• <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 ?

    基于注意力機制的雙向生成對抗壓縮網(wǎng)絡

    2021-10-21 08:19:00陳旭彪
    電視技術 2021年8期
    關鍵詞:低分辨率分辨率注意力

    陳旭彪

    (福建捷聯(lián)電子有限公司,福建 福州 350300)

    0 引 言

    近幾年,基于深度學習的圖像超分辨率重建算法為了追逐重建圖像客觀質(zhì)量評價指標,研究者們設計出大量精妙的網(wǎng)絡結構[1-5],但這些網(wǎng)絡結構大體上都是增加卷積神經(jīng)網(wǎng)絡的深度或?qū)挾?,從最初網(wǎng)絡深度僅有3層的SRCNN,發(fā)展到首次引入殘差網(wǎng)絡達到20層深度的VDSR,再到80層的超深記憶性網(wǎng)MemNet[6]。盡管這些算法在一定程度上提升了圖像的重建質(zhì)量,卻大幅度增加了網(wǎng)絡模型消耗的內(nèi)存容量及網(wǎng)絡前向推理的計算量。另外一個問題是,如VDSR、SRResNet等算法,其網(wǎng)絡結構采用了直接級聯(lián)的拓撲結構,網(wǎng)絡中每層輸出的特征圖會被不加區(qū)分地輸入到下一層,無法判斷圖像特征的重要程度。

    針對以上兩個問題,本文在雙向生成對抗壓縮網(wǎng)絡的基礎上,提出了一種輕量高效的基于注意力機制的雙向生成對抗壓縮網(wǎng)絡(ADSRGAN)。本文所提出的算法引入了深度可分離卷積層及混合注意力機制,在保證圖像超分辨率重建質(zhì)量的同時加快了網(wǎng)絡模型重建速度。

    1 雙向生成對抗網(wǎng)絡弱監(jiān)督算法

    本文的雙向生成對抗網(wǎng)絡旨在解決現(xiàn)實生活中模糊圖像超分辨率重建問題。該算法框架如圖1所示,包括兩個生成對抗網(wǎng)絡,分別為重建網(wǎng)絡(Low-to-High)和下采樣網(wǎng)絡(High-to-Low)。

    圖1 雙向?qū)股删W(wǎng)絡

    1.1 下采樣網(wǎng)絡

    圖像超分辨率重建面臨的最大問題是缺乏真實的數(shù)據(jù)集,即低分辨率的噪聲圖像和相應的高分辨率圖像。生成用于訓練的圖像對的困難主要來自兩方面,一方面是對低分辨率(LR)圖像進行建模和仿真,另一方面是生成像素相對應的低分辨圖像。為了解決這兩個問題,本文提出了下采樣網(wǎng)絡(H2L),低分辨率圖片產(chǎn)生的方式為:

    式中:LR表示生成的低分辨率圖片,HR表示清晰的高分辨率圖片,θ1表示網(wǎng)絡要學習的參數(shù)。

    下采樣網(wǎng)絡的網(wǎng)絡架構如圖2所示。高分辨率圖片首先經(jīng)過一個卷積層和ReLU激活函數(shù)層提取圖像低層特征,然后將提取的低層特征輸入到后面8個殘差塊中。每個殘差塊包含兩層卷積層和一層激活函數(shù)層,相比于SRGAN的殘差塊,本文設計的殘差塊遵循EDSR[7]去除了歸一化層以減少網(wǎng)絡參數(shù)量并加快網(wǎng)絡訓練速度。每兩個殘差塊間的設計運用ResNet中的跳躍連接(Short-Cut)方式,同時將低層特征與殘差塊輸出的高層特征進行融合操作,促使網(wǎng)絡模擬生成更逼真的、帶噪聲的低分辨率圖片。最后,融合的特征圖經(jīng)過卷積層和亞像素卷積層生成低分辨率圖片。

    圖2 下采樣網(wǎng)絡

    下采樣網(wǎng)絡的損失函數(shù)由兩部分組成,分別為生成對抗網(wǎng)絡的對抗損失及結構感知損失。下采樣網(wǎng)絡的生成器生成的低分辨率圖片需要騙過判別器,因此產(chǎn)生了對抗損失函數(shù)。為了保證雙向生成對抗網(wǎng)絡訓練的穩(wěn)定性,本文引入了WGAN的對抗損失函數(shù),其定義為:

    式中:D表示下采樣網(wǎng)絡的判別器,G代表下采樣網(wǎng)絡的生成器,N代表了圖像的數(shù)量。

    為了保護生成的圖像與原圖像之間的空間結構信息不發(fā)生改變,本文引入了用于風格遷移工作的結構感知損失函數(shù),其定義為:

    式中:N代表了圖像塊的數(shù)量,P表示VGG網(wǎng)絡的卷積層的特征圖,y是生成的低分辨率圖片,x是輸入的高分辨率圖片。在計算損失的時候,圖片會被裁剪到同一尺寸。

    1.2 重建網(wǎng)絡

    本文提出的重建網(wǎng)絡(L2H)實現(xiàn)了低分辨率圖像超分辨率,可以描述為:

