• <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 ?

    融合U-Net及MobileNet-V2的快速語義分割網(wǎng)絡

    2021-09-07 00:48:28蘭天翔向子彧劉名果
    計算機工程與應用 2021年17期
    關鍵詞:語義特征實驗

    蘭天翔,向子彧,劉名果,陳 凱

    1.河南大學 物理與電子學院 開封市智能制造工程技術研究中心,河南 開封475000

    2.電子科技大學 格拉斯哥學院,成都611731

    語義分割是一項像素級精度的分類任務,其將輸入視覺圖像分為不同的語義類別并對相應像素點作標記。早期語義分割主要使用聚類算法,而全卷積語義分割網(wǎng)絡的出現(xiàn),使得深度學習技術在語義分割領域快速推廣。全卷積語義分割網(wǎng)絡始于Long等人提出的FCN網(wǎng)絡(Fully Convolutional Networks)[1],核心思想是使用卷積層替換網(wǎng)絡中原有的線性層,使得網(wǎng)絡能夠適應任意尺寸的輸入。FCN在網(wǎng)絡層級間使用了跳級結構,將低級特征引入到高級特征中,在語義分割任務中取得了不錯的效果。其后在FCN網(wǎng)絡的基礎上,Ronneberger等人提出了U-Net網(wǎng)絡[2],通過使用多次跳躍連接,增加低層特征細節(jié),從而提高網(wǎng)絡的精度;Noh等人提出了DeconvNet網(wǎng)絡[3],改善了FCN網(wǎng)絡感受野固定、上采樣粗糙的問題;Badrinarayanan等人參考U-Net及DeconvNet,提出了SegNet網(wǎng)絡[4],大幅減少了DeconvNet的參數(shù)量,并保證了網(wǎng)絡分割精度;Google公司提出空洞卷積方式,有效地擴大了語義分割網(wǎng)絡的感受野,使用空間金字塔空洞卷積從多個尺度提取圖片中的特征,由此發(fā)展出deeplab網(wǎng)絡系列[5-8];其他還有諸如E-Net、Link-Net、Mask R-CNN、PSPNet等[9-14]基于FCN發(fā)展而來的網(wǎng)絡模型,在語義分割和目標檢測方面起到了重要的作用。雖然各種神經(jīng)網(wǎng)絡在分割精度上不斷提升,但模型對計算量的要求也在不斷增加,工業(yè)自動化方向的需求并沒有得到滿足。在工業(yè)自動化生產(chǎn)過程中,如何使用較少的資源,既好又快地完成指定任務是難點之一。目前對于輕量化模型的研究并不多見,主要的輕量化模型結構有Xception、SqueezeNet、Shufflenet、MobileNet等[15-18],雖能夠有效地降低模型的參數(shù)和計算量,但仍存在訓練過程復雜、模型精度不高的缺點。

    本文針對工業(yè)應用方向改進了U-Net語義分割網(wǎng)絡。改進思想主要參考MobileNet-V2[19]對深度可分離卷積(depthwise separable convolution)的運用,并在其基礎上高效利用深層特征,確保網(wǎng)絡的準確率;綜合利用普通卷積及bottleneck模塊的優(yōu)勢,進一步降低了網(wǎng)絡的參數(shù)量和計算量,針對工業(yè)生產(chǎn)對圖像實時處理的要求,設計了輕量化LU-Net(Light U-Net)網(wǎng)絡。LU-Net網(wǎng)絡相比U-Net網(wǎng)絡,在精度更高的同時,運行在不同設備上均能取得更快的速度,在保證分割效果的前提下,滿足實時處理的要求。經(jīng)過實驗驗證,LU-Net網(wǎng)絡在公開的DRIVE數(shù)據(jù)集上預測圖片平均交并比(mean Intersection over Union,mIoU)達到了0.77,在CPU上檢測一張圖片平均延遲為1.0 s,在GPU上運行平均延遲為0.080 s;在凹陷符號數(shù)據(jù)集上預測圖片平均mIoU值為0.94,在CPU上檢測一張360×270大小的圖片平均延遲為0.3 s,在GPU上運行平均延遲為0.025 s。LU-Net網(wǎng)絡同時兼顧了語義分割的速度與精度,能夠滿足工業(yè)生產(chǎn)對實時處理的需求。

    1 LU-Net網(wǎng)絡結構設計

    工業(yè)生產(chǎn)中,許多任務需要準確地將同類目標從背景中剝離,U-Net網(wǎng)絡架構十分適合此類任務。

    然而U-Net網(wǎng)絡并不是專門面向工業(yè)生產(chǎn)所提出的網(wǎng)絡模型,將其直接運用在工業(yè)生產(chǎn)領域時存在著一些問題:(1)模型參數(shù)多,占用內(nèi)存大,對硬件要求高;(2)計算量大,分割速度慢,不能滿足工業(yè)中實時檢測的需求。因此,須要對U-Net網(wǎng)絡進行輕量化設計,以減少參數(shù),提高其運行速度。

    在輕量化設計中,本文將U-Net與bottleneck結構[19]有機融合,替代傳統(tǒng)卷積操作,在保證分割精度的前提下,利用bottleneck的深度可分離卷積層來減少網(wǎng)絡整體的參數(shù)量和計算量。深度可分離卷積不同于普通卷積,它將普通卷積的通道相關性與空間相關性分離,輸入特征張量的每個通道都對應一個單獨卷積核,卷積后輸出特征張量。

