• <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 ?

    GSDCPeleeNet:基于PeleeNet 的高效輕量化卷積神經(jīng)網(wǎng)絡(luò)

    2021-04-02 03:43:50倪偉健秦會斌
    電子技術(shù)應(yīng)用 2021年3期
    關(guān)鍵詞:步長分組準確率

    倪偉健,秦會斌

    (杭州電子科技大學(xué) 電子信息學(xué)院 新型電子器件與應(yīng)用研究所,浙江 杭州310018)

    0 引言

    隨著深度學(xué)習(xí)理論的提出和硬件設(shè)備計算速度的不斷突破,卷積神經(jīng)網(wǎng)絡(luò)在近年來得以迅速發(fā)展。 2012年,AlexNet[1]在ImageNet 大規(guī)模視覺識別挑戰(zhàn)賽中獲得了圖像分類冠軍。之后,為了提高網(wǎng)絡(luò)模型的準確率,研究人員不斷地加深卷積網(wǎng)絡(luò)的深度,相繼提出了性能更加優(yōu)越的卷積神經(jīng)網(wǎng)絡(luò),如VGG16[2]、GoogLeNet[3]和DenseNet[4]等。

    這些網(wǎng)絡(luò)準確率普遍較高,但是有著非常復(fù)雜的模型和很深的層次,參數(shù)量十分巨大。 在實際生活的應(yīng)用中,模型往往需要在資源有限的嵌入式設(shè)備和移動設(shè)備上運行。因此,研究人員開始著手研究,并且相繼提出了更高效的輕量級卷積神經(jīng)網(wǎng)絡(luò)。 它們保持了網(wǎng)絡(luò)的性能,大大減少了模型的參數(shù)量,從而減少計算量,提升了模型速度。

    曠視科技的ShuffleNet 在ResNet[5]單元上進行了改進,有兩個創(chuàng)新的地方:逐點分組卷積和通道混洗[6]。WANG R J 等提出的PeleeNet 是一種輕量級網(wǎng)絡(luò),它在DenseNet 基礎(chǔ)上進行了改進和創(chuàng)新,主要有五個方面的結(jié)構(gòu)改進[7]。 ZHANG J N 等提出了一種卷積核及其壓縮算法,通過這種卷積方法,ZHANG J N 等發(fā)明了輕量卷積神經(jīng)網(wǎng)絡(luò)SDChannelNets[8]。

    可以看出,上述輕量卷積神經(jīng)網(wǎng)絡(luò)均存在一定不足。 在使用分組卷積時,為了解決分組卷積導(dǎo)致的信息丟失問題, 需要增加額外的操作。 在運用1×1 卷積時,會導(dǎo)致1×1 卷積的參數(shù)量在網(wǎng)絡(luò)總參數(shù)量中占據(jù)大部分。 通過分析,這些網(wǎng)絡(luò)需要通過調(diào)整相應(yīng)的超參數(shù)來提高網(wǎng)絡(luò)識別精度。這些操作往往會大大增加網(wǎng)絡(luò)模型參數(shù)量。

    為了解決這個不足,本文結(jié)合參數(shù)共享、密集連接的卷積方法和分組卷積,基于PeleeNet 網(wǎng)絡(luò),提出了輕量級卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)GSDCPeleeNet。 適當(dāng)調(diào)節(jié)超參數(shù), 在損失較小準確度甚至擁有更高準確度的情況下,減小了模型的參數(shù)量。

    1 GSDCPeleeNet 網(wǎng)絡(luò)模型的設(shè)計

    1.1 SD-Channel-Wise 卷積層

    標(biāo)準卷積層掃描一個寬度和高度均為Df、通道數(shù)為m 的輸入特征圖的每個位置,輸出一個寬度和高度均為Dg、通道數(shù)為n 的輸出特征圖。 標(biāo)準卷積層卷積核的參數(shù)在通道方向上是相互獨立的,所以標(biāo)準的卷積層的卷積核的大小為DW·DH·m,一共有n 個,其中DW和DH(一般相等)是卷積核的寬度和高度。 因此,標(biāo)準卷積層的參數(shù)量數(shù)量為:

    其中,DW和DH分別是卷積核的寬度和高度,m 和n 分別是輸入和輸出特征圖的通道數(shù)。

    從上述分析中,標(biāo)準卷積層參數(shù)的大小取決于輸入特征通道數(shù)m 和輸出特征通道數(shù)n 的乘積m·n 的大小。 為了能夠減少卷積層的參數(shù),SD-channel-wise 卷積層提出運用了參數(shù)共享、密集連接思想,它可以有效避免m·n 的大小對卷積層參數(shù)的影響。

    常規(guī)卷積層的卷積核數(shù)量為n 個,而SD-channel-wise卷積層的卷積核只有1 個。輸入特征圖每次只和這個卷積核的一小部分進行卷積運算,這一小部分上的參數(shù)是共享的,即權(quán)值相等。 標(biāo)準卷積層中的數(shù)個卷積核在卷積運算中是相互獨立的。而該卷積核運用了密集連接的思想,在卷積過程中,有一部分的參數(shù)是重疊的,重疊的部分的參數(shù)的權(quán)值也是相同的。

