• <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 ?

    基于改進(jìn)SPPnet的YOLOv4目標(biāo)檢測

    2021-12-17 09:08:42楊海舟李丹
    電子制作 2021年22期
    關(guān)鍵詞:特征結(jié)構(gòu)檢測

    楊海舟,李丹

    (四川大學(xué)錦城學(xué)院,四川成都,611371)

    0 引言

    隨著時代的快速發(fā)展,目標(biāo)檢測的應(yīng)用在現(xiàn)代生活中占據(jù)了較大比重。如何快速而準(zhǔn)確的實(shí)現(xiàn)目標(biāo)檢測也成為了一個現(xiàn)階段的實(shí)際問題?,F(xiàn)階段,基于深度學(xué)習(xí)的目標(biāo)檢測算法可分為兩類:Two-stage[1-3]和 One-stage。

    第一類是,以R-CNN[1]系列為代表的Tow-stage檢測算法,該類算法將檢測過程分成兩個階段,先利用邊界搜索生成預(yù)選框,再利用卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)分類和回歸。該類算法雖然增強(qiáng)了精度,但其檢測速度較低。第二類是,以YOLO為代表的One-stage檢測算法,該類算法通過使用回歸模型,將目標(biāo)定位和分類一體化處理,可以直接獲得結(jié)果,該類算法的最大特點(diǎn)是擁有較高的速度,而精度相對較低。在精度和速度之間獲得更好的平衡,成為衡量目標(biāo)檢測模型綜合性能重要的標(biāo)準(zhǔn)。YOLOv4(You Only Look Once)作為YOLO系列網(wǎng)絡(luò)的最先進(jìn)的工作,YOLOv4 網(wǎng)絡(luò)的檢測準(zhǔn)確率 以及運(yùn)行速度都遠(yuǎn)遠(yuǎn)高于 YOLOv3 網(wǎng)絡(luò)。其結(jié)合了眾多目測檢測的tricks,完美實(shí)現(xiàn)了檢測精度和速度的平衡。

    表 1 tricks使用及結(jié)果對比

    YOLOv4的網(wǎng)絡(luò)結(jié)構(gòu)有四個重要部分組成,分別是:輸入(Input)、主干(Backbone)、頸部(Neck)和頭部(Head)。輸入(Input):主要包括Mosaic數(shù)據(jù)增強(qiáng)、cmBN、自對抗訓(xùn)練(SAT)。Mosaic數(shù)據(jù)增強(qiáng)采用4張圖片隨機(jī)處理的方式進(jìn)行拼接,這增強(qiáng)了對目標(biāo)的檢測,并且由于目標(biāo)減少,所以也降低了訓(xùn)練成本。自對抗訓(xùn)練(STA)作為一種新型的數(shù)據(jù)增強(qiáng)方式可以改善學(xué)習(xí)的決策邊界中的薄弱環(huán)節(jié),提高模型的魯棒性。主干(Backbone):采用的CSPDarkNet53作為主干網(wǎng)絡(luò),代替了之前的DarkNet53。增強(qiáng)了模型的學(xué)習(xí)能力的同時也解決了梯度消失問題。并且采用了Mish激活函數(shù),使網(wǎng)絡(luò)具有更強(qiáng)的準(zhǔn)確性。頸部(Neck):目標(biāo)檢測網(wǎng)絡(luò)在主干網(wǎng)絡(luò)(Backbone)和最后的輸出層之間插入的一層。頸部網(wǎng)絡(luò)采用了空間金字塔池化(Space Pyramid Pool, SPP)模塊和路徑聚合網(wǎng)絡(luò)(Path Aggregation Network, PANet)的結(jié)構(gòu)。主要是用于對特征進(jìn)行融合。SPP網(wǎng)絡(luò)作為Neck的附加模塊,采用四種不同尺度的最大化操作:1×1,5×5,9×9,13×13,對上層輸出的feature map進(jìn)行處理,再將不同尺度的特征圖進(jìn)行Concat操作。該模塊顯著的增加了主干特征的接收范圍,并且將上下文特征信息分離出來。FPN+PAN結(jié)構(gòu),F(xiàn)PN是自頂向下,將高層的特征通過上采用的方式進(jìn)行傳遞融合,得到進(jìn)行預(yù)測的特征圖。而Neck這部分,除了FPN外,還在此基礎(chǔ)上添加了一個自底向上的特征金字塔,其中包含兩個PAN結(jié)構(gòu)。避免了在傳遞的過程中出現(xiàn)信息丟失的問題,提高了網(wǎng)絡(luò)預(yù)測的準(zhǔn)確性。頭部(Head):沿用了YOLO-v3的多尺度預(yù)測方式。對圖像特征進(jìn)行預(yù)測,生成邊界框和并預(yù)測類別。在損失函數(shù)方面,其損失函數(shù)由三部分組成,分別為:預(yù)測框回歸誤差、置信度誤差、分類誤差。其中預(yù)測框回歸誤差不再使用YOLO-v3的均方誤差,而是采用的CIoU損失。

