• <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 ?

    基于改進(jìn)Faster-RCNN的目標(biāo)檢測(cè)算法研究

    2021-06-06 16:12:13閆新慶楊喻涵陸桂明
    中國(guó)新通信 2021年1期
    關(guān)鍵詞:深度學(xué)習(xí)

    閆新慶 楊喻涵 陸桂明

    【摘要】? ? 目標(biāo)檢測(cè)是圖像處理領(lǐng)域一個(gè)重要的研究方向,深度學(xué)習(xí)方法需要大量數(shù)據(jù)進(jìn)行訓(xùn)練,訓(xùn)練的繁雜和復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)限制了目標(biāo)檢測(cè)的速度。本文基于Faster RCNN 的網(wǎng)絡(luò)架構(gòu),創(chuàng)新性提出了light tail Faster RCNN網(wǎng)絡(luò)架構(gòu)。light tail Faster RCNN算法在保證精度的情況下,大大提升了處理速度。在本文的設(shè)計(jì)中,通過(guò)將網(wǎng)絡(luò)結(jié)構(gòu)中的全連接層改為1*1的卷積層,來(lái)達(dá)到速度的提升。本文實(shí)驗(yàn)在 PASCAL VOC 數(shù)據(jù)集上進(jìn)行,較經(jīng)典網(wǎng)絡(luò)模型,在識(shí)別率略低的情況下,速率提升了一倍多。在總體性能上顯著優(yōu)于經(jīng)典目標(biāo)檢測(cè)算法,通過(guò)對(duì)比實(shí)驗(yàn)的方法比較驗(yàn)證了本文提出方法的有效性。

    【關(guān)鍵詞】? ? 目標(biāo)檢測(cè)? ? Faster RCNN? ? 深度學(xué)習(xí)

    Abstract: Target detection is an important research direction in the field of image processing. Deep learning methods require a large amount of data for training, and the complex and complex network structure of training limits the speed of target detection. Based on the network architecture of Faster RCNN, this paper innovatively proposes the light tail Faster RCNN network architecture. The Light tail Faster RCNN algorithm greatly improves the processing speed while ensuring accuracy. In the design of this article, the speed is improved by changing the fully connected layer in the network structure to a 1*1 convolutional layer. The experiment in this article is carried out on the PASCAL VOC data set. Compared with the classic network model, the speed is more than doubled when the recognition rate is slightly lower.? The overall performance is significantly better than the classic target detection algorithm. The method comparison of the comparative experiment verifies the effectiveness of the method proposed in this paper.

    Keywords: Target detection ; Faster RCNN ; Deep learning

    引言

    目標(biāo)檢測(cè)與視頻分析和圖像理解有著密切的聯(lián)系,近年來(lái)受到了廣泛的關(guān)注。隨著深度學(xué)習(xí)的快速發(fā)展,人們引入了更強(qiáng)大的工具來(lái)解決傳統(tǒng)目標(biāo)檢測(cè)中存在的問(wèn)題,這些工具能夠?qū)W習(xí)到高層次和深層次的特征。

    部位形變模型(DPM)及方向梯度直方圖(HOG)和尺度不變特征變換(SIFT)經(jīng)常作為目標(biāo)檢測(cè)的特征特征。但是傳統(tǒng)方法的特征一般都是由人工進(jìn)行篩選的,是一些低層次的特征,有一些特征是針對(duì)特定對(duì)象的,比如說(shuō)HOG特征主要是針對(duì)行人檢測(cè)提出的,針對(duì)不同目標(biāo)需要人為的去選擇不同的特征,這就導(dǎo)致傳統(tǒng)算法的魯棒性不高,不能夠廣泛的應(yīng)用到目標(biāo)檢測(cè)算法中。近年來(lái),隨著深度學(xué)習(xí)的大幅度發(fā)展,基于深度學(xué)習(xí)的目標(biāo)檢測(cè)方法被大量研究。

    基于深度學(xué)習(xí)的目標(biāo)檢測(cè)方法可以分為兩個(gè)主要類(lèi)別,第一種是應(yīng)用回歸算法進(jìn)行目標(biāo)檢測(cè),第二種是應(yīng)用分類(lèi)算法進(jìn)行目標(biāo)檢測(cè)。

    基于回歸的目標(biāo)檢測(cè)算法包括YOLO模型。YOLO模型直接在待檢測(cè)圖像上進(jìn)行訓(xùn)練,主要將圖像劃分成為一些網(wǎng)格,每個(gè)網(wǎng)格都檢測(cè)以網(wǎng)格為中心的目標(biāo),它是犧牲準(zhǔn)確性來(lái)?yè)Q取目標(biāo)檢測(cè)速度的方法。