    式中:HR表示重建的超分辨率圖片,LR表示輸入的低分辨率圖片,θ2表示重建網(wǎng)絡要學習的參數(shù)。

    重建網(wǎng)絡的網(wǎng)絡架構如圖3所示,和下采樣網(wǎng)絡架構類似。低分辨率圖片首先經(jīng)過一個卷積層和ReLU激活函數(shù)層以提取圖像的低層特征。低層特征經(jīng)過20層殘差塊學習高分辨率圖片的高頻細節(jié)部分,最后將融合了低層和高層的特征圖輸入到亞像素卷積層進行圖像超分辨重建。反卷積層利用亞像素卷積層替代經(jīng)典的轉(zhuǎn)置卷積,以避免重建圖像出現(xiàn)棋盤效應和邊緣模糊。

    圖3 重建網(wǎng)絡

    重建網(wǎng)絡的損失函數(shù)由3部分組成,分別為生成網(wǎng)絡的對抗損失、結構感知損失和L1像素損失組成。其中,對抗損失及結構感知損失與下采樣一致。L1像素損失的定義為:

    式中:N表示圖像塊數(shù)量,y表示重建的超分辨率圖像,x表示真實的標簽高分辨率圖片。

    2 深度可分離卷積和自注意力機制

    2.1 深度可分離卷積

    隨著人工智能產(chǎn)品落地需求的產(chǎn)生,訓練輕量高效的卷積神經(jīng)網(wǎng)絡逐漸成為研究者關注的焦點。輕量級神經(jīng)網(wǎng)絡模型的設計一般通過減少網(wǎng)絡中參數(shù)數(shù)量、減少網(wǎng)絡模型前向推理計算量等方法實現(xiàn)。2017年,針對減少網(wǎng)絡模型計算量這一問題,Google公司的Sifre等人提出了輕量級小型化網(wǎng)絡MobileNetV1[8],其最重要的創(chuàng)新就是提出了使用深度可分離卷積代替標準卷積操作,該算法在保證圖像分類精度的同時大大減少了網(wǎng)絡的計算量,并實現(xiàn)了將基于MobileNet網(wǎng)絡的圖像分類應用部署在移動平臺端。

    深度可分離卷積層把普通卷積拆分為深度卷積(Depthwise Convolution)與逐點卷積(Pointwise Convolution)兩部分,它屬于因式分解卷積的一類。傳統(tǒng)卷積操作如圖4所示。若輸入圖片是5×5像素大小且通道數(shù)為3的彩色圖片,經(jīng)過卷積核大小為3×3的傳統(tǒng)卷積層(假設該層卷積層包含4個濾波器),最終將輸出5×5×4大小的特征圖。該普通卷積操作中包含的參數(shù)量為3×3×3×4,計算量為3×3×4×3×5×5。若傳統(tǒng)卷積層將特征圖為DH×DW×M作為輸入,經(jīng)傳統(tǒng)卷積操作后其輸出尺寸為DH×DW×N(假設卷積過程中添加了Same Padding,即輸入輸出寬高保持不變),其中DH表示輸入特征圖的高,DW表示的輸入特征圖的寬,M和N分別代表了輸入通道數(shù)和輸出通道數(shù)。最終可得出該傳統(tǒng)卷積的參數(shù)量為DK×DK×M×N,DK代表卷積操作中卷積核的尺寸,總計算量為DK×DK×M×N×DH×DW。

    圖4 傳統(tǒng)卷積示意圖

    深度卷積操作與傳統(tǒng)卷積操作最大差異之處在于前者的一個卷積核只負責一個通道。具體來說,深度卷積一個通道與一個卷積核做運算,而傳統(tǒng)卷積的每個卷積核都需要同時與每個通道做運算,深度卷積如圖5所示。與傳統(tǒng)卷積計算類似,深度卷積的參數(shù)量為DK×DK×M,計算量為DK×DK×M×DW×DH。從計算量及參數(shù)量對比可知,深度卷積操作比傳統(tǒng)卷積更為高效,但經(jīng)深度卷積操作后輸出的特征圖的數(shù)量與通道數(shù)的數(shù)量一致,且特征在卷積過程中無法組合不同通道的圖像特征,因此需要逐點卷積來融合不同通道間 的信息。

    圖5 深度卷積示例圖

    逐點卷積操作的原理與傳統(tǒng)卷積原理是相同的,但是其卷積核的尺寸是固定的1×1×M大小,M代表上一層輸出特征圖的通道數(shù)。逐點卷積的實質(zhì)是對上一步深度卷積產(chǎn)生的特征圖進行深度上的加權融合,產(chǎn)生具有信息交融的特征圖,其原理如圖6所示。與傳統(tǒng)卷積類似,逐點卷積的參數(shù)量為1×1×M×N,計算量為M×N×DH×DW。

    圖6 逐點卷積示例圖

    綜上所述,深度可分離卷積可分解為提取特征和組合特征兩部分,相對于傳統(tǒng)卷積而言,其計算量和參數(shù)量的對比為:

