• <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
    精品午夜福利在线看| 精品一区二区三区视频在线| 亚洲欧美清纯卡通| 成人二区视频| 成人欧美大片| 国产成人精品久久久久久| 九九久久精品国产亚洲av麻豆| 午夜a级毛片| 国产精品国产三级国产av玫瑰| 欧美激情在线99| 99热这里只有是精品在线观看| 内地一区二区视频在线| 网址你懂的国产日韩在线| 无遮挡黄片免费观看| 国产精品日韩av在线免费观看| 免费大片18禁| 免费看日本二区| 在线国产一区二区在线| 免费在线观看影片大全网站| 九色成人免费人妻av| 亚洲婷婷狠狠爱综合网| 成年女人毛片免费观看观看9| 亚洲美女搞黄在线观看 | 亚洲内射少妇av| 美女内射精品一级片tv| 中出人妻视频一区二区| 欧美激情国产日韩精品一区| 欧美日韩精品成人综合77777| 99热只有精品国产| 男插女下体视频免费在线播放| 亚洲久久久久久中文字幕| 内射极品少妇av片p| 亚洲精品亚洲一区二区| 国产精品精品国产色婷婷| 久久久国产成人免费| 国内久久婷婷六月综合欲色啪| 欧美绝顶高潮抽搐喷水| 一级黄色大片毛片| 99久久中文字幕三级久久日本| 亚洲aⅴ乱码一区二区在线播放| 国产精品伦人一区二区| 色综合色国产| 国产精品一及| 欧美色视频一区免费| 又黄又爽又刺激的免费视频.| 不卡视频在线观看欧美| 男人舔女人下体高潮全视频| 美女内射精品一级片tv| 啦啦啦观看免费观看视频高清| 欧美三级亚洲精品| 天堂动漫精品| 午夜激情福利司机影院| 日日撸夜夜添| 嫩草影院入口| 久久久a久久爽久久v久久| 夜夜看夜夜爽夜夜摸| 日日撸夜夜添| 一本一本综合久久| 久久久欧美国产精品| 嫩草影视91久久| 哪里可以看免费的av片| 国产片特级美女逼逼视频| 天堂网av新在线| 日本成人三级电影网站| 我的女老师完整版在线观看| 久久国内精品自在自线图片| 真人做人爱边吃奶动态| 亚洲美女黄片视频| 国产成人a∨麻豆精品| 成人亚洲精品av一区二区| 久久鲁丝午夜福利片| 国产不卡一卡二| 欧美在线一区亚洲| 亚洲久久久久久中文字幕| 黄色日韩在线| 草草在线视频免费看| 狠狠狠狠99中文字幕| 国产精品久久久久久久久免| 少妇高潮的动态图| 丰满人妻一区二区三区视频av| 男人的好看免费观看在线视频| 国产aⅴ精品一区二区三区波| 亚洲人成网站在线播放欧美日韩| 亚洲18禁久久av| 好男人在线观看高清免费视频| 天堂网av新在线| 久久久久久九九精品二区国产| 亚洲最大成人av| 久久久久性生活片| 久久久久国产网址| 99热只有精品国产| 国产中年淑女户外野战色| 在线国产一区二区在线| 最新中文字幕久久久久| 一个人观看的视频www高清免费观看| 国产91av在线免费观看| 日本-黄色视频高清免费观看| 波多野结衣高清作品| 国产淫片久久久久久久久| 国产精品野战在线观看| 久久国产乱子免费精品| 国产精华一区二区三区| 午夜精品一区二区三区免费看| 成人av一区二区三区在线看| 国产黄色小视频在线观看| 99久国产av精品| 大香蕉久久网| 99久久中文字幕三级久久日本| 国产淫片久久久久久久久| 午夜免费男女啪啪视频观看 | 成熟少妇高潮喷水视频| 日本黄色视频三级网站网址| 国产黄a三级三级三级人| 三级毛片av免费| 18+在线观看网站| 亚洲自拍偷在线| 91久久精品国产一区二区成人| 日韩欧美国产在线观看| 久久欧美精品欧美久久欧美| 男女视频在线观看网站免费| 又黄又爽又刺激的免费视频.