-11-27 07:46:46
    線性代數(shù)的應(yīng)用特征
    河南科技(2014年23期)2014-02-27 14:19:15
    日韩中文字幕欧美一区二区| 国产极品粉嫩免费观看在线| 精品少妇久久久久久888优播| 国产乱人伦免费视频| 十八禁高潮呻吟视频| 亚洲精品国产精品久久久不卡| 视频在线观看一区二区三区| 亚洲精品国产一区二区精华液| 日韩免费高清中文字幕av| 成人av一区二区三区在线看| 99精品欧美一区二区三区四区| 一级片免费观看大全| 国产亚洲欧美98| 美女福利国产在线| 纯流量卡能插随身wifi吗| 中文字幕人妻丝袜一区二区| 欧美色视频一区免费| 亚洲情色 制服丝袜| 黄色成人免费大全| 欧美午夜高清在线| 成人手机av| 夫妻午夜视频| 亚洲中文字幕日韩| 精品人妻熟女毛片av久久网站| 高清毛片免费观看视频网站 | 多毛熟女@视频| 国产精品乱码一区二三区的特点 | 少妇粗大呻吟视频| 日韩熟女老妇一区二区性免费视频| 亚洲色图 男人天堂 中文字幕| 国产高清videossex| 国产精品国产高清国产av | www.熟女人妻精品国产| 午夜两性在线视频| 亚洲精品一二三| 亚洲精品自拍成人| 村上凉子中文字幕在线| 国产免费av片在线观看野外av| 最近最新中文字幕大全免费视频| 午夜久久久在线观看| 欧美精品啪啪一区二区三区| 精品人妻在线不人妻| 亚洲av第一区精品v没综合| 亚洲一区高清亚洲精品| 成年人午夜在线观看视频| 亚洲国产精品sss在线观看 | 一区在线观看完整版| 国产日韩一区二区三区精品不卡| 久久久久久免费高清国产稀缺| 欧美激情 高清一区二区三区| 亚洲一区二区三区欧美精品| 50天的宝宝边吃奶边哭怎么回事| 午夜精品国产一区二区电影| 90打野战视频偷拍视频| 久久久国产成人精品二区 | 国产在线观看jvid| 中亚洲国语对白在线视频| svipshipincom国产片| 欧美日韩精品网址| 黄色女人牲交| 亚洲熟女精品中文字幕| 色综合婷婷激情| 韩国精品一区二区三区| 精品免费久久久久久久清纯 | 人人妻人人爽人人添夜夜欢视频| 99精品久久久久人妻精品| 看免费av毛片| 免费看a级黄色片| 天天添夜夜摸| 自拍欧美九色日韩亚洲蝌蚪91| 欧美 亚洲 国产 日韩一| 精品久久久久久,| 午夜亚洲福利在线播放| 丰满人妻熟妇乱又伦精品不卡| 久热爱精品视频在线9| 黄色女人牲交| 别揉我奶头~嗯~啊~动态视频| 精品国内亚洲2022精品成人 | 亚洲人成电影观看| av国产精品久久久久影院| 午夜视频精品福利| 成年人免费黄色播放视频| 别揉我奶头~嗯~啊~动态视频| 国产成人免费无遮挡视频| 久久久久久久国产电影| 中文字幕人妻丝袜制服| 久久久国产一区二区| 亚洲色图av天堂| 国产高清激情床上av| av超薄肉色丝袜交足视频| 在线播放国产精品三级| ponron亚洲| 欧美日韩中文字幕国产精品一区二区三区 | 国产精品国产高清国产av | 黄色毛片三级朝国网站| 日韩成人在线观看一区二区三区| 视频在线观看一区二区三区| 少妇猛男粗大的猛烈进出视频| 乱人伦中国视频| 欧美日韩亚洲综合一区二区三区_| 18禁裸乳无遮挡动漫免费视频| 热99国产精品久久久久久7| 亚洲国产看品久久| 后天国语完整版免费观看| 99精品在免费线老司机午夜| 天天躁狠狠躁夜夜躁狠狠躁| 久久久久国内视频| 看片在线看免费视频| 乱人伦中国视频| 国产亚洲精品久久久久5区| av网站在线播放免费| 亚洲精品一卡2卡三卡4卡5卡| 一进一出好大好爽视频| 99久久国产精品久久久| 欧美不卡视频在线免费观看 | 两性夫妻黄色片| 