• <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 ?

    一種改進的SRGAN圖像超分辨重建算法

    2021-06-08 11:58喬昕魏延
    計算機時代 2021年1期
    關(guān)鍵詞:輕量化

    喬昕 魏延

    摘? 要: 現(xiàn)存的圖像超分辨率重建算法存在模型訓(xùn)練不穩(wěn)定、參數(shù)量多、模型收斂速度慢等缺點。在生成對抗網(wǎng)絡(luò)的超分辨率算法(SRGAN)基礎(chǔ)上,將輕量化的密集連接網(wǎng)絡(luò)(DenseNet)作為生成對抗網(wǎng)絡(luò)的生成器,使用WGan對判別器進行優(yōu)化,利用Wasserstein代替SRGAN的JS散度,使其能夠在網(wǎng)絡(luò)參數(shù)更少、計算量更小的基礎(chǔ)上實現(xiàn)更優(yōu)的性能。實驗結(jié)果表明,在四個公開的數(shù)據(jù)集上,所提出的模型比較主流重建模型在圖像重建質(zhì)量的峰值信噪比(PSNR)和結(jié)構(gòu)相似性(SSIM)兩個客觀指標和主觀視覺效果上都有所提高。

    關(guān)鍵詞: 圖像重建; 輕量化; 密集連接網(wǎng)絡(luò); 生成對抗網(wǎng)絡(luò)

    中圖分類號:TP183;TP391.41????????? 文獻標識碼:A???? 文章編號:1006-8228(2021)01-72-04

    Research on the algorithm of image super-resolution reconstruction with improved SRGAN

    Qiao Xin, Wei Yan

    (Chongqing Normal University College of Computer and Information Science, Chongqing 401331, China)

    Abstract: The existing image super-resolution reconstruction algorithms have the disadvantages of model training instability, large parameter stakes and slow model convergence speed. On the basis of the Super-Resolution Generative Adversarial Networks (SRGAN), the lightweight Densely Connected Convolutional Networks (DenseNet) is used as the generator to generate the GAN, WGan is used to optimize the distinguisher, and the Wasserstein is used instead of JS dispersion of SRGAN, so that it can realize better performance with fewer network parameters and less computation. The experimental results show that, on the four exposed data sets, the proposed model improved the two objective indicators and subjective visual effects of the Peak Signal-to-Noise Ratio (PSNR) and Structural Similarity (SSIM) of image reconstruction quality compared with the mainstream reconstruction models.

    Key words: image reconstruction; lightweight; Densely Connected Convolutional Networks; Generative Adversarial Networks

    0 引言

    現(xiàn)如今,圖像作為一種極其重要的信息載體,在醫(yī)學(xué)、軍民衛(wèi)星圖像和安保視頻檢測監(jiān)控等應(yīng)用領(lǐng)域中對其質(zhì)量的要求越來越嚴格,但是圖像會由于氣象環(huán)境和采集設(shè)備的影響,易導(dǎo)致采集的圖像出現(xiàn)質(zhì)量低或者細節(jié)的紋理信息缺乏等問題。圖像超分辨率重建[1](Super-Resolution,SR)就是將低分辨率圖像重建為對應(yīng)的高分辨率圖像。如今,圖像超分辨率技術(shù)也逐漸成為計算機視覺領(lǐng)域的研究熱點。

    最近,隨著深度學(xué)習(xí)的迅猛發(fā)展,深度學(xué)習(xí)模型開始被應(yīng)用于圖像重建這一領(lǐng)域。如:Dong等人在2014年成功提出了的一種基于卷積神經(jīng)網(wǎng)絡(luò)的超分辨率重建算法模型SRCNN[1](Super-Resolution using Convolutional Neural Networks)。2016年,又繼續(xù)對SRCNN進行了改進,提出FSRCNN[2](Fast Super-Resolution Convolutional Neural Networks),不需要在網(wǎng)絡(luò)外進行放大圖像尺寸,用小卷積代替大卷積,在訓(xùn)練速度和圖像質(zhì)量上均有所提高。同年,有其他學(xué)者提出VDSR[3](Very Deep Super-Resolution),該模型發(fā)現(xiàn),隨著增加卷積層數(shù)的提高,重建之后的圖像質(zhì)量也隨之提高。隨之而來就有學(xué)者提出了如ResNet、DenseNet這些深層卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),希望以此來提高超分辨率重建的性能。同時,又因為生成對抗網(wǎng)絡(luò)GAN(Generative Adversarial Networks)在圖像生成方面的性能較為優(yōu)越,在隨之到來的2017年,又有Leding率先在超分辨重建領(lǐng)域中使用了生成對抗思想,提出一種基于生成對抗網(wǎng)絡(luò)的圖像超分辨率重建算模型SRGAN[4](Super-Resolution Generative Adversarial Networks),解決了圖像經(jīng)常丟失高頻細節(jié)這一缺點。