    為了更好地解釋這個卷積層,先從一個高度和寬度均為1、通道數(shù)為m 的輸入特征圖說明。 這個通道數(shù)量為m 的輸入特征圖會逐次和這個卷積核的第(1+x·s)~第(m+x·s)通道進行卷積運算,最終獲得一個輸出通道數(shù)為n 的1×1 輸出特征圖。 其中,x 是小于n 的自然數(shù),s是長卷積核通道方向上的步長。當(dāng)輸入寬度和高度不為1 時,卷積層的卷積核會和輸入特征圖的各個空間位置進行卷積運算。 SD-channel-wise 卷積層參數(shù)量的數(shù)量為:

    經(jīng)過這樣參數(shù)共享和密集連接的卷積操作,SDchannel-wise 卷積層的參數(shù)量不再取決于m×n 的大小。因此,該卷積層的參數(shù)相比于標(biāo)準卷積層,得以大幅度的下降。 需要特別注意的一點是,當(dāng)通道方向上的步長s 等于或者大于輸入特征圖的通道數(shù)m 時,該卷積層相當(dāng)于標(biāo)準的卷積層。

    1.2 GSD-Channel-Wise 卷積層

    在SD-Channel-Wise 卷積的基礎(chǔ)上, 本文提出了分組SD-Channel-Wise 卷積, 命名為GSD-Channel-Wise。在這里將給定的輸入特征圖分成g 組,每組都獨立進行SD-Channel-Wise 卷積操作。 每個分組將會得到n/g 個輸出特征圖,通過將它們級聯(lián)來獲得整個卷積層的輸出特征圖。 由于該卷積層的參數(shù)共享且連接非常密集,經(jīng)過分組后提取到的特征會更多,分組卷積的優(yōu)勢得以進一步發(fā)揮。

    在分組卷積的過程中,相同分組中不同通道可能含有一樣的信息,這樣就有可能會丟失部分信息,導(dǎo)致輸出特征圖得到的信息非常有限。ShuffleNet 為了解決這個問題,增加了額外的操作——通道混洗,很好地解決了這個問題,但是也相應(yīng)增加了網(wǎng)絡(luò)的復(fù)雜度。

    本文著手研究其他卷積神經(jīng)網(wǎng)絡(luò),發(fā)現(xiàn)PeleeNet 的兩路密集層和轉(zhuǎn)換層能夠很好地解決這個問題,它們結(jié)構(gòu)如圖1 所示。 其中,k 為增長率,兩路密集層在Inception結(jié)構(gòu)基礎(chǔ)上進行改進,由兩路不同的網(wǎng)絡(luò)分支組成,用來獲取不同尺度感受野。第一路經(jīng)過一層標(biāo)準的1×1 標(biāo)準卷積縮減通道數(shù)量, 再經(jīng)過一層3×3 卷積層學(xué)習(xí)特征;另一路則是在用1×1 卷積減少通道數(shù)量后,經(jīng)過兩層3×3 層卷積層來學(xué)習(xí)不同的特征。 轉(zhuǎn)換層作為過渡,保持輸入輸出通道一致。

    圖1 PeleeNet 中兩路密集層和轉(zhuǎn)換層

    通過分析PeleeNet 網(wǎng)絡(luò)結(jié)構(gòu),發(fā)現(xiàn)兩路密集層和轉(zhuǎn)換層占據(jù)了網(wǎng)絡(luò)的主要部分,且1×1 卷積的輸入通道或者輸出通道數(shù)目比較大,3×3 卷積的輸入通道或者輸出通道數(shù)目比較小,導(dǎo)致1×1 卷積的參數(shù)量占據(jù)了PeleeNet網(wǎng)絡(luò)的參數(shù)量的60%以上。 本文分析提出,將上述兩層結(jié)構(gòu)的1×1 卷積替換成1×1GSD-Channel-Wise,3×3 卷積使用標(biāo)準卷積。 經(jīng)過這樣的操作,不同分組間的信息可以重新流通。 同時因為運用了新的卷方法,新網(wǎng)絡(luò)的參數(shù)數(shù)量在PeleeNet 的基礎(chǔ)上大幅度減少。 改進后的兩路密集層和轉(zhuǎn)換層如圖2 所示。

    圖2 GSDCPeleeNet 中改進的兩路密集層和轉(zhuǎn)換層

    不同于常規(guī)的分組卷積,1×1GSD-Channel-Wise 卷積層中由于只有一個卷積核, 參數(shù)并沒有大幅度地減少。 分成g 組的1×1GSD-Channel-Wise 卷積層參數(shù)量大小為:

    通過將標(biāo)準1×1 卷積層替換成參數(shù)共享的1×1GSD-Channel-Wise 卷積層,將參數(shù)縮減為原來的:

    1×1GSD-Channel-Wise 卷積層的具體計算如圖3 所示。 可以分析出,通過調(diào)整超參數(shù)卷積核通道方向上的步長s,模型的參數(shù)大小會相應(yīng)改變。 而參數(shù)量的改變在一定程度上會影響準確率改變。當(dāng)選取較小的s和適當(dāng)?shù)膅 時,1×1GSD-Channel-Wise 相比于標(biāo)準的1×1 標(biāo)準卷積層,參數(shù)量可以減少為原來的數(shù)十分之一。