人妻丰满熟妇av一区二区三区 | 欧美日韩成人在线一区二区| 精品国产国语对白av| 天天影视国产精品| 91国产中文字幕| 亚洲精品久久午夜乱码| 欧美av亚洲av综合av国产av| 欧美日韩成人在线一区二区| 欧美乱码精品一区二区三区| 亚洲视频免费观看视频| 热99re8久久精品国产| 亚洲欧美一区二区三区久久| 精品国产一区二区三区四区第35| 大香蕉久久成人网| 精品国产国语对白av| 一级a爱片免费观看的视频| 天天操日日干夜夜撸| 最近最新中文字幕大全电影3 | 一区二区三区精品91| 亚洲精品久久午夜乱码| 啦啦啦免费观看视频1| 午夜福利在线观看吧| 黄片播放在线免费| 波多野结衣av一区二区av| 亚洲国产欧美一区二区综合| 久久久久久久久免费视频了| tube8黄色片| 一级片免费观看大全| 夜夜躁狠狠躁天天躁| 亚洲av成人不卡在线观看播放网| 国产成人精品久久二区二区91| 成人18禁在线播放| av天堂在线播放| 69av精品久久久久久| 成人18禁高潮啪啪吃奶动态图| 国产无遮挡羞羞视频在线观看| 国产欧美日韩精品亚洲av| 亚洲av熟女| 高清av免费在线| 午夜福利影视在线免费观看| 色在线成人网| 一区在线观看完整版| 好看av亚洲va欧美ⅴa在| 午夜福利欧美成人| 大香蕉久久成人网| 欧美精品啪啪一区二区三区| 国产欧美亚洲国产| 欧美日韩亚洲国产一区二区在线观看 | 日韩精品免费视频一区二区三区| 精品熟女少妇八av免费久了| 国产精品99久久99久久久不卡| av欧美777| 丝袜人妻中文字幕| 午夜福利影视在线免费观看| a级片在线免费高清观看视频| 国产欧美日韩综合在线一区二区| 一级a爱视频在线免费观看| 99re6热这里在线精品视频| 日本wwww免费看| 欧美国产精品va在线观看不卡| 99热只有精品国产| 精品午夜福利视频在线观看一区| 18禁观看日本| 啪啪无遮挡十八禁网站| 丝袜美足系列| 欧美黄色片欧美黄色片| 精品午夜福利视频在线观看一区| 成人国产一区最新在线观看| 又大又爽又粗| 老司机亚洲免费影院| 久久中文看片网| 极品人妻少妇av视频| 手机成人av网站| 十八禁网站免费在线| 国产亚洲欧美98| 黑人巨大精品欧美一区二区mp4| 女性生殖器流出的白浆| 搡老乐熟女国产| www.自偷自拍.com| 国产精品久久久久久人妻精品电影| 亚洲在线自拍视频| 欧美黑人精品巨大| aaaaa片日本免费| 一级a爱视频在线免费观看| 国产亚洲欧美在线一区二区| 免费久久久久久久精品成人欧美视频| 精品人妻1区二区| 国产成人影院久久av| 在线国产一区二区在线| 国产精品久久久人人做人人爽| 久久久国产成人免费| 在线十欧美十亚洲十日本专区| 在线免费观看的www视频| e午夜精品久久久久久久| 变态另类成人亚洲欧美熟女 | www.999成人在线观看| 最新在线观看一区二区三区| 欧美 日韩 精品 国产| 51午夜福利影视在线观看| 黄片播放在线免费| 久久精品aⅴ一区二区三区四区| 国产精品美女特级片免费视频播放器 | 一级片'在线观看视频| 美女视频免费永久观看网站| 中亚洲国语对白在线视频| 色综合婷婷激情| 精品国产美女av久久久久小说| 亚洲人成电影免费在线| 啦啦啦在线免费观看视频4| 亚洲色图综合在线观看| 欧美成人免费av一区二区三区 | 老熟女久久久| 成人免费观看视频高清| 亚洲第一欧美日韩一区二区三区| a级毛片黄视频| 日韩欧美一区视频在线观看| 亚洲国产欧美一区二区综合| 欧美另类亚洲清纯唯美| 亚洲中文日韩欧美视频| 18禁观看日本| 大香蕉久久网| 69精品国产乱码久久久| 免费在线观看日本一区| 精品一区二区三区视频在线观看免费 | 啦啦啦在线免费观看视频4| 老司机靠b影院| 99国产精品免费福利视频| 成人手机av| 啦啦啦视频在线资源免费观看| 韩国精品一区二区三区| 免费女性裸体啪啪无遮挡网站| 50天的宝宝边吃奶边哭怎么回事| 国产淫语在线视频| 三级毛片av免费| 欧美成人午夜精品| 日韩欧美免费精品| 黑人操中国人逼视频| 99热只有精品国产| 欧美精品av麻豆av| 精品视频人人做人人爽| 久久精品国产99精品国产亚洲性色 | 色婷婷av一区二区三区视频| 中文字幕制服av| 这个男人来自地球电影免费观看| 久久久久国产精品人妻aⅴ院 | 下体分泌物呈黄色| 男女之事视频高清在线观看| 黑人操中国人逼视频| 91精品三级在线观看| √禁漫天堂资源中文www| 精品人妻1区二区| 国产av又大| 国产精品99久久99久久久不卡| 国产精品av久久久久免费| xxxhd国产人妻xxx| 欧美黑人欧美精品刺激| 正在播放国产对白刺激| 亚洲精品久久成人aⅴ小说| 久久这里只有精品19| 天堂俺去俺来也www色官网| 满18在线观看网站| 超碰成人久久| 久久中文字幕人妻熟女| 午夜91福利影院| 国产欧美日韩精品亚洲av| 久久久久精品国产欧美久久久| 国产精品久久久av美女十八| 亚洲免费av在线视频| 久久婷婷成人综合色麻豆| 夜夜爽天天搞| 成年人午夜在线观看视频| 国产精品自产拍在线观看55亚洲 | 国产有黄有色有爽视频| 黑人操中国人逼视频| 啦啦啦 在线观看视频| 国产aⅴ精品一区二区三区波| 亚洲国产看品久久| 欧美成人免费av一区二区三区 | 久久久国产成人免费| 久久香蕉精品热| 大型av网站在线播放| 国产亚洲精品一区二区www | 亚洲精品成人av观看孕妇| 亚洲欧美一区二区三区黑人| av不卡在线播放| 亚洲人成77777在线视频| 国产99久久九九免费精品| 午夜免费观看网址| 正在播放国产对白刺激| 亚洲视频免费观看视频| 国产高清国产精品国产三级| av视频免费观看在线观看| 亚洲第一欧美日韩一区二区三区| 国产一区有黄有色的免费视频| 很黄的视频免费| 久久久久久人人人人人| av福利片在线| 国产欧美日韩一区二区三区在线| 操出白浆在线播放| 中文字幕制服av| 制服诱惑二区| 精品乱码久久久久久99久播| 国内久久婷婷六月综合欲色啪| 亚洲第一av免费看| 成人三级做爰电影| 一a级毛片在线观看| 国产单亲对白刺激| 国产一区有黄有色的免费视频| 性少妇av在线| 乱人伦中国视频| 18禁黄网站禁片午夜丰满| 丝袜在线中文字幕| 精品熟女少妇八av免费久了| 亚洲全国av大片| 别揉我奶头~嗯~啊~动态视频| 妹子高潮喷水视频| 国产av又大| 国产亚洲一区二区精品| 午夜精品在线福利| 成人av一区二区三区在线看| 国产精品美女特级片免费视频播放器 | 免费在线观看日本一区| 亚洲熟妇熟女久久| 国产1区2区3区精品| 亚洲精品美女久久av网站| 久久久久精品国产欧美久久久| 亚洲精品久久成人aⅴ小说| 婷婷丁香在线五月| av欧美777| 大片电影免费在线观看免费| 久久精品aⅴ一区二区三区四区| 久久久国产一区二区| 日本欧美视频一区| 美女扒开内裤让男人捅视频| 在线观看免费视频网站a站| 成熟少妇高潮喷水视频| 亚洲国产精品sss在线观看 | 黄片播放在线免费| 日本黄色日本黄色录像| 久久国产亚洲av麻豆专区| 日本黄色日本黄色录像| 在线观看免费高清a一片| 欧美激情极品国产一区二区三区| 亚洲中文日韩欧美视频| 叶爱在线成人免费视频播放| 日韩免费高清中文字幕av| 亚洲九九香蕉| 757午夜福利合集在线观看| 久久精品国产亚洲av高清一级| 不卡av一区二区三区| 