• <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DSception模塊和注意力機制的皮膚病分類識別

    2021-10-21 08:19:26李家成葉哲江楊嘉林張鵬飛
    電視技術(shù) 2021年8期
    關(guān)鍵詞:皮膚病殘差準確率

    李家成,葉哲江,楊嘉林,張鵬飛

    (昆明理工大學 信息工程與自動化學院,云南 昆明 650500)

    0 引 言

    世 界 衛(wèi) 生 組 織(World Health Organization,WHO)的統(tǒng)計數(shù)據(jù)表明,全球每年發(fā)生200萬至300萬例非黑色素瘤皮膚癌和132萬例黑色素瘤皮膚癌[1]。在美國,雖然黑色素瘤在所有皮膚癌中所占比例不到5%,但它們約占所有皮膚癌相關(guān)死亡病例的75%,每年造成10 000多人死亡[2]。皮膚病早期的診斷與預防已經(jīng)成為遏制皮膚病癌變惡化的有效手段,尤其是黑色素瘤,早期的診斷與治療能有效降低致死率[3-4]。

    臨床上一般通過有豐富經(jīng)驗的皮膚科專家結(jié)合自己的經(jīng)驗和特定的方法如CASH方法[5]、Menzies方法[6]、ABCDE方法[7]等對病理圖片進行診斷。人工診斷存在有診斷經(jīng)驗的皮膚科專家的缺乏、不同專家診斷水平參差不齊、準確率難以保證、費時費力等缺點。隨著深度學習的發(fā)展,基于深度學習的皮膚病診斷在以往研究中獲得了可觀的成果。ESTEVA[2]等整合多個皮膚病數(shù)據(jù)集,構(gòu)建了一個包含2 000多種皮膚病種類的大型皮膚病數(shù)據(jù)集,使用GoogLeNet作為其分類網(wǎng)絡并將遷移學習技術(shù)應用到自己的數(shù)據(jù)庫上,最終準確率能與皮膚科專家診斷結(jié)果相媲美,證明了基于深度學習的皮膚病自動分類的可行性。李航等[8]采用深度學習和傳統(tǒng)機器學習相結(jié)合的方式,先使用預訓練的ResNet152模型遷移學習提取皮膚病病灶特征信息,再通過支持向量機(Support Vector Machine,SVM)進行診斷分類。LEQUAN Y等[9]提出方法先用一個全卷積殘差網(wǎng)絡(Fully Convolutional Residual Networks,F(xiàn)CRN)對皮膚病圖像病灶進行分割,緩解數(shù)據(jù)量不足問題,再使用ResNet50網(wǎng)絡進行分類。CODELLA[10]等提出將卷積神經(jīng)網(wǎng)絡、稀疏編碼和支持向量機(SVM)集成到黑色素瘤識別中。MAHBOD[11]等提出了基于6種不同大小輸入圖像、3種成熟CNN模型(EfficientNetB0、EfficientNetB1、SeRe-NeXt50)多尺度多模型方法,表明了輸入圖像尺寸對皮膚病診斷有影響。

    上述研究都取得了一定的成果,但使用的模型參數(shù)量都非常大,訓練的時間長,準確率也有提升的空間。隨著皮膚病數(shù)據(jù)庫的日益豐富,減少模型參數(shù)、設(shè)計輕量型網(wǎng)絡可以避免過擬合,提高識別準確率。針對以上問題,本文設(shè)計了一個基于DSception結(jié)構(gòu)和SE模塊的輕量型網(wǎng)絡。文章主要內(nèi)容如下:

    (1)引進深度可分離卷積(Depthwise Separable Convolution,DS),大量地減少參數(shù),保證網(wǎng)絡加深提取不同深度特征的可能性。

    (2)將DS卷積和Inception結(jié)構(gòu)相結(jié)合,提出DSception模塊,增加了網(wǎng)絡的寬度,多尺度提取圖像特征的同時,大量減少參數(shù),降低時間復雜度。

    (3)在ResNet50的基礎(chǔ)上,用通道注意力(Squeeze-and-Excitation,SE)模塊替換原來的瓶頸結(jié)構(gòu),使得模型參數(shù)量減少,有效加權(quán)了重要圖像通道特征,抑制了無用信息。

    1 本文方法

    本文基于ResNet50模型[12]的主體結(jié)構(gòu),提出了包含DSception模塊的SE模塊的Conv_block和包含SE模塊的Identity_block。改進的Conv_block、Identity_block保留了原有的殘差結(jié)構(gòu),解決由于網(wǎng)絡深度加深而產(chǎn)生的學習效率變低與準確率無法有效提升的問題。殘差結(jié)構(gòu)如圖1所示。

    圖1 殘差結(jié)構(gòu)

    圖1 中,X為輸入,F(xiàn)(x)表示特征提取塊的輸出,H(x)為整個殘差結(jié)構(gòu)的輸出,包含了特征提取塊的輸出F(x)和原輸入X。H(x)表達式如下:

    如式(1)所示,殘差結(jié)構(gòu)的最后輸出H(x)是F(x)與X的和。加入了原輸入x,在前向傳播時,H(x)包含了輸入信息特征,有效解決網(wǎng)絡模型退化問題;在反向傳播時,能有效解決梯度消失問題。

    1.1 DSception模塊

    1.1.1 DS卷積

    深度可分離卷DS由深度卷積(Depthwise Convolution,DW)和 點 積(Pointwise Convolution,PW)組成[13]。

    (1)DW卷積。DW卷積如圖2所示,輸入特征圖維度為(W,H,C),通過C個3×3×1卷積核對輸入特征圖逐通道進行卷積,得到的C個(W,H,1)特征圖按通道維度拼接,最終輸出的特征圖維度為(W,H,C)。

    圖3 PW卷積示意圖

    圖23 ×3D×W1卷積示意圖

    (3)DS卷 積。DS卷 積 如 圖4所 示。DS卷積所需的參數(shù)包括:DW卷積所需的參數(shù)C×3×3×1,PW所需的參數(shù)N×1×1×C,總的DS卷積參數(shù)為C×3×3×1+N×1×1×C,普通卷積所需的參數(shù)為N×3×3×C。顯然,DS模塊使用的參數(shù)量遠遠小于普通卷積,有效地節(jié)省了計算機資源,提高了運算速度。

    圖4 PW卷積示意圖

    1.1.2 Inception結(jié)構(gòu)

    InceptionV1結(jié)構(gòu)由Google團隊于2017年提出[14],如圖5所示。先前的特征圖并列輸入到4個分支,提取不同感受野的特征信息,增加了網(wǎng)絡寬度。通過1×1卷積有效地減小了網(wǎng)絡參數(shù),降低隨著網(wǎng)絡深度的增加模型過擬合的風險。

    圖5 Inception結(jié)構(gòu)示意圖

    1.1.3 DSception結(jié)構(gòu)

    DSception結(jié)構(gòu)如圖6所示。本文創(chuàng)造性地將DS卷積和Inception模塊結(jié)合起來,提出了DSception模塊。輸入特征圖維度(W,H,C),Conv1×1分支的通道數(shù)為C/4,DS Conv3×3分支的通道數(shù)為C/2,DS Conv5×5分支的通道數(shù)為C/8,Maxpool分支的通道數(shù)為C/8。DSception模塊與Inception模塊相比,可觀地減少了參數(shù)量,降低了時間復雜度。

    圖6 DSception結(jié)構(gòu)示意圖

    1.2 SE模塊

    SE模塊由DANIEL Z等[15]于2017年提出,其設(shè)計理念為學習通道之間的相關(guān)性,篩選出針對通道的注意力。SE模塊分為壓縮(Squeeze)、激勵(Excitation)、重標定(Scale)3部分,如圖7所示。

    圖7 SE模塊結(jié)構(gòu)圖

    (1)壓縮部分Fsq。輸入特征圖UW×H×C,U=[u1,u2,…,uC],先 通 過 全 局 平 均 池 化(Global Average Pooling,GAP)順著空間維度W×H來進行特征壓縮,得到具有全局的感受野的特征圖ZC,Z=[z1,z2,…,zC]。

    (2)激勵部分Fex。如式(3)所示,特征圖Z通過個神經(jīng)元的全連接層FC1,其權(quán)重、非線性激活函數(shù)δ(Relu);接著通過C個神經(jīng)元的全連接層FC2,其權(quán)重、非線性激活函數(shù)σ(Sigmoid)輸出特征圖SC,S=[s1,s2,…,sC]。參考原文參數(shù)r的設(shè)置,rstage1,rstage2設(shè)為16,rstage3設(shè)32,rstage4設(shè)為64。

    (3)重標定部分Fscale。原特征圖輸入U與激勵部分輸出S結(jié)果相乘,完成對通道的重新標定:

    SE模塊不僅在通道維度上對有著重要皮膚病特征的通道進行加權(quán)處理,對無用皮膚病特征通道進行抑制,其參數(shù)對于深度網(wǎng)絡而言可以忽略 不計。

    1.3 卷積塊

    改進的卷積塊保留卷積分支和殘差連接分支兩個分支,如圖8所示。

    圖8 卷積塊結(jié)構(gòu)圖

    (1)卷積分支。特征圖輸入先通過卷積核為1×1、步長為2的卷積層來減小特征圖尺寸,恢復通道數(shù);之后連接BN層和Relu層,BN層加快模型收斂速度,防止網(wǎng)絡模型過擬合,Relu增加非線性因素。DSception層多尺度提取特征,擴大感受野,增加網(wǎng)絡寬度。SE層通道注意力層實現(xiàn)對通道的重新標定。