    本文在SRGAN的基礎(chǔ)上進行改進,將SRGAN的生成器模型改為DenseNet,用WGAN[5]來構(gòu)造判別器;本文采用深度可分離卷積的思想來改進生成器,減少模型結(jié)構(gòu)的計算量。

    1 相關(guān)工作

    1.1 SRGAN

    2014年,Goodfellow首次提出了一種新的網(wǎng)絡(luò)結(jié)構(gòu),即生成對抗網(wǎng)絡(luò),這種網(wǎng)絡(luò)結(jié)構(gòu),顧名思義,通過對抗的方法,去產(chǎn)生想要的結(jié)果。它分為生成器和判別器。所謂的對抗,也就是生成器和判別器之間的對抗。生成器盡量生成逼真的樣本,判別器則盡可能去判斷生成器生成的樣本是否真實。GAN在圖像超分辨率重建中應(yīng)用的流程結(jié)構(gòu)如圖1所示。

    但是由于傳統(tǒng)的生成對抗網(wǎng)絡(luò)處理超分辨重建一般都是處理較小的方法倍數(shù),而當倍數(shù)被放大4倍以上時,會導(dǎo)致得到的結(jié)果很容易顯得過于平滑,從而缺少圖像細節(jié)上的真實感。因此,Leding在2017年提出了SRGAN,該模型由生成器和判別器組成。模型中的生成器結(jié)構(gòu)是由殘差塊、跳躍層和卷積層組成。如圖2所示。

    1.2 DenseNet

    2017年有研究者在CVPR提出了密集連接結(jié)構(gòu)(Dense Block),相比于2016年被提出的ResNet,DneseNet繼承了ResNet模型的抗過擬合效果并且能夠減輕梯度消失的問題(vanishing-gradient),而網(wǎng)絡(luò)的計算量和參數(shù)量相比于ResNet來說卻是減少了一半。雖然說DenseNet是借鑒了ResNet的思想,但是DenseNet卻是一種全新的網(wǎng)絡(luò)結(jié)構(gòu)。其最直觀的區(qū)別就是每個網(wǎng)絡(luò)模塊之間傳遞參數(shù)的函數(shù)不同。

    對于ResNet,L層輸入是L-1層的輸出再加上對L-1層輸出的非線性變換,如式⑴:

    [xl=Hl(xl-1)+xl-1] ⑴

    而對于DenseNet而言,[[x0,x1,x2...xl-1]]表示0到l-1層的輸出特征圖作通道的合并,就如同Inception網(wǎng)絡(luò)那樣,Resnet是值的相加,通道數(shù)不變。如式⑵:

    [xl=Hl([x0,x1,x2...xl-1])] ⑵

    1.3 深度可分離卷積

    深度可分離卷積[7](Depthwise Separable Convolution)的卷積過程就是先進行深度卷積然后使用1*1的濾波器進行點卷積。這樣就可以大大減少參數(shù)的計算量,從而達到優(yōu)化網(wǎng)絡(luò)的目的。若正常的卷積神經(jīng)網(wǎng)絡(luò)的輸入特征圖的尺寸大小為[Dk×Dk×M],其中M為特征圖的數(shù)量,[Dk]為特征圖的尺寸。輸出特征圖尺寸為[DF×DF×N],其中N為輸出特征特征圖的數(shù)量,[DF]為輸出特征圖的尺寸。這樣計算出標準卷積的總體計算量為:

    [C1=(Dk×Dk×M)×DF×DF×N] ⑶

    經(jīng)過深度卷積和點卷積兩部分操作之后,總計算量為:

    [C2=DK×DK×M×DF×DF+M×N×DF×DF] ⑷

    與標準卷積相比,計算比例為:

    [γ=C2C1=DK×DK×M×DF×DF+M×N×DF×DF(Dk×Dk×M)×DF×DF×N=1N+1D2k????????????????????????????????????????????????????????????????????? ⑸]

    1.4 WGAN

    傳統(tǒng)GAN是基于JS散度進行優(yōu)化的,這種優(yōu)化方法會導(dǎo)致GAN模型的訓(xùn)練過程不穩(wěn)定。針對這一問題,本文使用一種基于Wasserstein距離[6]優(yōu)化判別器的GAN(WGAN),WGAN可以使用wasserstein距離衡量出真實圖片和生成圖片之間的距離,使WGAN在訓(xùn)練過程中效果更穩(wěn)定。Wasserstein距離又叫Earth-Mover(EM)距離,公式如下:

    [WPr,Pg=infγ~∏Pr,PgEx,y~γ[||x-y||]] ⑹

    其中[Pr]是樣本分布,[Pg]是生成器生成分布,[∏(Pr,Pg)]是[Pr]和[Pg]所有可能的分布的集合;x是真實數(shù)據(jù),y是生成的數(shù)據(jù),x和y都能從分布[γ]中采樣得到。