狠狠婷婷综合久久久久久88av| 久久国产亚洲av麻豆专区| 亚洲视频免费观看视频| 国产成人欧美在线观看 | 波多野结衣一区麻豆| 超碰97精品在线观看| 午夜精品在线福利| 亚洲专区中文字幕在线| 99热网站在线观看| 日本欧美视频一区| svipshipincom国产片| 国产精品久久久人人做人人爽| 国产精品永久免费网站| 一本一本久久a久久精品综合妖精| 精品第一国产精品| 欧美日本中文国产一区发布| 国产激情欧美一区二区| 91成年电影在线观看| 亚洲成人手机| 久久中文字幕一级| 亚洲一区中文字幕在线| 最近最新免费中文字幕在线| 成人特级黄色片久久久久久久| 超色免费av| 亚洲三区欧美一区| 久久香蕉激情| 老熟女久久久| 大码成人一级视频| 欧美黑人精品巨大| 黑人欧美特级aaaaaa片| 国产三级黄色录像| 精品久久久精品久久久| 亚洲av日韩在线播放| 9热在线视频观看99| 一级片免费观看大全| 亚洲精品成人av观看孕妇| 亚洲五月婷婷丁香| 老司机靠b影院| 女警被强在线播放| 亚洲美女黄片视频| 国产成人啪精品午夜网站| 他把我摸到了高潮在线观看| 黄色a级毛片大全视频| 啦啦啦 在线观看视频| 热re99久久国产66热| 俄罗斯特黄特色一大片| 亚洲一区中文字幕在线| 桃红色精品国产亚洲av| 12—13女人毛片做爰片一| 99久久国产精品久久久| 欧美精品高潮呻吟av久久| 久久久国产一区二区| 国产精品久久久人人做人人爽| 两个人看的免费小视频| 日韩熟女老妇一区二区性免费视频| 精品国产国语对白av| 天堂中文最新版在线下载| 国产乱人伦免费视频| 超色免费av| 每晚都被弄得嗷嗷叫到高潮| 很黄的视频免费| 在线观看一区二区三区激情| 亚洲精品国产色婷婷电影| 美女高潮喷水抽搐中文字幕| 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| 两性午夜刺激爽爽歪歪视频在线观看 | 夜夜爽天天搞| 欧美精品啪啪一区二区三区| 人成视频在线观看免费观看| 激情视频va一区二区三区| 精品熟女少妇八av免费久了| 村上凉子中文字幕在线| 免费久久久久久久精品成人欧美视频| 人妻一区二区av| 中文字幕av电影在线播放| 精品久久久久久久毛片微露脸| 搡老熟女国产l中国老女人| 久久精品国产亚洲av高清一级| 在线观看66精品国产| 亚洲色图 男人天堂 中文字幕| 丝瓜视频免费看黄片| 国产单亲对白刺激| 久久天堂一区二区三区四区| 国产成人免费无遮挡视频| 国产有黄有色有爽视频| 在线观看66精品国产| 亚洲色图 男人天堂 中文字幕| 丝瓜视频免费看黄片| 精品欧美一区二区三区在线| 欧美激情 高清一区二区三区| 国产激情欧美一区二区| 久久人妻熟女aⅴ| 少妇 在线观看| 欧美日韩视频精品一区| 国产野战对白在线观看| 午夜成年电影在线免费观看| 亚洲熟妇熟女久久| 欧美人与性动交α欧美软件| 十八禁人妻一区二区| 999久久久国产精品视频| 久久久久视频综合| 国产不卡av网站在线观看| xxxhd国产人妻xxx| 狠狠婷婷综合久久久久久88av| 亚洲欧美精品综合一区二区三区| 在线观看日韩欧美| 国产一区有黄有色的免费视频| 亚洲精品国产色婷婷电影| 欧美激情极品国产一区二区三区| 热99国产精品久久久久久7| 18在线观看网站| 999久久久国产精品视频| 可以免费在线观看a视频的电影网站| 欧美午夜高清在线| 看黄色毛片网站| 99国产精品一区二区蜜桃av | 日韩一卡2卡3卡4卡2021年| 国产精品香港三级国产av潘金莲| 夜夜躁狠狠躁天天躁| 久久中文字幕人妻熟女| 一边摸一边做爽爽视频免费| x7x7x7水蜜桃| 