    (2)殘差連接分支。殘差連接分支預防隨著網(wǎng)絡的加深梯度消失的風險。輸出為卷積分支輸出與殘差連接分支輸出相加,Relu輸出結(jié)果。

    1.4 恒等卷積塊

    改進的恒等映射塊網(wǎng)絡主路上,用SE模塊代替原來的瓶頸結(jié)構(gòu),輸出結(jié)果與輸入特征圖的恒等映射相加得到最終結(jié)果,大量減少了模型訓練參數(shù),避免網(wǎng)絡過擬合。恒等映射塊結(jié)構(gòu)如圖9所示。

    圖9 恒等映射塊結(jié)構(gòu)圖

    1.5 模型結(jié)構(gòu)

    本文模型沿用了ResNet50的主體框架,分為輸入、主網(wǎng)絡、輸出3個部分,如圖10所示。

    圖10 本文模型結(jié)構(gòu)圖

    (1)輸入部分。將皮膚病圖像裁剪成(224,224,3)維度作為模型輸入,經(jīng)過Conv7×7(stride= 2)+BN+Relu+Maxpool3×3(stride=2)輸出特征圖維度為(56,56,64)。

    (2)主網(wǎng)絡部分。主網(wǎng)絡分為4個Stage。Stage1 由1個卷積塊和2個恒等映射塊組成,輸出特征圖維度為(28,28,256)。Stage2由1個卷積塊和3個恒等映射塊組成,輸出特征圖維度為(14,14,512)。Stage3由1個卷積塊和5個恒等映射塊組成,輸出特征圖維度為(7,7,1 024)。Stage4由1個卷積塊和2個恒等映射塊組成,輸出特征圖維度為(4,4,2 048)。

    (3)輸出部分。主網(wǎng)絡輸出特征圖(4,4, 2 048)經(jīng)過全局平均池化層(GAP)輸出特征圖維度(1,1,2 048),再連接3個神經(jīng)元的全連接層(FC),最終通過Softmax激活函數(shù)輸出皮膚病分類的結(jié)果。

    2 實 驗

    2.1 實驗設(shè)置

    2.1.1 數(shù)據(jù)來源

    由于ISIC-2017挑戰(zhàn)[16]提供的數(shù)據(jù)集存在較為嚴重的數(shù)據(jù)不平衡問題,本文基于公開的皮膚鏡圖像數(shù)據(jù)國際皮膚成像協(xié)作(ISIC)構(gòu)建了一個皮膚病圖像數(shù)據(jù)集。該數(shù)據(jù)集包含基底細胞癌(Basal Cell Carcinoma,BCC)、黑色素瘤(Melanoma,MEL)、痣(Nevus,NV)3大類,共計8 992張圖像。按照4∶1的比例劃分訓練集和測試集,其中訓練集為7 194張樣本,測試集為1 798張樣本。每類數(shù)據(jù)分布如表1所示。

    表1 各類皮膚病分布

    2.1.2 數(shù)據(jù)預處理

    數(shù)據(jù)裁剪為(224,224,3)的尺寸,并將皮膚病圖像數(shù)據(jù)除以255作歸一化處理。

    2.1.3 實驗環(huán)境

    本文使用PyCharm作為編譯器,編程語言為Python,實驗框架為Keras和Tensorflow。硬件環(huán)境為Intel(R) Core(TM) i7-9700K CPU,主頻 3.60 GHz,顯卡為NVIDIA GeForce GTX1070 Ti,64位 Windows 11操作系統(tǒng)。

    2.1.4 評價指標

    本文選用準確率(Accuracy)、精確率(Precision)、召回率(Recall)、F1分數(shù)作為模型評價指標,計算公式分別如下:

    式中:TP(True Positive)為真陽性,表示算法將當前皮膚病樣本正確分為該類;FN(False Nega-tive)為假陰性,表示算法將其他兩類皮膚病樣本錯誤分為該類;TN(True Negative)為真陰性,表示算法將當前皮膚病樣本錯誤分為其他兩類;FP(False Positive)為假陽性,表示算法將其他兩類皮膚病樣本正確分為其他兩類。

    2.2 實驗結(jié)果

    本文選用交叉熵損失函數(shù),Adam為優(yōu)化器更新參數(shù),批次大小batch-size設(shè)置為64,迭代 100次,初始學習率lr設(shè)0.01,每10個epochs內(nèi)準確率不提升,調(diào)整lr=lr×0.1,調(diào)整至10-7停止更新學習率。

    在保證數(shù)據(jù)集、實驗環(huán)境一致的情況下,本文 模 型 與ResNet50、VGG16[17]、Xception[18]模 型在皮膚病數(shù)據(jù)上驗證,準確率如圖11所示。本文模型準確率比對比模型效果出色,且曲線較快達 到收斂。