    1 基于改進(jìn)的SPPnet的YOLOv4

    ■1.1 模型結(jié)構(gòu)

    在YOLOv4的主干網(wǎng)絡(luò)后使用了SPPnet,但漏檢等情況并未得到有效的改善,為此本文在YOLO head2前增加了使用不同大小池化核的SPPnet(命名為SPP-1),同時為了保證SPPnet的網(wǎng)絡(luò)的通道數(shù)在引入前后保持?jǐn)?shù)量一致,故在SPP-1后使用了cocat和卷積層。改進(jìn)后的模型結(jié)構(gòu)如圖1所示。

    圖1 改進(jìn)后的模型結(jié)構(gòu)

    ■1.2 SPPnet

    卷積神經(jīng)網(wǎng)絡(luò)(CNN)通常由卷積層和全連接層組成。卷積層不需要輸入數(shù)據(jù)的大小。然而,第一個完全連接的層要求輸入大小必須是固定的。以VGG網(wǎng)絡(luò)16為例,其輸入大小固定為224×224,這在一定程度上限制了模型的泛化性能和應(yīng)用場景。

    SPP結(jié)構(gòu)是在CSPDarknet53最后一個特征層之后,在對最后一個特征層進(jìn)行三次卷積后,用四個不同尺寸的最大池化進(jìn)行處理,四個不同尺寸的池化核大小分別為13x13、9x9、5x5、1x1。YOLOv4中通過添加SPP結(jié)構(gòu),增大感受野,分離出最重要的上下文特征,并且不會降低檢測速度。通過對SPPnet結(jié)構(gòu)的分析得出,原YOLOv4結(jié)構(gòu)中使用的SPPnet并不能很好的實(shí)現(xiàn)對不同尺度目標(biāo)特征信息的有效提取。為此,本位針對性的提出在以CSPdarknet53為主干網(wǎng)絡(luò)結(jié)構(gòu)基礎(chǔ)上融合多個SPPnet結(jié)構(gòu)。分別命名為SPP、SPP_1,其中SPP結(jié)構(gòu)參數(shù)保持不變,SPP_1的卷積核大小調(diào)整為15x15、11x11、7x7、1x1以此滿足淺層神經(jīng)網(wǎng)絡(luò)中的多尺度特征融合,SPP、SPP_1的網(wǎng)絡(luò)結(jié)構(gòu)圖如圖2所示。

    圖2 SPPnet結(jié)構(gòu)示意圖

    ■1.3 CSPDarknet

    CSPNet 易于實(shí)現(xiàn),且具有很好的通用性,可以構(gòu)造在 ResNet、ResNeXt和 DenseNet等 網(wǎng) 絡(luò)體系中。CSPDar knet53是在 Darknet53基礎(chǔ)上,參考了CSPNet,其主干主要包括五個CSP模塊。CSP模塊先是將特征圖分成兩部分,一個部分是Resblock的結(jié)構(gòu),分別迭代1,2,8,8,4次,另一個部分是經(jīng)過少量操作的殘差邊,最后進(jìn)行通道疊加操作,主要目的是能夠?qū)崿F(xiàn)更豐富的梯度組合,同時減少計算量,用于解決需要大量推理計算的問題。

    ■1.4 PANet

    PANet的概念在Mask R-CNN中也存在。PANet是對特征金字塔網(wǎng)絡(luò)(Feature Pyramid Network, FPN)的進(jìn)一步改進(jìn)。FPNet采用的是自頂向下的傳輸模式,將高層特征傳入下層。因此底層的特征無法對高層特征產(chǎn)生影響。并且在FPNet的這種傳輸模式中,頂部的信息傳入底部是逐層傳輸?shù)?,這也導(dǎo)致了計算量增大,所以提出了PANet來解決這一問題。