| 一级黄色大片毛片| 无遮挡黄片免费观看| avwww免费| 欧美精品国产亚洲| 搡老妇女老女人老熟妇| 夜夜夜夜夜久久久久| 不卡视频在线观看欧美| 久久人人爽人人爽人人片va| 国产单亲对白刺激| 99视频精品全部免费 在线| 天堂√8在线中文| 三级毛片av免费| 久久久久久久久久成人| 国产精品免费一区二区三区在线| 国产片特级美女逼逼视频| 在线播放无遮挡| 色噜噜av男人的天堂激情| 俺也久久电影网| 免费观看精品视频网站| 一级a爱片免费观看的视频| 夜夜爽天天搞| 99久久精品一区二区三区| 日产精品乱码卡一卡2卡三| 精品免费久久久久久久清纯| 啦啦啦观看免费观看视频高清| 99国产极品粉嫩在线观看| а√天堂www在线а√下载| 免费黄网站久久成人精品| 国产熟女欧美一区二区| 超碰av人人做人人爽久久| 成年av动漫网址| 欧美日韩一区二区视频在线观看视频在线 | av福利片在线观看| 有码 亚洲区| 日本黄色片子视频| 九九在线视频观看精品| 久久久久久国产a免费观看| 最新在线观看一区二区三区| 夜夜看夜夜爽夜夜摸| a级毛片a级免费在线| 久久草成人影院| 欧美最新免费一区二区三区| 乱人视频在线观看| 久久精品国产亚洲av天美| 身体一侧抽搐| 最近中文字幕高清免费大全6| 国产av一区在线观看免费| 三级国产精品欧美在线观看| 国产高清有码在线观看视频| 精品国内亚洲2022精品成人| 五月伊人婷婷丁香| 成人性生交大片免费视频hd| 国语自产精品视频在线第100页| 久久精品国产清高在天天线| 成年免费大片在线观看| 精品一区二区三区视频在线观看免费| 有码 亚洲区| 在线看三级毛片| 天堂影院成人在线观看| 91狼人影院| 少妇熟女aⅴ在线视频| 国产午夜精品久久久久久一区二区三区 | 日韩成人伦理影院| 欧美日韩一区二区视频在线观看视频在线 | 岛国在线免费视频观看| 午夜福利成人在线免费观看| 日日摸夜夜添夜夜添av毛片| 两个人的视频大全免费| 日韩制服骚丝袜av| 高清毛片免费观看视频网站| 日本三级黄在线观看| 免费看光身美女| avwww免费| 一级毛片我不卡| 免费观看精品视频网站| 亚洲激情五月婷婷啪啪| 舔av片在线| 日韩欧美精品免费久久| 国产高清三级在线| 伦理电影大哥的女人| 久久99热这里只有精品18| 久久精品综合一区二区三区| 99riav亚洲国产免费| 亚洲av电影不卡..在线观看| 大香蕉久久网| 国产高清激情床上av| 99国产精品一区二区蜜桃av| 国产精品美女特级片免费视频播放器| а√天堂www在线а√下载| 热99re8久久精品国产| 久久人妻av系列| 黄色日韩在线| 菩萨蛮人人尽说江南好唐韦庄 | 黄色日韩在线| 一a级毛片在线观看| 欧美zozozo另类| 老司机午夜福利在线观看视频| 人人妻人人看人人澡| 天天躁夜夜躁狠狠久久av| 国产精品三级大全| 国产真实乱freesex| 99精品在免费线老司机午夜| 久久精品91蜜桃| 深夜精品福利| 给我免费播放毛片高清在线观看| 一本精品99久久精品77| 99视频精品全部免费 在线| av免费在线看不卡| 国产成人影院久久av| 老师上课跳d突然被开到最大视频| 女同久久另类99精品国产91| 黑人高潮一二区| 麻豆成人午夜福利视频| av专区在线播放| 久久久久久九九精品二区国产| 亚洲av第一区精品v没综合| 蜜桃久久精品国产亚洲av| 国语自产精品视频在线第100页| 国产精品日韩av在线免费观看| 国产av一区在线观看免费| 2021天堂中文幕一二区在线观| 