    2 本文網(wǎng)絡(luò)模型

    2.1 生成器

    本文模型的生成器采用的是DenseNet,其結(jié)構(gòu)為DenseNet-121結(jié)構(gòu),同時,為了進一步減少計算量,采用深度可分離卷積的思想,將Dense Block中的3*3的卷積替換為1*3和3*1的卷積。

    2.2 判別器

    SRGAN模型中的判別器采用的是:將Sigmoid作為其損失函數(shù),但是因為Sigmoid一般用于處理二分類問題,而這里的損失函數(shù)的作用應(yīng)該是用來評價生成器生成的高分辨圖像具體的情況,不只是單獨的分類。所以本模型的判別器將采用WGAN的思想,將SRGAN模型中判別器的最后一層的Sigmoid刪除,采用Wasserstein距離最小化損失函數(shù)。本文模型的判別器結(jié)構(gòu)如圖3所示。

    2.3 損失函數(shù)

    Wasserstein距離是為所有可能的聯(lián)合分布的集合[∏(Pr,Pg)]中期望值x和y的距離期望值的下限值,與JS散度相比較,無論樣本分布和生成分布有沒有重疊部分,Wasserstein距離都能夠很好地反映出這兩種樣本的相似性。但是由于在公式⑹中的下確界無法求解,于是通過Lipschitz連續(xù)將Wasserstein距離變換為:

    [W(Pr,Pg)≈maxθ:||fθ||L≤1Ex~pr[fθ(x)]-Ex~pg[fθ(x)]] ⑺

    由于在WGAN中,Wasserstein已經(jīng)由原來的二分類任務(wù),轉(zhuǎn)換成了回歸任務(wù),因此Wasserstein距離的求解已經(jīng)轉(zhuǎn)變?yōu)槭故舰巳〉米畲笾?,也就是取[fθL=1]時,L表示真實分布和樣本分布之間的Wasserstein距離。

    [L=Ex~pr[fθ(x)]-Ex~pg[fθ(x)]] ⑻

    進而分別可以得到生成器和判別器的損失函數(shù),如公式⑼、公式⑽:

    [L(G)=-Ex~pg[fθ(x)]] ⑼

    [L(D)=Ex~pr[fθ(x)]-Ex~pg[fθ(x)]] ⑽

    本文模型的損失函數(shù)方法,由內(nèi)容損失和對抗損失的加權(quán)和組成。其公式定義為:

    [lSR=lSRX+10-3lSRGen] ⑾

    其中內(nèi)容損失中,基于像素的MSE損失被定義為:

    [lSRMSE=1r2WHx=1rWy=1rH(IHRx,y-GθG(ILR)x,y)2] ⑿

    生成對抗損失,就是為了生成讓判別器識別不了的圖像,對抗損失的公式定義為:

    [lSRGen=n=1N-logDθD(GθG(ILR))] ⒀

    3 實驗與結(jié)果分析

    3.1 實驗環(huán)境

    本文模型的實驗所使用的實驗環(huán)境:硬件環(huán)境配置是顯卡GTX1080Ti,處理器為i5-9600K,運行內(nèi)存32G。

    3.2 實驗數(shù)據(jù)集

    本文選用了DIV2K的800個高清圖像作為訓(xùn)練數(shù)據(jù),測試數(shù)據(jù)采用了Set5,Set14,BSD100和Urban100四個主流數(shù)據(jù)集。訓(xùn)練時所需要的低分辨率圖像是由DIV2K數(shù)據(jù)集中的高分辨圖像進行雙三次插值的四倍降質(zhì)處理得到。

    3.3 實驗參數(shù)

    本文模型的訓(xùn)練過程中將Batch_size設(shè)置為16;迭代次數(shù)為5000次;每迭代500次,就保存一次模型訓(xùn)練結(jié)果,同時學(xué)習(xí)率就衰減一半;初始化學(xué)習(xí)率為0.0001。

    3.4 實驗結(jié)果與評價

    3.4.1 客觀量化評價

    本文在四個公開數(shù)據(jù)集上測試了Bicubic、SRCNN、VDSR、FSRCNN、SRGAN以及本文的方法。分別計算在不同數(shù)據(jù)集上采用不同算法進行上采樣4倍時峰值信噪比(Peak Singal-to-Noise Ratio,PSNR)和結(jié)構(gòu)相似性(Structural Similrity index,SSIM)值,結(jié)果表1所示。

    實驗結(jié)果表明,本文提出的算法模型相比于幾種用于測試的主流圖像重建模型,其PSNR和SSIM值均有所提升。

    3.4.2 主觀評價

    本文在Set5數(shù)據(jù)集中選取一張嬰兒高分辨率圖像,為了更好地從主觀上區(qū)分出本文算法模型和其他測試算法模型的優(yōu)劣,本文將選取的高分辨率圖像的嬰兒右眼部分進行放大對比,如圖4所示。

    從圖4不難發(fā)現(xiàn),本文算法不僅從整體的清晰程度,還是眉毛處紋理細節(jié)特征,都比其他算法模型更接近于原始數(shù)據(jù)集中的高分辨率圖像。