    圖3 1×1GSD-Channel-Wise 卷積層卷積計算圖示

    1.3 GSDCPeleeNet

    本文遵循了PeleeNet 的基本架構(gòu),并對上述方法進行改進,將兩路密集層和轉(zhuǎn)換層1×1 標(biāo)準卷積層替換成1×1GSD-Channel-Wise,提出了GSDCPeleeNet。 每一層輸出維度和PeleeNe 保持一致。GSDCPeleeNet 的結(jié)構(gòu)如表1所示。

    ShuffleNet v2[9]中提出的高效網(wǎng)絡(luò)設(shè)計實用準則中指出,較大的分組卷積會提升內(nèi)存訪問成本,導(dǎo)致模型的速度反而降低。 綜合考慮精度和速度等因素的影響,將1×1GSD-Channel-Wise 卷積中設(shè)置分組數(shù)量為2。 在該卷積層中,選擇長卷積核通道方向上的步長s 作為超參數(shù),該超參數(shù)可以根據(jù)所需的精度和參數(shù)數(shù)量進行相應(yīng)的調(diào)整。 本文設(shè)計了GSDCPeleeNe-s1、GSDCPeleeNe-s32、GSDCPeleeNe-s64、GSDCPeleeNe-s192 4 種模型,其在通道方向上的步長分別為1、32、64 和192。它們的參數(shù)總數(shù)在1.11 M~1.808 M 之間,占PeleeNet(2.8 M)的39.6%~64.5%。

    表1 GSDCPeleeNet 網(wǎng)絡(luò)結(jié)構(gòu)

    網(wǎng)路模型的復(fù)雜度常用浮點運算數(shù)衡量,可以理解為計算量(FLoating-point OPerations,F(xiàn)LOPS)。對于卷積層來說,計算量公式為:

    其中,m 是輸入特征圖通道數(shù),K 是卷積核大小,H、W是輸出特征圖大小,n 是輸出通道數(shù)通道數(shù)。 不考慮偏置bias 時有-1,考慮時沒有。 對于全連接層,計算量公式為:

    其中,I 是輸入神經(jīng)元數(shù),O 是輸出神經(jīng)元數(shù)。 經(jīng)過計算,GSDCPeleeNet 的計算量為178.6 MFLOPs,為PeleeNet(508 MFLOPs)的35.1%。

    2 實驗研究

    2.1 數(shù)據(jù)集和實驗設(shè)置

    實驗主要在數(shù)據(jù)集CIFAR-10 和Fashion-MNIST 進行。 CIFAR-10 數(shù)據(jù)集中的圖像均為彩色, 像素大小為32×32。它的訓(xùn)練集包含一共5 萬張不同的圖像,測試集包含一共1 萬張不同的圖像,共分為10 個不同的類別。Fashion-MNIST 數(shù)據(jù)集均是灰度圖像,像素大小為28×28。它的訓(xùn)練集一共包含6 萬張圖像,測試集包含1 萬張圖像,與CIFAR-10 一樣,被劃分成為10 個不同的類別。

    每張圖片均進行一定的預(yù)處理。 在CIFAR-10 數(shù)據(jù)集,本文使用通道均值和標(biāo)準差對它們進行歸一化處理;在Fashion-MNIST 上,每張圖像中的每個像素點均除以255 進行歸一化處理。 同時數(shù)據(jù)集里的每張圖片進行了數(shù)據(jù)增強,主要包括水平隨機翻轉(zhuǎn)和平移。

    所有網(wǎng)絡(luò)的訓(xùn)練方式均是隨機梯度下降法[10],動量設(shè)置為0.9[11],權(quán)值衰減為5×10-4。訓(xùn)練批量大小設(shè)置成64,CIFAR-10 趟數(shù)設(shè)置成100,F(xiàn)ashion-MNIST 趟數(shù)設(shè)置成60;初始的學(xué)習(xí)率設(shè)置成0.1,在趟數(shù)25 和50 上分別除以10。 每一層后均增加批歸一化BN(Batch Normalization)[12]層。 因為只是在各個網(wǎng)絡(luò)上進行對比,每一層都沒有設(shè)置Dropout[13]層。 實驗訓(xùn)練所有數(shù)據(jù)集中的圖片,并且在訓(xùn)練結(jié)束后記錄測試集的準確率。

    2.2 實驗結(jié)果與分析

    本文在CIFAR-10 和Fashion-MNIST 數(shù)據(jù)集上使用相同的分組數(shù)2 和不同的長卷積核通道方向上的步長s訓(xùn)練GSDCPeleeNet,再用同樣條件訓(xùn)練其他不同的卷積神經(jīng)網(wǎng)絡(luò)。 在訓(xùn)練結(jié)束后,記錄下兩個數(shù)據(jù)集的識別正確率,結(jié)果如表2、表3 所示。 由于兩個數(shù)據(jù)集的的像素大小分別為32×32×3 和28×28×1,因此GSDCPeleeNet 和PeleeNet 都沒有使用莖塊,增長率(growth rate)設(shè)置為32;DenseNet 中的密集層為3 層,轉(zhuǎn)換層為2 層。