    基于分類(lèi)的目標(biāo)檢測(cè)算法的典型代表是Faster-RCNN算法。文獻(xiàn)[3]中的算法主要使用卷積神經(jīng)網(wǎng)絡(luò)通過(guò)搜索的方法選擇出待檢測(cè)圖像中的候選區(qū)來(lái)進(jìn)行高層次的特征提取和表示,然后再采用分類(lèi)算法進(jìn)行目標(biāo)識(shí)別。Faster-RCNN模型的誕生[7]提高 RCNN 模型的檢測(cè)精度和速度。

    但是Faster-RCNN算法在目標(biāo)識(shí)別階段用了好幾層全連接層來(lái)進(jìn)行感興趣區(qū)的識(shí)別和回歸。就每個(gè)區(qū)域的預(yù)測(cè)而言,這是非常耗時(shí)的,當(dāng)有大量的候選區(qū)域的時(shí)候,這種情況甚至?xí)兊酶?。而且,特征通道?shù)量較多,這就使得全連接層占用大量?jī)?nèi)存,并直接影響網(wǎng)絡(luò)的計(jì)算速度。

    基于以上問(wèn)題,本文基于Faster-RCNN算法,將感興趣區(qū)的識(shí)別和回歸中的全連接層進(jìn)行了改進(jìn),提出了light tail Faster RCNN網(wǎng)絡(luò)架構(gòu)。該網(wǎng)絡(luò)主要是通過(guò)將原本網(wǎng)絡(luò)結(jié)構(gòu)中的全連接層改為1*1的卷積層,來(lái)達(dá)到速度的提升。

    一、改進(jìn)的Faster-RCNN算法

    改進(jìn)的目標(biāo)檢測(cè)模型遵循Faster RCNN的相似深度學(xué)習(xí)框架,該框架已被證明是用于目標(biāo)檢測(cè)的最新深度學(xué)習(xí)方法。該框架主要由區(qū)域候選網(wǎng)絡(luò)(RPN)和RCNN網(wǎng)絡(luò)組成。Faster RCNN的結(jié)構(gòu)如圖1所示。

    區(qū)域候選網(wǎng)絡(luò)主要用于生成可能包含對(duì)象的一系列感興趣區(qū)域(RoI)??焖賀CNN網(wǎng)絡(luò)主要用于對(duì)目標(biāo)(和背景)進(jìn)行分類(lèi)并細(xì)化那些區(qū)域的邊界。Faster RCNN通過(guò)兩個(gè)網(wǎng)絡(luò)共享特征提取過(guò)程獲得的卷積層參數(shù),從而使該模型能夠以相對(duì)較快的速度完成目標(biāo)檢測(cè)任務(wù)。

    在本文的工作中,主要是基于Faster-RCNN算法,將感興趣區(qū)的識(shí)別和回歸中的全連接層進(jìn)行了改進(jìn),提出了light tail Faster RCNN網(wǎng)絡(luò)架構(gòu),該框架結(jié)構(gòu)如圖2所示。

    如圖2所示展示的是改進(jìn)Faster RCNN框架示意圖,該網(wǎng)絡(luò)主要是通過(guò)將原本網(wǎng)絡(luò)結(jié)構(gòu)中的全連接層fc6和fc7改為1*1的卷積層,來(lái)達(dá)到速度的提升。由圖所示,原本的Faster-RCNN算法在目標(biāo)識(shí)別階段用了好幾層全連接層來(lái)進(jìn)行感興趣區(qū)的識(shí)別和回歸。就每個(gè)區(qū)域的預(yù)測(cè)和識(shí)別來(lái)說(shuō),這些全連接層是非常耗費(fèi)時(shí)間的,當(dāng)有圖像當(dāng)中有大量候選區(qū)域的時(shí)候,浪費(fèi)的時(shí)間會(huì)更多。不僅如此,如果特征通道數(shù)量較多,就會(huì)使得全連接層占用大量?jī)?nèi)存,從而直接影響到Faster-RCNN網(wǎng)絡(luò)的計(jì)算速度。

    因此,本文將繁雜的全連接層改為1*1的卷積層,在精度略微損失的情況下,來(lái)達(dá)到速度的有效提升。本文第三部分通過(guò)實(shí)驗(yàn)驗(yàn)證了提出模型的有效性。