    4 結(jié)束語

    在之前的圖像超分辨率重建的方法中,基于深度學(xué)習(xí)的重建方法又要明顯優(yōu)于其他方法。但是深度學(xué)習(xí)方法會隨著網(wǎng)絡(luò)層數(shù)的增加,出現(xiàn)訓(xùn)練網(wǎng)絡(luò)模型的過程不穩(wěn)定、梯度消失、參數(shù)量和計算量大等缺點。

    本文在原有SRGAN模型的基礎(chǔ)上將DenseNet和WGAN都結(jié)合到SRGAN模型中去,優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu),加快模型收斂。同時,引入深度可分離卷積思想對生成器進行輕量化,減少生成器的參數(shù)量和計算量。實驗的結(jié)果表明,本文提出的算法在四個圖像超分辨率領(lǐng)域的公開數(shù)據(jù)集上得到的評價指標結(jié)果和主觀視覺效果,相比于其他重建方法均有所提高。

    參考文獻(References):

    [1] Dong C,Chen C L,He K,et al.Image super-resolution using deep convolutional networks[J].IEEE Transactions on Pattern Analysis & Machine Intelligence,2016.38(2):295-307

    [2] Dong C, Chen C L, Tang X. Accelerating the Super-Resolution Convolutional Neural Network[C]//European Conference on Computer Vision. Springer,Cham,2016:391-407

    [3] Kim J, Kwon Lee J, Mu Lee K. Accurate image super-resolution using very deepconvolutional networks[C]//Proceedings of the IEEE conference on computer vision and pattern recognition,2016:1646-1654

    [4] Ledig Christian, Theis Lucas, Huszar Ferenc, et al. Photo-realistic single image super-resolution using a generative adversarial network[J].ResearchGate,2016:105-114

    [5] Arjovsky, Martin, Chintala, Soumith, Bottou, Léon.Wasserstein GAN [J]. Computer Vision and Pattern Recognition,2017.12.

    [6] 曾慶亮,南方哲,尚迪雅,孫華.基于ResNeXt和WGAN網(wǎng)絡(luò)的單圖像超分辨率重建[J].計算機應(yīng)用研究,2020.8:1-5