    圖11 不同模型的準確率曲線

    不同模型性能指標如表2所示。本文模型的準確率為93.38 %,精確率為93.42%,召回率為3.44%,F(xiàn)1分數(shù)為93.4%,均明顯超過VGG16、esNet50、Xception,且本文模型遠小于其他模型。實驗表明,本文模型對皮膚病的診斷有明顯效果,且參數(shù)較少,不需要較高的計算機配置,適合應用于臨床輔助診斷。

    表2 不同模型性能指標

    2.3 消融實驗

    通過消融實驗來驗證本文模型的性能。實驗A設(shè)置為含有DS-ception結(jié)構(gòu)和SE模塊的模型,實驗B設(shè)置為只含有DSception結(jié)構(gòu)的模型,實驗C設(shè)置為只含有SE模塊的模型,實驗D設(shè)置為不含有DScep-tion結(jié)構(gòu)和SE模塊的模型。超參數(shù)設(shè)置與2.2節(jié)一致。

    實驗結(jié)果如圖12所示。通過觀察圖12的混淆矩陣可以看出,4個實驗中NV類的召回率結(jié)果相近,實驗D為99.66%,比實驗A的99.49%略高。對比BCC和MEL的召回率,實驗A比其他3個實驗效果好,其中實驗A的MEL召回率為88.20%,實驗B、C、D分別為83.93%、81.48%、79.18%,實驗A對黑色素瘤圖像特征提取效果明顯。表3為消融實驗各項評價指標的宏平均,可以看出實驗A表現(xiàn)最好,對皮膚病診斷分類有明顯作用。

    圖12 消融實驗混淆矩陣

    表3 消融實驗評價指標

    3 結(jié) 語

    本文提出了基于DSception和SE模塊的皮膚病多分類模型,其中DS-ception模塊加深了網(wǎng)絡深度和寬度,增加了多尺度的感受野,提升了模型提取特征的能力,同時也明顯地減少網(wǎng)絡參數(shù),加快了網(wǎng)絡的收斂速度。SE模塊實現(xiàn)了對通道的重新標定,即對有著圖像重要特征的通道進行加權(quán),對有著無用特征的通道進行抑制,且模塊參數(shù)量較少,對于整個網(wǎng)絡模型可以忽略不計。實驗表明,本文模型在對皮膚病的種類分類識別領(lǐng)域有明顯的 效果。