久久精品aⅴ一区二区三区四区| 午夜免费鲁丝| 免费女性裸体啪啪无遮挡网站| 黑人巨大精品欧美一区二区mp4| 国产极品粉嫩免费观看在线| 精品视频人人做人人爽| 亚洲色图综合在线观看| 亚洲国产精品一区二区三区在线| 日本黄色视频三级网站网址 | 久热这里只有精品99| 免费在线观看日本一区| 亚洲精品中文字幕一二三四区| 中文亚洲av片在线观看爽 | 国产蜜桃级精品一区二区三区 | 高清黄色对白视频在线免费看| 动漫黄色视频在线观看| 高清欧美精品videossex| 久久精品91无色码中文字幕| 12—13女人毛片做爰片一| 中文字幕色久视频| 99精品欧美一区二区三区四区| 欧美乱码精品一区二区三区| 国产成人影院久久av| 国产在线一区二区三区精| 法律面前人人平等表现在哪些方面| 99国产精品免费福利视频| 中文字幕精品免费在线观看视频| 免费看十八禁软件| av天堂在线播放| 高清在线国产一区| 91成年电影在线观看| 国产精品98久久久久久宅男小说| 国产精品美女特级片免费视频播放器 | 国产精品国产高清国产av | 国产精品久久久av美女十八| 两个人看的免费小视频| 免费观看人在逋| 亚洲精品成人av观看孕妇| bbb黄色大片| 亚洲第一av免费看| 人人澡人人妻人| 精品国产一区二区三区久久久樱花| 水蜜桃什么品种好| 99精品久久久久人妻精品| 国产成人系列免费观看| 欧美另类亚洲清纯唯美| 久久香蕉国产精品| 亚洲一区中文字幕在线| 欧美人与性动交α欧美精品济南到| av中文乱码字幕在线| 欧洲精品卡2卡3卡4卡5卡区| 一二三四社区在线视频社区8| 搡老熟女国产l中国老女人| 亚洲一区二区三区欧美精品| 男人舔女人的私密视频| 欧美另类亚洲清纯唯美| 国产欧美亚洲国产| 成年人午夜在线观看视频| 成人黄色视频免费在线看| 在线视频色国产色| 91老司机精品| 日韩欧美免费精品| 丰满饥渴人妻一区二区三| 国产亚洲欧美98| 热99久久久久精品小说推荐| 看黄色毛片网站| 夜夜爽天天搞| 大型黄色视频在线免费观看| 成熟少妇高潮喷水视频| 啦啦啦 在线观看视频| 又黄又爽又免费观看的视频| 欧美人与性动交α欧美精品济南到| 亚洲第一av免费看| 一级毛片女人18水好多| 满18在线观看网站| 欧美日韩亚洲高清精品| 色综合欧美亚洲国产小说| 男女床上黄色一级片免费看| 亚洲一区二区三区不卡视频| 国产精华一区二区三区| 天天躁狠狠躁夜夜躁狠狠躁| 国产成人av激情在线播放| 一夜夜www| 999久久久精品免费观看国产| 最新在线观看一区二区三区| 亚洲第一青青草原| 久久精品亚洲精品国产色婷小说| 午夜精品在线福利| 欧美精品高潮呻吟av久久| 黄色怎么调成土黄色| 最近最新中文字幕大全免费视频| 欧美 日韩 精品 国产| 校园春色视频在线观看| 五月开心婷婷网| 久热爱精品视频在线9| 精品久久久久久电影网| 亚洲视频免费观看视频| 一本综合久久免费| 久久性视频一级片| 日本欧美视频一区| 91精品国产国语对白视频| 中亚洲国语对白在线视频| 亚洲精品在线观看二区| 制服人妻中文乱码| 久久中文字幕一级| 激情视频va一区二区三区| 精品久久蜜臀av无| 在线天堂中文资源库| 777久久人妻少妇嫩草av网站| 无人区码免费观看不卡| 80岁老熟妇乱子伦牲交| 91九色精品人成在线观看| 亚洲五月婷婷丁香| 日本欧美视频一区| 丁香六月欧美| 中国美女看黄片| 男女午夜视频在线观看| 精品一区二区三区av网在线观看| 男女免费视频国产| 亚洲专区中文字幕在线| 伦理电影免费视频| 国产伦人伦偷精品视频| 精品电影一区二区在线| 欧美久久黑人一区二区| 国产精品久久久久久人妻精品电影| 免费看a级黄色片|