亚洲欧美清纯卡通| 国产伦精品一区二区三区四那| 大香蕉久久网| 老师上课跳d突然被开到最大视频| 插逼视频在线观看| 午夜a级毛片| 69人妻影院| 如何舔出高潮| 欧美激情国产日韩精品一区| 精品人妻视频免费看| av视频在线观看入口| 在线免费观看不下载黄p国产| 日日摸夜夜添夜夜添小说| 国产爱豆传媒在线观看| 免费高清视频大片| 精品一区二区三区视频在线| 天堂av国产一区二区熟女人妻| 欧美又色又爽又黄视频| 久久综合国产亚洲精品| 精品日产1卡2卡| 亚洲精品一卡2卡三卡4卡5卡| av免费在线看不卡| 熟女人妻精品中文字幕| 国产精品亚洲美女久久久| 日韩精品有码人妻一区| 麻豆精品久久久久久蜜桃| 欧美日韩一区二区视频在线观看视频在线 | 人人妻人人看人人澡| 日日啪夜夜撸| 国产成人a∨麻豆精品| av在线亚洲专区| 变态另类丝袜制服| 国内精品久久久久精免费| 国产高清激情床上av| 麻豆av噜噜一区二区三区| 1000部很黄的大片| 在现免费观看毛片| 欧美三级亚洲精品| 精品久久久久久久末码| 久久久久国产网址| 搡老妇女老女人老熟妇| 看黄色毛片网站| 天堂动漫精品| 国产大屁股一区二区在线视频| 亚洲国产精品sss在线观看| 日韩 亚洲 欧美在线| 欧美区成人在线视频| 天美传媒精品一区二区| 国产亚洲精品av在线| 久久人人爽人人爽人人片va| 午夜精品一区二区三区免费看| 久久婷婷人人爽人人干人人爱| 久久99热6这里只有精品| 日韩人妻高清精品专区| av女优亚洲男人天堂| 国产高清不卡午夜福利| 97热精品久久久久久| 免费看光身美女| 听说在线观看完整版免费高清| 国内精品久久久久精免费| 日日撸夜夜添| 国产aⅴ精品一区二区三区波| 一a级毛片在线观看| 干丝袜人妻中文字幕| 99久久久亚洲精品蜜臀av| 18禁裸乳无遮挡免费网站照片| 人妻制服诱惑在线中文字幕| 日本爱情动作片www.在线观看 | 亚洲婷婷狠狠爱综合网| 亚洲经典国产精华液单| 69av精品久久久久久| 国产精品亚洲美女久久久| 亚洲无线在线观看| 国产激情偷乱视频一区二区| 亚洲av美国av| 老师上课跳d突然被开到最大视频| 久久亚洲精品不卡| 内地一区二区视频在线| 国产伦精品一区二区三区视频9| 日本爱情动作片www.在线观看 | 日韩av在线大香蕉| 白带黄色成豆腐渣| 亚洲国产精品成人综合色| 可以在线观看毛片的网站| av免费在线看不卡| 国产在线精品亚洲第一网站| 国产精品人妻久久久影院| 欧美另类亚洲清纯唯美| 久久精品夜夜夜夜夜久久蜜豆| 最近的中文字幕免费完整| 精品一区二区三区人妻视频| 麻豆成人午夜福利视频| 精品人妻偷拍中文字幕| 非洲黑人性xxxx精品又粗又长| 一进一出抽搐gif免费好疼| 高清毛片免费观看视频网站| av.在线天堂| 国产成人影院久久av| 在线a可以看的网站| 欧美成人a在线观看| 欧美不卡视频在线免费观看| 国产精品久久久久久av不卡| 一级黄色大片毛片| 午夜福利视频1000在线观看| 免费观看在线日韩| 麻豆成人午夜福利视频| 精品人妻偷拍中文字幕| 韩国av在线不卡| 欧美又色又爽又黄视频| 国产69精品久久久久777片| 久久欧美精品欧美久久欧美| 麻豆av噜噜一区二区三区| av在线观看视频网站免费| 最近2019中文字幕mv第一页| av天堂在线播放| 国产黄色视频一区二区在线观看 | 成人亚洲欧美一区二区av| 亚洲五月天丁香| 欧美最新免费一区二区三区| 最近手机中文字幕大全| av在线蜜桃| 亚洲国产精品成人久久小说 | 久久久精品94久久精品| 