    式中:N表示輸出通道數(shù),其數(shù)值一般很大,DK表示卷積核的尺寸。因此,如果卷積神經(jīng)網(wǎng)絡使用3×3大小的卷積核,深度可分離卷積操作可將網(wǎng)絡的參數(shù)量及計算量減少到1/8至1/9,而相應的代價是網(wǎng)絡的預測精度輕微下降。本文所提出的算法中,網(wǎng)絡結構的卷積操作將利用深度可分離卷積操作代替。

    2.2 自注意力機制

    自注意力機制(Self-attention Mechanism)來源于人類感知神經(jīng)學科。自注意力機制是指在人類感知視覺中,由于大腦處理信息的能力具有一定瓶頸,人腦會選擇性地關注一部分重要的信息,忽略一些無關緊要的信息。自2014年Mnih等人將自注意力機制引入進計算機視覺領域獲取目標任務效果提升,自注意力機制開始受到科研人員的廣泛關注。2014年,Bahdanau[9]將自注意力機制與機器翻譯相結合。圖像超分辨率重建屬于低層計算機視覺領域,其核心任務是恢復圖像中的高頻細節(jié),而重建的高分辨率圖像與低分辨率圖像存在相似圖案,因此可引入自注意力機制,將更多的精力用于恢復丟失的高頻細節(jié),使重建圖像更符合人眼視覺效果。本文將引入自注意力機制,與雙向生成對抗網(wǎng)絡 相結合。

    在圖像處理領域中,常用的注意力機制包括硬(Hard)注意力機制及軟(Soft)注意力機制。硬注意力機制(Hard Attention)通常只選擇對目標任務最重要的某些特征,將其他未被選擇的特征忽略。硬注意力機制在一定程度上對減少網(wǎng)絡計算量有益,但更大的劣勢是原圖像中的部分信息將丟失。在圖像超分辨率重建中,低分辨率圖像中的所有像素對重建圖像都是有影響的。因此,硬注意力機制在圖像超分辨率重建任務中并不適用。軟注意力機制(Soft Attention)相對于硬注意機制而言,采用了根據(jù)圖像特征的重要性來分配權重的方式。軟注意力機制考慮到所有的圖像特征,符合圖像超分辨率重建任務的原始出發(fā)點,因此本文將軟注意力機制與雙向?qū)股删W(wǎng)絡結合。

    軟注意力機制在計算機視覺應用領域中又分為通道注意力機制及位置注意力機制,本文使用的是通道注意力機制。在深度學習訓練過程中,訓練集中的輸入圖像通過若干層卷積神經(jīng)網(wǎng)絡,最終將得到多張不同的特征圖(Feature Map)。通道注意力機制主要關注的是不同通道之間的關聯(lián)性。具體來說,通道注意力機制會賦予每張?zhí)卣鲌D不同的權重,其原理如圖7所示。輸入特征圖首先需改變特征維度,其次經(jīng)過全局平均池化層獲取單個通道C的初始權重。兩層全連接層分別對通道進行下采樣和上采樣操作以提升網(wǎng)絡學習通道特征的能力,同時Sigmoid激活函數(shù)將通道權重歸一化得到通道注意力特征圖,最后將通道注意力特征圖與輸入特征圖加權相乘。

    圖7 通道注意力機制

    3 基于注意力機制的雙向生成對抗壓縮網(wǎng)絡(ADSRGAN)模型結構

    本文提出的基于注意力機制的雙向生成對抗壓縮網(wǎng)絡(ADSRGAN)在雙向?qū)股删W(wǎng)絡模型引入了深度可分離卷積層和混合注意力機制。

    (1)利用深度可分離卷積層代替普通卷積層。將重建網(wǎng)絡及下采樣網(wǎng)絡中的普通卷積層替換成深度可分離殘差層,深度可分離殘差模塊如圖8 所示。

    圖8 深度可分離殘差模塊

    (2)引入混合注意力機制。為了不增加重建網(wǎng)絡的參數(shù)量,本文算法僅在下采樣網(wǎng)絡的殘差塊中引入通道注意力模塊,并在下采樣網(wǎng)絡的降采樣層引入位置自注意力模塊,促使生成的低分辨率圖片更貼近于現(xiàn)實生活。引入混合注意力的下采樣網(wǎng)絡結構如圖9所示。

    圖9 引入混合注意力的下采樣網(wǎng)絡結構

    4 實驗結果及分析

    為了驗證本文提出的基于注意力機制的雙向生成對抗壓縮網(wǎng)絡算法(ADSRGAN)的有效性,將本文算法的重建模型與其他基于卷積神經(jīng)網(wǎng)絡的單幅圖像超分辨率重建方法進行比較。這些方法是專門為基于雙三次插值退化的超分辨率設計的,比如SRCNN、SRGAN、ESGANG等。

    本文提出的ADSRGAN算法與其他算法在測試集Urban100上基于i7 8700 CPU的重建速度對比結果如表1所示。由表1可知,本文提出的算法重建效率比SRGAN提升近5倍。