    在PANet中引入了自底層向頂層向上傳播信息的增強(qiáng)結(jié)構(gòu)路徑,避免了在傳遞過程中部分信息丟失的問題,并使得底層的信息更容易到達(dá)高層頂部。在加入了PANet后,在進(jìn)行從頂層向下層的特征融合后,再進(jìn)行自下層向頂層的特征融合,這樣的特征傳遞方式穿越的特征圖數(shù)量得到了大大的減少,因此減少了計算量。

    圖 3 CSPDarketnet53結(jié)構(gòu)

    2 實(shí)驗(yàn)

    為驗(yàn)證改進(jìn)后的檢測算法的綜合性能,本文使用的數(shù)據(jù)是PASCAL VOC 07+12,其包含16000余張訓(xùn)練數(shù)據(jù)集,和5000張測試數(shù)據(jù)集,并與YOLOv4算法進(jìn)行了對比實(shí)驗(yàn)。我們的方法是在2.2GHz Intel i7-8750 CPU和NVIDIA GeForce RTX 2070S GPU上執(zhí)行的。相應(yīng)的程序在Pytorch框架下使用Python實(shí)現(xiàn)。

    在物體檢測中,通常使用 mAP 指數(shù)來評估準(zhǔn)確度?;谠糦OLOv4模型,輸入圖像的分辨率設(shè)置為416 × 416,Batch size為16,初始學(xué)習(xí)率為0.0001,經(jīng)過50個Epoch得到最終的網(wǎng)絡(luò)模型。原YOLOv4算法與改進(jìn)后的算法的20類相比,實(shí)驗(yàn)結(jié)果如圖4、圖5所示。

    圖4 左圖為原YOLOv4實(shí)驗(yàn)結(jié)果,右圖為改進(jìn)后的YOLOv4

    圖4中,改進(jìn)后的算法相比于原YOLOv4算法,在幾乎所有類別上都有顯著的提升。原YOLOv4對pottedplant的檢測效果本身在二十個類別中就是最低的,主要是因?yàn)檫@個類別物體在圖像屬于通常尺寸比較小,而且在測試集中物體或多或少的受到其他物體的遮擋,對于YOLO算法來說,檢測的難度比較大。圖4中,原YOLOV4和改進(jìn)后的模型,對圖像檢測的情況來看,第一幅圖像中, 改進(jìn)后的模型不僅能檢測YOLOV4檢測出的目標(biāo),還能檢測出YOLOV4沒有檢測出的右邊的男士。第二幅圖像中,原YOLOV4漏檢了diningtable目標(biāo),改進(jìn)后的模型能準(zhǔn)確檢測。第三幅圖像中,原YOLOV4漏檢的比較嚴(yán)重,而且還將目標(biāo)car類別檢測成motorbike類別,而改進(jìn)的算法能減少漏檢的情況,并且能正確檢測目標(biāo)的類別。所以與原YOLOV4相比,改進(jìn)后的模型檢測效果更好。

    圖 5 改進(jìn)后的模型與原YOLOV4檢測圖像的對比

    YOLOv4中 常 用 的tricks有Mosaic,cosine learning rate,smooth label,以及weight decay。從上述表1中可以看出,只有通過對改進(jìn)后的模型算法進(jìn)行對比驗(yàn)證,才能知道當(dāng)前的設(shè)計是最佳的,我們通過在實(shí)驗(yàn)中調(diào)整mosaic數(shù)據(jù)增強(qiáng)、余弦退火學(xué)習(xí)率、標(biāo)簽平滑和權(quán)重衰減這些訓(xùn)練方法,使得改進(jìn)的算法有最好的結(jié)果。只有當(dāng)Mosaic數(shù)據(jù)增 強(qiáng)、Cosine_Ir打 開,Smooth_label=0,Weight_decay關(guān)閉時,改進(jìn)后的模型才達(dá)到最高89.63%的mAP。

    3 總結(jié)

    本文在YOLOv4的基礎(chǔ)上,通過嵌入改進(jìn)的SPPnet,提出了改進(jìn)的YOLOv4檢測模型。在相同的數(shù)據(jù)集下進(jìn)行目標(biāo)檢測的實(shí)驗(yàn),改進(jìn)后的YOLOv4檢測模型與YOLOv4等主流檢測模型相比較,改進(jìn)后的模型具有較好的效率和較高的準(zhǔn)確性。此外,在普通非結(jié)構(gòu)化場景下,該算法還能成功檢測出部分被遮擋的物體,包括小尺度和大尺度物體。該改進(jìn)方法是成功且有效果的。在未來的工作中,改進(jìn)后的模型有望應(yīng)用于室內(nèi)場景的目標(biāo)檢測、戴口罩下的人臉檢測、人流量移動下的目標(biāo)檢測……等任務(wù)。關(guān)于本文的研究內(nèi)容,依然存在進(jìn)一步的優(yōu)化空間,在后續(xù)的工作中,還可以開闊思想,進(jìn)一步提升檢測的速度,將該功能廣泛應(yīng)用在更多的領(lǐng)域。