    二、實(shí)驗(yàn)驗(yàn)證及分析

    本文的驗(yàn)證實(shí)驗(yàn)在經(jīng)典的開(kāi)源數(shù)據(jù)集 PASCAL VOC2007 數(shù)據(jù)集上進(jìn)行,改數(shù)據(jù)集共有21類(lèi)不同的對(duì)象類(lèi)別,并且包含 5000 訓(xùn)練集樣本圖像和 5000 測(cè)試樣本圖像。本次實(shí)驗(yàn)的硬件環(huán)境顯卡采用的是 NVIDIA Tesla K80,再軟件方面,操作系統(tǒng)采用 Linux Ubuntu 16.04 版本,實(shí)現(xiàn)語(yǔ)言采用 Python3.6,深度學(xué)習(xí)框架采用 TensorFlow 框架,實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)模型,F(xiàn)aster RCNN 中的最大迭代值等參數(shù)對(duì) m AP 的數(shù)值會(huì)產(chǎn)生較大的影響,為了得到較好的輸出,需要對(duì)這些參數(shù)進(jìn)行優(yōu)化。在本次實(shí)驗(yàn)中,最大迭代次數(shù)為70000,并且調(diào)節(jié)相關(guān)參數(shù)記錄所提算法和對(duì)比算法的最佳結(jié)果。

    如圖3所示,為實(shí)驗(yàn)部分原圖和特征提取的特征圖。

    如圖3所示,為數(shù)據(jù)集原圖和改進(jìn)的Faster RCNN算法的特征提取示意圖,從圖中可以看出改進(jìn)的Faster RCNN可以較好的提取目標(biāo)的特征,從而實(shí)現(xiàn)目標(biāo)檢測(cè)。

    本文實(shí)驗(yàn)在PASCAL VOC2007 數(shù)據(jù)集上將Faster RCNN算法和改進(jìn)的Faster RCNN算法進(jìn)行實(shí)驗(yàn),實(shí)驗(yàn)條件保持一致,其mAP和實(shí)驗(yàn)時(shí)間如表1所示,各個(gè)類(lèi)別的識(shí)別精度如圖4所示。

    實(shí)驗(yàn)結(jié)果如上表1和圖4所示,在圖4中橙色代表采用Faster RCNN的識(shí)別結(jié)果,其mean AP為71.26%,運(yùn)行時(shí)間為53698s;藍(lán)色代表采用本文提出的light tail Faster RCNN的mean AP為71.92%運(yùn)行時(shí)間為25241s。從圖4可以看出大部分類(lèi)別Faster RCNN的識(shí)別結(jié)果高于light tail Faster RCNN的識(shí)別結(jié)果。從整體上來(lái)看,雖然平均識(shí)別精度下降了0.66%,但是模型整體運(yùn)行速度提升了一倍多,說(shuō)明本文改進(jìn)的方法light tail Faster RCNN模型在精度有略微損失的情況下大大加快了處理速度,說(shuō)明本文創(chuàng)新型提出的light tail Faster RCNN算法的有效性。

    四、結(jié)論

    本文針對(duì) Faster RCNN目標(biāo)檢測(cè)算法訓(xùn)練的繁雜和復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)限制了目標(biāo)檢測(cè)的速度的問(wèn)題,創(chuàng)新性的提出了light tail Faster RCNN網(wǎng)絡(luò)架構(gòu)。該框架將網(wǎng)絡(luò)結(jié)構(gòu)中的全連接層改為1*1的卷積層,來(lái)達(dá)到速度的提升。經(jīng)PASCAL VOC 數(shù)據(jù)集上的實(shí)驗(yàn)驗(yàn)證,light tail Faster RCNN算法在略微損失精度的情況下,大大提升了處理速度,驗(yàn)證了方法的有效性。

    參? 考? 文? 獻(xiàn)

    [1] Liu W, Anguelov D, Erhan D, et al. Ssd: Single shot multibox detector[C]//European conference on computer vision. Springer, Cham, 2016: 21-37.

    [2] Lin T Y, Goyal P, Girshick R, et al. Focal loss for dense object detection[C]//Proceedings of the IEEE international conference on computer vision. 2017: 2980-2988.

    [3] Shi K, Bao H, Ma N. Forward vehicle detection based on incremental learning and fast r-cnn[C]//2017 13th International Conference on Computational Intelligence and Security (CIS). IEEE, 2017: 73-76.

    [4] Dalal N, Triggs B. Histograms of oriented gradients for human detection[C]//2005 IEEE computer society conference on computer vision and pattern recognition (CVPR05). IEEE, 2005, 1: 886-893.