    [7] 袁哲明,袁鴻杰,言雨璇,劉雙清,譚泗橋.輕量化深度學(xué)習(xí)模

    型的田間昆蟲自動識別與分類算法[J].吉林大學(xué)學(xué)報(工學(xué)版),2020.8:1-12

    收稿日期:2020-08-21

    作者簡介:喬昕(1996-),男,江蘇連云港人,碩士研究生,主要研究方向:計算機視覺。

    通訊作者:魏延(1970-),男,四川瀘縣人,博士研究生,教授,主要研究方向:機器學(xué)習(xí),云計算等。

    猜你喜歡
    輕量化
    基于ABAQUS的某輕卡車蓄電池支架輕量化
    重卡車架輕量化設(shè)計
    汽車輕量化集成制造專題主編
    2021亞洲汽車輕量化展覽會
    四點接觸球轉(zhuǎn)盤軸承的輕量化材料應(yīng)用
    一種輕量化自卸半掛車結(jié)構(gòu)設(shè)計
    一種輕量化自卸半掛車結(jié)構(gòu)設(shè)計
    425輕量化橋軸承座工藝改進
    瞄準掛車輕量化 鑼響掛車正式掛牌成立
    用戶:輕量化掛車的使用體驗
    日日啪夜夜撸| 人人妻人人澡欧美一区二区| 亚洲欧美成人精品一区二区| 久久精品国产鲁丝片午夜精品| 精品久久久久久久人妻蜜臀av| 在线免费十八禁| 少妇猛男粗大的猛烈进出视频 | 亚洲国产色片| 观看美女的网站| 亚洲伊人久久精品综合 | 国产三级中文精品| 久久久久久久久久久免费av| 中国美白少妇内射xxxbb| 国产综合懂色| 国产视频内射| 最近手机中文字幕大全| 99久久无色码亚洲精品果冻| a级毛片免费高清观看在线播放| 爱豆传媒免费全集在线观看| 97超视频在线观看视频| 亚洲欧洲日产国产| 91av网一区二区| 婷婷色麻豆天堂久久 | 国产免费视频播放在线视频 | 男女边吃奶边做爰视频| 久久99热这里只有精品18| 99热全是精品| 欧美一区二区亚洲| 中文精品一卡2卡3卡4更新| 99热网站在线观看| 国产一区二区在线观看日韩| 中文字幕av成人在线电影| .国产精品久久| 欧美日本视频| 国产免费又黄又爽又色| 在线播放国产精品三级| 男人狂女人下面高潮的视频| 国产老妇伦熟女老妇高清| 插阴视频在线观看视频| 免费看美女性在线毛片视频| 亚洲综合色惰| 婷婷六月久久综合丁香| 久久久久精品久久久久真实原创| 午夜福利高清视频| 两个人的视频大全免费| 99视频精品全部免费 在线| 伦精品一区二区三区| 久久久久久久久中文| 久久精品熟女亚洲av麻豆精品 | 两个人视频免费观看高清| 久久久久久国产a免费观看| 亚洲综合色惰| 午夜a级毛片| 97人妻精品一区二区三区麻豆| 久久欧美精品欧美久久欧美| 日韩一本色道免费dvd| 插逼视频在线观看| 天天躁夜夜躁狠狠久久av| 成人毛片60女人毛片免费| 人妻夜夜爽99麻豆av| 亚洲最大成人中文| 精品久久久久久久人妻蜜臀av| 色5月婷婷丁香| 看黄色毛片网站| 啦啦啦韩国在线观看视频| 91精品一卡2卡3卡4卡| av专区在线播放| 乱码一卡2卡4卡精品| 国产探花在线观看一区二区| av黄色大香蕉| 亚洲国产精品久久男人天堂| 国产精品电影一区二区三区| 国产欧美日韩精品一区二区| 婷婷色av中文字幕| 欧美丝袜亚洲另类| 韩国高清视频一区二区三区| 国产精品熟女久久久久浪| 久久久久九九精品影院| 人妻少妇偷人精品九色| 国产亚洲精品久久久com| 两个人视频免费观看高清| 97热精品久久久久久| 免费搜索国产男女视频| 精品久久久久久久末码| 一边摸一边抽搐一进一小说| 午夜老司机福利剧场| 日韩一区二区三区影片| 欧美97在线视频| 国产精品一区二区三区四区免费观看| 国产午夜福利久久久久久| 久久99蜜桃精品久久| 深夜a级毛片| 国产成人91sexporn| 免费不卡的大黄色大毛片视频在线观看 | 国产精品一区www在线观看| 午夜激情福利司机影院| 最近的中文字幕免费完整| 欧美丝袜亚洲另类| 亚洲国产成人一精品久久久| 亚洲久久久久久中文字幕| 一级黄片播放器| 51国产日韩欧美| 三级国产精品片| 老女人水多毛片| av在线老鸭窝| 亚洲人成网站在线播| 最近2019中文字幕mv第一页| 国内精品宾馆在线| 男插女下体视频免费在线播放| 亚洲人与动物交配视频| 久久久久久久亚洲中文字幕| 一个人看视频在线观看www免费| 久久久久国产网址| 九草在线视频观看| 最近中文字幕2019免费版| 日本熟妇午夜| 伦理电影大哥的女人| 永久免费av网站大全| 国内精品美女久久久久久| 少妇高潮的动态图| 三级男女做爰猛烈吃奶摸视频| 亚洲欧美精品自产自拍| 日韩av在线免费看完整版不卡| 