    猜你喜歡
    特征結(jié)構(gòu)檢測
    “不等式”檢測題
    “一元一次不等式”檢測題
    “一元一次不等式組”檢測題
    《形而上學(xué)》△卷的結(jié)構(gòu)和位置
    如何表達(dá)“特征”
    論結(jié)構(gòu)
    中華詩詞(2019年7期)2019-11-25 01:43:04
    不忠誠的四個特征
    抓住特征巧觀察
    論《日出》的結(jié)構(gòu)
    小波變換在PCB缺陷檢測中的應(yīng)用
    99热只有精品国产| 99国产精品一区二区蜜桃av| 久久久久九九精品影院| 校园春色视频在线观看| 欧美精品啪啪一区二区三区| 女人高潮潮喷娇喘18禁视频| 天堂动漫精品| 久久久久九九精品影院| 黑人欧美特级aaaaaa片| 在线观看免费视频日本深夜| 一级a爱片免费观看的视频| 琪琪午夜伦伦电影理论片6080| 在线观看午夜福利视频| 久久人妻av系列| 国语自产精品视频在线第100页| 久久国产乱子伦精品免费另类| 亚洲精品国产精品久久久不卡| 高清毛片免费观看视频网站| 蜜桃久久精品国产亚洲av| 亚洲自偷自拍图片 自拍| 神马国产精品三级电影在线观看| 亚洲熟妇熟女久久| 国产欧美日韩一区二区精品| 高清在线国产一区| 欧美日韩综合久久久久久 | 国产伦人伦偷精品视频| av片东京热男人的天堂| 国产免费男女视频| 国产真人三级小视频在线观看| 欧美性猛交╳xxx乱大交人| 久99久视频精品免费| 99热这里只有是精品50| 免费在线观看影片大全网站| 99热只有精品国产| av女优亚洲男人天堂 | 成在线人永久免费视频| bbb黄色大片| 精品国产乱子伦一区二区三区| 黄色成人免费大全| 久久精品国产清高在天天线| 最近最新免费中文字幕在线| 欧美日韩亚洲国产一区二区在线观看| 黄色日韩在线| 久久这里只有精品中国| 色播亚洲综合网| 久久久久国产一级毛片高清牌| 欧美乱色亚洲激情| 啦啦啦免费观看视频1| 我要搜黄色片| 特大巨黑吊av在线直播| 国产精品99久久99久久久不卡| 国产一区在线观看成人免费| 国产伦人伦偷精品视频| 在线播放国产精品三级| 久久精品91蜜桃| 久久中文看片网| 又大又爽又粗| 高潮久久久久久久久久久不卡| 一区二区三区激情视频| 色吧在线观看| 亚洲国产色片| 亚洲国产日韩欧美精品在线观看 | 中文字幕熟女人妻在线| 国产成人欧美在线观看| 国产黄片美女视频| 国产免费av片在线观看野外av| 色播亚洲综合网| 午夜成年电影在线免费观看| 曰老女人黄片| 国产精品,欧美在线| 丝袜人妻中文字幕| 脱女人内裤的视频| www.自偷自拍.com| 日本免费a在线| 女人被狂操c到高潮| 91在线观看av| 亚洲精品一卡2卡三卡4卡5卡| 午夜福利在线在线| 美女黄网站色视频| 午夜亚洲福利在线播放| 欧美黄色淫秽网站| 怎么达到女性高潮| 久久国产精品影院| 一级黄色大片毛片| 欧美日本亚洲视频在线播放| 亚洲真实伦在线观看| 九色国产91popny在线| 亚洲成av人片在线播放无| 亚洲精品在线观看二区| 一个人免费在线观看电影 | 999精品在线视频| 男女床上黄色一级片免费看| 两性夫妻黄色片| 午夜精品一区二区三区免费看| 久久久久久九九精品二区国产| 亚洲国产欧美人成| 亚洲精品456在线播放app | 久久久久九九精品影院| 国产探花在线观看一区二区| 亚洲专区中文字幕在线| 制服丝袜大香蕉在线| 又大又爽又粗| 在线观看日韩欧美| 欧美高清成人免费视频www| 99国产极品粉嫩在线观看| 中文字幕熟女人妻在线| 老司机福利观看| 在线国产一区二区在线| 国产不卡一卡二| 久久中文字幕一级| 熟女少妇亚洲综合色aaa.