    猜你喜歡
    皮膚病殘差準確率
    基于雙向GRU與殘差擬合的車輛跟馳建模
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    草藥在皮膚病中的應用
    不同序列磁共振成像診斷脊柱損傷的臨床準確率比較探討
    2015—2017 年寧夏各天氣預報參考產(chǎn)品質(zhì)量檢驗分析
    夏秋重護膚 遠離皮膚病
    基于殘差學習的自適應無人機目標跟蹤算法
    基于遞歸殘差網(wǎng)絡的圖像超分辨率重建
    自動化學報(2019年6期)2019-07-23 01:18:32
    夏秋重護膚 遠離皮膚病
    高速公路車牌識別標識站準確率驗證法
    一本精品99久久精品77| 久久久久性生活片| 蜜桃久久精品国产亚洲av| 国产中年淑女户外野战色| 久久久国产成人免费| 嫁个100分男人电影在线观看| 丝袜美腿在线中文| 女生性感内裤真人,穿戴方法视频| 国产精品av视频在线免费观看| 国产精品无大码| 国产一区二区三区视频了| 亚洲电影在线观看av| av在线亚洲专区| 99热精品在线国产| 欧美一级a爱片免费观看看| 尤物成人国产欧美一区二区三区| 黄色丝袜av网址大全| 一卡2卡三卡四卡精品乱码亚洲| 99热这里只有精品一区| 日本黄色片子视频| 欧美色视频一区免费| 中亚洲国语对白在线视频| 欧美一区二区国产精品久久精品| 琪琪午夜伦伦电影理论片6080| 欧美成人性av电影在线观看| 国产黄色小视频在线观看| 国产黄色小视频在线观看| 亚洲精品久久国产高清桃花| 最近在线观看免费完整版| 最近在线观看免费完整版| av女优亚洲男人天堂| 国产麻豆成人av免费视频| 亚洲人与动物交配视频| 在线看三级毛片| 一级黄片播放器| 中亚洲国语对白在线视频| 嫩草影院入口| 最近中文字幕高清免费大全6 | 亚洲欧美日韩卡通动漫| eeuss影院久久| 久久精品国产亚洲av香蕉五月| 色综合亚洲欧美另类图片| 波多野结衣高清作品| 亚洲狠狠婷婷综合久久图片| 日日干狠狠操夜夜爽| 一级毛片久久久久久久久女| 最近最新免费中文字幕在线| 99riav亚洲国产免费| 午夜精品在线福利| 熟女人妻精品中文字幕| 国产成人aa在线观看| 无人区码免费观看不卡| 美女高潮的动态| 国产单亲对白刺激| 两人在一起打扑克的视频| 免费看日本二区| 91麻豆av在线| 久久精品国产亚洲av天美| 国产69精品久久久久777片| 老司机福利观看| 国产在线精品亚洲第一网站| 午夜日韩欧美国产| 少妇熟女aⅴ在线视频| 一个人看的www免费观看视频| 国产精品野战在线观看| 在线看三级毛片| 性欧美人与动物交配| 亚洲天堂国产精品一区在线| 国产视频一区二区在线看| 国产午夜精品论理片| 精品一区二区三区视频在线观看免费| 国产高清激情床上av| 岛国在线免费视频观看| 老司机福利观看| 亚洲午夜理论影院| 日本五十路高清| 国产精品日韩av在线免费观看| 国产欧美日韩一区二区精品| 十八禁国产超污无遮挡网站| 亚洲精品456在线播放app | 亚洲人成伊人成综合网2020| 伊人久久精品亚洲午夜| 日韩欧美精品v在线| 淫秽高清视频在线观看| 国产日本99.免费观看| 赤兔流量卡办理| 不卡一级毛片| 麻豆国产97在线/欧美| 久久午夜亚洲精品久久| 国产激情偷乱视频一区二区| 久久精品人妻少妇| 欧美性感艳星| 亚洲精品456在线播放app | 色精品久久人妻99蜜桃| 在线天堂最新版资源| 美女大奶头视频| 久久久久久国产a免费观看| 日本一二三区视频观看| 国产精品电影一区二区三区| 国产精品久久久久久亚洲av鲁大| 日韩欧美免费精品| 亚洲国产精品久久男人天堂| 国产一级毛片七仙女欲春2| 久久久久久久久久黄片| 18禁黄网站禁片午夜丰满| 国内精品久久久久精免费| 两个人的视频大全免费| 国产精品三级大全| 啦啦啦啦在线视频资源| 白带黄色成豆腐渣| 97超视频在线观看视频| 国产麻豆成人av免费视频| 午夜免费男女啪啪视频观看 | 国产乱人视频| 我要搜黄色片| 欧美国产日韩亚洲一区| 国内精品美女久久久久久| АⅤ资源中文在线天堂| 久久99热6这里只有精品| 欧美日本视频| 男人舔女人下体高潮全视频| 国产亚洲av嫩草精品影院| 亚洲欧美日韩高清在线视频| 亚洲真实伦在线观看| 一级毛片久久久久久久久女| 国产精品永久免费网站| av.