• <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 ?

    遙感影像目標(biāo)分類的三種基礎(chǔ)機(jī)器學(xué)習(xí)方法比較

    2021-07-07 06:19:56周海龍柴需楷張金童彭思卿楊陽(yáng)趙驍翊武義軒姜瑜王珂尹偉男白曉樂(lè)李志亮鄭逢杰陳興峰
    河北遙感 2021年2期
    關(guān)鍵詞:網(wǎng)絡(luò)結(jié)構(gòu)決策樹卷積

    周海龍,柴需楷,張金童,彭思卿,楊陽(yáng),趙驍翊,武義軒,姜瑜,王珂,尹偉男,白曉樂(lè),李志亮,鄭逢杰,陳興峰

    (1.航天工程大學(xué)航天信息學(xué)院,北京101416;2.中國(guó)科學(xué)院空天信息創(chuàng)新研究院,北京100094)

    遙感技術(shù)在近幾十年高速發(fā)展,海量的遙感數(shù)據(jù)已經(jīng)基本滿足了人們對(duì)于地表成像的各種需求,高空間分辨率、高光譜、熱紅外、合成孔徑雷達(dá)等多類數(shù)據(jù)服務(wù)于國(guó)土調(diào)查、地質(zhì)災(zāi)害、海洋研究、農(nóng)業(yè)監(jiān)測(cè)、退耕還林、氣象環(huán)境變化等多個(gè)領(lǐng)域,遙感在其中發(fā)揮了巨大的作用[1-6]。伴隨著計(jì)算機(jī)技術(shù)的發(fā)展,遙感與計(jì)算機(jī)被連接在一起,目前遙感圖像解譯分為人工、計(jì)算機(jī)自動(dòng)、人機(jī)結(jié)合三種方式,自從深度學(xué)習(xí)技術(shù)在圖像、語(yǔ)音識(shí)別領(lǐng)域取得突破進(jìn)展之后,遙感圖像目標(biāo)分類也越來(lái)越多的使用深度學(xué)習(xí)方法[7-9]。當(dāng)前識(shí)別的方法得到較多關(guān)注和應(yīng)用的有U-net[10-12]、Yolo[13-15]等,這些方法設(shè)計(jì)了復(fù)雜的深度學(xué)習(xí)模型架構(gòu)??偨Y(jié)來(lái)看,都是基于一些基礎(chǔ)的模型架構(gòu)進(jìn)行利用,這些基礎(chǔ)模型對(duì)遙感目標(biāo)分類的敏感性準(zhǔn)確度有何差異?本文針對(duì)遙感圖像分類識(shí)別應(yīng)用進(jìn)行了多種方法的實(shí)驗(yàn)研究,旨在分析比較各種算法的性能與優(yōu)劣,為基礎(chǔ)機(jī)器學(xué)習(xí)的使用選擇以及遙感目標(biāo)分類的復(fù)雜深度學(xué)習(xí)架構(gòu)設(shè)計(jì)提供參考。

    對(duì)比實(shí)驗(yàn)使用已標(biāo)注的光學(xué)遙感圖像數(shù)據(jù)集,構(gòu)建了3種深度學(xué)習(xí)基礎(chǔ)模型架構(gòu):全連接神經(jīng)網(wǎng)絡(luò)(Full Connected Neural Network, FCNN)、卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network, CNN)、隨機(jī)森林(Random Forest, RF)。通過(guò)遙感分類的混淆矩陣給出總體精度,對(duì)不同的模型進(jìn)行評(píng)價(jià)。

    1 三種深度學(xué)習(xí)方法

    1.1 全連接神經(jīng)網(wǎng)絡(luò)(FCNN)

    全連接神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)由輸入層、隱藏層、輸出層構(gòu)成,全連接的含義即為隱藏層中各節(jié)點(diǎn)都與上一層的所有節(jié)點(diǎn)連接,其基本網(wǎng)絡(luò)結(jié)構(gòu)如圖1 所示。

    圖1 全連接神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

    神經(jīng)網(wǎng)絡(luò)思路來(lái)源于人的神經(jīng)細(xì)胞,整個(gè)網(wǎng)絡(luò)的運(yùn)行是由一個(gè)神經(jīng)元的輸出作為下一個(gè)神經(jīng)元的輸入層層傳導(dǎo)的。類似于人的神經(jīng)細(xì)胞,會(huì)響應(yīng)刺激并將反應(yīng)結(jié)果表現(xiàn)在人體動(dòng)作上,神經(jīng)網(wǎng)絡(luò)會(huì)對(duì)輸入數(shù)據(jù)進(jìn)行處理即進(jìn)行一個(gè)線性運(yùn)算,之后再通過(guò)激活函數(shù)做個(gè)非線性運(yùn)算,這個(gè)過(guò)程相當(dāng)于神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)進(jìn)行更深層次的理解,而后通過(guò)一層層的神經(jīng)元處理傳導(dǎo),整個(gè)神經(jīng)網(wǎng)絡(luò)都對(duì)輸入數(shù)據(jù)有了響應(yīng),最后經(jīng)過(guò)輸出層,全連接神經(jīng)網(wǎng)絡(luò)將處理后的結(jié)果傳遞出來(lái)。