    假設輸入特征張量為H×W×Ci(其中H為特征張量高度,W為特征張量寬度,Ci為特征張量通道數(shù)),普通卷積的卷積核為F×F×Ci,共有Co個卷積核,對此特征張量進行四周填充卷積操作,則輸出特征張量為H×W×Co,普通卷積參數(shù)量為:

    計算量為:

    深度可分離卷積參數(shù)量為:

    計算量為:

    由公式中可以看出,深度可分離卷積能夠明顯降低卷積操作的參數(shù)量與計算量。但由于深度可分離卷積在通道間并沒有信息交流,要配合1×1卷積核的普通卷積共同使用。

    圖1中的兩個結構為不同功能的bottleneck結構。圖中左側bottleneck作用是替代傳統(tǒng)卷積,將普通卷積分解為兩個卷積核尺寸為1×1的普通卷積和一個3×3深度可分離卷積,以保持網(wǎng)絡精度;右側結構主要作用是縮小輸入特征向量尺寸,與池化層的作用相似,但可以保留更多特征信息。兩種結構都會在第一次1×1卷積時對輸入通道數(shù)進行擴張,擴張倍數(shù)通常為6倍。因此結構中間的深度可分離卷積層需要同時并行處理大量的卷積操作,在CPU上運行時會嚴重影響網(wǎng)絡速度。因此,直接使用bottleneck結構替換U-Net卷積操作并不可取。

    圖1 MobileNet-V2 bottleneck結構Fig.1 Structure of MobileNet-V2 bottleneck

    同時,Bottleneck替換后的U-Net網(wǎng)絡相比于原U-Net網(wǎng)絡,網(wǎng)絡參數(shù)量為41×106,多增加10×106,計算量增加了20%,其中1×1卷積操作參數(shù)量占網(wǎng)絡整體參數(shù)量的99.2%,計算量占網(wǎng)絡整體計算量的97.5%,仍然有提高改進的空間。因此,綜合bottleneck卷積結構和普通卷積的優(yōu)缺點,本文提出了LU-Net網(wǎng)絡,網(wǎng)絡結構如圖2所示。

    圖2 LU-Net結構Fig.2 Structure of LU-Net

    LU-Net沿用了U-Net的整體架構,使用編碼器解碼器結構。圖2中模塊1及其左側網(wǎng)絡部分為編碼器,模塊3及其右側部分為解碼器。網(wǎng)絡使用跳躍連接的方式將低級特征與高級特征拼接,使低級特征與高級特征進行信息交流,加強網(wǎng)絡對圖像細節(jié)的處理能力。相較于U-Net,本網(wǎng)絡在以下方面進行了改進:

    (1)減少了網(wǎng)絡卷積層數(shù),省去重復的特征提取步驟。

    (2)在模塊1及模塊3位置使用了bottleneck結構。在此位置,張量尺寸縮小為原圖的四分之一,bottleneck結構能夠更好地提取張量特征,且不會產(chǎn)生過多并行計算的負擔。

    (3)編碼器與解碼器交接位置使用模塊2對接。模塊2與bottleneck相似,但中間層增加2層深度可分離卷積(如圖2所示),在參數(shù)量與計算量增加不多的情況下,使用多層深度可分離卷積增強網(wǎng)絡對抽象特征的提取能力,提高深層特征的利用效率,增加網(wǎng)絡精度。

    (4)解碼器使用雙線性插值法代替反卷積對特征圖進行上采樣。相較于反卷積上采樣方式,雙線性插值法能夠有效避免反卷積中可能產(chǎn)生的棋盤效應導致的訓練困難。

    (5)網(wǎng)絡中的激活函數(shù)均采用leaky-relu激活函數(shù),使網(wǎng)絡具有非線性的同時,避免因激活函數(shù)導致卷積神經(jīng)元的失活影響網(wǎng)絡的訓練。

    經(jīng)過上述改進,LU-Net網(wǎng)絡參數(shù)量縮小至原參數(shù)量的7.4%,計算量約為原計算量的42.2%;深度可分離卷積的引入既保證了準確率,也提升了網(wǎng)絡處理速度。

    網(wǎng)絡最終輸出張量經(jīng)過沿通道維的softmax函數(shù)后形成預測圖像。

    2 實驗及分析

    實驗在服務器中進行,使用語言為Python3.7.3,深度學習框架為tensorflow1.13,服務器系統(tǒng)為windows sever 2012,內(nèi)存為32 GB,GPU為Tesla K40,顯存為12 GB。測試時使用CPU為Intel Core i7-6700。

    實驗在兩個數(shù)據(jù)集上進行,分別使用公開的DRIVE數(shù)據(jù)集及石墨板上的凹陷符號數(shù)據(jù)集。DRIVE數(shù)據(jù)集是一個醫(yī)療圖像數(shù)據(jù)集,由40張圖片組成,其中20張為訓練集,20張為測試集;圖片尺寸為565×584;每張圖片都有對應的手工標記標簽。凹陷符號數(shù)據(jù)集共有30張凹陷字符圖片,每張圖片大小為1 440×1 080,其中20張作為訓練集,10張作為測試集;圖片特征的標記均由實驗人員手工完成。由于訓練集樣本量小,需要對訓練集進行擴充處理。實驗中使用對原始訓練圖片隨機剪裁的方法擴充訓練集,剪裁圖像大小為200×200。