在线天堂| 色吧在线观看| 午夜激情福利司机影院| 国产精品国产高清国产av| 丰满的人妻完整版| 国产人妻一区二区三区在| 欧美潮喷喷水| 深夜a级毛片| 毛片一级片免费看久久久久 | 国产精品无大码| 午夜亚洲福利在线播放| 高清在线国产一区| ponron亚洲| 亚洲精品粉嫩美女一区| 国产v大片淫在线免费观看| 婷婷精品国产亚洲av| 99久久中文字幕三级久久日本| 99久久精品国产国产毛片| 亚洲人成网站高清观看| 男人舔奶头视频| av在线天堂中文字幕| 又爽又黄无遮挡网站| 伦理电影大哥的女人| 丰满的人妻完整版| 国内精品久久久久久久电影| 国产精品98久久久久久宅男小说| 麻豆国产97在线/欧美| 国产69精品久久久久777片| 国内精品一区二区在线观看| 亚洲18禁久久av| 午夜激情欧美在线| 亚洲经典国产精华液单| 成人特级av手机在线观看| 麻豆av噜噜一区二区三区| 成人国产综合亚洲| 国产黄a三级三级三级人| 亚洲欧美激情综合另类| 熟女电影av网| 搡老妇女老女人老熟妇| 国产 一区 欧美 日韩| 成人av一区二区三区在线看| 俄罗斯特黄特色一大片| 国产又黄又爽又无遮挡在线| 国产三级在线视频| 给我免费播放毛片高清在线观看| 欧美人与善性xxx| 久久亚洲精品不卡| 简卡轻食公司| av福利片在线观看| 中文字幕熟女人妻在线| 国产成人影院久久av| 久久久久国内视频| 国产成人一区二区在线| 亚洲精品色激情综合| 少妇人妻精品综合一区二区 | 亚洲欧美精品综合久久99| av天堂中文字幕网| 欧美性猛交╳xxx乱大交人| 久久99热6这里只有精品| 国语自产精品视频在线第100页| 最好的美女福利视频网| 搡女人真爽免费视频火全软件 | 成人特级av手机在线观看| 国产一区二区激情短视频| 嫩草影院新地址| 国产成人影院久久av| 麻豆av噜噜一区二区三区| 91精品国产九色| 直男gayav资源| 精品国内亚洲2022精品成人| 两性午夜刺激爽爽歪歪视频在线观看| 全区人妻精品视频| 村上凉子中文字幕在线| 久久99热这里只有精品18| 国产成人福利小说| 91久久精品国产一区二区成人| 在线免费十八禁| 欧美极品一区二区三区四区| av专区在线播放| 久久久久国产精品人妻aⅴ院| 亚洲精品日韩av片在线观看| 色综合站精品国产| 99精品久久久久人妻精品| 中出人妻视频一区二区| 他把我摸到了高潮在线观看| 亚洲最大成人av| 欧美zozozo另类| 久久国内精品自在自线图片| 欧洲精品卡2卡3卡4卡5卡区| 1024手机看黄色片| 欧美性猛交黑人性爽| 亚洲美女视频黄频| 国产亚洲91精品色在线| 欧美日韩中文字幕国产精品一区二区三区| 国产黄色小视频在线观看| 最近在线观看免费完整版| x7x7x7水蜜桃| 午夜爱爱视频在线播放| 婷婷丁香在线五月| 久久久国产成人精品二区| 99热这里只有是精品50| 99久久九九国产精品国产免费| 成人三级黄色视频| 综合色av麻豆| 两人在一起打扑克的视频| 91狼人影院| 无遮挡黄片免费观看| 亚洲精华国产精华精| 欧美潮喷喷水| 国产精品人妻久久久影院| 欧美3d第一页| ponron亚洲| 日韩av在线大香蕉| 亚洲人成网站在线播| 国模一区二区三区四区视频| 成人特级av手机在线观看| 久久九九热精品免费| 免费黄网站久久成人精品| 欧美+日韩+精品| 精品一区二区三区人妻视频| 婷婷六月久久综合丁香| 欧美一区二区亚洲| 日韩亚洲欧美综合| 99久久成人亚洲精品观看| 久久久久久久午夜电影| 我要看日韩黄色一级片| 亚洲人与动物交配视频| 在线播放无遮挡| 欧美日本亚洲视频在线播放| 国产一区二区激情短视频| 俺也久久电影网| 乱码一卡2卡4卡精品| 日韩,欧美,国产一区二区三区 | 国产精品国产高清国产av| 国产黄片美女视频| 此物有八面人人有两片| avwww免费| 男人的好看免费观看在线视频| 亚洲av成人精品一区久久| 成年女人看的毛片在线观看| 国产伦精品一区二区三区视频9| 日韩欧美免费精品| 精品午夜福利视频在线观看一区| netflix在线观看网站| 一进一出抽搐gif免费好疼| 99热网站在线观看| 搡老妇女老女人老熟妇| 国产单亲对白刺激| 亚洲av中文字字幕乱码综合| 国产男靠女视频免费网站| 久久久久久大精品| 国产日本99.免费观看| 久久久久久久久中文| 国内少妇人妻偷人精品xxx网站| 久久精品国产清高在天天线| 日本 欧美在线| 99热这里只有精品一区| 国产高清不卡午夜福利| 亚洲av免费在线观看| bbb黄色大片| 国产av一区在线观看免费| 人人妻人人看人人澡| 亚洲成人精品中文字幕电影| 欧美xxxx黑人xx丫x性爽| 中出人妻视频一区二区| 免费观看在线日韩| 噜噜噜噜噜久久久久久91| 成熟少妇高潮喷水视频| 99久久九九国产精品国产免费| 国产亚洲91精品色在线| 老司机午夜福利在线观看视频| 一级黄色大片毛片| 麻豆国产97在线/欧美| 啦啦啦啦在线视频资源| 欧美人与善性xxx| 欧美日韩国产亚洲二区| av在线观看视频网站免费| 日本爱情动作片www.