    [5] Felzenszwalb P F, Girshick R B, McAllester D, et al. Object detection with discriminatively trained part-based models[J]. IEEE transactions on pattern analysis and machine intelligence, 2009, 32(9): 1627-1645.

    猜你喜歡
    深度學(xué)習(xí)
    從合坐走向合學(xué):淺議新學(xué)習(xí)模式的構(gòu)建
    面向大數(shù)據(jù)遠(yuǎn)程開(kāi)放實(shí)驗(yàn)平臺(tái)構(gòu)建研究
    基于自動(dòng)智能分類(lèi)器的圖書(shū)館亂架圖書(shū)檢測(cè)
    搭建深度學(xué)習(xí)的三級(jí)階梯
    有體驗(yàn)的學(xué)習(xí)才是有意義的學(xué)習(xí)
    電子商務(wù)中基于深度學(xué)習(xí)的虛假交易識(shí)別研究
    利用網(wǎng)絡(luò)技術(shù)促進(jìn)學(xué)生深度學(xué)習(xí)的幾大策略
    考試周刊(2016年94期)2016-12-12 12:15:04
    MOOC與翻轉(zhuǎn)課堂融合的深度學(xué)習(xí)場(chǎng)域建構(gòu)
    大數(shù)據(jù)技術(shù)在反恐怖主義中的應(yīng)用展望
    深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
    高清av免费在线| 亚洲人成网站高清观看| 欧美xxxx黑人xx丫x性爽| av卡一久久| 国精品久久久久久国模美| 视频中文字幕在线观看| 一边亲一边摸免费视频| 五月玫瑰六月丁香| 高清av免费在线| 亚洲精品国产色婷婷电影| 国产亚洲午夜精品一区二区久久| 又粗又硬又长又爽又黄的视频| 亚州av有码| 各种免费的搞黄视频| 国产精品秋霞免费鲁丝片| 免费人妻精品一区二区三区视频| 这个男人来自地球电影免费观看 | 中文字幕av成人在线电影| 色网站视频免费| 国产成人精品福利久久| 国产成人精品福利久久| 国产探花极品一区二区| 色综合色国产| 久久久久精品性色| 肉色欧美久久久久久久蜜桃| 免费观看的影片在线观看| 91精品伊人久久大香线蕉| 久久国产亚洲av麻豆专区| 黄色怎么调成土黄色| 观看美女的网站| 黑人猛操日本美女一级片| 少妇的逼好多水| 亚洲国产欧美人成| 一级毛片电影观看| 99久久中文字幕三级久久日本| 黄片wwwwww| 精品久久久久久电影网| 亚洲天堂av无毛| 黄片无遮挡物在线观看| 久久久午夜欧美精品| 交换朋友夫妻互换小说| 亚洲欧美成人综合另类久久久| 国产黄色免费在线视频| 国产精品成人在线| 亚洲精品乱码久久久久久按摩| 永久免费av网站大全| 我的老师免费观看完整版| 国产女主播在线喷水免费视频网站| 国产精品久久久久久久电影| 国产免费福利视频在线观看| 日韩人妻高清精品专区| 国产真实伦视频高清在线观看| 国产精品秋霞免费鲁丝片| 一级毛片 在线播放| 国产男女内射视频| 欧美国产精品一级二级三级 | 高清日韩中文字幕在线| 国产国拍精品亚洲av在线观看| 欧美国产精品一级二级三级 | 久久精品久久精品一区二区三区| 美女福利国产在线 | 国产日韩欧美在线精品| 免费看不卡的av| 国产精品一区二区三区四区免费观看| 插逼视频在线观看| 久久精品人妻少妇| 看非洲黑人一级黄片| 国产成人免费观看mmmm| 国国产精品蜜臀av免费| 久久99热这里只频精品6学生| 久久午夜福利片| 中文乱码字字幕精品一区二区三区| 人妻少妇偷人精品九色| 