看黄色毛片网站| a级毛片a级免费在线| 久久久欧美国产精品| 露出奶头的视频| 18+在线观看网站| 中文字幕熟女人妻在线| 国产成人一区二区在线| 亚洲av熟女| 欧美不卡视频在线免费观看| 一边摸一边抽搐一进一小说| 亚洲中文字幕日韩| 好男人在线观看高清免费视频| 麻豆久久精品国产亚洲av| 给我免费播放毛片高清在线观看| 久久精品91蜜桃| 午夜精品在线福利| 亚洲一区二区三区色噜噜| 国产亚洲av嫩草精品影院| 国产极品精品免费视频能看的| 国产精华一区二区三区| 老熟妇仑乱视频hdxx| 亚洲成人久久爱视频| 成人av一区二区三区在线看| 精品无人区乱码1区二区| 最好的美女福利视频网| 成人二区视频| 国产伦精品一区二区三区视频9| 国产精品永久免费网站| 美女黄网站色视频| 亚洲欧美日韩高清在线视频| 国产一区二区激情短视频| 午夜免费男女啪啪视频观看 | 成人亚洲欧美一区二区av| 99riav亚洲国产免费| 国产午夜福利久久久久久| 亚洲av免费高清在线观看| 国产极品精品免费视频能看的| 国产欧美日韩一区二区精品| 波多野结衣高清无吗| 麻豆乱淫一区二区| 3wmmmm亚洲av在线观看| 直男gayav资源| 99久久中文字幕三级久久日本| 亚洲在线自拍视频| 国产一区二区亚洲精品在线观看| 在线播放无遮挡| 国产精品爽爽va在线观看网站| av在线亚洲专区| 国产高清有码在线观看视频| 色综合色国产| 18禁裸乳无遮挡免费网站照片| 午夜福利在线观看免费完整高清在 | 十八禁网站免费在线| 老司机福利观看| 97碰自拍视频| 国产精品久久视频播放| 成人精品一区二区免费| 丰满人妻一区二区三区视频av| 天堂网av新在线| 久久久久久国产a免费观看| 91在线观看av| 亚洲国产精品成人综合色| 欧美日韩综合久久久久久| 亚洲最大成人手机在线| 久久欧美精品欧美久久欧美| 晚上一个人看的免费电影| 日韩制服骚丝袜av| 精品国内亚洲2022精品成人| 深爱激情五月婷婷| 精品福利观看| 俺也久久电影网| 身体一侧抽搐| 97超级碰碰碰精品色视频在线观看| 国产精品无大码| 午夜福利成人在线免费观看| 日韩欧美三级三区| 真人做人爱边吃奶动态| 男女之事视频高清在线观看| .国产精品久久| 久久久久九九精品影院| 国产高潮美女av| 亚洲成a人片在线一区二区| 美女大奶头视频| 亚洲不卡免费看| 精品乱码久久久久久99久播| 天堂av国产一区二区熟女人妻| 一级毛片久久久久久久久女| 三级经典国产精品| 久久精品国产亚洲av天美| 99久久中文字幕三级久久日本| 免费人成在线观看视频色| av在线天堂中文字幕| 亚洲欧美日韩东京热| 国产精品久久视频播放| 国产高清视频在线播放一区| 在线看三级毛片| 午夜a级毛片| 国产在线精品亚洲第一网站| 乱人视频在线观看| 人人妻人人澡人人爽人人夜夜 | 国产精品1区2区在线观看.| 男人和女人高潮做爰伦理| 日韩精品青青久久久久久| 国产单亲对白刺激| 久久中文看片网| av专区在线播放| 日韩成人av中文字幕在线观看 | 最近的中文字幕免费完整| 一级a爱片免费观看的视频| 国产在视频线在精品| 长腿黑丝高跟| 日日摸夜夜添夜夜添av毛片| 午夜福利在线观看吧| 身体一侧抽搐| 一级av片app| 国产蜜桃级精品一区二区三区| 亚洲三级黄色毛片| 日本a在线网址| 在线观看免费视频日本深夜| 少妇人妻精品综合一区二区 | 国产一区亚洲一区在线观看| 中文资源天堂在线| 嫩草影院入口| 久久精品人妻少妇| 亚洲不卡免费看| 九色成人免费人妻av| 