    1.2 卷積神經(jīng)網(wǎng)絡(luò)(CNN)

    FCNN 是將一維向量數(shù)據(jù)作為輸入,整個(gè)網(wǎng)絡(luò)僅僅處理數(shù)據(jù)。CNN 在此基礎(chǔ)上加入了神經(jīng)網(wǎng)絡(luò)對(duì)于空間結(jié)構(gòu)的學(xué)習(xí),引入了卷積核的概念。CNN 的輸入數(shù)據(jù)是二維的,卷積核會(huì)對(duì)二維數(shù)據(jù)進(jìn)行逐塊處理,如圖2 所示,類似于人看報(bào)紙一塊塊閱讀之后提煉主要信息,卷積核處理完之后會(huì)得到更加簡(jiǎn)單的附有空間信息的數(shù)據(jù)。CNN 的網(wǎng)絡(luò)結(jié)構(gòu)包含輸入層、卷積層、最大池化層、全連接層和輸出層,卷積層和最大池化層利用卷積核對(duì)二維數(shù)據(jù)進(jìn)行空間信息的提取,之后轉(zhuǎn)換成一維向量再利用FCNN 的原理處理得到結(jié)果。

    圖2 卷積核工作示意圖

    1.3 隨機(jī)森林(RF)

    隨機(jī)森林的基礎(chǔ)為決策樹,決策樹基本形式如圖3 所示。隨機(jī)森林顧名思義是由許多決策樹共同構(gòu)成的,它們擁有某種方式的隨機(jī)性,并且隨機(jī)森林的每一棵決策樹之間是沒(méi)有關(guān)聯(lián)的,隨機(jī)森林中決策樹的每個(gè)內(nèi)部的節(jié)點(diǎn)代表對(duì)一類屬性進(jìn)行“測(cè)試”,每個(gè)分支代表測(cè)試后結(jié)果,每一個(gè)葉子節(jié)點(diǎn)代表一個(gè)類標(biāo)簽。在形成森林之后,當(dāng)有輸入時(shí),所有決策樹都進(jìn)行判斷選擇最適合本決策樹分類要求的類標(biāo)簽,最終所有決策樹會(huì)投票表決,得票多的成為最終的輸出結(jié)果。單棵決策樹的分類能力很弱,利用多棵不相關(guān)的樹組合增強(qiáng)結(jié)果可信度,隨機(jī)森林通過(guò)這種方式提高樣本類型預(yù)測(cè)的準(zhǔn)確性。

    圖3 決策樹基本形式

    2 遙感數(shù)據(jù)樣本

    光學(xué)遙感圖像從遙感圖像描述數(shù)據(jù)集Remote Sensing Image Captioning Data Set (RSICD)[16]獲取。數(shù)據(jù)集RSICD 從Google 地球,百度地圖,MapABC,天地圖等收集了1 萬(wàn)多張高分辨率遙感圖像,該數(shù)據(jù)集具有較高的類內(nèi)多樣性和較低的類間差異性,適合用于深度學(xué)習(xí)模型對(duì)比。目標(biāo)分類的標(biāo)注信息來(lái)自于圖像的文件名。

    所有光學(xué)遙感樣本均是高寬為224 像素的RGB圖像,并分為測(cè)試集與訓(xùn)練集用于模型的訓(xùn)練與檢測(cè)。從其中共選取了8 類典型地表目標(biāo),具體樣本歸類和數(shù)據(jù)集情況如表1 所示。

    表1 光學(xué)遙感圖像樣本數(shù)據(jù)集介紹

    3 方法

    Python 的TensorFlow 庫(kù) 與sklearn 庫(kù) 提 供 了FCNN、CNN、RF 的網(wǎng)絡(luò)結(jié)構(gòu)設(shè)置與網(wǎng)絡(luò)訓(xùn)練測(cè)試模塊,選擇用Python 對(duì)三個(gè)算法進(jìn)行訓(xùn)練。程序主要有三塊內(nèi)容,分別為輸入、網(wǎng)絡(luò)結(jié)構(gòu)設(shè)置和輸出。由于Python 的TensorFlow 庫(kù)與sklearn 庫(kù)不能直接將RGB 的三波段圖像作為FCNN、CNN、RF 的輸入,所以將選擇的圖像數(shù)據(jù)在輸入神經(jīng)網(wǎng)絡(luò)之前由RGB格式的圖像轉(zhuǎn)換為單波段灰度圖像,方便之后三種機(jī)器學(xué)習(xí)的數(shù)據(jù)讀入。三個(gè)算法網(wǎng)絡(luò)結(jié)構(gòu)設(shè)置完成之后將進(jìn)行數(shù)據(jù)的訓(xùn)練,設(shè)定的訓(xùn)練樣本數(shù)與測(cè)試樣本數(shù)約為8:1。最終的結(jié)果將分別呈現(xiàn)三個(gè)算法的精度與混淆矩陣。

    三種機(jī)器學(xué)習(xí)基礎(chǔ)模型的設(shè)計(jì)開發(fā)情況如下。

    3.1 全連接神經(jīng)網(wǎng)絡(luò)