青春草国产在线视频| 九九爱精品视频在线观看| 国产成人精品一,二区| 日韩在线高清观看一区二区三区| 日韩国内少妇激情av| 亚洲欧美一区二区三区黑人 | 欧美高清成人免费视频www| 国产黄片美女视频| 永久免费av网站大全| 少妇人妻一区二区三区视频| 中国三级夫妇交换| av一本久久久久| 日日摸夜夜添夜夜爱| 在线免费十八禁| 婷婷色av中文字幕| 九九爱精品视频在线观看| 日韩一区二区视频免费看| 国产毛片在线视频| 黑丝袜美女国产一区| 国产高潮美女av| 日韩伦理黄色片| 777米奇影视久久| 日本av手机在线免费观看| 毛片一级片免费看久久久久| 女性被躁到高潮视频| 亚洲精品成人av观看孕妇| 久久久久久久大尺度免费视频| 久久国产精品男人的天堂亚洲 | 久久久a久久爽久久v久久| 另类亚洲欧美激情| 女性生殖器流出的白浆| 永久免费av网站大全| 最黄视频免费看| 亚洲一级一片aⅴ在线观看| 免费久久久久久久精品成人欧美视频 | 精品亚洲乱码少妇综合久久| 免费黄频网站在线观看国产| 日日摸夜夜添夜夜添av毛片| 人体艺术视频欧美日本| 汤姆久久久久久久影院中文字幕| 亚洲国产精品专区欧美| 欧美另类一区| 国产成人免费无遮挡视频| 日本一二三区视频观看| 国产精品99久久99久久久不卡 | 国产精品久久久久成人av| 免费观看的影片在线观看| 建设人人有责人人尽责人人享有的 | 男人和女人高潮做爰伦理| 日本黄色片子视频| 又黄又爽又刺激的免费视频.| 欧美老熟妇乱子伦牲交| 大陆偷拍与自拍| 欧美亚洲 丝袜 人妻 在线| 又大又黄又爽视频免费| 日韩三级伦理在线观看| 美女xxoo啪啪120秒动态图| 成人无遮挡网站| 少妇熟女欧美另类| 蜜桃久久精品国产亚洲av| 最近的中文字幕免费完整| 高清午夜精品一区二区三区| 高清午夜精品一区二区三区| 国产在线视频一区二区| 大话2 男鬼变身卡| 最黄视频免费看| 久久久国产一区二区| 国产av国产精品国产| 国内精品宾馆在线| 嘟嘟电影网在线观看| 国产日韩欧美在线精品| 色5月婷婷丁香| 精品国产露脸久久av麻豆| 91久久精品电影网| 亚洲欧美成人综合另类久久久| 国产精品一区二区在线不卡| 一区二区三区免费毛片| 国产精品一二三区在线看| av线在线观看网站| 新久久久久国产一级毛片| 欧美xxxx黑人xx丫x性爽| 国产精品三级大全| 97超视频在线观看视频| 国产v大片淫在线免费观看| 黄色怎么调成土黄色| 一区二区三区免费毛片| 狂野欧美白嫩少妇大欣赏| 亚洲国产成人一精品久久久| 精品一品国产午夜福利视频| 久久久久久久久久久免费av| 天堂中文最新版在线下载| 在线观看免费日韩欧美大片 | 直男gayav资源| 大又大粗又爽又黄少妇毛片口| 久久久久久久久久久免费av| 亚洲欧美精品专区久久| 大片电影免费在线观看免费| 国产免费一区二区三区四区乱码| 国产精品一二三区在线看| 日韩视频在线欧美| 免费大片黄手机在线观看| 国产乱人视频| 日韩大片免费观看网站| 美女xxoo啪啪120秒动态图| 亚洲四区av| 嘟嘟电影网在线观看| 人妻 亚洲 视频| 制服丝袜香蕉在线| 久久久久久久久大av| 欧美一区二区亚洲| 99久国产av精品国产电影| 亚洲精品国产av蜜桃| 日韩在线高清观看一区二区三区| 成年美女黄网站色视频大全免费 | 夜夜爽夜夜爽视频| 免费大片黄手机在线观看| freevideosex欧美| 亚洲国产欧美在线一区| 久久精品久久精品一区二区三区| 精品人妻熟女av久视频| av线在线观看网站| 不卡视频在线观看欧美| 久久精品人妻少妇| 最近最新中文字幕免费大全7| 色视频在线一区二区三区| 丝袜脚勾引网站| 免费黄频网站在线观看国产| 国产探花极品一区二区| 日产精品乱码卡一卡2卡三| 十分钟在线观看高清视频www | 亚洲欧洲国产日韩| 国产精品爽爽va在线观看网站| 最后的刺客免费高清国语| 