| 国产1区2区3区精品| 精品无人区乱码1区二区| 一区福利在线观看| www日本黄色视频网| 精品久久久久久,| 午夜视频精品福利| 五月伊人婷婷丁香| 床上黄色一级片| 色播亚洲综合网| aaaaa片日本免费| 九色国产91popny在线| 搡老熟女国产l中国老女人| 精品一区二区三区视频在线观看免费| 男女下面进入的视频免费午夜| 国产精品日韩av在线免费观看| 国产精品久久视频播放| 三级毛片av免费| 最新在线观看一区二区三区| 久久久精品大字幕| 亚洲欧美精品综合一区二区三区| 久久久国产欧美日韩av| 哪里可以看免费的av片| 成年免费大片在线观看| 亚洲熟女毛片儿| АⅤ资源中文在线天堂| 精品久久蜜臀av无| 国产一级毛片七仙女欲春2| 成年女人永久免费观看视频| 欧美黄色淫秽网站| 国产99白浆流出| 日韩三级视频一区二区三区| xxxwww97欧美| 中文亚洲av片在线观看爽| 长腿黑丝高跟| 人妻久久中文字幕网| 一级黄色大片毛片| 久久久久久大精品| 欧洲精品卡2卡3卡4卡5卡区| 999精品在线视频| 露出奶头的视频| 国产成人欧美在线观看| 熟女电影av网| 亚洲av电影在线进入| 欧美一级毛片孕妇| 国内少妇人妻偷人精品xxx网站 | 成人精品一区二区免费| 国产不卡一卡二| 黄片大片在线免费观看| 日韩欧美在线乱码| 国产精品久久久人人做人人爽| 亚洲成av人片免费观看| 超碰成人久久| 久久久水蜜桃国产精品网| 成年免费大片在线观看| 熟女电影av网| 成人午夜高清在线视频| 国产av麻豆久久久久久久| 婷婷精品国产亚洲av在线| 黄频高清免费视频| 可以在线观看毛片的网站| 亚洲乱码一区二区免费版| 欧美黑人巨大hd| 国产成人av激情在线播放| 国产精品久久久久久亚洲av鲁大| 国内毛片毛片毛片毛片毛片| 法律面前人人平等表现在哪些方面| 日本成人三级电影网站| 欧美一区二区国产精品久久精品| 美女高潮的动态| 在线观看免费视频日本深夜| 舔av片在线| 丰满人妻熟妇乱又伦精品不卡| 日韩免费av在线播放| 51午夜福利影视在线观看| 最新美女视频免费是黄的| 好男人电影高清在线观看| 狠狠狠狠99中文字幕| 国产aⅴ精品一区二区三区波| 一区二区三区高清视频在线| 香蕉丝袜av| 级片在线观看| 精华霜和精华液先用哪个| 午夜免费激情av| 欧美乱码精品一区二区三区| 久久精品国产亚洲av香蕉五月| 国产淫片久久久久久久久 | 精品午夜福利视频在线观看一区| 女同久久另类99精品国产91| 90打野战视频偷拍视频| 制服人妻中文乱码| 男人舔女人下体高潮全视频| 99在线视频只有这里精品首页| 天天一区二区日本电影三级| 久久精品影院6| 成人鲁丝片一二三区免费| 小说图片视频综合网站| 黄色视频,在线免费观看| 日韩欧美国产在线观看| 91av网一区二区| 高清毛片免费观看视频网站| 又黄又粗又硬又大视频| 琪琪午夜伦伦电影理论片6080| 午夜福利成人在线免费观看| 身体一侧抽搐| 国产成人精品久久二区二区91| 久久久精品大字幕| 亚洲国产看品久久| 亚洲人成伊人成综合网2020| 亚洲中文字幕日韩| 亚洲欧美日韩卡通动漫| 一区二区三区国产精品乱码| 天天躁狠狠躁夜夜躁狠狠躁| 国产视频一区二区在线看| 床上黄色一级片| 精品午夜福利视频在线观看一区| 午夜福利高清视频| 十八禁人妻一区二区| 国产精品一区二区免费欧美| 中文亚洲av片在线观看爽| 亚洲国产欧洲综合997久久,| 一进一出抽搐动态| 好看av亚洲va欧美ⅴa在| 亚洲国产精品999在线| 99riav亚洲国产免费| 亚洲专区字幕在线| 