在线观看 | 狂野欧美白嫩少妇大欣赏| 日日摸夜夜添夜夜添小说| 人妻丰满熟妇av一区二区三区| 日韩中文字幕欧美一区二区| 九色成人免费人妻av| 亚洲av电影不卡..在线观看| 日本黄大片高清| 欧美日韩乱码在线| 一本精品99久久精品77| av在线观看视频网站免费| 性色avwww在线观看| 看黄色毛片网站| 国产 一区精品| 成人无遮挡网站| 国产高清三级在线| 精品人妻偷拍中文字幕| 一个人免费在线观看电影| 一区福利在线观看| 高清毛片免费观看视频网站| 韩国av一区二区三区四区| 日本色播在线视频| 别揉我奶头~嗯~啊~动态视频| 亚洲国产日韩欧美精品在线观看| 日本色播在线视频| 毛片女人毛片| 亚洲va日本ⅴa欧美va伊人久久| 丰满的人妻完整版| 人妻少妇偷人精品九色| 色综合婷婷激情| 国产精品一区二区三区四区免费观看 | 日本a在线网址| 国产高清三级在线| 自拍偷自拍亚洲精品老妇| 亚洲va在线va天堂va国产| 欧美高清成人免费视频www| 日本 av在线| 国产美女午夜福利| 国语自产精品视频在线第100页| 久久人人爽人人爽人人片va| 欧美3d第一页| 午夜福利在线观看免费完整高清在 | 日本三级黄在线观看| 此物有八面人人有两片| videossex国产| 亚洲精华国产精华液的使用体验 | 在线观看舔阴道视频| eeuss影院久久| 国内精品久久久久久久电影| 最好的美女福利视频网| 欧美中文日本在线观看视频| 3wmmmm亚洲av在线观看| 麻豆精品久久久久久蜜桃| 在线观看av片永久免费下载| 春色校园在线视频观看| 日韩,欧美,国产一区二区三区 | 久久精品国产亚洲网站| 熟妇人妻久久中文字幕3abv| 无遮挡黄片免费观看| 色播亚洲综合网| 看黄色毛片网站| 亚洲美女视频黄频| 久久久久性生活片| 久久久久性生活片| 两人在一起打扑克的视频| 亚洲第一区二区三区不卡| 91久久精品国产一区二区成人| 亚洲人成网站高清观看| 婷婷色综合大香蕉| 日本一二三区视频观看| 伦精品一区二区三区| 美女高潮喷水抽搐中文字幕| 午夜激情欧美在线| 成人无遮挡网站| 日韩欧美在线二视频| 久久欧美精品欧美久久欧美| 欧美xxxx黑人xx丫x性爽| 老女人水多毛片| 成人特级黄色片久久久久久久| 亚洲最大成人av| 国内久久婷婷六月综合欲色啪| 国产精品综合久久久久久久免费| 国产成人福利小说| 一区福利在线观看| 美女 人体艺术 gogo| 国产精品1区2区在线观看.| 亚洲精品粉嫩美女一区| 亚洲aⅴ乱码一区二区在线播放| 97超级碰碰碰精品色视频在线观看| 欧美三级亚洲精品| 国产精品精品国产色婷婷| aaaaa片日本免费| 国产日本99.免费观看| 一区二区三区激情视频| 老熟妇乱子伦视频在线观看| 日日夜夜操网爽| 久久精品久久久久久噜噜老黄 | 国产黄a三级三级三级人| 中文在线观看免费www的网站| 波野结衣二区三区在线| 少妇被粗大猛烈的视频| 成人性生交大片免费视频hd| 在线观看66精品国产| 国产真实伦视频高清在线观看 | 中文字幕熟女人妻在线| 九色国产91popny在线| 无遮挡黄片免费观看| 成人av在线播放网站| 亚洲色图av天堂| 少妇高潮的动态图| 嫩草影视91久久| 99久久无色码亚洲精品果冻| 91在线观看av| 日韩欧美精品v在线| 亚洲七黄色美女视频| 观看免费一级毛片| 国产黄片美女视频| 亚洲av五月六月丁香网| 美女xxoo啪啪120秒动态图| 免费在线观看日本一区| 精品一区二区免费观看| 国产精品久久久久久久久免| 亚洲美女黄片视频| 国内精品久久久久久久电影| 婷婷精品国产亚洲av在线| 精品人妻熟女av久视频| 国产一区二区三区视频了| 99久久精品国产国产毛片| 亚洲电影在线观看av| 久久久久国内视频| 三级男女做爰猛烈吃奶摸视频| 欧美zozozo另类| 欧美绝顶高潮抽搐喷水| 淫秽高清视频在线观看| 人人妻人人看人人澡| 麻豆国产97在线/欧美| 亚洲在线自拍视频| 99久久中文字幕三级久久日本| 国产精品伦人一区二区| 日本免费一区二区三区高清不卡| 最近在线观看免费完整版| 三级男女做爰猛烈吃奶摸视频| 成年女人永久免费观看视频| 日本一本二区三区精品| 男女做爰动态图高潮gif福利片| 嫩草影院入口| 男插女下体视频免费在线播放| 内射极品少妇av片p| 我要看日韩黄色一级片| 18+在线观看网站| 国产一区二区在线av高清观看| 亚洲美女搞黄在线观看 | 亚洲中文日韩欧美视频| 99久久中文字幕三级久久日本| 