    網(wǎng)絡的損失函數(shù)選擇softmax交叉熵函數(shù),其公式為:

    其中,p(x)代表真實概率分布,q(x)代表神經(jīng)網(wǎng)絡函數(shù)輸出的預測概率分布,H()p,q即代表了預測概率與真實概率之間的差異。網(wǎng)絡在訓練過程中,通過神經(jīng)網(wǎng)絡優(yōu)化器的不斷優(yōu)化網(wǎng)絡參數(shù),縮小預測結果與真實結果之間的空間距離,優(yōu)化神經(jīng)網(wǎng)絡的預測結果。

    實驗評估標準選擇通用的準確率(AC)、精確率(precision)、召回率(recall)與平均交并比(mIoU)。其公式如下:

    上述公式中TP(True Positives,真正例)為正確分割的物體像素數(shù),TN(True Negatives,真負例)為正確分割的背景像素數(shù),F(xiàn)P(False Positives,假正例)為錯誤分割為物體的背景像素數(shù),F(xiàn)N(False Negatives,假負例)為錯誤分割為背景的物體像素數(shù)。公式(6)表示正確預測的像素數(shù)與圖片像素數(shù)的比,即為預測準確率;公式(7)為精確率,表示預測為正例的樣本中正確的個數(shù)比例;公式(8)為召回率,表示實際的正例樣本中能夠被正確預測的比例;公式(9)為平均交并比公式,A為手動標記圖像,B為網(wǎng)絡預測圖像,為兩張圖像的交并比,mean為求均值。

    實驗中,LU-Net-64網(wǎng)絡普通卷積層的通道數(shù)與原U-Net網(wǎng)絡對應層通道數(shù)相同,bottleneck結構擴張倍數(shù)為3倍,LU-Net-32普通卷積層的通道數(shù)為原U-Net網(wǎng)絡對應層通道數(shù)的一半,bottleneck結構擴張通道倍數(shù)為6倍。訓練使用Adam優(yōu)化器對網(wǎng)絡參數(shù)進行優(yōu)化,學習率設置為1E?4,訓練輪數(shù)設置為3 000輪。

    2.1 凹陷字符數(shù)據(jù)集實驗

    首先實驗在凹陷字符數(shù)據(jù)集上進行,本實驗將原始圖像縮放至360×270分辨率,再進行隨機剪裁擴充處理。

    網(wǎng)絡實驗結果如圖3所示。從圖3(b)中可以看出,使用傳統(tǒng)閾值分割方法分割出的圖像,雖已經(jīng)過濾波處理,仍然含有大量的噪點,字符圖像有殘缺,圖像分割效果差;神經(jīng)網(wǎng)絡預測圖像清晰完整,能夠清楚地辨認圖像中的字符。相較于U-Net網(wǎng)絡,LU-Net-64網(wǎng)絡預測圖像中字符的細節(jié)部分略差,而對字符整體的預測更優(yōu),圖像分割質量與U-Net基本相同。LU-Net-32網(wǎng)絡預測圖像相對于LU-Net-64網(wǎng)絡,質量略為下降,但同樣能夠清晰看到分割出的字符。

    圖3 凹陷字體實驗效果對比圖Fig.3 Result of hollow symbol dataset experiment

    實驗的詳細參數(shù)對比如表1所示。從表1中可以看出,在CPU上運行,U-Net處理圖片需要1.82 s,不能達到實時處理的要求;LU-Net-32處理圖片需要0.30 s,能夠做到實時處理。LU-Net-32不論是在串行能力強的CPU還是在并行能力強的GPU上運行時間均為最短。LU-Net網(wǎng)絡模型平均準確率與mIoU均優(yōu)于U-Net網(wǎng)絡,LU-Net-32精確率更高,而LU-Net-64召回率更高。LU-Net-64網(wǎng)絡參數(shù)量為U-Net參數(shù)量的7.4%,運算量為原來的42.2%,運行時間提高了2倍。LU-Net-32網(wǎng)絡的參數(shù)量、運算量及預測所需時間相對于LU-Net-64網(wǎng)絡均不及其50%,準確率雖略為下降,但下降幅度不大,而預測所需時間的縮短、參數(shù)量的減小十分明顯。因此在一些需要實時預測的任務中,使用LU-Net-32網(wǎng)絡比較合適,而在一些更注重標注準確率或召回率的任務中,LU-Net-64網(wǎng)絡更加合適。

    表1 凹陷字符數(shù)據(jù)集不同網(wǎng)絡分割測試結果Table 1 Segmentation results of models on hollow symbol dataset