    表2 各模型在CIFAR-10 上的識別準確度

    表3 各模型在Fashion-MNIST 上的識別準確度

    從表2 可以看出,在CIFAR-10 數(shù)據(jù)集中,GSDCPelee-Net 中長卷積核信道方向上的步長s 取1 時,該網(wǎng)絡(luò)結(jié)構(gòu)的參數(shù)大幅度減少,只有0.404M,在Peleenet 的基礎(chǔ)上,大約減少了80%,準確率只大約降低了2%。 當(dāng)步長s 逐漸增加時,網(wǎng)絡(luò)結(jié)構(gòu)的參量數(shù)量逐漸增大,而識別準確度有一個先上升后下降的過程。 這與SDChannelNets中步長s 和識別準確度呈正相關(guān)不同。 這是因為,輸入特征圖經(jīng)過分組卷積后,過大的步長s 會使得更多的1×1GSD-Channel-Wise 轉(zhuǎn)換成標(biāo)準1×1 卷積,導(dǎo)致參數(shù)共享和密集連接與分組卷積結(jié)合的效果減弱。 因此,選取合適的步長s,可以在網(wǎng)絡(luò)模型參數(shù)增加不大的情況下有一個很好的精準度。 當(dāng)步長s 選取64 時,網(wǎng)絡(luò)的識別準確率最高,為91.38%,優(yōu)于PeleeNet 的90.76%和其他模型。

    圖4 是各個GSDCPeleeNet 模型在CIFAR-10 上數(shù)據(jù)集上的測試準確率曲線對比。

    圖4 GSDCPeleeNet 各模型在CIFAR-10 的準確率曲線

    從表3 可以看出,該模型在不同的數(shù)據(jù)集中也表現(xiàn)出了較強的識別能力。 尤其是在Fashion-MNIST 這樣的簡單數(shù)據(jù)集中,GSDCPeleeNet-s1 也表現(xiàn)出了不錯的識別能力,準確率達到94.01%。 GSDCPeleeNet-s64 的識別準確率仍然最高,達到了94.61%,優(yōu)于PeleeNet 的94.35%和其他模型。 圖5 是GSDCPeleeNet 各模型在Fashion-MNIST 的準確率曲線。

    3 結(jié)束語

    本文結(jié)合SD-Channel-Wise 卷積算法和分組卷積的方法,提出改進的GSD-Channel-Wise 卷積方法;并結(jié)合PeleeNet 網(wǎng)絡(luò)的結(jié)構(gòu),用該卷積方法代替網(wǎng)絡(luò)中標(biāo)準的1×1 卷積,改進出了一種新型網(wǎng)絡(luò)——GSDCPeleeNet。通過調(diào)整長卷積核通道方向上的超參數(shù)步長s,可以改變網(wǎng)絡(luò)模型的參數(shù)量和準確度。 通過一定的實驗,發(fā)現(xiàn)網(wǎng)絡(luò)的識別準確度和步長s 之間沒有成正比。 這表明,選擇合適的步長s 可以在一個較少的模型參數(shù)量上取得更高的準確率。 實驗結(jié)果也表明,與其他卷積神經(jīng)網(wǎng)絡(luò)相比,該卷積神經(jīng)網(wǎng)絡(luò)參數(shù)更少,而且識別效果差距不大甚至更佳。但由于PeleeNet 網(wǎng)絡(luò)結(jié)構(gòu)的限制,GSDCPeleeNet 的網(wǎng)絡(luò)參數(shù)和計算量還是較大。 在接下去的工作中,希望通過結(jié)合其他輕量卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和壓縮方法,繼續(xù)改進該網(wǎng)絡(luò)。在進一步的工作中,還將會研究該網(wǎng)絡(luò)在其他計算機視覺領(lǐng)域的應(yīng)用,如目標(biāo)檢測和圖像識別等。