亚洲无线观看免费| 午夜爱爱视频在线播放| 在现免费观看毛片| 一级黄片播放器| 久久久久性生活片| 中文字幕精品亚洲无线码一区| 超碰97精品在线观看| 99热精品在线国产| 亚洲av二区三区四区| 精品国产露脸久久av麻豆 | 欧美变态另类bdsm刘玥| 日本黄大片高清| 亚洲欧美成人综合另类久久久 | 日本一本二区三区精品| 人妻制服诱惑在线中文字幕| 国产爱豆传媒在线观看| 亚洲成人中文字幕在线播放| 亚洲一级一片aⅴ在线观看| 日韩强制内射视频| 免费搜索国产男女视频| 国产精品久久视频播放| 国产精品久久久久久精品电影小说 | 国产成年人精品一区二区| 乱人视频在线观看| 国产精华一区二区三区| 欧美成人免费av一区二区三区| 啦啦啦韩国在线观看视频| 成人高潮视频无遮挡免费网站| av福利片在线观看| 波多野结衣高清无吗| 国产精品久久久久久精品电影| 一级二级三级毛片免费看| 最近中文字幕高清免费大全6| 一边摸一边抽搐一进一小说| 51国产日韩欧美| 国产单亲对白刺激| 国产一区有黄有色的免费视频 | 免费看日本二区| 秋霞在线观看毛片| 亚洲不卡免费看| 国产亚洲av片在线观看秒播厂 | 国产淫片久久久久久久久| 最近2019中文字幕mv第一页| 建设人人有责人人尽责人人享有的 | 永久免费av网站大全| 国产乱人视频| 丰满乱子伦码专区| 亚洲综合精品二区| 国产老妇伦熟女老妇高清| 又爽又黄无遮挡网站| 午夜久久久久精精品| 久久久精品大字幕| 少妇的逼水好多| 国产毛片a区久久久久| 成年女人看的毛片在线观看| 亚洲成色77777| 一区二区三区高清视频在线| 热99在线观看视频| 国产精品av视频在线免费观看| 丰满乱子伦码专区| 亚洲最大成人av| 日韩av在线大香蕉| 欧美xxxx性猛交bbbb| 国产精品永久免费网站| 午夜免费男女啪啪视频观看| 熟妇人妻久久中文字幕3abv| 男人舔奶头视频| 99视频精品全部免费 在线| 久久99精品国语久久久| 日产精品乱码卡一卡2卡三| 日韩欧美三级三区| 超碰av人人做人人爽久久| 99久国产av精品国产电影| 久久精品国产亚洲网站| 亚洲天堂国产精品一区在线| 观看免费一级毛片| 赤兔流量卡办理| 色网站视频免费| 只有这里有精品99| 看非洲黑人一级黄片| 97超视频在线观看视频| 欧美zozozo另类| 免费在线观看成人毛片| 亚洲在线自拍视频| 九草在线视频观看| 91aial.com中文字幕在线观看| 免费播放大片免费观看视频在线观看 | 美女脱内裤让男人舔精品视频| 国内精品美女久久久久久| 97人妻精品一区二区三区麻豆| 天堂√8在线中文| 99国产精品一区二区蜜桃av| 一级黄片播放器| 亚洲在线自拍视频| 精品不卡国产一区二区三区| 国产精品,欧美在线| 国产黄色小视频在线观看| 三级毛片av免费| 亚洲国产精品久久男人天堂| 国产亚洲精品av在线| 国产亚洲5aaaaa淫片| 精品国内亚洲2022精品成人| 日韩在线高清观看一区二区三区| 伦理电影大哥的女人| 亚洲激情五月婷婷啪啪| 国产精品福利在线免费观看| 成年女人永久免费观看视频| 精品免费久久久久久久清纯| 亚洲最大成人手机在线| 国产精品蜜桃在线观看| 尤物成人国产欧美一区二区三区| 国产精品人妻久久久久久| 成年女人看的毛片在线观看| 成人国产麻豆网| 国产男人的电影天堂91| 一区二区三区乱码不卡18| 久热久热在线精品观看| 赤兔流量卡办理| 九九在线视频观看精品| 亚洲怡红院男人天堂| 国产精品精品国产色婷婷| 能在线免费观看的黄片| av在线老鸭窝| 亚洲成色77777| 黄片无遮挡物在线观看| 久久久久久大精品| 成人无遮挡网站| 嘟嘟电影网在线观看| 亚洲成av人片在线播放无| 国语自产精品视频在线第100页| 亚洲成人精品中文字幕电影| 国产精品人妻久久久影院| 色播亚洲综合网| 久热久热在线精品观看| 日韩,欧美,国产一区二区三区 | 久久久久网色| 国产av一区在线观看免费| 成人亚洲欧美一区二区av| 免费观看a级毛片全部| 嫩草影院精品99| 亚洲欧美中文字幕日韩二区| 乱码一卡2卡4卡精品| 国产免费一级a男人的天堂| 中文字幕熟女人妻在线| 久久国内精品自在自线图片| 高清毛片免费看| 国产伦一二天堂av在线观看| av播播在线观看一区| 成人特级av手机在线观看| 1024手机看黄色片| 久久久久久久亚洲中文字幕| 日韩,欧美,国产一区二区三区 | 午夜免费激情av| 十八禁国产超污无遮挡网站| 久久精品国产亚洲av涩爱| 日本与韩国留学比较| 一级二级三级毛片免费看| 国产精品一二三区在线看| 日韩欧美在线乱码| 亚洲精品乱码久久久久久按摩| 久久久久久久久久黄片| 