    基于Python 的TensorFlow 庫(kù)對(duì)FCNN 的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行設(shè)置與測(cè)試。FCNN 的網(wǎng)絡(luò)結(jié)構(gòu)包含三部分:輸入、隱藏層、輸出。FCNN 的輸入需要的是一維向量,因此將單波段的灰度圖像由二維矩陣轉(zhuǎn)換到一維向量,輸入為長(zhǎng)度是50176 的一維向量。隱藏層中設(shè)置了6 個(gè)全連接層,神經(jīng)元個(gè)數(shù)按照遞減的形式設(shè)置,輸出時(shí)的神經(jīng)元個(gè)數(shù)為8 個(gè),對(duì)應(yīng)所分的8 類目標(biāo),其激活函數(shù)為‘softmax’,其余全連接層的激活函數(shù)為‘relu’。

    具體的FCNN 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)置如表2 所示,網(wǎng)絡(luò)結(jié)構(gòu)示意圖見(jiàn)圖4。

    圖4 FCNN 網(wǎng)絡(luò)結(jié)構(gòu)示意圖

    表2 FCNN 結(jié)構(gòu)設(shè)置

    3.2 卷積神經(jīng)網(wǎng)絡(luò)

    基于Python 的TensorFlow 庫(kù)對(duì)CNN 的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行設(shè)置與測(cè)試。CNN 的輸入是圖像對(duì)應(yīng)的224×224 的二維數(shù)據(jù),其隱藏層包含了四部分,即卷積層、最大池化層、折疊層、全連接層。使用兩個(gè)卷積層和兩個(gè)最大池化層用于對(duì)二維數(shù)據(jù)進(jìn)行處理提取圖像重要空間信息,而后選擇使用折疊層將二維數(shù)據(jù)轉(zhuǎn)化成一維向量,再經(jīng)過(guò)兩個(gè)全連接層后輸出8 個(gè)神經(jīng)元節(jié)點(diǎn)對(duì)應(yīng)8 類目標(biāo),兩個(gè)全連接層的激活函數(shù)均為‘Relu’。具體的網(wǎng)絡(luò)結(jié)構(gòu)如表3 所示,網(wǎng)絡(luò)結(jié)構(gòu)示意圖見(jiàn)圖5。

    表3 CNN 結(jié)構(gòu)設(shè)置

    圖5 CNN 網(wǎng)絡(luò)結(jié)構(gòu)示意圖

    3.3 隨機(jī)森林

    使用Python 平臺(tái)的sklearn 庫(kù)對(duì)RF 的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行設(shè)置與測(cè)試。Sklearn 庫(kù)中的randomforest 函數(shù)集成了隨機(jī)森林的主要結(jié)構(gòu),只需對(duì)RF 樹的數(shù)量與深度進(jìn)行設(shè)置就可以得出結(jié)果,經(jīng)過(guò)嘗試之后選擇樹的數(shù)量為3000,樹的深度為1000。袋外數(shù)據(jù)為未用于測(cè)試的輸入圖像數(shù)據(jù),為提高精度,選擇引入袋外數(shù)據(jù)。具體的網(wǎng)絡(luò)結(jié)構(gòu)設(shè)置如表4 所示,網(wǎng)絡(luò)結(jié)構(gòu)示意圖見(jiàn)圖6。

    表4 RF 結(jié)構(gòu)設(shè)置

    圖6 RF 網(wǎng)絡(luò)結(jié)構(gòu)示意圖

    3.4 開發(fā)環(huán)境

    基于Python 平臺(tái)的TensorFlow 庫(kù)設(shè)計(jì)開發(fā)FCNN、CNN 分類 器,基 于Python 平臺(tái)的Sklearn 庫(kù)設(shè)計(jì)開發(fā)RF 分類器。3 個(gè)網(wǎng)絡(luò)結(jié)構(gòu)在相同配置下進(jìn)行測(cè)試訓(xùn)練,具體開發(fā)運(yùn)行環(huán)境如表5 所示:

    表5 深度學(xué)習(xí)模型開發(fā)運(yùn)行軟硬件環(huán)境

    4 結(jié)果

    4.1 混淆矩陣

    混淆矩陣是在圖像精度評(píng)價(jià)過(guò)程中常用的一種可視化方式,其為二維矩陣,每一列代表了實(shí)際應(yīng)該獲取的信息,每一列數(shù)據(jù)總和為該類目標(biāo)的測(cè)試集數(shù)量,每一行代表了模型預(yù)測(cè)獲取的信息,每一行數(shù)據(jù)總和為預(yù)測(cè)的該類目標(biāo)數(shù)量。矩陣對(duì)角線上的數(shù)值為對(duì)應(yīng)目標(biāo)正確分類的數(shù)量?;煜仃嚳梢灾庇^看出每一類目標(biāo)的分類效果并利于分析影響分類精度的原因。利用混淆矩陣計(jì)算分類精度的公式如式1 所示。

    式中:P為分類精度,i和j分別為行數(shù)與列數(shù),L為需要計(jì)算的混淆矩陣,n 為混淆矩陣的維度。

    利用上述網(wǎng)絡(luò)結(jié)構(gòu)設(shè)置得到FCNN、CNN、RF 的混淆矩陣分別如表6、表7、表8 所示。

    表6 FCNN 混淆矩陣

    表7 CNN 混淆矩陣

    表8 RF 混淆矩陣

    meadow sparseres idential stadium 1 0 0 0 0 1 0 0 0 0 0 0 0 0 1 24 0 0 1 39 0 0 0 23