两性午夜刺激爽爽歪歪视频在线观看| 一边摸一边抽搐一进一小说| 日韩精品青青久久久久久| 亚洲人成网站在线播| 免费高清视频大片| 天天一区二区日本电影三级| 在现免费观看毛片| 97人妻精品一区二区三区麻豆| 在线播放国产精品三级| 男女边吃奶边做爰视频| 亚洲国产精品合色在线| 国内精品宾馆在线| 欧美日本亚洲视频在线播放| 国产大屁股一区二区在线视频| 国产精品爽爽va在线观看网站| 精品福利观看| 狂野欧美白嫩少妇大欣赏| avwww免费| 美女被艹到高潮喷水动态| 欧美日韩乱码在线| 永久网站在线| 老司机午夜福利在线观看视频| 美女高潮的动态| 国产高清激情床上av| 亚洲丝袜综合中文字幕| 日韩av在线大香蕉| 国内少妇人妻偷人精品xxx网站| 如何舔出高潮| 变态另类丝袜制服| 老熟妇乱子伦视频在线观看| 日韩 亚洲 欧美在线| 午夜a级毛片| 日日摸夜夜添夜夜添小说| 欧美在线一区亚洲| 天天躁夜夜躁狠狠久久av| 亚洲久久久久久中文字幕| 国产精品三级大全| 婷婷精品国产亚洲av| 最近2019中文字幕mv第一页| 国产精品av视频在线免费观看| 天堂av国产一区二区熟女人妻| 免费搜索国产男女视频| 亚洲成人久久性| 国产精品久久久久久久久免| 久久精品影院6| 又黄又爽又免费观看的视频| 99在线视频只有这里精品首页| av国产免费在线观看| 久久久精品大字幕| 一夜夜www| 亚洲欧美精品自产自拍| 一级av片app| 久久人人爽人人爽人人片va| 国产精品一区二区三区四区免费观看 | 国产白丝娇喘喷水9色精品| 99在线视频只有这里精品首页| 少妇被粗大猛烈的视频| 天堂av国产一区二区熟女人妻| 美女内射精品一级片tv| 国产三级中文精品| 国产乱人偷精品视频| 露出奶头的视频| 插逼视频在线观看| 一级av片app| 亚洲熟妇熟女久久| 亚洲av二区三区四区| 可以在线观看的亚洲视频| 草草在线视频免费看| 国产亚洲精品综合一区在线观看| 久久久久九九精品影院| 日本色播在线视频| 欧美最黄视频在线播放免费| 夜夜爽天天搞| 国产av在哪里看| 国产综合懂色| 亚洲av第一区精品v没综合| 一进一出抽搐gif免费好疼| 校园春色视频在线观看| 一级毛片电影观看 | 真实男女啪啪啪动态图| 免费大片18禁| 国产女主播在线喷水免费视频网站 | av在线观看视频网站免费| 国产高清三级在线| 成人午夜高清在线视频| 又粗又爽又猛毛片免费看| 色尼玛亚洲综合影院| 嫩草影院精品99| 亚洲中文字幕日韩| 精品午夜福利视频在线观看一区| 床上黄色一级片| h日本视频在线播放| 国产视频内射| 亚洲18禁久久av| 精品福利观看| 中文字幕精品亚洲无线码一区| 精品乱码久久久久久99久播| 两性午夜刺激爽爽歪歪视频在线观看| 最近在线观看免费完整版| 国产三级在线视频| 亚洲第一电影网av| 精品久久久久久久久av| 国产高清不卡午夜福利| 免费看av在线观看网站| 亚洲综合色惰| 小蜜桃在线观看免费完整版高清| 成人午夜高清在线视频| 99国产极品粉嫩在线观看| 亚洲欧美日韩高清在线视频| 性插视频无遮挡在线免费观看| 欧美日本亚洲视频在线播放| 欧美最黄视频在线播放免费| 一边摸一边抽搐一进一小说| 一级a爱片免费观看的视频| 小蜜桃在线观看免费完整版高清| 午夜福利视频1000在线观看| 男女下面进入的视频免费午夜| 亚洲国产日韩欧美精品在线观看| 老司机影院成人| 精品一区二区免费观看| 内射极品少妇av片p| 热99re8久久精品国产| 亚洲精品色激情综合| 人人妻人人澡人人爽人人夜夜 |