    2.2 DRIVE數(shù)據(jù)集實驗

    實驗驗證LU-Net網(wǎng)絡在公開數(shù)據(jù)集DRIVE上的效果,實驗結果如圖4、圖5所示。

    圖5 部分實驗放大圖Fig.5 Local enlarged drawing of experiment

    從圖4中能夠看出,LU-Net網(wǎng)絡分割圖像能夠取得與U-Net網(wǎng)絡同樣的效果。在CPU上運行時,U-Net分割一張圖片需要5.285 s,不能達到實時處理的要求,LU-Net-64需要2.878 s,而LU-Net-32需要1.004 s,將速度提升了5倍。在GPU運行條件下U-net網(wǎng)絡分割一張完整圖片需要0.367 s,LU-Net-64網(wǎng)絡需要0.197 s,LUNet-32網(wǎng)絡則只需0.080 s,LU-Net網(wǎng)絡不但分割效果更優(yōu),且將運行速度提升了一倍以上。

    圖4 DRIVE實驗效果對比圖Fig.4 Result of DRIVE dataset experiment

    圖5為圖4中部分實驗結果圖的放大效果,能夠更明顯地看到不同網(wǎng)絡處理圖像的細節(jié)。U-Net網(wǎng)絡分割效果在細節(jié)部分處理得更好,能夠分割出部分細小血管,但精確率(precision)低,圖中能夠明顯看出存在較多假正例(FP)標注現(xiàn)象;LU-Net-64網(wǎng)絡對粗血管分割效果更加貼近于人工標記圖像,但相對的細小血管部分分割精度下降,手工標記中存在的部分細小血管并沒有在圖上標出。圖片整體的分割準確率與精確率有所提高,假正例標注相對減少;而LU-Net-32網(wǎng)絡具有與LU-Net-64基本相同的分割效果,召回率則略低于LU-Net-64網(wǎng)絡。圖像整體的分割精確率進一步提高,網(wǎng)絡整體的運算量更少,速度表現(xiàn)更快。實驗的詳細結果參數(shù)如表2所示。

    表2 DRIVE數(shù)據(jù)集不同網(wǎng)絡分割測試結果Table 2 Segmentation results of models on DRIVE dataset

    從表中能夠看到,在此數(shù)據(jù)集上,LU-Net在兩種計算設備上均獲得了預測所需時間的最佳成績。LU-Net-32網(wǎng)絡計算速度提升相對更加明顯,且在除了召回率的各方面表現(xiàn)均為最優(yōu)。

    通過以上對比實驗充分證明,LU-Net能夠在保持精度的同時快速完成語義分割的任務。LU-Net-64在準確率與召回率方面略有優(yōu)勢,LU-Net-64則更快,模型更小。在實際應用時可以從LU-Net-32與LU-Net-64中根據(jù)需求自行選擇,運用在工業(yè)生產(chǎn)等需要快速分割的場景中。

    3 結束語

    神經(jīng)網(wǎng)絡的輕量化使網(wǎng)絡更易于應用在工業(yè)生產(chǎn)領域。本文針對工業(yè)生產(chǎn)環(huán)境中深度學習網(wǎng)絡的實時性問題,基于U-Net網(wǎng)絡架構,結合MobileNet-V2網(wǎng)絡的思想,綜合利用深度可分離卷積與普通卷積的優(yōu)點,設計了一種快速語義分割網(wǎng)絡LU-Net。LU-Net網(wǎng)絡降低了參數(shù)量,減少了計算量,不論是在CPU還是在GPU上運行,均能夠在保證精確度的同時,提高語義分割的速度。經(jīng)過實驗驗證,LU-Net網(wǎng)絡處理一張尺寸為360×270的圖片在CPU上平均耗時為0.30 s,在GPU上平均耗時為0.025 s;處理一張尺寸為565×584的圖片在CPU上平均耗時為1.004 s,在GPU上平均耗時為0.079 7 s。網(wǎng)絡在DRIVE數(shù)據(jù)集及凹陷字體數(shù)據(jù)集上的準確率均在0.96以上。相比于U-Net,本文算法在提升準確率的同時將網(wǎng)絡參數(shù)量縮小至0.59×106,為其1.9%;計算量縮小至57.9 GFlops,為其8.8%。網(wǎng)絡大幅減少了設備的計算負擔,加快了分割速度,能夠滿足工業(yè)生產(chǎn)實時處理的需求。