    圖5 GSDCPeleeNet 各模型在Fashion-MNIST 的準確率曲線

    猜你喜歡
    步長分組準確率
    基于Armijo搜索步長的BFGS與DFP擬牛頓法的比較研究
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準確率比較探討
    2015—2017 年寧夏各天氣預(yù)報參考產(chǎn)品質(zhì)量檢驗分析
    分組搭配
    怎么分組
    高速公路車牌識別標(biāo)識站準確率驗證法
    分組
    基于逐維改進的自適應(yīng)步長布谷鳥搜索算法
    一種新型光伏系統(tǒng)MPPT變步長滯環(huán)比較P&O法
    電測與儀表(2014年2期)2014-04-04 09:04:00
    久久午夜亚洲精品久久| 成人特级黄色片久久久久久久| 亚洲图色成人| 99热6这里只有精品| 天美传媒精品一区二区| 亚洲熟妇熟女久久| 国产精品一及| 国内揄拍国产精品人妻在线| 国产视频一区二区在线看| 国产精品不卡视频一区二区| 欧美xxxx黑人xx丫x性爽| 亚洲精品色激情综合| 欧美又色又爽又黄视频| 国内精品美女久久久久久| 中国美白少妇内射xxxbb| 国产高清三级在线| 久久精品国产亚洲av天美| 51国产日韩欧美| 精品久久久久久久末码| 欧美成人一区二区免费高清观看| 国产国拍精品亚洲av在线观看| 日韩欧美三级三区| 蜜臀久久99精品久久宅男| 亚洲专区国产一区二区| 国产在线精品亚洲第一网站| 日韩亚洲欧美综合| 最后的刺客免费高清国语| 天堂√8在线中文| 久久人人精品亚洲av| 男人舔奶头视频| 国产视频一区二区在线看| 色5月婷婷丁香| 亚洲丝袜综合中文字幕| 国产aⅴ精品一区二区三区波| 干丝袜人妻中文字幕| 简卡轻食公司| 麻豆国产av国片精品| 日韩欧美精品免费久久| 小蜜桃在线观看免费完整版高清| 黄色欧美视频在线观看| 国产亚洲精品综合一区在线观看| 你懂的网址亚洲精品在线观看 | 免费搜索国产男女视频| 深爱激情五月婷婷| 亚洲av美国av| 高清日韩中文字幕在线| 99国产极品粉嫩在线观看| 久久精品91蜜桃| 日本黄色视频三级网站网址| 久久欧美精品欧美久久欧美| 少妇被粗大猛烈的视频| 欧美日韩精品成人综合77777| 国产精品一区二区性色av| 国产亚洲精品久久久久久毛片| 国内精品美女久久久久久| 无遮挡黄片免费观看| 亚洲av中文av极速乱| 男女下面进入的视频免费午夜| av在线蜜桃| 日韩精品中文字幕看吧| 亚洲在线观看片| 日本撒尿小便嘘嘘汇集6| 99久久无色码亚洲精品果冻| 国产精品三级大全| 久久亚洲精品不卡| 欧美+亚洲+日韩+国产| 国产成人精品久久久久久| 白带黄色成豆腐渣| 国产av麻豆久久久久久久| 欧美高清性xxxxhd video| 99热6这里只有精品| 观看美女的网站| 校园人妻丝袜中文字幕| 久久天躁狠狠躁夜夜2o2o| 国产精华一区二区三区| 久久人人爽人人片av| 一卡2卡三卡四卡精品乱码亚洲| 成人美女网站在线观看视频| 亚洲成av人片在线播放无| 欧美人与善性xxx| 日本成人三级电影网站| 国产真实伦视频高清在线观看| 2021天堂中文幕一二区在线观| 成人毛片a级毛片在线播放| 一级a爱片免费观看的视频| 国产 一区精品| 国产免费一级a男人的天堂| 婷婷亚洲欧美| 亚洲丝袜综合中文字幕| 亚洲人成网站在线观看播放| 国产色婷婷99| 国产在视频线在精品| 精品国内亚洲2022精品成人| 成人欧美大片| 男女那种视频在线观看| 亚洲,欧美,日韩| 你懂的网址亚洲精品在线观看 | 婷婷色综合大香蕉| 日韩av不卡免费在线播放| 成人亚洲欧美一区二区av| 亚洲专区国产一区二区| 国产精品99久久久久久久久| 97超碰精品成人国产| 欧美日本视频| 小蜜桃在线观看免费完整版高清| 久久精品国产亚洲av天美| 97超级碰碰碰精品色视频在线观看| 美女cb高潮喷水在线观看| 成人午夜高清在线视频| 男女边吃奶边做爰视频| 久久99热这里只有精品18| 日本五十路高清| 亚洲成人精品中文字幕电影| 亚洲国产精品sss在线观看| 国产一级毛片七仙女欲春2| 久久久久国产网址| 国产av麻豆久久久久久久| 老师上课跳d突然被开到最大视频| a级毛色黄片| 亚洲av电影不卡..