    4.2 結(jié)果分析

    根據(jù)混淆矩陣可以分析出,最容易被錯(cuò)分的為desert 和bareland 類,如圖7(a)、圖7(b)所示,錯(cuò)分原因?yàn)閮深愒谡w的色調(diào)形狀接近,紋理上都沒(méi)有太大的起伏,導(dǎo)致特征提取結(jié)果相似,使得精度較低。beach 類是效果較好的,如圖7(c)所示,從影像可以看出,這一類有清晰的分界線,沙灘與大海的界限清晰,梯度下降明顯,便于特征提取,因此此類別精度高。類似于人,機(jī)器分類的時(shí)候也需要有明顯的特征才能給出滿意的效果。影響分類精度的不僅僅是算法,數(shù)據(jù)集的分類效果也對(duì)精度有一定影響。(圖7(a)(b)(c),見(jiàn)中間彩頁(yè))

    由混淆矩陣結(jié)合式1 可以得到FCNN、CNN、RF的分類精度分別為62.2%;89.1%;80%,可見(jiàn)CNN 的精度是這三類中精度最高的。結(jié)合網(wǎng)絡(luò)結(jié)構(gòu)設(shè)置分析,F(xiàn)CNN 與RF 網(wǎng)絡(luò)的輸入是一維數(shù)據(jù),而CNN的數(shù)據(jù)就是對(duì)應(yīng)圖像的二維數(shù)據(jù),將二維數(shù)據(jù)轉(zhuǎn)換到一維數(shù)據(jù)會(huì)丟失圖像一些空間信息,因此CNN 相比于FCNN 與RF 更能反映圖像的真實(shí)空間信息,所以CNN會(huì)得到更高的精度。

    5 結(jié)論

    深度學(xué)習(xí)等算法已經(jīng)融入到各行各業(yè),不同的算法各自展現(xiàn)著不同的優(yōu)勢(shì),其發(fā)展離不開基礎(chǔ)的機(jī)器學(xué)習(xí)算法,基礎(chǔ)的機(jī)器學(xué)習(xí)算法經(jīng)過(guò)不斷的開發(fā)與新思想的注入,衍生出新的算法。為研究基礎(chǔ)的機(jī)器學(xué)習(xí)算法對(duì)于目標(biāo)的識(shí)別精度如何,本文基于Python平臺(tái)的TensorFlow庫(kù)與sklearn庫(kù)對(duì)FCNN、CNN 和RF 三種基礎(chǔ)機(jī)器學(xué)習(xí)算法進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì),并利用一組光學(xué)圖像進(jìn)行訓(xùn)練與測(cè)試,最終根據(jù)網(wǎng)絡(luò)結(jié)構(gòu)與混淆矩陣分析得出結(jié)論:CNN對(duì)于光學(xué)圖像的識(shí)別精度最高。CNN通過(guò)卷積核對(duì)二維圖像進(jìn)行特征提取,而FCNN和RF在輸入的時(shí)候已經(jīng)把圖像轉(zhuǎn)換成一維向量,不利于二維信息的提取,因此CNN作為目標(biāo)識(shí)別和分類的基礎(chǔ)型機(jī)器學(xué)習(xí)模型是合理的。

    遙感目標(biāo)分類和識(shí)別的深度學(xué)習(xí)方法發(fā)源自通用的圖像識(shí)別領(lǐng)域,對(duì)于遙感的定量化信息使用不足,甚至在光譜、量化等級(jí)方面有所損失,圖像數(shù)據(jù)被壓縮會(huì)降低分類精度,相反引入附加數(shù)據(jù)或許能夠提高目標(biāo)識(shí)別精度。相信未來(lái)定量遙感和深度學(xué)習(xí)的結(jié)合,有助于提高遙感目標(biāo)分類精度。