成人特级av手机在线观看| 欧美极品一区二区三区四区| 999久久久精品免费观看国产| 舔av片在线| 日本在线视频免费播放| 国产精品久久久av美女十八| tocl精华| 国产精品98久久久久久宅男小说| 19禁男女啪啪无遮挡网站| 成人亚洲精品av一区二区| 亚洲电影在线观看av| 岛国在线免费视频观看| 国产精品99久久久久久久久| 久久精品影院6| 国产精品 欧美亚洲| 亚洲专区中文字幕在线| 麻豆av在线久日| 搡老熟女国产l中国老女人| 99精品欧美一区二区三区四区| 亚洲欧美精品综合久久99| 国产精品综合久久久久久久免费| 亚洲五月天丁香| 久久精品国产综合久久久| 国产精品免费一区二区三区在线| 老司机午夜福利在线观看视频| 亚洲成人久久性| 欧美成人一区二区免费高清观看 | 亚洲精华国产精华精| 中文资源天堂在线| 国产三级黄色录像| 国产aⅴ精品一区二区三区波| 一级a爱片免费观看的视频| 国产成人aa在线观看| 九九在线视频观看精品| 久久中文字幕人妻熟女| 天堂av国产一区二区熟女人妻| 国产精品久久久人人做人人爽| 欧美中文日本在线观看视频| 欧美一区二区精品小视频在线| 天天躁日日操中文字幕| www日本在线高清视频| 久久久久久久午夜电影| 国产综合懂色| 国产蜜桃级精品一区二区三区| www国产在线视频色| 国产精品综合久久久久久久免费| 桃红色精品国产亚洲av| 亚洲国产精品合色在线| АⅤ资源中文在线天堂| 亚洲欧美日韩高清在线视频| 他把我摸到了高潮在线观看| 欧美极品一区二区三区四区| 精品久久久久久,| 热99re8久久精品国产| 亚洲国产高清在线一区二区三| 亚洲国产精品成人综合色| 亚洲一区二区三区不卡视频| 国产一区二区激情短视频| 久久午夜综合久久蜜桃| 91麻豆精品激情在线观看国产| 国产69精品久久久久777片 | 精品久久蜜臀av无| 欧美av亚洲av综合av国产av| 97超级碰碰碰精品色视频在线观看| 日韩欧美 国产精品| 高清毛片免费观看视频网站| 一二三四在线观看免费中文在| 91av网站免费观看| 欧美乱码精品一区二区三区| 亚洲无线在线观看| 可以在线观看毛片的网站| 在线免费观看的www视频| 午夜福利成人在线免费观看| 村上凉子中文字幕在线| 99久久精品国产亚洲精品| 午夜视频精品福利| 欧美日韩一级在线毛片| 亚洲 欧美 日韩 在线 免费| 成人无遮挡网站| 日本熟妇午夜| 亚洲欧美日韩卡通动漫| 成人国产综合亚洲| 一个人观看的视频www高清免费观看 | 91九色精品人成在线观看| 国产精品,欧美在线| 久久伊人香网站| 少妇人妻一区二区三区视频| 老司机午夜十八禁免费视频| 国产三级中文精品| 国产麻豆成人av免费视频| 99久久久亚洲精品蜜臀av| www.www免费av| 免费av不卡在线播放| 99国产综合亚洲精品| 色综合欧美亚洲国产小说| 国产精品永久免费网站| 可以在线观看的亚洲视频| 最新美女视频免费是黄的| 久久久久亚洲av毛片大全| 99国产精品一区二区蜜桃av| 久久久久久久久免费视频了| 日本免费一区二区三区高清不卡| 免费观看人在逋| 久久热在线av| 人人妻,人人澡人人爽秒播| 亚洲精华国产精华精| 精品久久久久久久人妻蜜臀av| 国产不卡一卡二| 成人av在线播放网站| 亚洲va日本ⅴa欧美va伊人久久| 久久久久久久久久黄片| x7x7x7水蜜桃| 欧美日韩黄片免| 毛片女人毛片| 午夜视频精品福利| 99热6这里只有精品| 97碰自拍视频| 国产97色在线日韩免费| 无遮挡黄片免费观看| 免费在线观看亚洲国产| 久久久国产欧美日韩av| 中文字幕精品亚洲无线码一区| 久久精品人妻少妇| 久久久久性生活片| 国产精品影院久久| 国产成人欧美在线观看| 一a级毛片在线观看| 国产97色在线日韩免费| 国产一区在线观看成人免费| 精品99又大又爽又粗少妇毛片 | 在线免费观看不下载黄p国产 | 99久国产av精品| 久久久国产欧美日韩av| 老司机福利观看| 一a级毛片在线观看| 熟女少妇亚洲综合色aaa.