    猜你喜歡
    語義特征實驗
    記一次有趣的實驗
    語言與語義
    如何表達“特征”
    做個怪怪長實驗
    不忠誠的四個特征
    當代陜西(2019年10期)2019-06-03 10:12:04
    抓住特征巧觀察
    NO與NO2相互轉化實驗的改進
    實踐十號上的19項實驗
    太空探索(2016年5期)2016-07-12 15:17:55
    “上”與“下”語義的不對稱性及其認知闡釋
    認知范疇模糊與語義模糊
    国产精品久久久久久人妻精品电影| netflix在线观看网站| 亚洲五月天丁香| 精品久久久久久久久亚洲 | 狂野欧美白嫩少妇大欣赏| 国产精品日韩av在线免费观看| 午夜福利高清视频| 久久草成人影院| 91久久精品国产一区二区成人| 国产主播在线观看一区二区| 看十八女毛片水多多多| 亚洲不卡免费看| 国产欧美日韩一区二区精品| 乱人视频在线观看| 少妇被粗大猛烈的视频| 亚洲第一区二区三区不卡| 中文字幕高清在线视频| 国产单亲对白刺激| 最近最新免费中文字幕在线| 久久久久久久午夜电影| 日本五十路高清| 精品不卡国产一区二区三区| 欧美潮喷喷水| 欧美极品一区二区三区四区| 欧美成人a在线观看| 免费观看精品视频网站| 国产精品久久久久久亚洲av鲁大| 国产在视频线在精品| 亚洲欧美清纯卡通| 国产欧美日韩精品亚洲av| 三级国产精品欧美在线观看| 国产伦在线观看视频一区| 久久精品国产亚洲av天美| 精品欧美国产一区二区三| 天堂√8在线中文| 午夜福利18| 伦理电影大哥的女人| 99热这里只有是精品50| 免费在线观看亚洲国产| 免费看美女性在线毛片视频| 色综合亚洲欧美另类图片| 色综合婷婷激情| 青草久久国产| 九九热线精品视视频播放| 3wmmmm亚洲av在线观看| 日韩精品中文字幕看吧| 国产综合懂色| 免费在线观看成人毛片| 毛片女人毛片| 综合色av麻豆| 国产免费av片在线观看野外av| 欧美又色又爽又黄视频| 国产午夜精品论理片| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 国产高清有码在线观看视频| 村上凉子中文字幕在线| 亚洲人成网站在线播放欧美日韩| 99热这里只有是精品50| 久久99热6这里只有精品| 久久久精品欧美日韩精品| 婷婷六月久久综合丁香| 欧美+亚洲+日韩+国产| 网址你懂的国产日韩在线| 级片在线观看| 男人的好看免费观看在线视频| 舔av片在线| 色噜噜av男人的天堂激情| 色哟哟哟哟哟哟| 日本熟妇午夜| 十八禁国产超污无遮挡网站| 女人被狂操c到高潮| 欧美乱妇无乱码| av在线天堂中文字幕| 国产精品,欧美在线| 欧美日本亚洲视频在线播放| 在线观看66精品国产| 国产亚洲精品av在线| 国产久久久一区二区三区| 久久午夜福利片| 色吧在线观看| 亚洲人成网站在线播放欧美日韩| 亚洲黑人精品在线| 在线免费观看的www视频| 两个人的视频大全免费| 少妇高潮的动态图| 淫妇啪啪啪对白视频| 中文字幕av在线有码专区| 丁香六月欧美| 国产中年淑女户外野战色| 欧美黑人巨大hd| 亚洲国产欧洲综合997久久,| 长腿黑丝高跟| 欧美成人性av电影在线观看| 国产麻豆成人av免费视频| 最近最新中文字幕大全电影3| 国产色婷婷99| 99久久精品国产亚洲精品| 18禁裸乳无遮挡免费网站照片| av在线天堂中文字幕| 亚洲av免费在线观看| 99久久精品热视频| 婷婷色综合大香蕉| 人妻夜夜爽99麻豆av| 国产亚洲精品久久久久久毛片| 国产亚洲精品av在线| 精品久久久久久久人妻蜜臀av| 欧美国产日韩亚洲一区| 免费看日本二区| 99热6这里只有精品| 精品久久久久久久末码| 亚洲av一区综合| 九色成人免费人妻av| 日本 av在线| 人人妻,人人澡人人爽秒播| 999久久久精品免费观看国产| 亚洲,欧美,日韩| 中文字幕高清在线视频| 脱女人内裤的视频| 久久精品国产亚洲av天美| 99久国产av精品| x7x7x7水蜜桃| 18禁黄网站禁片午夜丰满| 真人一进一出gif抽搐免费| 午夜福利视频1000在线观看| av视频在线观看入口| 丰满乱子伦码专区| 他把我摸到了高潮在线观看| 他把我摸到了高潮在线观看| 他把我摸到了高潮在线观看| 国产三级在线视频| 国产蜜桃级精品一区二区三区| 色综合站精品国产| 欧美成人一区二区免费高清观看| 夜夜夜夜夜久久久久| 看片在线看免费视频| 欧美区成人在线视频| 久久精品国产自在天天线| 国产精品爽爽va在线观看网站| 青草久久国产| 亚洲精品乱码久久久v下载方式| 一本综合久久免费| 