    猜你喜歡
    網(wǎng)絡(luò)結(jié)構(gòu)決策樹卷積
    基于3D-Winograd的快速卷積算法設(shè)計(jì)及FPGA實(shí)現(xiàn)
    一種針對(duì)不均衡數(shù)據(jù)集的SVM決策樹算法
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    決策樹和隨機(jī)森林方法在管理決策中的應(yīng)用
    電子制作(2018年16期)2018-09-26 03:27:06
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    基于決策樹的出租車乘客出行目的識(shí)別
    基于互信息的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)
    知識(shí)網(wǎng)絡(luò)結(jié)構(gòu)維對(duì)于創(chuàng)新績(jī)效的作用機(jī)制——遠(yuǎn)程創(chuàng)新搜尋的中介作用
    滬港通下A+ H股票網(wǎng)絡(luò)結(jié)構(gòu)演化的實(shí)證分析
    復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)比對(duì)算法研究進(jìn)展
    麻豆国产97在线/欧美| 国产精品久久久久久久久免| 精品少妇黑人巨大在线播放| 日韩中文字幕视频在线看片 | 日韩大片免费观看网站| 国产伦在线观看视频一区| 最近2019中文字幕mv第一页| 狂野欧美激情性xxxx在线观看| 国产精品国产三级专区第一集| 大香蕉久久网| 国产精品麻豆人妻色哟哟久久| 亚洲av免费高清在线观看| 网址你懂的国产日韩在线| 超碰av人人做人人爽久久| 亚洲人成网站在线观看播放| 香蕉精品网在线| 国产真实伦视频高清在线观看| 国产av国产精品国产| 美女主播在线视频| 欧美日韩一区二区视频在线观看视频在线| av视频免费观看在线观看| 久久精品国产亚洲网站| av国产久精品久网站免费入址| 七月丁香在线播放| 国产一区二区三区综合在线观看 | 国内少妇人妻偷人精品xxx网站| 18禁动态无遮挡网站| 国产精品精品国产色婷婷| 亚洲丝袜综合中文字幕| 黄色视频在线播放观看不卡| 99九九线精品视频在线观看视频| 亚洲欧美成人精品一区二区| 亚洲,一卡二卡三卡| 成人亚洲欧美一区二区av| 特大巨黑吊av在线直播| 只有这里有精品99| 99热这里只有精品一区| 99精国产麻豆久久婷婷| 高清在线视频一区二区三区| 美女内射精品一级片tv| 美女国产视频在线观看| 岛国毛片在线播放| 亚洲av在线观看美女高潮| 日韩免费高清中文字幕av| 一级二级三级毛片免费看| 国产精品秋霞免费鲁丝片| 久久99精品国语久久久| 夜夜看夜夜爽夜夜摸| 一个人免费看片子| 春色校园在线视频观看| 国产一区有黄有色的免费视频| 久久 成人 亚洲| 多毛熟女@视频| 欧美日韩视频精品一区| 这个男人来自地球电影免费观看 | 国产免费又黄又爽又色| 大又大粗又爽又黄少妇毛片口| 久久精品熟女亚洲av麻豆精品| av在线老鸭窝| 欧美97在线视频| 亚洲av中文字字幕乱码综合| 国产伦精品一区二区三区四那| 久久av网站| 黄色一级大片看看| 最近中文字幕2019免费版| 天堂中文最新版在线下载| 日韩av在线免费看完整版不卡| 成人毛片a级毛片在线播放| 在线观看av片永久免费下载| 日本与韩国留学比较| 精品国产乱码久久久久久小说| 国产亚洲午夜精品一区二区久久| 狂野欧美激情性xxxx在线观看| 丰满迷人的少妇在线观看| 校园人妻丝袜中文字幕| 美女福利国产在线 | 如何舔出高潮| 久久精品国产鲁丝片午夜精品| 国产成人a区在线观看| 欧美日本视频| 网址你懂的国产日韩在线| 在线天堂最新版资源| 国产欧美亚洲国产| 性色avwww在线观看| 在线观看国产h片| 亚洲欧洲国产日韩| 91午夜精品亚洲一区二区三区| 亚洲色图av天堂| 欧美激情国产日韩精品一区| 久久久久久久亚洲中文字幕| 国产成人aa在线观看| 欧美成人a在线观看| 卡戴珊不雅视频在线播放| 亚洲精品国产成人久久av| 精品久久久久久久久av| 国产精品人妻久久久影院| 国产精品一及| 丰满人妻一区二区三区视频av| 成人国产麻豆网| 又大又黄又爽视频免费| 蜜臀久久99精品久久宅男| 欧美精品一区二区大全| 中文乱码字字幕精品一区二区三区| 日韩大片免费观看网站| 2022亚洲国产成人精品| 国产免费又黄又爽又色| videossex国产| 成人国产av品久久久| av视频免费观看在线观看| 日本欧美视频一区| 国产免费又黄又爽又色| 一级毛片 在线播放| .