| www.自偷自拍.com| 首页视频小说图片口味搜索| 久久人人精品亚洲av| xxxwww97欧美| 91av网一区二区| 99久国产av精品| 国产不卡一卡二| 午夜成年电影在线免费观看| 欧美午夜高清在线| 久久热在线av| 亚洲国产欧美人成| 欧美日韩国产亚洲二区| 国产精品乱码一区二三区的特点| 91在线精品国自产拍蜜月 | 男女下面进入的视频免费午夜| 人妻久久中文字幕网| 18禁黄网站禁片免费观看直播| 欧美中文日本在线观看视频| 一a级毛片在线观看| 法律面前人人平等表现在哪些方面| 亚洲片人在线观看| 中文字幕最新亚洲高清| 亚洲18禁久久av| 欧美一级a爱片免费观看看| 欧美黑人欧美精品刺激| 可以在线观看毛片的网站| 国产精品,欧美在线| 久久人妻av系列| 日本精品一区二区三区蜜桃| 看免费av毛片| 亚洲无线在线观看| 一个人看视频在线观看www免费 | 国产精品 欧美亚洲| 国产不卡一卡二| 国产久久久一区二区三区| 男人舔女人下体高潮全视频| 欧美极品一区二区三区四区| 亚洲激情在线av| 国产精品永久免费网站| 亚洲av免费在线观看| 欧美最黄视频在线播放免费| 嫩草影院精品99| 国产午夜精品论理片| 日本免费a在线| 日韩精品中文字幕看吧| www.www免费av| 国内精品美女久久久久久| 国产欧美日韩一区二区精品| 亚洲精品在线观看二区| 成熟少妇高潮喷水视频| 久久久成人免费电影| 中文在线观看免费www的网站| 国产精品免费一区二区三区在线| 国产激情欧美一区二区| 精品国产乱码久久久久久男人| 岛国在线观看网站| 午夜福利视频1000在线观看| 国产乱人视频| 欧美丝袜亚洲另类 | 久久伊人香网站| 欧美黄色片欧美黄色片| 中文字幕高清在线视频| 制服丝袜大香蕉在线| 亚洲最大成人中文| 午夜免费激情av| 久久久久久九九精品二区国产| 在线看三级毛片| 国产真人三级小视频在线观看| 国产精品久久电影中文字幕| 国产精品免费一区二区三区在线| 天堂av国产一区二区熟女人妻| 久久中文字幕一级| 免费av不卡在线播放| tocl精华| 午夜影院日韩av| 国产美女午夜福利| 国产午夜精品论理片| 变态另类丝袜制服| 中文字幕最新亚洲高清| 在线观看一区二区三区| 国产69精品久久久久777片 | 亚洲色图 男人天堂 中文字幕| 99视频精品全部免费 在线 | 欧美精品啪啪一区二区三区| 99国产综合亚洲精品| 波多野结衣巨乳人妻| 亚洲av成人av| 国产精品一区二区免费欧美| 国产精品久久久久久精品电影| 人妻久久中文字幕网| 久久国产乱子伦精品免费另类| 国产激情久久老熟女| 欧美黄色片欧美黄色片| 国产亚洲精品综合一区在线观看| 69av精品久久久久久| 国产精品亚洲一级av第二区| 欧美日韩一级在线毛片| 搡老岳熟女国产| 国产人伦9x9x在线观看| 亚洲国产欧美人成| 欧美激情久久久久久爽电影| 青草久久国产| 久久欧美精品欧美久久欧美| 亚洲av电影不卡..