在线观看av片永久免费下载| 久久久久久久久大av| 一个人观看的视频www高清免费观看| 成人鲁丝片一二三区免费| 欧美高清成人免费视频www| 91字幕亚洲| www.999成人在线观看| 亚洲精品影视一区二区三区av| 男女那种视频在线观看| 美女免费视频网站| 男插女下体视频免费在线播放| 99久久精品一区二区三区| 村上凉子中文字幕在线| 日韩欧美精品免费久久 | 丰满乱子伦码专区| 又爽又黄a免费视频| 日韩欧美 国产精品| 一级毛片久久久久久久久女| 久久伊人香网站| 亚洲第一区二区三区不卡| 一个人免费在线观看的高清视频| 老女人水多毛片| 97碰自拍视频| 99久久无色码亚洲精品果冻| 日日夜夜操网爽| 亚洲成人精品中文字幕电影| 97热精品久久久久久| 99久久精品一区二区三区| 一级a爱片免费观看的视频| 亚洲欧美清纯卡通| 国产亚洲精品综合一区在线观看| 一区福利在线观看| 51国产日韩欧美| 久久久久国产精品人妻aⅴ院| 亚洲av美国av| 精品午夜福利视频在线观看一区| 精品一区二区三区人妻视频| 狠狠狠狠99中文字幕| 又黄又爽又刺激的免费视频.| 婷婷精品国产亚洲av在线| 一夜夜www| 午夜久久久久精精品| 中文字幕av成人在线电影| 欧美成人性av电影在线观看| 中文字幕久久专区| 97人妻精品一区二区三区麻豆| 午夜老司机福利剧场| 别揉我奶头 嗯啊视频| 欧洲精品卡2卡3卡4卡5卡区| 日本 欧美在线| 亚洲欧美激情综合另类| 在线免费观看不下载黄p国产 | aaaaa片日本免费| 少妇的逼水好多| 又紧又爽又黄一区二区| 精品午夜福利在线看| 最近在线观看免费完整版| 中文字幕久久专区| 老熟妇仑乱视频hdxx| www.999成人在线观看| 一级作爱视频免费观看| 麻豆一二三区av精品| 亚洲乱码一区二区免费版| 日本精品一区二区三区蜜桃| 中亚洲国语对白在线视频| 精品久久久久久成人av| 国产白丝娇喘喷水9色精品| 神马国产精品三级电影在线观看| 天堂√8在线中文| 最近在线观看免费完整版| 免费人成在线观看视频色| 精品人妻偷拍中文字幕| 色综合站精品国产| 99热6这里只有精品| 韩国av一区二区三区四区| 国产三级在线视频| 免费观看人在逋| 欧美成人免费av一区二区三区| 久久久久国产精品人妻aⅴ院| 久久精品国产自在天天线| 69av精品久久久久久| 国产久久久一区二区三区| 麻豆成人av在线观看| 五月玫瑰六月丁香| 免费观看的影片在线观看| 日韩欧美在线乱码| 亚洲av免费在线观看| 蜜桃亚洲精品一区二区三区| 亚洲精品在线观看二区| 真人一进一出gif抽搐免费| 久久久久国产精品人妻aⅴ院| 亚洲精品粉嫩美女一区| 九色国产91popny在线| 国产午夜精品久久久久久一区二区三区 | 99热这里只有精品一区| 久久久久亚洲av毛片大全| 国模一区二区三区四区视频| 成人高潮视频无遮挡免费网站| 免费高清视频大片| 精品人妻一区二区三区麻豆 | 久久精品国产亚洲av涩爱 | 久久精品国产亚洲av涩爱 | 亚洲av五月六月丁香网| 黄色视频,在线免费观看| 亚洲av成人精品一区久久| 五月伊人婷婷丁香| 免费在线观看亚洲国产| 国产高清视频在线播放一区| 亚洲欧美清纯卡通| 伦理电影大哥的女人| 一个人免费在线观看的高清视频| 免费在线观看日本一区| 一进一出好大好爽视频| 亚洲久久久久久中文字幕| av天堂在线播放| 午夜精品在线福利| 国产老妇女一区| 在线观看美女被高潮喷水网站 | 九九久久精品国产亚洲av麻豆| 久久久久性生活片| 每晚都被弄得嗷嗷叫到高潮| 一本久久中文字幕| 两性午夜刺激爽爽歪歪视频在线观看| 淫秽高清视频在线观看| 日日夜夜操网爽| www.色视频.com| 热99re8久久精品国产| 亚洲中文字幕日韩| 97热精品久久久久久| 欧美激情国产日韩精品一区| 亚洲性夜色夜夜综合| 天堂网av新在线| 热99在线观看视频| 色av中文字幕| 91av网一区二区| 亚洲成人久久爱视频| 国产亚洲精品久久久久久毛片| 91在线精品国自产拍蜜月| 免费一级毛片在线播放高清视频| 免费电影在线观看免费观看| 久久久久精品国产欧美久久久| 波多野结衣高清无吗| 桃红色精品国产亚洲av| 变态另类成人亚洲欧美熟女| 久久亚洲真实| 欧美高清成人免费视频www| 精品午夜福利在线看| 国内久久婷婷六月综合欲色啪| 日韩欧美精品v在线| 国产美女午夜福利| 日韩人妻高清精品专区| 国产成人aa在线观看| 亚洲国产高清在线一区二区三| 免费人成视频x8x8入口观看| 成人国产综合亚洲| 岛国在线免费视频观看| 亚洲va日本ⅴa欧美va伊人久久| 久久精品综合一区二区三区| 啦啦啦观看免费观看视频高清| 