    表1 本文方法與其他重建算法時間對比

    本文提出的ADSRGAN算法與其他算法在測試集Urban100、DIV2K及數(shù)據(jù)集RMSR上的峰值信噪比(Peak Signal to Noise Ratio,PSNR)對比結果如表2所示。所有算法在測試集Urban100、DIV2K上的測試過程為:首先對測試集中全部圖像運用雙三次插值方法進行4倍的下采樣,其次將下采樣得到的低分辨率圖像輸入進不同的重建模型中得出重建結果。在Urban100、DIV2K數(shù)據(jù)集上,本文的ADSRGAN算法相對于ESRGAN算法,PSNR值分別提升了0.05 dB、0.06 dB,在真實生活數(shù)據(jù)集RMSR上,本文算法的PSNR值相比于其他算法平均提升了1.51 dB。由實驗數(shù)據(jù)定量分析可知,本文設計的壓縮算法比雙向生成對抗網(wǎng)絡算法精度略微下降一點,仍優(yōu)于其他基于生成對抗網(wǎng)絡的超分辨率重建算法。

    表2 不同重建算法在不同數(shù)據(jù)集上的PSNR結果對比(單位:dB)

    本文提出的ADSRGAN算法與其他算法在測試集Urban、DIV2K及數(shù)據(jù)集RMSR上的結構相似性(Structural Similarity,SSIM)對比結果如表3所示。在Urban100數(shù)據(jù)集上,ADSRGAN算法相對于ESRGAN算法平均SSIM值提升了0.009 5;在DIV2K測試集上,平均SSIM值提升了0.021;在RMSR測試集上,平均SSIM值提升了0.012。由實驗數(shù)據(jù)定量分析可知,本文設計的壓縮算法比雙向生成對抗網(wǎng)絡算法精度略微下降一點,但仍優(yōu)于其他基于生成對抗網(wǎng)絡的超分辨率重建算法。

    表3 本文方法與其他重建算法的SSIM

    基于測試集Urban100、DIV2K上的圖片,分別對各種深度學習模型進行超分辨率重建的結果對比如圖10和圖11所示。從重建圖像的對比結果可看出,雙三次插值算法的重建效果最模糊,SRGAN算法會產(chǎn)生偽影,ESRGAN算法在邊緣部分也會有一些較少的偽影部分出現(xiàn)。本文的ADSRGAN算法重建的圖像細節(jié)清晰,邊緣明顯,與原圖最為相近。

    圖10 本文算法與其他算法在Urban100測試集上的對比

    圖11 本文算法與其他方法在DIV2K測試集上的對比

    圖12 為Real-World數(shù)據(jù)集中的禁止抽煙測試圖像,通過對比各模型超分辨率重建結果圖可以看出,本文提出的算法在人眼感知視覺的效果最好,邊界明顯、細節(jié)清晰,與原始高分辨率圖像最相近。

    圖12 現(xiàn)實世界圖像的重建結果對比

    綜上所述,本文提出的基于注意力機制的雙向?qū)股蓧嚎s網(wǎng)絡重建算法可處理現(xiàn)實世界模糊、低分辨率圖像并重建出視覺良好、細節(jié)豐富的高分辨率圖片,同時,本文設計的壓縮網(wǎng)絡在i7 8700 CPU上對Urban100測試集中的圖像放大4倍時,重建速度比SRGAN算法提升了約5倍。

    5 結 語

    本文介紹了注意力機制及深度可分離卷積的基本概念及主要特性。由于注意力機制在自然語言處理領域方向的成功應用,本文基于注意力機制提出了混合注意力模塊與可減少參數(shù)的深度可分離卷積層相結合的雙向生成對抗壓縮網(wǎng)絡。在實驗部分,與SRGAN方法和ESRGAN方法進行比較,實驗結果表明,本文提出的方法能夠有效地提高圖像重建質(zhì)量及重建速度。