在线亚洲精品国产二区图片欧美 | 99久久综合免费| 香蕉精品网在线| 久久久欧美国产精品| 精品熟女少妇av免费看| 精品人妻视频免费看| 各种免费的搞黄视频| 嫩草影院入口| 久热久热在线精品观看| 91精品一卡2卡3卡4卡| 亚洲av二区三区四区| 欧美最新免费一区二区三区| 精品人妻视频免费看| 亚洲国产精品一区三区| 少妇 在线观看| 大又大粗又爽又黄少妇毛片口| 国产av码专区亚洲av| 亚洲怡红院男人天堂| 久久精品久久精品一区二区三区| 性色av一级| av专区在线播放| 久久久久久九九精品二区国产| 国产一区亚洲一区在线观看| 一区二区三区免费毛片| 亚洲人与动物交配视频| 久久久久久久大尺度免费视频| 欧美高清成人免费视频www| 国产永久视频网站| 亚州av有码| 嫩草影院入口| 精品99又大又爽又粗少妇毛片| 欧美激情国产日韩精品一区| 亚洲av中文av极速乱| 成人影院久久| 夜夜看夜夜爽夜夜摸| 亚洲国产精品专区欧美| 王馨瑶露胸无遮挡在线观看| 99久久人妻综合| 黄色日韩在线| 成人黄色视频免费在线看| 国精品久久久久久国模美| 欧美 日韩 精品 国产| 久久久久国产网址| av免费观看日本| 啦啦啦视频在线资源免费观看| 性色av一级| 国产成人freesex在线| 国产真实伦视频高清在线观看| 国产高清有码在线观看视频| 美女高潮的动态| 欧美激情国产日韩精品一区| 街头女战士在线观看网站| 一级毛片久久久久久久久女| 成年免费大片在线观看| 国产在线男女| 国产亚洲5aaaaa淫片| 天堂8中文在线网| 久久99热6这里只有精品| 欧美激情国产日韩精品一区| 最黄视频免费看| videossex国产| 精品亚洲成国产av| 亚洲成人av在线免费| 国产精品一及| 2021少妇久久久久久久久久久| 久久婷婷青草| 国产精品国产三级专区第一集| 一级a做视频免费观看| 最后的刺客免费高清国语| 老熟女久久久| 久久国产精品大桥未久av | 各种免费的搞黄视频| 色婷婷久久久亚洲欧美| 成人综合一区亚洲| 午夜福利网站1000一区二区三区| 亚洲av.av天堂| 婷婷色综合www| 精品一区二区三卡| 午夜福利高清视频| 多毛熟女@视频| 日韩一区二区三区影片| 亚洲在久久综合| 欧美日韩精品成人综合77777| 一二三四中文在线观看免费高清| 欧美极品一区二区三区四区| 久久女婷五月综合色啪小说| 草草在线视频免费看| 97热精品久久久久久| 久久精品久久精品一区二区三区| 国产 一区 欧美 日韩| 国产高潮美女av| 国产黄片美女视频| 久久精品国产a三级三级三级| 自拍欧美九色日韩亚洲蝌蚪91 | 又黄又爽又刺激的免费视频.| 国产色婷婷99| 欧美+日韩+精品| 亚洲成人av在线免费| 国内少妇人妻偷人精品xxx网站| 欧美xxxx性猛交bbbb| 国产精品久久久久成人av| 一区二区av电影网| 国产免费福利视频在线观看| 亚洲伊人久久精品综合| 在线观看国产h片| 天天躁日日操中文字幕| 国产精品久久久久久精品电影小说 | 久久青草综合色| 午夜福利影视在线免费观看| 在线免费观看不下载黄p国产| 如何舔出高潮| 99热这里只有是精品50| 国产伦在线观看视频一区| 三级经典国产精品| 纵有疾风起免费观看全集完整版| 久久99蜜桃精品久久| 一级毛片 在线播放| 有码 亚洲区| 国产黄片视频在线免费观看| av不卡在线播放| 欧美丝袜亚洲另类| 高清在线视频一区二区三区| 久热这里只有精品99| 精品酒店卫生间| 成人毛片60女人毛片免费| 自拍偷自拍亚洲精品老妇| 国产成人免费观看mmmm| 亚洲精品国产成人久久av| 在线观看免费高清a一片| 亚洲国产精品成人久久小说| 晚上一个人看的免费电影| 联通29元200g的流量卡| 伦理电影大哥的女人| 日韩一本色道免费dvd| 少妇丰满av| 男女国产视频网站| 能在线免费看毛片的网站| 