在线观看| 十八禁网站免费在线| 韩国av一区二区三区四区| 母亲3免费完整高清在线观看| 不卡一级毛片| 99久久精品国产亚洲精品| 午夜a级毛片| 国内精品久久久久精免费| 国产精品爽爽va在线观看网站| 99国产精品一区二区三区| 高清毛片免费观看视频网站| 人人妻,人人澡人人爽秒播| 国产成人啪精品午夜网站| 国产高清视频在线观看网站| 国产伦一二天堂av在线观看| 十八禁人妻一区二区| 男人舔奶头视频| 精品99又大又爽又粗少妇毛片 | 国产午夜精品论理片| a级毛片在线看网站| 国内精品美女久久久久久| 国产97色在线日韩免费| 国产精品,欧美在线| 日韩欧美在线乱码| 色精品久久人妻99蜜桃| 亚洲专区中文字幕在线| 欧美中文综合在线视频| 国产午夜精品久久久久久| 免费在线观看视频国产中文字幕亚洲| 黄片大片在线免费观看| 2021天堂中文幕一二区在线观| 高清在线国产一区| 国产精品爽爽va在线观看网站| 国产黄片美女视频| bbb黄色大片| 一区福利在线观看| 免费一级毛片在线播放高清视频| 欧美在线一区亚洲| 午夜福利高清视频| 亚洲男人的天堂狠狠| www.999成人在线观看| 国产免费男女视频| 久久久色成人| 啦啦啦免费观看视频1| 夜夜躁狠狠躁天天躁| 国产精品av久久久久免费| 亚洲专区国产一区二区| 一进一出抽搐动态| 久久婷婷人人爽人人干人人爱| 日日摸夜夜添夜夜添小说| 日日干狠狠操夜夜爽| 麻豆久久精品国产亚洲av| 亚洲第一欧美日韩一区二区三区| 天堂动漫精品| 757午夜福利合集在线观看| 麻豆国产av国片精品| 美女午夜性视频免费| 国产探花在线观看一区二区| 久久久久久久精品吃奶| 999久久久国产精品视频| 亚洲男人的天堂狠狠| 亚洲国产欧美人成| 亚洲精品一卡2卡三卡4卡5卡| 热99re8久久精品国产| 久久婷婷人人爽人人干人人爱| 中文字幕高清在线视频| 久久久久国内视频| 村上凉子中文字幕在线| 夜夜躁狠狠躁天天躁| 最近最新中文字幕大全免费视频| 国内精品美女久久久久久| 精品日产1卡2卡| 久久精品影院6| 激情在线观看视频在线高清| 欧美日韩福利视频一区二区| 国产精品香港三级国产av潘金莲| 国产精品电影一区二区三区| 久久亚洲真实| 国产精品影院久久| 真实男女啪啪啪动态图| 51午夜福利影视在线观看| 日韩欧美 国产精品| 日韩欧美在线二视频| 综合色av麻豆| 日本成人三级电影网站| 亚洲一区高清亚洲精品| 88av欧美| 日本熟妇午夜| 国产精品美女特级片免费视频播放器 | 99在线视频只有这里精品首页| av国产免费在线观看| 日日摸夜夜添夜夜添小说| 中亚洲国语对白在线视频| 欧美又色又爽又黄视频| 九色国产91popny在线| 精品免费久久久久久久清纯| av在线蜜桃| 法律面前人人平等表现在哪些方面| 国产精品爽爽va在线观看网站| 亚洲成人免费电影在线观看| 久久久久国产一级毛片高清牌| 19禁男女啪啪无遮挡网站| 一二三四在线观看免费中文在| av片东京热男人的天堂| 亚洲熟妇中文字幕五十中出| 欧美日韩精品网址| 久久这里只有精品19| 在线免费观看的www视频| 国产精品乱码一区二三区的特点| 国产美女午夜福利| 国产精品,欧美在线| 亚洲最大成人中文| 三级毛片av免费| 丰满人妻一区二区三区视频av | 亚洲中文字幕一区二区三区有码在线看 | 精品国产超薄肉色丝袜足j| 精品日产1卡2卡| 欧美日本视频| 亚洲欧美日韩高清专用| 国产精品av视频在线免费观看| 在线国产一区二区在线| 毛片女人毛片| 热99在线观看视频| 国产伦在线观看视频一区| 在线观看日韩欧美| 1024香蕉在线观看| 超碰成人久久| 三级毛片av免费| 欧美黑人欧美精品刺激| 欧美日韩精品网址| 日本黄色片子视频| 日韩欧美一区二区三区在线观看| 日韩欧美在线乱码| 99riav亚洲国产免费| 国产一区在线观看成人免费| 亚洲av片天天在线观看| 久久久色成人| 国产精品久久久人人做人人爽| 两性午夜刺激爽爽歪歪视频在线观看| 黄色片一级片一级黄色片|