    猜你喜歡
    低分辨率分辨率注意力
    基于全局和局部特征集成的低分辨率人臉識別方法
    紅外熱成像中低分辨率行人小目標檢測方法
    紅外技術(2022年11期)2022-11-25 08:12:22
    基于偏移學習的低分辨率人體姿態(tài)估計
    讓注意力“飛”回來
    EM算法的參數(shù)分辨率
    原生VS最大那些混淆視聽的“分辨率”概念
    樹木的低分辨率三維模型資源創(chuàng)建實踐
    藝術科技(2018年2期)2018-07-23 06:35:17
    “揚眼”APP:讓注意力“變現(xiàn)”
    傳媒評論(2017年3期)2017-06-13 09:18:10
    基于深度特征學習的圖像超分辨率重建
    自動化學報(2017年5期)2017-05-14 06:20:52
    一種改進的基于邊緣加強超分辨率算法
    天天一区二区日本电影三级| 日韩亚洲欧美综合| 在线免费十八禁| 床上黄色一级片| a级毛片a级免费在线| 我要搜黄色片| 国产片特级美女逼逼视频| 色视频www国产| 国产精品永久免费网站| 亚洲中文日韩欧美视频| 永久网站在线| 亚洲成人久久性| 嫩草影视91久久| av国产免费在线观看| 丰满人妻一区二区三区视频av| a级毛片免费高清观看在线播放| 一夜夜www| 亚洲国产精品成人综合色| 一边摸一边抽搐一进一小说| 国产亚洲欧美98| 欧美高清性xxxxhd video| 天堂网av新在线| 亚洲,欧美,日韩| 久久久久国产网址| 在线观看av片永久免费下载| 国产蜜桃级精品一区二区三区| 男女边吃奶边做爰视频| 成人三级黄色视频| 久久久精品94久久精品| 毛片一级片免费看久久久久| 成人二区视频| 大又大粗又爽又黄少妇毛片口| 久久久久免费精品人妻一区二区| 亚洲中文字幕一区二区三区有码在线看| 又粗又爽又猛毛片免费看| 午夜福利18| www.色视频.com| 国产一区二区亚洲精品在线观看| 国产成人影院久久av| 国产日本99.免费观看| 别揉我奶头 嗯啊视频| 99久久精品一区二区三区| 一级毛片aaaaaa免费看小| 色av中文字幕| 国产精品电影一区二区三区| 夜夜看夜夜爽夜夜摸| 国产高清不卡午夜福利| 亚洲自拍偷在线| 日韩欧美三级三区| av视频在线观看入口| 国产美女午夜福利| 欧洲精品卡2卡3卡4卡5卡区| 看免费成人av毛片| 悠悠久久av| 最新中文字幕久久久久| 激情 狠狠 欧美| 97热精品久久久久久| 久99久视频精品免费| 成熟少妇高潮喷水视频| 亚洲在线观看片| 日韩在线高清观看一区二区三区| 一级黄色大片毛片| 亚洲真实伦在线观看| 日韩欧美精品v在线| 国产精品福利在线免费观看| 日韩精品有码人妻一区| 有码 亚洲区| 深夜精品福利| 免费看美女性在线毛片视频| 老司机影院成人| 一卡2卡三卡四卡精品乱码亚洲| 亚洲丝袜综合中文字幕| 成人特级黄色片久久久久久久| 变态另类成人亚洲欧美熟女| 两性午夜刺激爽爽歪歪视频在线观看| 免费观看精品视频网站| 日韩亚洲欧美综合| 91麻豆精品激情在线观看国产| 国产精品一区二区三区四区久久| 美女内射精品一级片tv| 三级毛片av免费| 精品日产1卡2卡| 成人美女网站在线观看视频| 中国美白少妇内射xxxbb| 精品一区二区三区人妻视频| 在线免费观看的www视频| 国产高清有码在线观看视频| 亚洲成a人片在线一区二区| 国产色婷婷99| 色综合色国产| 日韩一本色道免费dvd| 成年版毛片免费区| 一区二区三区高清视频在线| 日本 av在线| 3wmmmm亚洲av在线观看| 乱人视频在线观看| 国产精品嫩草影院av在线观看| 午夜福利在线观看吧| 国产麻豆成人av免费视频| 国产单亲对白刺激| 在线播放无遮挡| 亚洲人成网站在线播放欧美日韩| 亚洲美女黄片视频| 国产精品日韩av在线免费观看| 午夜福利在线观看吧| 成人性生交大片免费视频hd| 中出人妻视频一区二区| 老司机午夜福利在线观看视频| 黄色欧美视频在线观看| 大香蕉久久网| 国产精品综合久久久久久久免费| 久久精品国产亚洲av香蕉五月| 国产精品女同一区二区软件| 欧美色视频一区免费| 亚洲第一电影网av| 十八禁国产超污无遮挡网站| 成人亚洲精品av一区二区| 成人美女网站在线观看视频| 又爽又黄无遮挡网站| 性插视频无遮挡在线免费观看| 麻豆乱淫一区二区| 国产亚洲精品综合一区在线观看| 三级国产精品欧美在线观看| 国产精品av视频在线免费观看| 国产一区二区三区在线臀色熟女| 能在线免费观看的黄片| 久久久久久久亚洲中文字幕| 免费无遮挡裸体视频| 亚洲精品一区av在线观看| 天堂√8在线中文| 久久久久九九精品影院| 国产精品久久电影中文字幕| 色5月婷婷丁香| 日韩精品中文字幕看吧| 精品人妻视频免费看| 国产一区二区亚洲精品在线观看| 久久九九热精品免费| 亚洲人成网站在线播| 内射极品少妇av片p| 又粗又爽又猛毛片免费看| 国产精品一区二区三区四区久久| 国产亚洲91精品色在线| 久久人人爽人人片av| 看片在线看免费视频| 国产精品1区2区在线观看.