国产精品久久| 日本午夜av视频| 一区在线观看完整版| 在线看a的网站| 国产精品福利在线免费观看| 91久久精品电影网| 日本一二三区视频观看| 美女主播在线视频| 成年av动漫网址| 日韩亚洲欧美综合| 国产精品久久久久久精品电影小说 | 十八禁网站网址无遮挡 | 最近手机中文字幕大全| 一级毛片久久久久久久久女| 草草在线视频免费看| 午夜日本视频在线| 身体一侧抽搐| 九九在线视频观看精品| 国产白丝娇喘喷水9色精品| 十八禁网站网址无遮挡 | 国产精品99久久99久久久不卡 | 免费av中文字幕在线| 久久久久久伊人网av| 亚洲熟女精品中文字幕| 亚洲美女黄色视频免费看| 边亲边吃奶的免费视频| 国产在线免费精品| 伦精品一区二区三区| 99久久精品一区二区三区| 国产乱人偷精品视频| 99热全是精品| 亚洲人与动物交配视频| 日韩亚洲欧美综合| a 毛片基地| 少妇 在线观看| 一级黄片播放器| 妹子高潮喷水视频| 免费观看的影片在线观看| 舔av片在线| 免费久久久久久久精品成人欧美视频 | 男女国产视频网站| 亚洲内射少妇av| 成人特级av手机在线观看| 国产精品精品国产色婷婷| 国产精品女同一区二区软件| 亚洲欧美日韩卡通动漫| videossex国产| 春色校园在线视频观看| 下体分泌物呈黄色| 狂野欧美白嫩少妇大欣赏| 国产69精品久久久久777片| 超碰av人人做人人爽久久| 大码成人一级视频| 亚洲精品乱码久久久久久按摩| 赤兔流量卡办理| 欧美极品一区二区三区四区| 乱系列少妇在线播放| 偷拍熟女少妇极品色| 视频区图区小说| 亚洲综合色惰| 最黄视频免费看| 亚洲美女视频黄频| 99久久精品热视频| 草草在线视频免费看| 高清日韩中文字幕在线| 97超视频在线观看视频| av免费在线看不卡| 精品一区二区免费观看| 国产欧美另类精品又又久久亚洲欧美| 啦啦啦中文免费视频观看日本| 日韩欧美精品免费久久| 在线天堂最新版资源| 丰满少妇做爰视频| 亚洲av二区三区四区| 国产av精品麻豆| 22中文网久久字幕| 久久久亚洲精品成人影院| 人体艺术视频欧美日本| 欧美成人a在线观看| 久久ye,这里只有精品| 夜夜看夜夜爽夜夜摸| 黄色欧美视频在线观看| 老女人水多毛片| 欧美极品一区二区三区四区| 中文字幕亚洲精品专区| 18禁动态无遮挡网站| 狠狠精品人妻久久久久久综合| 国产v大片淫在线免费观看| 极品教师在线视频| 99热全是精品| 国产中年淑女户外野战色| 91精品国产九色| 97在线人人人人妻| 国产大屁股一区二区在线视频| 少妇 在线观看| 国产亚洲精品久久久com| 热99国产精品久久久久久7| av不卡在线播放| 欧美xxxx性猛交bbbb| 国产69精品久久久久777片| 亚洲美女搞黄在线观看| 亚洲三级黄色毛片| 国产精品99久久久久久久久| 大话2 男鬼变身卡| 22中文网久久字幕| 日韩一本色道免费dvd| 亚洲国产高清在线一区二区三| 大香蕉久久网| 美女脱内裤让男人舔精品视频| 国产乱人视频| 草草在线视频免费看| 亚洲怡红院男人天堂| 精品国产三级普通话版| 在线观看三级黄色| 最近中文字幕高清免费大全6| 成人无遮挡网站| 三级国产精品片| 直男gayav资源| 小蜜桃在线观看免费完整版高清| 亚洲经典国产精华液单| 日韩av不卡免费在线播放| 久久鲁丝午夜福利片| 老师上课跳d突然被开到最大视频| 国产av一区二区精品久久 | 麻豆成人午夜福利视频| 99久久精品国产国产毛片| 嫩草影院新地址| 成人影院久久| 黑人高潮一二区| 久久久久精品久久久久真实原创| 日本午夜av视频| www.色视频.com| 有码 亚洲区| 啦啦啦视频在线资源免费观看| 一本一本综合久久| 午夜精品国产一区二区电影| 免费久久久久久久精品成人欧美视频 | 国产精品蜜桃在线观看| 高清毛片免费看| 日韩视频在线欧美| 久久av网站| 人人妻人人澡人人爽人人夜夜| 看十八女毛片水多多多| 亚洲成人av在线免费| 精品一品国产午夜福利视频| 联通29元200g的流量卡| 亚洲精华国产精华液的使用体验| 亚洲久久久国产精品| 99精国产麻豆久久婷婷| 亚洲精品乱码久久久久久按摩| 欧美日韩在线观看h| 亚洲av.av天堂| 国产国拍精品亚洲av在线观看| 超碰av人人做人人爽久久| 久久久精品94久久精品| 22中文网久久字幕| 亚洲欧美精品专区久久| 久久国产乱子免费精品| 26uuu在线亚洲综合色| 亚洲一区二区三区欧美精品| 91aial.com中文字幕在线观看| 国产一区亚洲一区在线观看| 亚洲精品国产成人久久av| 少妇猛男粗大的猛烈进出视频| 久久精品夜色国产| 欧美日韩亚洲高清精品| 成人美女网站在线观看视频| 精品人妻一区二区三区麻豆| 成人18禁高潮啪啪吃奶动态图 | av国产久精品久网站免费入址| 日韩欧美精品免费久久| 少妇猛男粗大的猛烈进出视频| 99久久综合免费| 亚洲精品日本国产第一区| 国产黄色视频一区二区在线观看| 妹子高潮喷水视频| a 毛片基地| 精品99又大又爽又粗少妇毛片| 亚洲人成网站高清观看| 国产 一区 欧美 日韩| 国产午夜精品一二区理论片| 亚洲色图av天堂| 亚洲精品自拍成人| 国产一区二区在线观看日韩| 国产高清国产精品国产三级 | 久久精品国产亚洲av天美| 亚洲国产毛片av蜜桃av| 亚洲国产精品999| 欧美xxⅹ黑人| 哪个播放器可以免费观看大片| 国产亚洲91精品色在线| 亚洲高清免费不卡视频| 深爱激情五月婷婷| av又黄又爽大尺度在线免费看| 99热网站在线观看| 国产精品福利在线免费观看| 精品一区二区免费观看| 久久国产乱子免费精品| 国产精品偷伦视频观看了| 免费高清在线观看视频在线观看| 精品久久国产蜜桃| 亚洲va在线va天堂va国产| 日韩av免费高清视频| 国产亚洲5aaaaa淫片| 国产男女超爽视频在线观看| www.色视频.com| 亚洲精品日本国产第一区| 国产又色又爽无遮挡免| 国内揄拍国产精品人妻在线| 一区二区三区四区激情视频| 高清在线视频一区二区三区| 色综合色国产| av天堂中文字幕网| 日韩人妻高清精品专区| 亚洲精品乱久久久久久| 一区二区三区免费毛片| 亚洲图色成人| 网址你懂的国产日韩在线| 少妇人妻精品综合一区二区| 日韩一区二区三区影片| 欧美少妇被猛烈插入视频| 精品一区二区三区视频在线| 青春草国产在线视频| 在线观看人妻少妇| 伊人久久精品亚洲午夜| 高清午夜精品一区二区三区| 国产真实伦视频高清在线观看| 欧美性感艳星| 97精品久久久久久久久久精品| 观看免费一级毛片| videos熟女内射| 一区二区三区免费毛片| 亚洲四区av| 中文字幕制服av| 国产熟女欧美一区二区| 各种免费的搞黄视频| 春色校园在线视频观看| 久久精品国产a三级三级三级| av天堂中文字幕网| 少妇人妻一区二区三区视频| 久久青草综合色| 嘟嘟电影网在线观看| 国产成人一区二区在线| 免费高清在线观看视频在线观看| 欧美一区二区亚洲| 国产深夜福利视频在线观看| 日日摸夜夜添夜夜添av毛片| 看非洲黑人一级黄片| 亚洲aⅴ乱码一区二区在线播放| 国产色爽女视频免费观看| 精品熟女少妇av免费看| 午夜激情久久久久久久| 日韩 亚洲 欧美在线| 联通29元200g的流量卡| 中文欧美无线码| 日本av手机在线免费观看| 久久精品国产a三级三级三级| .国产精品久久| 婷婷色麻豆天堂久久| 久久影院123| 国产深夜福利视频在线观看| 男的添女的下面高潮视频| 男女国产视频网站| 在线免费十八禁| 免费看光身美女| 国产成人免费观看mmmm| 少妇熟女欧美另类| 熟女av电影| 国产精品av视频在线免费观看| 成人影院久久| 狂野欧美激情性bbbbbb| 久久精品国产亚洲av涩爱| 视频区图区小说| 一本一本综合久久| 亚洲丝袜综合中文字幕| 国产永久视频网站| 亚洲精品久久午夜乱码| 成年免费大片在线观看| 亚洲成色77777| 少妇被粗大猛烈的视频| av在线播放精品| 国产日韩欧美在线精品| 国产男女超爽视频在线观看| av又黄又爽大尺度在线免费看| 99久国产av精品国产电影| 国产成人精品一,二区| 只有这里有精品99| 国产高清有码在线观看视频| 夜夜爽夜夜爽视频| freevideosex欧美| 啦啦啦视频在线资源免费观看| 精品人妻一区二区三区麻豆| 日韩av不卡免费在线播放| 亚洲av电影在线观看一区二区三区| 狠狠精品人妻久久久久久综合| 久久久久久久久久人人人人人人| 五月玫瑰六月丁香| 在线免费观看不下载黄p国产| 亚洲三级黄色毛片| 日本午夜av视频| 成人无遮挡网站| 日韩在线高清观看一区二区三区| 欧美日韩在线观看h| 久久精品久久精品一区二区三区| 一级爰片在线观看| 国产精品一区二区在线观看99| 一级a做视频免费观看| 麻豆乱淫一区二区| 亚洲在久久综合| 99热国产这里只有精品6| 国产老妇伦熟女老妇高清| 蜜桃在线观看..