亚洲激情在线av| 精品99又大又爽又粗少妇毛片 | 91在线精品国自产拍蜜月| 免费av观看视频| 哪里可以看免费的av片| 国产精品电影一区二区三区| 九色成人免费人妻av| 国产 一区 欧美 日韩| 午夜福利欧美成人| 欧美3d第一页| 少妇人妻一区二区三区视频| 国产69精品久久久久777片| 97碰自拍视频| x7x7x7水蜜桃| 精品人妻1区二区| 熟女人妻精品中文字幕| 国产高清视频在线播放一区| 精品熟女少妇八av免费久了| 久久久久久九九精品二区国产| 免费观看的影片在线观看| 三级男女做爰猛烈吃奶摸视频| 欧美成人性av电影在线观看| 两性午夜刺激爽爽歪歪视频在线观看| 精品免费久久久久久久清纯| 欧美精品啪啪一区二区三区| 丝袜美腿在线中文| 国语自产精品视频在线第100页| 狠狠狠狠99中文字幕| 国产伦一二天堂av在线观看| 亚洲av一区综合| 国产精品人妻久久久久久| 国产亚洲欧美在线一区二区| 看黄色毛片网站| 天堂√8在线中文| 精品久久久久久久久久免费视频| 国产高清视频在线观看网站| 久久国产精品人妻蜜桃| 亚洲精品色激情综合| 中文字幕人妻熟人妻熟丝袜美| 日本 av在线| 99热这里只有精品一区| 久久这里只有精品中国| 久久久久精品国产欧美久久久| 国产精品av视频在线免费观看| 亚洲欧美精品综合久久99| 亚洲自拍偷在线| 欧美色欧美亚洲另类二区| 91午夜精品亚洲一区二区三区 | 小蜜桃在线观看免费完整版高清| 露出奶头的视频| 午夜视频国产福利| 国产精品自产拍在线观看55亚洲| 国产精品亚洲美女久久久| 国产精品自产拍在线观看55亚洲| 国产成+人综合+亚洲专区| 噜噜噜噜噜久久久久久91| 色综合婷婷激情| 欧美性猛交黑人性爽| 成人欧美大片| a级毛片a级免费在线| 午夜视频国产福利| 俄罗斯特黄特色一大片| 亚洲最大成人中文| 嫩草影院入口| 成人特级黄色片久久久久久久| a在线观看视频网站| 女同久久另类99精品国产91| 久久九九热精品免费| 亚洲中文字幕一区二区三区有码在线看| 日韩欧美精品免费久久 | x7x7x7水蜜桃| 日韩成人在线观看一区二区三区| 老司机福利观看| 美女免费视频网站| 日本三级黄在线观看| 一区福利在线观看| 国产大屁股一区二区在线视频| 免费电影在线观看免费观看| 免费观看精品视频网站| 欧美性猛交黑人性爽| 午夜日韩欧美国产| 观看美女的网站| 亚洲最大成人中文| 亚洲五月天丁香| 在线观看66精品国产| www.www免费av| 小说图片视频综合网站| 成年人黄色毛片网站| 999久久久精品免费观看国产| 日韩亚洲欧美综合| 在线观看av片永久免费下载| 成年免费大片在线观看| 亚洲精品成人久久久久久| 老司机福利观看| 国产高清激情床上av| 精品久久久久久久久久久久久| 久久中文看片网| 久久国产精品人妻蜜桃| 国产一区二区激情短视频| 小蜜桃在线观看免费完整版高清| 欧美一区二区亚洲| 老熟妇乱子伦视频在线观看| 十八禁人妻一区二区| 国产一级毛片七仙女欲春2| 男人和女人高潮做爰伦理| 国内精品美女久久久久久| 别揉我奶头~嗯~啊~动态视频| 日本免费一区二区三区高清不卡| 夜夜夜夜夜久久久久| 18禁黄网站禁片免费观看直播| 亚洲av电影不卡..在线观看| 欧美午夜高清在线| 中文字幕久久专区| 舔av片在线| 日本熟妇午夜| 99riav亚洲国产免费| 女同久久另类99精品国产91| 麻豆成人午夜福利视频| 99国产极品粉嫩在线观看| 国产成人欧美在线观看| 亚洲片人在线观看| 九色国产91popny在线| 国产国拍精品亚洲av在线观看| 日日摸夜夜添夜夜添小说| 国产精品爽爽va在线观看网站| 国产伦一二天堂av在线观看| 免费搜索国产男女视频| 精品一区二区三区视频在线观看免费| 狂野欧美白嫩少妇大欣赏| 午夜影院日韩av| 色综合欧美亚洲国产小说| 国内揄拍国产精品人妻在线| 真实男女啪啪啪动态图| 欧美一区二区国产精品久久精品| 两性午夜刺激爽爽歪歪视频在线观看| 97热精品久久久久久| 国内精品美女久久久久久| 热99re8久久精品国产| 精品人妻视频免费看| 精品99又大又爽又粗少妇毛片 | 国产野战对白在线观看| 精品一区二区三区视频在线观看免费| 嫁个100分男人电影在线观看| av在线蜜桃| 精品无人区乱码1区二区| 国产精品久久久久久亚洲av鲁大| 老司机福利观看| 欧美午夜高清在线| a级一级毛片免费在线观看| 国内毛片毛片毛片毛片毛片| 激情在线观看视频在线高清| 毛片女人毛片| 成人av一区二区三区在线看| 最新在线观看一区二区三区| 久久精品夜夜夜夜夜久久蜜豆| 久久国产精品人妻蜜桃| 九九热线精品视视频播放| 日韩国内少妇激情av| 欧美成人一区二区免费高清观看| 一进一出抽搐gif免费好疼| 麻豆av噜噜一区二区三区| 久久精品夜夜夜夜夜久久蜜豆| 又黄又爽又刺激的免费视频.