| 久久人人精品亚洲av| 天堂√8在线中文| 一级毛片我不卡| 精品午夜福利视频在线观看一区| 欧美一级a爱片免费观看看| 婷婷精品国产亚洲av| 男女做爰动态图高潮gif福利片| 免费观看人在逋| a级毛色黄片| 美女被艹到高潮喷水动态| 成年女人看的毛片在线观看| 国产精品综合久久久久久久免费| 看免费成人av毛片| 亚洲第一区二区三区不卡| 亚洲精品成人久久久久久| 97在线视频观看| 在现免费观看毛片| 又黄又爽又刺激的免费视频.| 黄色日韩在线| 亚洲av中文av极速乱| 亚洲自偷自拍三级| 一级毛片我不卡| 欧美成人免费av一区二区三区| 国产探花极品一区二区| 色在线成人网| 男女下面进入的视频免费午夜| 精品免费久久久久久久清纯| 九九爱精品视频在线观看| 亚洲成av人片在线播放无| 免费大片18禁| 国产爱豆传媒在线观看| 欧美色视频一区免费| 久久久久国内视频| 亚洲无线在线观看| 欧美潮喷喷水| 亚洲欧美成人精品一区二区| 波多野结衣高清无吗| 有码 亚洲区| 午夜爱爱视频在线播放| 在线播放国产精品三级| 真人做人爱边吃奶动态| 午夜福利高清视频| 国国产精品蜜臀av免费| 亚洲欧美中文字幕日韩二区| 国产av麻豆久久久久久久| av.在线天堂| 国产精品久久久久久精品电影| 午夜老司机福利剧场| 亚洲精品乱码久久久v下载方式| 免费人成在线观看视频色| 午夜福利在线观看免费完整高清在 | 亚洲高清免费不卡视频| 亚洲av电影不卡..在线观看| h日本视频在线播放| 国产伦精品一区二区三区视频9| 欧美激情在线99| 国产精品久久久久久久久免| 可以在线观看毛片的网站| 久久精品国产亚洲av涩爱 | 日日干狠狠操夜夜爽| 我要看日韩黄色一级片| 免费电影在线观看免费观看| 在线观看一区二区三区| 婷婷六月久久综合丁香| 亚洲精品久久国产高清桃花| 精品一区二区三区av网在线观看| 日韩精品青青久久久久久| 九九热线精品视视频播放| 午夜老司机福利剧场| 亚洲成a人片在线一区二区| 看黄色毛片网站| 男人舔奶头视频| 一级a爱片免费观看的视频| 国产男人的电影天堂91| 天天躁日日操中文字幕| 99热这里只有是精品在线观看| 欧美日韩国产亚洲二区| 精品一区二区免费观看| 丝袜美腿在线中文| 国产欧美日韩一区二区精品| 99热精品在线国产| 99视频精品全部免费 在线| 国产蜜桃级精品一区二区三区| 国产成人a∨麻豆精品| 在现免费观看毛片| 国产色婷婷99| 大型黄色视频在线免费观看| 亚洲无线在线观看| 高清毛片免费观看视频网站| 一级毛片aaaaaa免费看小| 欧美3d第一页| 国产91av在线免费观看| 女人被狂操c到高潮| 国产色爽女视频免费观看| 亚洲专区国产一区二区| 成人特级av手机在线观看| 国产成人影院久久av| 性色avwww在线观看| 亚洲欧美日韩高清在线视频| 亚洲精品一区av在线观看| 深爱激情五月婷婷| 人妻久久中文字幕网| 人人妻人人澡人人爽人人夜夜 | 女的被弄到高潮叫床怎么办| 亚洲第一区二区三区不卡| 亚州av有码| 美女内射精品一级片tv| 人妻久久中文字幕网| 国产精品99久久久久久久久| 草草在线视频免费看| 一夜夜www| 亚洲av电影不卡..在线观看| 99视频精品全部免费 在线| 亚洲精品粉嫩美女一区| 国产91av在线免费观看| 91久久精品电影网| 女人十人毛片免费观看3o分钟| 精品99又大又爽又粗少妇毛片| 成人精品一区二区免费| 人妻夜夜爽99麻豆av| 国产成人91sexporn| 一本久久中文字幕| 精品久久久久久久人妻蜜臀av| 在线观看66精品国产| 国产高清视频在线观看网站| 美女高潮的动态| 国内精品一区二区在线观看| 99热网站在线观看| 麻豆国产av国片精品| 欧美色视频一区免费| 亚洲av中文字字幕乱码综合| 久久国产乱子免费精品| а√天堂www在线а√下载| 国产v大片淫在线免费观看| 国产精品亚洲一级av第二区| 露出奶头的视频| 日韩欧美免费精品| 老师上课跳d突然被开到最大视频| 国产精品综合久久久久久久免费| 热99在线观看视频| 午夜爱爱视频在线播放| 国内精品久久久久精免费| 亚洲中文日韩欧美视频| 一a级毛片在线观看| 