男人和女人高潮做爰伦理| 小蜜桃在线观看免费完整版高清| 精品不卡国产一区二区三区| 亚洲自偷自拍三级| 一级毛片我不卡| 亚洲国产精品国产精品| 网址你懂的国产日韩在线| 久久99蜜桃精品久久| 青春草亚洲视频在线观看| 久久精品国产99精品国产亚洲性色| 成人美女网站在线观看视频| 看十八女毛片水多多多| 美女黄网站色视频| 99久久精品国产国产毛片| 中文在线观看免费www的网站| 国产成人freesex在线| 免费看a级黄色片| 一个人免费在线观看电影| 99热全是精品| 久久精品国产亚洲av涩爱| av国产免费在线观看| 天美传媒精品一区二区| 久热久热在线精品观看| 亚洲最大成人中文| 亚洲精品日韩av片在线观看| 91久久精品国产一区二区成人| 中文字幕亚洲精品专区| 欧美区成人在线视频| 91久久精品国产一区二区三区| 国产亚洲av嫩草精品影院| 亚洲在线自拍视频| 国产乱人视频| 中国国产av一级| 晚上一个人看的免费电影| 三级经典国产精品| 男人舔女人下体高潮全视频| 97热精品久久久久久| 老女人水多毛片| 你懂的网址亚洲精品在线观看 | 又爽又黄无遮挡网站| 国产白丝娇喘喷水9色精品| 菩萨蛮人人尽说江南好唐韦庄 | 国产色爽女视频免费观看| 国内精品美女久久久久久| 精品午夜福利在线看| 国产中年淑女户外野战色| 午夜免费男女啪啪视频观看| 国产爱豆传媒在线观看| 中国国产av一级| 18禁动态无遮挡网站| av在线蜜桃| 国产高清国产精品国产三级 | 国产精品永久免费网站| 日本黄色视频三级网站网址| 国产精品日韩av在线免费观看| 成人性生交大片免费视频hd| 国产精品野战在线观看| 国产免费一级a男人的天堂| 一级二级三级毛片免费看| 亚洲国产成人一精品久久久| 一级黄色大片毛片| 国产精品一及| 2021少妇久久久久久久久久久| 可以在线观看毛片的网站| 人人妻人人澡欧美一区二区| 青春草亚洲视频在线观看| 亚洲国产成人一精品久久久| 日日摸夜夜添夜夜添av毛片| 男人舔女人下体高潮全视频| 国产精品熟女久久久久浪| 免费av观看视频| 国产极品天堂在线| 国产黄片视频在线免费观看| 亚洲美女搞黄在线观看| 国产黄片美女视频| 久久精品影院6| 韩国av在线不卡| 黄色一级大片看看| 亚洲欧美成人综合另类久久久 | 在线观看66精品国产| 久久久久久大精品| 九九爱精品视频在线观看| 日产精品乱码卡一卡2卡三| 一本一本综合久久| 搞女人的毛片| 高清日韩中文字幕在线| 国产麻豆成人av免费视频| 免费无遮挡裸体视频| 国产男人的电影天堂91| 99热6这里只有精品| 国产精品一区二区在线观看99 | 男女啪啪激烈高潮av片| 日日干狠狠操夜夜爽| 中文在线观看免费www的网站| 日本与韩国留学比较| 国产老妇伦熟女老妇高清| www.av在线官网国产| 亚洲18禁久久av| 韩国高清视频一区二区三区| 伊人久久精品亚洲午夜| 长腿黑丝高跟| 18禁动态无遮挡网站| 中文天堂在线官网| 99久久无色码亚洲精品果冻| 秋霞伦理黄片| 草草在线视频免费看| 秋霞在线观看毛片| 免费av不卡在线播放| 狂野欧美激情性xxxx在线观看| 老女人水多毛片| 日韩精品有码人妻一区| 少妇熟女欧美另类| 九九在线视频观看精品| 国产精品女同一区二区软件| 久久久精品大字幕| 少妇丰满av| 午夜爱爱视频在线播放| 国产免费男女视频| www日本黄色视频网| 日本一二三区视频观看| 中文资源天堂在线| 精品国产三级普通话版| 99久国产av精品国产电影| 国产精品电影一区二区三区| 日本午夜av视频| 一边摸一边抽搐一进一小说| 看片在线看免费视频| 日本与韩国留学比较| 一区二区三区乱码不卡18| 亚洲在线自拍视频| 久久99精品国语久久久| av卡一久久| 美女被艹到高潮喷水动态| 国产精品av视频在线免费观看| 在现免费观看毛片| 麻豆成人av视频| 亚洲综合色惰| 亚洲欧美一区二区三区国产| 国产精品一区二区三区四区免费观看| 长腿黑丝高跟| 国产v大片淫在线免费观看| 麻豆久久精品国产亚洲av| 少妇裸体淫交视频免费看高清| 18禁动态无遮挡网站| 亚洲av中文av极速乱| 视频中文字幕在线观看| 高清在线视频一区二区三区 | 久久人人爽人人爽人人片va| 欧美成人精品欧美一级黄| 久久久亚洲精品成人影院| 亚洲精品影视一区二区三区av| 国产精品电影一区二区三区| 亚洲欧美日韩无卡精品| 男人和女人高潮做爰伦理| 国产黄片美女视频| 亚洲aⅴ乱码一区二区在线播放| 国产激情偷乱视频一区二区| 亚洲欧美成人综合另类久久久 | 永久网站在线| 深爱激情五月婷婷| 亚洲国产精品久久男人天堂| 国产av在哪里看| 免费搜索国产男女视频| 天堂av国产一区二区熟女人妻| 26uuu在线亚洲综合色| 亚洲成人久久爱视频| 亚洲色图av天堂| 日日撸夜夜添| 男插女下体视频免费在线播放| 少妇熟女aⅴ在线视频| 日日撸夜夜添| 国产乱来视频区| 色网站视频免费| 免费观看性生交大片5| 精品久久久久久久久av| 亚洲国产最新在线播放| 精品久久久久久久人妻蜜臀av| 3wmmmm亚洲av在线观看| 韩国av在线不卡| .