在线观看| 精品无人区乱码1区二区| 久久韩国三级中文字幕| 免费观看人在逋| 国产成人91sexporn| 精品久久久久久久久亚洲| 婷婷精品国产亚洲av在线| 亚洲国产高清在线一区二区三| 熟妇人妻久久中文字幕3abv| 99久久精品一区二区三区| 中文字幕久久专区| 亚洲国产精品久久男人天堂| 天堂网av新在线| 午夜免费男女啪啪视频观看 | 插逼视频在线观看| 国产成人freesex在线 | 国产精品一及| 最好的美女福利视频网| 中文亚洲av片在线观看爽| 黄色一级大片看看| 欧美人与善性xxx| 亚洲性久久影院| 成人精品一区二区免费| 联通29元200g的流量卡| 精品人妻一区二区三区麻豆 | 午夜久久久久精精品| 最新在线观看一区二区三区| 久久精品夜色国产| 久久天躁狠狠躁夜夜2o2o| 午夜老司机福利剧场| 一边摸一边抽搐一进一小说| 欧美成人一区二区免费高清观看| 91久久精品国产一区二区成人| 18禁在线播放成人免费| 天堂动漫精品| 97超视频在线观看视频| 亚洲av.av天堂| 久久99热这里只有精品18| 日韩欧美一区二区三区在线观看| 黄片wwwwww| 亚洲第一区二区三区不卡| 精品熟女少妇av免费看| 一进一出抽搐gif免费好疼| 此物有八面人人有两片| 91av网一区二区| 美女免费视频网站| 日日撸夜夜添| 乱人视频在线观看| 99久久精品国产国产毛片| 久久久久久久久久久丰满| 国产视频一区二区在线看| 亚洲真实伦在线观看| 精品久久国产蜜桃| 久久九九热精品免费| 国内精品久久久久精免费| 在线观看免费视频日本深夜| 久久这里只有精品中国| 在线观看午夜福利视频| 色在线成人网| 亚洲精品国产成人久久av| 简卡轻食公司| 国产av麻豆久久久久久久| ponron亚洲| 国产精品日韩av在线免费观看| 麻豆成人午夜福利视频| 亚洲av中文字字幕乱码综合| 国产女主播在线喷水免费视频网站 | 国产精品国产三级国产av玫瑰| 波多野结衣高清作品| 久久精品综合一区二区三区| 欧美性感艳星| 一区二区三区免费毛片| 久久久国产成人免费| 午夜激情福利司机影院| 久久精品国产99精品国产亚洲性色| 别揉我奶头 嗯啊视频| 午夜免费男女啪啪视频观看 | 91久久精品国产一区二区三区| 国产成人91sexporn| 床上黄色一级片| 淫秽高清视频在线观看| 搡老妇女老女人老熟妇| videossex国产| 狂野欧美白嫩少妇大欣赏| 最近2019中文字幕mv第一页| 在现免费观看毛片| 国产黄色视频一区二区在线观看 | 亚洲人成网站在线播放欧美日韩| 亚洲欧美日韩高清在线视频| 国产精品野战在线观看| 国产免费男女视频| 97人妻精品一区二区三区麻豆| 乱人视频在线观看| 欧美成人精品欧美一级黄| 成年版毛片免费区| 最新中文字幕久久久久| 欧美xxxx黑人xx丫x性爽| 校园春色视频在线观看| 国产精品乱码一区二三区的特点| 日本色播在线视频| 欧美性猛交黑人性爽| 狂野欧美激情性xxxx在线观看| 国产高清有码在线观看视频| 男人的好看免费观看在线视频| 秋霞在线观看毛片| 美女被艹到高潮喷水动态| 两个人的视频大全免费| av在线天堂中文字幕| 性欧美人与动物交配| 国产午夜精品论理片| 日本五十路高清| 国产精品精品国产色婷婷| 啦啦啦啦在线视频资源| 国产精品一区二区三区四区免费观看 | 国产成年人精品一区二区| 99久久精品国产国产毛片| 亚洲三级黄色毛片| 日本与韩国留学比较| 亚洲国产欧美人成| 99在线视频只有这里精品首页| 51国产日韩欧美| 精品日产1卡2卡| 久久久久性生活片| 内地一区二区视频在线| 日日摸夜夜添夜夜添小说| 国产免费男女视频| 色哟哟哟哟哟哟| 日韩中字成人| 黑人高潮一二区| 国产一区二区激情短视频| 欧美在线一区亚洲| 精品欧美国产一区二区三| 欧美成人精品欧美一级黄| 精品久久久久久久人妻蜜臀av| 又黄又爽又免费观看的视频| 亚洲精品一卡2卡三卡4卡5卡| 日本黄色视频三级网站网址| 国产精品无大码| 国产国拍精品亚洲av在线观看| 91久久精品国产一区二区成人| 老司机影院成人| 午夜激情欧美在线| 欧美成人免费av一区二区三区| 一级毛片aaaaaa免费看小| 国产精品一区二区三区四区免费观看 | 99久久久亚洲精品蜜臀av| 自拍偷自拍亚洲精品老妇| 一进一出好大好爽视频| 99九九线精品视频在线观看视频| 中国美女看黄片| 麻豆精品久久久久久蜜桃| 天堂网av新在线| 老熟妇乱子伦视频在线观看| 人妻夜夜爽99麻豆av| 最新中文字幕久久久久| 91久久精品国产一区二区三区| 性色avwww在线观看| 国产精品伦人一区二区| 成人欧美大片| 精品熟女少妇av免费看| 国产午夜精品久久久久久一区二区三区 | 寂寞人妻少妇视频99o| 欧美bdsm另类| 嫩草影院精品99| 国产亚洲精品久久久com| 蜜臀久久99精品久久宅男| 搡女人真爽免费视频火全软件 | 亚洲国产精品成人综合色| 狂野欧美白嫩少妇大欣赏| 