国产av麻豆久久久久久久| 国产精品美女特级片免费视频播放器| 夜夜看夜夜爽夜夜摸| 99久久无色码亚洲精品果冻| 韩国av一区二区三区四区| 国产精品免费一区二区三区在线| 国产精品女同一区二区软件 | 亚洲真实伦在线观看| 禁无遮挡网站| 老司机午夜福利在线观看视频| 波多野结衣巨乳人妻| 久久精品久久久久久噜噜老黄 | 最近最新免费中文字幕在线| 精品久久久久久久人妻蜜臀av| 国产高清激情床上av| 男人狂女人下面高潮的视频| 国产一级毛片七仙女欲春2| 亚洲国产精品成人综合色| 可以在线观看毛片的网站| 少妇被粗大猛烈的视频| x7x7x7水蜜桃| netflix在线观看网站| 一区福利在线观看| 亚洲男人的天堂狠狠| 深夜a级毛片| 热99re8久久精品国产| 22中文网久久字幕| 国产精品国产三级国产av玫瑰| 女人被狂操c到高潮| 日本黄色视频三级网站网址| 成人午夜高清在线视频| 国语自产精品视频在线第100页| 在线观看午夜福利视频| 国产精品1区2区在线观看.| 69人妻影院| 伦精品一区二区三区| 偷拍熟女少妇极品色| 日韩欧美在线乱码| 一个人看视频在线观看www免费| 精品久久久久久久久亚洲 | 又黄又爽又免费观看的视频| 日韩欧美免费精品| 色综合婷婷激情| 狂野欧美激情性xxxx在线观看| 精品一区二区三区av网在线观看| 国内揄拍国产精品人妻在线| 亚洲成a人片在线一区二区| 欧美+亚洲+日韩+国产| 国产中年淑女户外野战色| 麻豆av噜噜一区二区三区| 国产一级毛片七仙女欲春2| 中国美女看黄片| 99久久九九国产精品国产免费| 男女之事视频高清在线观看| 尾随美女入室| 淫秽高清视频在线观看| 日日摸夜夜添夜夜添小说| 国产男人的电影天堂91| 国产成人a区在线观看| 国产精品国产三级国产av玫瑰| 精品99又大又爽又粗少妇毛片 | 久久久色成人| 日本-黄色视频高清免费观看| 久久亚洲真实| 欧美激情久久久久久爽电影| 国产精品精品国产色婷婷| 人人妻人人看人人澡| 久久久久久大精品| 色综合婷婷激情| 国产一区二区三区在线臀色熟女| 国产伦精品一区二区三区四那| 久久人人爽人人爽人人片va| 欧美一级a爱片免费观看看| 久久精品影院6| 午夜精品一区二区三区免费看| 有码 亚洲区| 日韩一区二区视频免费看| 十八禁网站免费在线| 日本撒尿小便嘘嘘汇集6| 男人狂女人下面高潮的视频| 最好的美女福利视频网| 性欧美人与动物交配| 午夜福利18| 如何舔出高潮| 色噜噜av男人的天堂激情| 欧美极品一区二区三区四区| 少妇被粗大猛烈的视频| 国产久久久一区二区三区| 搡女人真爽免费视频火全软件 | 成人无遮挡网站| 成年女人看的毛片在线观看| 在线免费十八禁| 日日啪夜夜撸| 桃色一区二区三区在线观看| 亚洲成人精品中文字幕电影| 午夜福利成人在线免费观看| 国产免费av片在线观看野外av| 精品人妻一区二区三区麻豆 | 亚洲精品成人久久久久久| 亚洲精品乱码久久久v下载方式| 久久精品国产清高在天天线| 亚洲欧美日韩高清在线视频| 丰满乱子伦码专区| 亚洲国产日韩欧美精品在线观看| 最近中文字幕高清免费大全6 | 免费观看人在逋| av.在线天堂| 欧美3d第一页| АⅤ资源中文在线天堂| 欧美激情久久久久久爽电影| 少妇人妻精品综合一区二区 | 麻豆久久精品国产亚洲av| 欧美日韩亚洲国产一区二区在线观看| 亚洲精品粉嫩美女一区| av天堂中文字幕网| 国产69精品久久久久777片| 国产精品人妻久久久影院| 欧美绝顶高潮抽搐喷水| 国产人妻一区二区三区在| 亚洲精品日韩av片在线观看| 日日摸夜夜添夜夜添小说| 一边摸一边抽搐一进一小说| 最好的美女福利视频网| 啦啦啦观看免费观看视频高清| 久久6这里有精品| 日本免费一区二区三区高清不卡| 精品久久久久久久久久久久久| 免费观看人在逋| 一区二区三区高清视频在线| 黄色丝袜av网址大全| 欧美日韩乱码在线| 欧美一区二区精品小视频在线| 久久久久精品国产欧美久久久| 制服丝袜大香蕉在线| av在线蜜桃| 别揉我奶头 嗯啊视频| 国内毛片毛片毛片毛片毛片| 成人av一区二区三区在线看| 又爽又黄a免费视频| 一夜夜www| ponron亚洲| 国产综合懂色| 嫩草影院新地址| 成人国产一区最新在线观看| 国产精品一区二区免费欧美| 欧美成人性av电影在线观看| 国产乱人视频| 国产在视频线在精品| 亚洲av一区综合| 国内少妇人妻偷人精品xxx网站| 中文在线观看免费www的网站| 69人妻影院| 午夜福利在线在线| 九色国产91popny在线| 69av精品久久久久久| 中文字幕av成人在线电影| 国产高清三级在线| 一个人观看的视频www高清免费观看|