国产精品久久| 成人漫画全彩无遮挡| 成人美女网站在线观看视频| 国产三级在线视频| 中文乱码字字幕精品一区二区三区 | 亚洲av成人av| 中文字幕免费在线视频6| 亚洲真实伦在线观看| 亚洲国产色片| 国产黄片美女视频| 少妇裸体淫交视频免费看高清| 中文字幕av在线有码专区| 99久久精品热视频| 成人性生交大片免费视频hd| 成年版毛片免费区| 精品久久国产蜜桃| 又爽又黄a免费视频| 欧美日本亚洲视频在线播放| 久久久色成人| 永久免费av网站大全| 精品人妻熟女av久视频| 精品人妻偷拍中文字幕| 亚洲综合精品二区| 亚洲性久久影院| 视频中文字幕在线观看| 免费看光身美女| 岛国在线免费视频观看| 国产探花极品一区二区| 91久久精品国产一区二区三区| 最近最新中文字幕大全电影3| 久久精品国产自在天天线| 成年免费大片在线观看| 亚洲第一区二区三区不卡| av视频在线观看入口| 欧美日本视频| 亚洲av福利一区| 色尼玛亚洲综合影院| 2022亚洲国产成人精品| 亚洲国产色片| 成年女人看的毛片在线观看| 日日摸夜夜添夜夜爱| 亚洲成av人片在线播放无| 日本猛色少妇xxxxx猛交久久| 别揉我奶头 嗯啊视频| 亚洲成人精品中文字幕电影| 久久精品夜色国产| 日韩欧美 国产精品| 一级毛片我不卡| 网址你懂的国产日韩在线| 综合色丁香网| 国产淫语在线视频| 日韩欧美三级三区| 国产久久久一区二区三区| 美女大奶头视频| 人妻系列 视频| 午夜日本视频在线| 人妻少妇偷人精品九色| 1000部很黄的大片| 精品欧美国产一区二区三| 欧美日韩综合久久久久久| 性插视频无遮挡在线免费观看| 中文字幕av在线有码专区| 精品午夜福利在线看| 亚洲av成人精品一区久久| 亚洲自偷自拍三级| 天堂网av新在线| 亚洲内射少妇av| 秋霞伦理黄片| 日韩强制内射视频| 亚洲无线观看免费| 深爱激情五月婷婷| 日韩成人伦理影院| 91在线精品国自产拍蜜月| 夫妻性生交免费视频一级片| 日本一二三区视频观看| 成人毛片60女人毛片免费| 国产精品美女特级片免费视频播放器| 边亲边吃奶的免费视频| 成人av在线播放网站| 国产乱人视频| 热99re8久久精品国产| 免费看a级黄色片| 国产一级毛片在线| 精华霜和精华液先用哪个| 欧美成人免费av一区二区三区| 亚洲成人精品中文字幕电影| 国产v大片淫在线免费观看| 亚洲精品成人久久久久久| 久久精品国产99精品国产亚洲性色| 亚洲欧美日韩无卡精品| 国产精品蜜桃在线观看| 男女下面进入的视频免费午夜| 亚洲国产成人一精品久久久| 成人国产麻豆网| 国产高清三级在线| 97在线视频观看| 日韩国内少妇激情av| 亚洲婷婷狠狠爱综合网| 美女脱内裤让男人舔精品视频| 午夜免费激情av| 亚洲av日韩在线播放| 乱系列少妇在线播放| 国产三级中文精品| 非洲黑人性xxxx精品又粗又长| 亚洲激情五月婷婷啪啪| a级毛色黄片| 成人三级黄色视频| 欧美极品一区二区三区四区| 久久久成人免费电影| 真实男女啪啪啪动态图| 亚洲av成人av| 波多野结衣巨乳人妻| 欧美性猛交╳xxx乱大交人| 少妇熟女aⅴ在线视频| 一个人观看的视频www高清免费观看| 精品国产露脸久久av麻豆 | 噜噜噜噜噜久久久久久91| 日日摸夜夜添夜夜添av毛片| av视频在线观看入口| 小说图片视频综合网站| 午夜精品在线福利| ponron亚洲| 久久精品久久久久久久性| 26uuu在线亚洲综合色| 乱码一卡2卡4卡精品| 亚洲国产欧洲综合997久久,| 18+在线观看网站| 嫩草影院新地址| 黄色日韩在线| 国产精品熟女久久久久浪| 国产爱豆传媒在线观看| 国产乱来视频区| 日韩中字成人| 久久久a久久爽久久v久久| 国产国拍精品亚洲av在线观看| 成人美女网站在线观看视频| 亚洲国产欧美人成| 午夜免费男女啪啪视频观看| 我要搜黄色片| 国语自产精品视频在线第100页| 国产在视频线精品| 午夜福利网站1000一区二区三区| 国产成人aa在线观看| 只有这里有精品99| 建设人人有责人人尽责人人享有的 | 男插女下体视频免费在线播放| 亚洲av日韩在线播放| 国产成人aa在线观看| 自拍偷自拍亚洲精品老妇| 国产v大片淫在线免费观看| 免费av毛片视频| 免费一级毛片在线播放高清视频|