久久精品国产亚洲网站| 欧美丝袜亚洲另类| 国产黄色视频一区二区在线观看| 午夜精品国产一区二区电影| 欧美日本视频| 午夜福利高清视频| 日韩制服骚丝袜av| 在线观看美女被高潮喷水网站| 小蜜桃在线观看免费完整版高清| 色哟哟·www| 一级爰片在线观看| 久久久久视频综合| videos熟女内射| 久久久久精品久久久久真实原创| 亚洲国产成人一精品久久久| 国内揄拍国产精品人妻在线| 老熟女久久久| 七月丁香在线播放| 乱码一卡2卡4卡精品| 精品一区二区免费观看| 涩涩av久久男人的天堂| 国产精品国产三级国产av玫瑰| 国产久久久一区二区三区| 26uuu在线亚洲综合色| 欧美日韩亚洲高清精品| 黄片wwwwww| 18禁动态无遮挡网站| 日本午夜av视频| 在线免费观看不下载黄p国产| 精品国产三级普通话版| 亚洲av不卡在线观看| 国产午夜精品久久久久久一区二区三区| 99热6这里只有精品| 久久久亚洲精品成人影院| 99久国产av精品国产电影| 欧美三级亚洲精品| 国产老妇伦熟女老妇高清| 国产熟女欧美一区二区| 我要看黄色一级片免费的| 成人亚洲欧美一区二区av| 六月丁香七月| 久久久久久久久久人人人人人人| 性色avwww在线观看| 欧美区成人在线视频| 午夜老司机福利剧场| 亚洲av二区三区四区| 天天躁日日操中文字幕| 国产av码专区亚洲av| 亚洲综合精品二区| 免费观看在线日韩| 99久国产av精品国产电影| 寂寞人妻少妇视频99o| 老司机影院成人| 午夜福利在线观看免费完整高清在| 一本久久精品| 精品少妇黑人巨大在线播放| 国产男女内射视频| av视频免费观看在线观看| 一本色道久久久久久精品综合| 国产精品一二三区在线看| av网站免费在线观看视频| 下体分泌物呈黄色| 免费高清在线观看视频在线观看| 国产精品伦人一区二区| 少妇被粗大猛烈的视频| 内地一区二区视频在线| 色婷婷av一区二区三区视频| 少妇精品久久久久久久| 九色成人免费人妻av| 80岁老熟妇乱子伦牲交| 深爱激情五月婷婷| 色综合色国产| 中文字幕精品免费在线观看视频 | 国产色爽女视频免费观看| 国内揄拍国产精品人妻在线| 国产 一区 欧美 日韩| 亚洲国产欧美在线一区| 夜夜爽夜夜爽视频| 国产精品爽爽va在线观看网站| 国产成人一区二区在线| 91精品伊人久久大香线蕉| 色网站视频免费| 国内精品宾馆在线| 午夜日本视频在线| 欧美成人精品欧美一级黄| 草草在线视频免费看| 最近最新中文字幕大全电影3| 又粗又硬又长又爽又黄的视频| 国产在线男女| 午夜免费鲁丝| 99精国产麻豆久久婷婷| 亚洲欧美中文字幕日韩二区| 汤姆久久久久久久影院中文字幕| 麻豆成人午夜福利视频| 波野结衣二区三区在线| 婷婷色综合www| 涩涩av久久男人的天堂| av.在线天堂| 欧美国产精品一级二级三级 | 国产精品嫩草影院av在线观看| 亚洲,欧美,日韩| 国产伦精品一区二区三区视频9| 亚洲精品成人av观看孕妇| 欧美区成人在线视频| 日韩成人av中文字幕在线观看| 男人添女人高潮全过程视频| 国内揄拍国产精品人妻在线| 最近的中文字幕免费完整| 欧美日韩综合久久久久久| 超碰av人人做人人爽久久| 黄色欧美视频在线观看| 视频区图区小说| 久久毛片免费看一区二区三区| 菩萨蛮人人尽说江南好唐韦庄| videos熟女内射| 国产国拍精品亚洲av在线观看| 欧美高清成人免费视频www| 久久99热这里只频精品6学生| 国产精品.