| 精品一区二区免费观看| 下体分泌物呈黄色| 国产精品一区二区在线观看99| 国产男女内射视频| 国产在线一区二区三区精| av在线蜜桃| 欧美日韩视频高清一区二区三区二| 免费黄网站久久成人精品| 永久网站在线| 少妇裸体淫交视频免费看高清| 成人综合一区亚洲| 国产精品国产三级专区第一集| 亚洲欧美清纯卡通| 国产伦理片在线播放av一区| 99热网站在线观看| 在线免费观看不下载黄p国产| 国产熟女欧美一区二区| 青春草亚洲视频在线观看| 亚洲第一av免费看| 亚洲精品日韩在线中文字幕| 免费观看无遮挡的男女| 18+在线观看网站| av免费观看日本| 国产黄片视频在线免费观看| 日韩视频在线欧美| 黄片wwwwww| 国产精品av视频在线免费观看| 国产69精品久久久久777片| 久久久久久九九精品二区国产| 丰满少妇做爰视频| 国产精品一区二区在线观看99| 中文字幕av成人在线电影| 国产高清国产精品国产三级 | 亚洲成色77777| 视频中文字幕在线观看| 80岁老熟妇乱子伦牲交| 爱豆传媒免费全集在线观看| 免费黄网站久久成人精品| 街头女战士在线观看网站| 中文乱码字字幕精品一区二区三区| 老司机影院毛片| 国精品久久久久久国模美| 中文资源天堂在线| 国产精品三级大全| 少妇精品久久久久久久| 26uuu在线亚洲综合色| 久久99热6这里只有精品| 国产永久视频网站| 亚洲四区av| 99精国产麻豆久久婷婷| 国精品久久久久久国模美| 伦精品一区二区三区| 成人特级av手机在线观看| 久久久a久久爽久久v久久| 亚洲欧洲国产日韩| 一级av片app| 亚洲精品,欧美精品| 国产精品99久久99久久久不卡 | 亚洲av电影在线观看一区二区三区| 成年女人在线观看亚洲视频| 亚州av有码| 尤物成人国产欧美一区二区三区| 3wmmmm亚洲av在线观看| 热re99久久精品国产66热6| 国产黄色免费在线视频| 乱系列少妇在线播放| 三级国产精品欧美在线观看| 夜夜骑夜夜射夜夜干| 成人亚洲欧美一区二区av| 毛片一级片免费看久久久久| 国产成人精品福利久久| 欧美一区二区亚洲| 久久毛片免费看一区二区三区| 2018国产大陆天天弄谢| 亚洲图色成人| 婷婷色综合大香蕉| 免费看av在线观看网站| 边亲边吃奶的免费视频| 日韩免费高清中文字幕av| 欧美激情国产日韩精品一区| 一级a做视频免费观看| tube8黄色片| 26uuu在线亚洲综合色| 妹子高潮喷水视频| 久久久亚洲精品成人影院| 最近手机中文字幕大全| 亚洲在久久综合| 草草在线视频免费看| 亚洲欧美日韩另类电影网站 | 亚洲欧美成人综合另类久久久| 国产视频内射| 精品人妻偷拍中文字幕| 午夜福利影视在线免费观看| 色综合色国产| 美女xxoo啪啪120秒动态图| 午夜视频国产福利| 亚州av有码| tube8黄色片| 亚洲国产精品专区欧美| 欧美日韩亚洲高清精品| 久久久午夜欧美精品| 亚洲欧美中文字幕日韩二区| 肉色欧美久久久久久久蜜桃| 精品久久久久久久末码| 国产精品99久久久久久久久| 欧美另类一区| 赤兔流量卡办理| 国产精品人妻久久久影院| 亚洲第一av免费看| 日韩大片免费观看网站| 国产大屁股一区二区在线视频| 国产伦精品一区二区三区视频9| 观看美女的网站| 亚洲,欧美,日韩| 少妇精品久久久久久久| 这个男人来自地球电影免费观看 | 视频区图区小说| 亚洲国产精品成人久久小说| 在线看a的网站| 黄色怎么调成土黄色| 久久久精品免费免费高清| 精品国产乱码久久久久久小说| 成年免费大片在线观看| 精品国产露脸久久av麻豆| 卡戴珊不雅视频在线播放| 国产成人午夜福利电影在线观看| 亚洲欧洲日产国产| 涩涩av久久男人的天堂| 只有这里有精品99| 我要看黄色一级片免费的| 在线天堂最新版资源| 插阴视频在线观看视频| 国产精品不卡视频一区二区| 国产精品免费大片| 老女人水多毛片| 久久久久久久久大av| 欧美 日韩 精品 国产| 成人高潮视频无遮挡免费网站| 精品久久久久久久久av| 亚洲国产精品国产精品| 2022亚洲国产成人精品| 国产 精品1| 国产男女超爽视频在线观看| 国产黄片视频在线免费观看| 99久久人妻综合| 中文欧美无线码| 亚洲综合精品二区| 亚洲成色77777| 高清日韩中文字幕在线| 中文字幕亚洲精品专区| 中文天堂在线官网| 一本久久精品| 国产探花极品一区二区| 搡老乐熟女国产| 一个人免费看片子| 九九久久精品国产亚洲av麻豆| 美女视频免费永久观看网站| 在线观看免费日韩欧美大片 | 亚洲精华国产精华液的使用体验| 国产精品人妻久久久影院| 涩涩av久久男人的天堂| 国产精品国产三级国产av玫瑰| 亚洲精品一区蜜桃| 日日撸夜夜添| 日日啪夜夜爽| 久久久久久久久大av| av黄色大香蕉| 亚洲av.av天堂| 国产成人精品一,二区| 国产亚洲91精品色在线| 精品亚洲成a人片在线观看 | 亚洲国产色片| 亚洲av欧美aⅴ国产| 国语对白做爰xxxⅹ性视频网站| av视频免费观看在线观看| 欧美日韩精品成人综合77777| 超碰97精品在线观看| 一级av片app| 欧美激情国产日韩精品一区| 国产精品欧美亚洲77777| 少妇精品久久久久久久| 国产精品人妻久久久影院| 成人二区视频| 自拍偷自拍亚洲精品老妇| 日韩欧美精品免费久久| 国产精品一区二区在线观看99| 免费av中文字幕在线| 亚洲丝袜综合中文字幕| 国产一区二区在线观看日韩| 国产v大片淫在线免费观看| 少妇人妻一区二区三区视频|