午夜免费男女啪啪视频观看 | 嫩草影院入口| 欧美色欧美亚洲另类二区| 国产精品一区二区免费欧美| 国产熟女欧美一区二区| 99久久精品热视频| 久久精品夜色国产| 国产精品一区二区三区四区免费观看 | 中国美女看黄片| 久久久久久久久中文| 午夜a级毛片| 久久国内精品自在自线图片| 搡老熟女国产l中国老女人| 18禁黄网站禁片免费观看直播| 岛国在线免费视频观看| 国产亚洲欧美98| 免费av观看视频| 一进一出好大好爽视频| 精品欧美国产一区二区三| 成人欧美大片| 久久精品国产自在天天线| 国模一区二区三区四区视频| 日本在线视频免费播放| 欧美激情国产日韩精品一区| 91午夜精品亚洲一区二区三区| 亚洲av免费在线观看| 夜夜爽天天搞| 成人二区视频| 伊人久久精品亚洲午夜| 免费看a级黄色片| 激情 狠狠 欧美| 国产真实乱freesex| 国产高清三级在线| 亚洲专区国产一区二区| 看非洲黑人一级黄片| av在线播放精品| 国产单亲对白刺激| 久久亚洲国产成人精品v| 22中文网久久字幕| 十八禁网站免费在线| 国产精华一区二区三区| 别揉我奶头 嗯啊视频| 色综合色国产| 成人三级黄色视频| 免费看美女性在线毛片视频| 最近的中文字幕免费完整| 大又大粗又爽又黄少妇毛片口| 精品熟女少妇av免费看| 色吧在线观看| 在线观看午夜福利视频| 亚洲精品乱码久久久v下载方式| 免费看光身美女| 国产高清激情床上av| 狠狠狠狠99中文字幕| 美女高潮的动态| 中国美白少妇内射xxxbb| 神马国产精品三级电影在线观看| 综合色av麻豆| 97超级碰碰碰精品色视频在线观看| 欧美不卡视频在线免费观看| 亚洲精品一区av在线观看| 黄色视频,在线免费观看| 精品无人区乱码1区二区| 麻豆一二三区av精品| 99久久久亚洲精品蜜臀av| АⅤ资源中文在线天堂| av女优亚洲男人天堂| 久久久久久久久中文| 国产精品av视频在线免费观看| 亚洲欧美中文字幕日韩二区| 人人妻人人看人人澡| 人人妻,人人澡人人爽秒播| 亚洲最大成人av| 午夜爱爱视频在线播放| 可以在线观看毛片的网站| 国产高潮美女av| 色综合站精品国产| 国产人妻一区二区三区在| a级一级毛片免费在线观看| 日产精品乱码卡一卡2卡三| av视频在线观看入口| 成年av动漫网址| 少妇熟女aⅴ在线视频| 黄片wwwwww| 性插视频无遮挡在线免费观看| 国产精品永久免费网站| 亚洲人成网站在线播放欧美日韩| 97在线视频观看| 性欧美人与动物交配| 亚洲第一区二区三区不卡| 舔av片在线| 别揉我奶头 嗯啊视频| 日日啪夜夜撸| 日韩高清综合在线| 精品久久久噜噜| ponron亚洲| 黄色视频,在线免费观看| 亚洲国产色片| 国产探花在线观看一区二区| 国产精品亚洲美女久久久| 此物有八面人人有两片| 99热网站在线观看| 岛国在线免费视频观看| 国产久久久一区二区三区| 国产精品亚洲一级av第二区| 97在线视频观看| 国内久久婷婷六月综合欲色啪| 1000部很黄的大片| 黄色视频,在线免费观看| 性欧美人与动物交配| 少妇高潮的动态图| 婷婷六月久久综合丁香| 18禁裸乳无遮挡免费网站照片| 久久久久久久亚洲中文字幕| 老熟妇仑乱视频hdxx| 最近视频中文字幕2019在线8| 免费看av在线观看网站| 欧美激情久久久久久爽电影| 日韩制服骚丝袜av| 国产美女午夜福利| 亚洲最大成人中文| 久久精品夜夜夜夜夜久久蜜豆| 一级毛片我不卡| 可以在线观看毛片的网站| 婷婷精品国产亚洲av在线| 午夜亚洲福利在线播放| 蜜桃久久精品国产亚洲av| 久久精品91蜜桃| 久久久久久久午夜电影| 国产午夜精品久久久久久一区二区三区 | 国产成人91sexporn| 免费在线观看成人毛片| 国产午夜精品论理片| 亚洲欧美成人综合另类久久久 | 国内精品一区二区在线观看| 日本精品一区二区三区蜜桃| 能在线免费观看的黄片| 国产成人一区二区在线| 男女做爰动态图高潮gif福利片| 男人的好看免费观看在线视频| 可以在线观看毛片的网站| 村上凉子中文字幕在线| 99国产精品一区二区蜜桃av| 午夜久久久久精精品| 91午夜精品亚洲一区二区三区| 久久精品影院6| 成年免费大片在线观看| 在线观看66精品国产| 99在线人妻在线中文字幕| 亚洲精品456在线播放app| 在线天堂最新版资源| 欧美一区二区亚洲| 亚洲在线自拍视频| 日韩制服骚丝袜av| 免费在线观看成人毛片| 午夜福利高清视频| 国产片特级美女逼逼视频| 亚洲av熟女| 好男人在线观看高清免费视频| 亚洲精华国产精华液的使用体验 | 久久99热这里只有精品18| 日本黄色片子视频| 悠悠久久av| 国产亚洲精品久久久com| 