亚洲欧美清纯卡通| 欧美日韩国产亚洲二区| 亚洲综合色惰| 国产人妻一区二区三区在| 精品午夜福利视频在线观看一区| 伊人久久精品亚洲午夜| 精品国产三级普通话版| 午夜精品在线福利| 国产免费男女视频| 97超视频在线观看视频| 少妇裸体淫交视频免费看高清| 蜜桃久久精品国产亚洲av| 色综合色国产| 亚洲最大成人av| 精品99又大又爽又粗少妇毛片| 日本熟妇午夜| 老熟妇仑乱视频hdxx| 99久久中文字幕三级久久日本| 简卡轻食公司| 不卡视频在线观看欧美| 亚洲国产精品sss在线观看| 精品人妻视频免费看| 中国美女看黄片| 久久久欧美国产精品| 成人国产麻豆网| 99riav亚洲国产免费| 毛片一级片免费看久久久久| 精品99又大又爽又粗少妇毛片| 欧美三级亚洲精品| 亚洲欧美日韩无卡精品| 少妇猛男粗大的猛烈进出视频 | 国产精品久久电影中文字幕| av在线亚洲专区| 久久精品国产亚洲av香蕉五月| 精品人妻熟女av久视频| 日韩精品中文字幕看吧| 99在线人妻在线中文字幕| 久久99热6这里只有精品| 亚洲精品一卡2卡三卡4卡5卡| 亚洲精品在线观看二区| 久久这里只有精品中国| 亚洲七黄色美女视频| 色av中文字幕| 老熟妇仑乱视频hdxx| 久久6这里有精品| 国内精品久久久久精免费| 国产午夜精品久久久久久一区二区三区 | 在线播放无遮挡| 人妻夜夜爽99麻豆av| 成人无遮挡网站| 99久久成人亚洲精品观看| 一区二区三区高清视频在线| 久久韩国三级中文字幕| 精品久久久久久久人妻蜜臀av| 长腿黑丝高跟| 亚洲图色成人| 日日啪夜夜撸| 禁无遮挡网站| 夜夜看夜夜爽夜夜摸| 俄罗斯特黄特色一大片| 日日摸夜夜添夜夜添小说| 最新中文字幕久久久久| 国产视频内射| 黄色配什么色好看| 免费高清视频大片| 1024手机看黄色片| 伦理电影大哥的女人| 九色成人免费人妻av| 极品教师在线视频| av在线蜜桃| 偷拍熟女少妇极品色| 亚洲不卡免费看| 全区人妻精品视频| 亚洲激情五月婷婷啪啪| 观看美女的网站| 成人美女网站在线观看视频| 亚洲精品成人久久久久久| 99久久精品国产国产毛片| 午夜免费男女啪啪视频观看 | www日本黄色视频网| 亚洲四区av| 亚洲,欧美,日韩| 国产精品免费一区二区三区在线| 在线免费十八禁| 中国美白少妇内射xxxbb| 高清日韩中文字幕在线| 亚洲人与动物交配视频| 99视频精品全部免费 在线| 国产精品精品国产色婷婷| 亚洲性夜色夜夜综合| 亚洲美女搞黄在线观看 | 国产国拍精品亚洲av在线观看| 欧美中文日本在线观看视频| 身体一侧抽搐| 六月丁香七月| 久久亚洲国产成人精品v| 美女黄网站色视频| 国产麻豆成人av免费视频| 成人亚洲欧美一区二区av| 精品一区二区三区人妻视频| 精品福利观看| 久久精品综合一区二区三区| 最近2019中文字幕mv第一页| 欧美不卡视频在线免费观看| 久久综合国产亚洲精品| 国产探花在线观看一区二区| 久久婷婷人人爽人人干人人爱| 能在线免费观看的黄片| 成人亚洲欧美一区二区av| 午夜亚洲福利在线播放| 免费看av在线观看网站| 国产乱人视频| 99久久精品热视频| 女人被狂操c到高潮| 国产精品一区二区性色av| 少妇被粗大猛烈的视频| 国产亚洲欧美98| 1000部很黄的大片| 麻豆国产97在线/欧美| 美女xxoo啪啪120秒动态图| 女人十人毛片免费观看3o分钟| 插阴视频在线观看视频| 精品久久久噜噜| 少妇被粗大猛烈的视频| 97超级碰碰碰精品色视频在线观看| 成人亚洲欧美一区二区av| 我的女老师完整版在线观看| 精品免费久久久久久久清纯| 美女被艹到高潮喷水动态| 老熟妇乱子伦视频在线观看| 免费在线观看影片大全网站| 18禁裸乳无遮挡免费网站照片| 国产伦一二天堂av在线观看| 精品一区二区三区人妻视频| 亚洲五月天丁香| 麻豆一二三区av精品| 日韩欧美三级三区| 国产精品永久免费网站| 最新中文字幕久久久久| 一区二区三区免费毛片| 1000部很黄的大片| a级毛色黄片| 亚洲成人中文字幕在线播放| 久久草成人影院| 看片在线看免费视频| 人妻夜夜爽99麻豆av| 一级毛片我不卡| 天堂网av新在线| 免费av毛片视频| 久久久久性生活片| 亚洲,欧美,日韩| 国内揄拍国产精品人妻在线| 51国产日韩欧美| 高清毛片免费看| 久久久久久九九精品二区国产| 嫩草影院精品99| 国产色爽女视频免费观看| 亚洲成人精品中文字幕电影| 国产一区二区亚洲精品在线观看| 天堂网av新在线| 你懂的网址亚洲精品在线观看 | 在线免费观看的www视频| 女人被狂操c到高潮| 亚洲av中文av极速乱| 亚洲内射少妇av| 男女边吃奶边做爰视频| 