久久久| 日韩免费高清中文字幕av| 我的老师免费观看完整版| 国产黄色视频一区二区在线观看| 日本色播在线视频| 久久久久久久久久久丰满| 亚州av有码| 日韩一区二区视频免费看| 超碰av人人做人人爽久久| 亚洲成色77777| 国产亚洲精品久久久com| 天天躁夜夜躁狠狠久久av| 亚洲精品中文字幕在线视频 | 一级片'在线观看视频| 久久亚洲国产成人精品v| 国产免费视频播放在线视频| 亚洲电影在线观看av| 久久精品夜色国产| 一区在线观看完整版| 婷婷色av中文字幕| 日本vs欧美在线观看视频 | 午夜福利高清视频| 国产精品久久久久久久久免| 99热网站在线观看| 日韩一区二区视频免费看| 天美传媒精品一区二区| 日本免费在线观看一区| 国产乱来视频区| 亚洲美女视频黄频| 男人添女人高潮全过程视频| 午夜免费鲁丝| 熟女电影av网| 51国产日韩欧美| 一区在线观看完整版| av在线老鸭窝| 欧美性感艳星| 欧美区成人在线视频| 久久久久国产精品人妻一区二区| 婷婷色综合大香蕉| 国产色婷婷99| 久久青草综合色| 亚洲第一区二区三区不卡| 在线免费观看不下载黄p国产| 亚洲欧美精品专区久久| 观看免费一级毛片| 国产精品欧美亚洲77777| 亚洲无线观看免费| 亚洲va在线va天堂va国产| 这个男人来自地球电影免费观看 | 干丝袜人妻中文字幕| 国产精品秋霞免费鲁丝片| 久久这里有精品视频免费| 国产综合精华液| 亚洲成人av在线免费| 午夜激情福利司机影院| 亚洲欧洲国产日韩| 人妻 亚洲 视频| 91久久精品国产一区二区成人| 亚洲av日韩在线播放| 色视频www国产| 久久久久久久久大av| 久热这里只有精品99| 久久97久久精品| 国产免费一级a男人的天堂| 热re99久久精品国产66热6| 色吧在线观看| 日日摸夜夜添夜夜添av毛片| 国语对白做爰xxxⅹ性视频网站| 日日啪夜夜撸| 国产在线一区二区三区精| av一本久久久久| 亚洲色图av天堂| 在线免费十八禁| 26uuu在线亚洲综合色| 久久精品熟女亚洲av麻豆精品| 人人妻人人添人人爽欧美一区卜 | 国产成人a∨麻豆精品| 男的添女的下面高潮视频| 香蕉精品网在线| 国产成人91sexporn| av线在线观看网站| 久久久久精品久久久久真实原创| 欧美成人精品欧美一级黄| 亚洲天堂av无毛| 毛片女人毛片| 欧美xxⅹ黑人| .国产精品久久| 久久综合国产亚洲精品| 在线精品无人区一区二区三 | 久久久久久久国产电影| 日韩人妻高清精品专区| 国产精品熟女久久久久浪| 精品熟女少妇av免费看| 亚洲综合精品二区| 最近中文字幕2019免费版| 午夜老司机福利剧场| 欧美最新免费一区二区三区| 国产免费视频播放在线视频| 波野结衣二区三区在线| 亚洲婷婷狠狠爱综合网| 亚洲色图av天堂| 国产免费一区二区三区四区乱码| h日本视频在线播放| 亚洲婷婷狠狠爱综合网| 熟女电影av网| 中文字幕精品免费在线观看视频 | 亚洲av国产av综合av卡| 国产中年淑女户外野战色| 亚洲精品,欧美精品| 特大巨黑吊av在线直播| 亚洲伊人久久精品综合| 亚洲av在线观看美女高潮| 欧美精品国产亚洲| 国产在线免费精品| 精品人妻熟女av久视频| 亚洲综合色惰| 尾随美女入室| 在线 av 中文字幕| 久久精品国产自在天天线| 一级毛片aaaaaa免费看小| 亚洲成人手机| 国产精品福利在线免费观看| 黄色欧美视频在线观看| 国产成人a∨麻豆精品| 蜜臀久久99精品久久宅男| 国产成人精品一,二区| 国产免费视频播放在线视频| 亚洲精品久久久久久婷婷小说| 新久久久久国产一级毛片| 美女xxoo啪啪120秒动态图| 美女高潮的动态| 欧美精品国产亚洲| 亚洲av二区三区四区| 天堂俺去俺来也www色官网| 各种免费的搞黄视频| 黄色配什么色好看| 最近2019中文字幕mv第一页| 少妇人妻久久综合中文| 十八禁网站网址无遮挡 | 少妇的逼水好多| 春色校园在线视频观看| 99热国产这里只有精品6| 亚洲人成网站在线观看播放| 亚洲精品国产av成人精品| 成人黄色视频免费在线看| 午夜视频国产福利| 亚洲精品国产av成人精品| 精品国产乱码久久久久久小说| 午夜视频国产福利| 国产精品久久久久成人av| 日韩不卡一区二区三区视频在线| 人妻一区二区av| 国产 精品1| 18禁裸乳无遮挡动漫免费视频|