欧美最新免费一区二区三区| 亚洲七黄色美女视频| 成人永久免费在线观看视频| 亚洲性夜色夜夜综合| 中文在线观看免费www的网站| 亚洲乱码一区二区免费版| 麻豆国产av国片精品| 成年女人看的毛片在线观看| 插阴视频在线观看视频| 欧美最新免费一区二区三区| 久久韩国三级中文字幕| 免费看光身美女| 国产精品女同一区二区软件| 波多野结衣巨乳人妻| 五月玫瑰六月丁香| 乱码一卡2卡4卡精品| 男人舔奶头视频| 国产精品一区www在线观看| 身体一侧抽搐| 亚洲aⅴ乱码一区二区在线播放| 久久久久国产精品人妻aⅴ院| av在线天堂中文字幕| 97超碰精品成人国产| av在线天堂中文字幕| 国产亚洲精品综合一区在线观看| 国产欧美日韩精品亚洲av| 国产aⅴ精品一区二区三区波| 3wmmmm亚洲av在线观看| 麻豆国产av国片精品| 91在线观看av| 日本精品一区二区三区蜜桃| 特大巨黑吊av在线直播| 日本黄大片高清| av在线播放精品| 99久久精品一区二区三区| 热99在线观看视频| 99热6这里只有精品| 国产熟女欧美一区二区| 日韩欧美免费精品| 天堂av国产一区二区熟女人妻| 国产一区二区在线观看日韩| 亚洲人与动物交配视频| 亚洲人成网站在线播放欧美日韩| 日韩欧美免费精品| 搡老熟女国产l中国老女人| 中国国产av一级| 国产伦精品一区二区三区四那| 欧美精品国产亚洲| 99久国产av精品| 国产 一区精品| 久久久国产成人免费| 欧美日韩综合久久久久久| 亚洲av一区综合| 久久久精品大字幕| www日本黄色视频网| 国产人妻一区二区三区在| 一级黄色大片毛片| 偷拍熟女少妇极品色| 久久久精品大字幕| 最新中文字幕久久久久| 久久人人爽人人片av| 三级国产精品欧美在线观看| 欧美性感艳星| 大又大粗又爽又黄少妇毛片口| 丰满的人妻完整版| 国产69精品久久久久777片| av在线蜜桃| 久久天躁狠狠躁夜夜2o2o| 国产精品99久久久久久久久| 99在线人妻在线中文字幕| 国产精品永久免费网站| 国产午夜精品久久久久久一区二区三区 | 99热网站在线观看| 久久草成人影院| 亚洲欧美日韩无卡精品| 熟女人妻精品中文字幕| 夜夜看夜夜爽夜夜摸| 免费人成视频x8x8入口观看| 中国美白少妇内射xxxbb| 国产国拍精品亚洲av在线观看| 直男gayav资源| 美女免费视频网站| 在线免费观看不下载黄p国产| 久久精品91蜜桃| 一边摸一边抽搐一进一小说| h日本视频在线播放| 亚洲欧美日韩卡通动漫| 伊人久久精品亚洲午夜| 在线观看美女被高潮喷水网站| 97超碰精品成人国产| a级毛片免费高清观看在线播放| 啦啦啦观看免费观看视频高清| 久久久久久伊人网av| 亚洲av电影不卡..在线观看| 一级a爱片免费观看的视频| 啦啦啦啦在线视频资源| av天堂在线播放| 久久久久性生活片| 亚洲精品在线观看二区| 美女 人体艺术 gogo| 久久精品人妻少妇| 熟女人妻精品中文字幕| 久久热精品热| 精品一区二区三区视频在线| 国产午夜福利久久久久久| 亚洲高清免费不卡视频| 美女被艹到高潮喷水动态| 香蕉av资源在线| 又爽又黄无遮挡网站| 日韩欧美精品v在线| 男人狂女人下面高潮的视频| 又粗又爽又猛毛片免费看| 久99久视频精品免费| 国产精品一区二区性色av| 毛片女人毛片| 国产亚洲精品久久久久久毛片| av卡一久久| 欧美不卡视频在线免费观看| 一级毛片久久久久久久久女| 18+在线观看网站| 色综合站精品国产| 日日摸夜夜添夜夜添小说| 十八禁网站免费在线| 国产精品一区二区免费欧美| 色吧在线观看| 日本一本二区三区精品| 国产精品免费一区二区三区在线| 真实男女啪啪啪动态图| 色吧在线观看| 99热这里只有是精品50| 亚洲av美国av| 亚洲人成网站高清观看| 久久久久久伊人网av| 别揉我奶头 嗯啊视频| 少妇丰满av| 精品99又大又爽又粗少妇毛片| 亚洲精品日韩av片在线观看| 国产亚洲欧美98| 黄片wwwwww| 亚洲久久久久久中文字幕| 欧美bdsm另类| 日本三级黄在线观看| 亚洲欧美成人综合另类久久久 | 精品一区二区三区视频在线观看免费| 97热精品久久久久久| 在线a可以看的网站| 日韩高清综合在线| 在线a可以看的网站| 99riav亚洲国产免费| 欧美日韩综合久久久久久| 欧美xxxx黑人xx丫x性爽| av福利片在线观看| 久久天躁狠狠躁夜夜2o2o| 日本成人三级电影网站| 日韩欧美精品免费久久| 女同久久另类99精品国产91| 一区二区三区免费毛片| av福利片在线观看| 久久天躁狠狠躁夜夜2o2o| 99视频精品全部免费 在线| 午夜老司机福利剧场| 熟女电影av网| 国产亚洲av嫩草精品影院|