日韩亚洲欧美综合| 日本黄色视频三级网站网址| 高清午夜精品一区二区三区 | 久久久a久久爽久久v久久| 国产精品福利在线免费观看| 亚洲人成网站在线播| 日本黄大片高清| 最近手机中文字幕大全| 亚洲精品一卡2卡三卡4卡5卡| 狠狠狠狠99中文字幕| 午夜免费男女啪啪视频观看 | 丰满乱子伦码专区| 美女高潮的动态| 国产精品一区二区性色av| 1000部很黄的大片| 女人十人毛片免费观看3o分钟| 伦精品一区二区三区| 听说在线观看完整版免费高清| 亚洲av中文字字幕乱码综合| 国产一区二区在线av高清观看| 亚洲欧美精品综合久久99| 日本黄色视频三级网站网址| 黄色视频,在线免费观看| 成人亚洲精品av一区二区| 国产精品久久久久久久电影| 日本精品一区二区三区蜜桃| 欧美国产日韩亚洲一区| 我的老师免费观看完整版| 午夜老司机福利剧场| 日韩人妻高清精品专区| 国产片特级美女逼逼视频| 国产午夜精品久久久久久一区二区三区 | 少妇熟女欧美另类| 美女免费视频网站| 色av中文字幕| 五月玫瑰六月丁香| 成人综合一区亚洲| 乱人视频在线观看| 国产成人一区二区在线| 亚洲无线在线观看| 日韩欧美在线乱码| 黄色视频,在线免费观看| 国产成人freesex在线 | 色尼玛亚洲综合影院| av国产免费在线观看| 久久精品国产亚洲网站| 日韩一本色道免费dvd| 人妻久久中文字幕网| 男人舔女人下体高潮全视频| 欧美成人免费av一区二区三区| eeuss影院久久| 亚洲精品456在线播放app| 欧美日本亚洲视频在线播放| 国产精品一区www在线观看| 亚洲第一区二区三区不卡| 日本爱情动作片www.在线观看 | 国产精品女同一区二区软件| 日韩国内少妇激情av| 毛片女人毛片| 国产一级毛片七仙女欲春2| 亚洲欧美清纯卡通| 国产极品精品免费视频能看的| 男人和女人高潮做爰伦理| 女同久久另类99精品国产91| 一级毛片我不卡| 可以在线观看毛片的网站| 精品免费久久久久久久清纯| 少妇高潮的动态图| 乱系列少妇在线播放| 国产乱人视频| 亚洲国产精品久久男人天堂| 亚洲一级一片aⅴ在线观看| 久久久久免费精品人妻一区二区| 男女之事视频高清在线观看| 久久精品91蜜桃| 精品一区二区三区视频在线| 国产一区二区在线观看日韩| 成熟少妇高潮喷水视频| 变态另类丝袜制服| 成人综合一区亚洲| 亚洲欧美日韩卡通动漫| 成人av一区二区三区在线看| 热99re8久久精品国产| 搡女人真爽免费视频火全软件 | 国产成人一区二区在线| 亚洲欧美清纯卡通| 国产免费一级a男人的天堂| 久久久国产成人免费| av在线蜜桃| 国产片特级美女逼逼视频| eeuss影院久久| 亚洲国产精品久久男人天堂| 久久精品国产清高在天天线| 亚洲av成人精品一区久久| 黑人高潮一二区| 老司机午夜福利在线观看视频| 国内揄拍国产精品人妻在线| 亚洲第一电影网av| 99热只有精品国产| 老女人水多毛片| 日本免费a在线| 日本熟妇午夜| 亚洲精品影视一区二区三区av| 熟女电影av网| 欧美zozozo另类| 日韩欧美 国产精品| 秋霞在线观看毛片| 精品人妻视频免费看| 午夜精品国产一区二区电影 | 欧美色欧美亚洲另类二区| 亚洲欧美日韩无卡精品| 精品国内亚洲2022精品成人| 中文字幕熟女人妻在线| 亚洲中文字幕日韩| 国产片特级美女逼逼视频| 国内揄拍国产精品人妻在线| 成人综合一区亚洲| 亚洲天堂国产精品一区在线| 综合色丁香网| 国产毛片a区久久久久| 欧美xxxx性猛交bbbb| 国产蜜桃级精品一区二区三区| 又爽又黄a免费视频| 欧美性感艳星| 亚洲经典国产精华液单| 久99久视频精品免费| 亚洲精品日韩在线中文字幕 | 日韩一区二区视频免费看| a级毛片免费高清观看在线播放| av天堂中文字幕网| 1024手机看黄色片| 天天躁夜夜躁狠狠久久av| 午夜久久久久精精品| 亚洲熟妇中文字幕五十中出| 国产色婷婷99| 美女内射精品一级片tv| 寂寞人妻少妇视频99o| 三级毛片av免费| 97超视频在线观看视频| 黄色一级大片看看| 少妇熟女欧美另类| 波多野结衣高清作品| 亚洲经典国产精华液单| 色视频www国产| 床上黄色一级片| 精品不卡国产一区二区三区| 亚洲精品456在线播放app| 久久久久久国产a免费观看| 中文亚洲av片在线观看爽| 女的被弄到高潮叫床怎么办| 91久久精品国产一区二区三区| 亚洲中文字幕日韩| 欧美另类亚洲清纯唯美| 听说在线观看完整版免费高清| 人妻夜夜爽99麻豆av| 亚洲国产精品国产精品| 少妇裸体淫交视频免费看高清| 日本免费一区二区三区高清不卡| 国产又黄又爽又无遮挡在线| 欧美zozozo另类|