| 国产精品日韩av在线免费观看| 内射极品少妇av片p| 亚洲精品影视一区二区三区av| 999久久久精品免费观看国产| 中文字幕精品亚洲无线码一区| av在线观看视频网站免费| 色综合欧美亚洲国产小说| 欧美午夜高清在线| 啦啦啦韩国在线观看视频| 国产精品爽爽va在线观看网站| 人妻制服诱惑在线中文字幕| 国产亚洲av嫩草精品影院| 日韩欧美国产一区二区入口| 亚洲久久久久久中文字幕| 国产高清视频在线观看网站| 国产伦在线观看视频一区| 中亚洲国语对白在线视频| 每晚都被弄得嗷嗷叫到高潮| 成年女人毛片免费观看观看9| 高清日韩中文字幕在线| 18+在线观看网站| 啪啪无遮挡十八禁网站| 成人av一区二区三区在线看| 中出人妻视频一区二区| 精品乱码久久久久久99久播| 午夜免费男女啪啪视频观看 | 美女xxoo啪啪120秒动态图 | 国产成人av教育| 久久国产乱子免费精品| 国产 一区 欧美 日韩| 久久久久久大精品| 亚洲经典国产精华液单 | 丁香欧美五月| 亚洲av成人精品一区久久| 最近视频中文字幕2019在线8| 黄色一级大片看看| 1024手机看黄色片| 深夜a级毛片| 久久国产精品人妻蜜桃| 欧美性感艳星| 欧美极品一区二区三区四区| 精品不卡国产一区二区三区| 丰满乱子伦码专区| 日日摸夜夜添夜夜添小说| 床上黄色一级片| 9191精品国产免费久久| 一个人免费在线观看电影| 亚洲av五月六月丁香网| 最近中文字幕高清免费大全6 | 一本一本综合久久| ponron亚洲| 欧美xxxx性猛交bbbb| 一区二区三区高清视频在线| 美女cb高潮喷水在线观看| 亚洲 欧美 日韩 在线 免费| 别揉我奶头~嗯~啊~动态视频| 人人妻,人人澡人人爽秒播| 男人狂女人下面高潮的视频| avwww免费| 最近最新中文字幕大全电影3| 深夜精品福利| 国产探花在线观看一区二区| 丰满的人妻完整版| 美女高潮的动态| 又粗又爽又猛毛片免费看| 女人被狂操c到高潮| 18禁黄网站禁片免费观看直播| 免费在线观看成人毛片| 久久热精品热| 欧美丝袜亚洲另类 | 国产精品一区二区三区四区久久| av专区在线播放| 亚洲性夜色夜夜综合| 欧美绝顶高潮抽搐喷水| 男女视频在线观看网站免费| 亚洲av二区三区四区| 青草久久国产| 91字幕亚洲| 国产精品久久久久久久久免 | 成人性生交大片免费视频hd| 久久精品人妻少妇| 成年女人毛片免费观看观看9| 日韩欧美一区二区三区在线观看| 成人美女网站在线观看视频| 麻豆久久精品国产亚洲av| av女优亚洲男人天堂| 男人舔奶头视频| 一卡2卡三卡四卡精品乱码亚洲| 最新中文字幕久久久久| 天堂影院成人在线观看| 国产国拍精品亚洲av在线观看| 色5月婷婷丁香| 一区二区三区免费毛片| 麻豆久久精品国产亚洲av| 国产视频内射| 日本 av在线| 看免费av毛片| 制服丝袜大香蕉在线| 白带黄色成豆腐渣| 亚洲五月天丁香| 人妻夜夜爽99麻豆av| 欧美黄色淫秽网站| 香蕉av资源在线| 精品久久久久久久人妻蜜臀av| 天美传媒精品一区二区| 又黄又爽又免费观看的视频| 亚洲欧美日韩卡通动漫| 亚洲中文字幕日韩| x7x7x7水蜜桃| 男人舔女人下体高潮全视频| 精品久久久久久成人av| 日本精品一区二区三区蜜桃| 欧美高清成人免费视频www| 欧美成人a在线观看| 动漫黄色视频在线观看| 一级黄片播放器| 草草在线视频免费看| 脱女人内裤的视频| 亚洲性夜色夜夜综合| 国产精品一区二区三区四区免费观看 | 国内精品一区二区在线观看| 最近最新免费中文字幕在线| 欧美三级亚洲精品| 精品熟女少妇八av免费久了| 亚洲精品日韩av片在线观看| 十八禁国产超污无遮挡网站| a级毛片a级免费在线| 国产白丝娇喘喷水9色精品| 麻豆成人午夜福利视频| 亚洲精品成人久久久久久| 又黄又爽又刺激的免费视频.| 亚洲无线在线观看| 网址你懂的国产日韩在线| 国产淫片久久久久久久久 | 美女xxoo啪啪120秒动态图 | 久久九九热精品免费| 中文字幕av成人在线电影| 男人狂女人下面高潮的视频| 亚洲综合色惰| 99热这里只有是精品50| 丰满乱子伦码专区| 国产精品98久久久久久宅男小说| 成年免费大片在线观看| 国产黄a三级三级三级人| 小说图片视频综合网站| 国产v大片淫在线免费观看| 国产亚洲欧美在线一区二区| 成人特级黄色片久久久久久久| 人妻久久中文字幕网| 噜噜噜噜噜久久久久久91| 精品一区二区三区人妻视频| 亚洲国产精品久久男人天堂|