• <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Ghost-YOLOv3-2算法的2尺度豬目標(biāo)檢測

    2022-05-09 21:09:03孫東來王繼超陳科孫士尉劉昕彤周聞天
    江蘇農(nóng)業(yè)科學(xué) 2022年7期
    關(guān)鍵詞:實時性特征提取殘差

    孫東來 王繼超 陳科 孫士尉 劉昕彤 周聞天

    摘要:為了提高養(yǎng)殖場豬目標(biāo)檢測的檢出率和實時性,提出一種從特征提取骨干網(wǎng)絡(luò)和特征金字塔網(wǎng)絡(luò)這2個方面對YOLOv3算法進(jìn)行改進(jìn)的豬目標(biāo)檢測算法(Ghost-YOLOv3-2),并與經(jīng)典YOLOv3、Ghost-YOLOv3、YOLOv3-2 等3種算法進(jìn)行對比研究。試驗結(jié)果表明,特征提取骨干網(wǎng)絡(luò)的殘差單元中引入影子塊,可以在保留原有信息容量的同時減少計算量,提高網(wǎng)絡(luò)速度;特征金字塔網(wǎng)絡(luò)融合低層細(xì)粒度信息與高層語義信息,將輸出層改為2尺度,可以進(jìn)一步提高模型的表達(dá)能力與網(wǎng)絡(luò)的實時性;改進(jìn)的Ghost-YOLOv3-2算法在豬目標(biāo)檢測中平均精度(AP)達(dá)到88.03%,較YOLOv3算法提高5.2%;速度達(dá)到23.61 f/s,較YOLOv3算法提高34.6%,所提算法對豬檢測的檢出率和實時性有一定的提高。

    關(guān)鍵詞:豬目標(biāo)檢測;Ghost-YOLOv3-2;深度學(xué)習(xí);特征提取;檢出率;實時性

    中圖分類號: S126;TP18? 文獻(xiàn)標(biāo)志碼: A

    文章編號:1002-1302(2022)07-0189-07

    收稿日期:2021-06-28

    基金項目:國家自然科學(xué)基金(編號:61773242);河北省教育廳青年基金(編號:QN2021228);河北省滄州市重點研發(fā)計劃指導(dǎo)項目(編號:204102002);河北水利電力學(xué)院基本科研業(yè)務(wù)費專項。

    作者簡介:孫東來(1990—),男,河北滄州人,碩士,助教,研究方向為深度學(xué)習(xí)及目標(biāo)檢測。E-mail:598333985@qq.com。

    通信作者:王繼超,碩士,助教,研究方向為深度學(xué)習(xí)及智能優(yōu)化算法。E-mail:491366271@qq.com。

    隨著養(yǎng)殖業(yè)的規(guī)模化和人工智能的興起,實現(xiàn)養(yǎng)殖業(yè)的智能化與信息化已經(jīng)成為目前的研究熱點,而豬養(yǎng)殖智能化是實現(xiàn)養(yǎng)殖業(yè)智能化最為關(guān)鍵的一步。在現(xiàn)階段大規(guī)模養(yǎng)殖場中,對于病豬的前期征兆和異常行為都是依靠人工觀察來完成的,不僅勞動強(qiáng)度大,而且檢測不及時[1]。實時、連續(xù)、準(zhǔn)確地監(jiān)測豬進(jìn)食、飲水狀況,對預(yù)防豬疾病、提高養(yǎng)殖福利具有重要意義[2]。因此,建立智能養(yǎng)殖系統(tǒng),對豬的日常行為進(jìn)行觀察統(tǒng)計并對異常行為報警,可以極大提高檢測效率,降低勞動成本[3]。其中,豬的目標(biāo)檢測十分關(guān)鍵,對后續(xù)的個體軌跡追蹤以及病態(tài)檢測等具有重要意義。目前,豬養(yǎng)殖系統(tǒng)最為成熟的是阿里云與特驅(qū)集團(tuán)聯(lián)合建立的“AI+養(yǎng)殖業(yè)”項目,但此項目中對豬目標(biāo)檢測設(shè)備要求較高,只適用超大規(guī)模的豬養(yǎng)殖場,對中小型豬養(yǎng)殖場沒有借鑒作用。

    目標(biāo)檢測是計算機(jī)視覺領(lǐng)域的主要研究內(nèi)容,長期以來受到廣泛關(guān)注。傳統(tǒng)目標(biāo)檢測領(lǐng)域使用的區(qū)域選擇策略時間復(fù)雜度高、冗余窗口多且效果差,得到的特征數(shù)據(jù)對于目標(biāo)變化缺乏魯棒性,所以逐漸被基于深度學(xué)習(xí)的目標(biāo)檢測算法所取代[4]。基于深度學(xué)習(xí)的目標(biāo)檢測算法主要分為2類:第1類為通過分類區(qū)域建議來檢測目標(biāo)算法,如區(qū)域卷積神經(jīng)網(wǎng)絡(luò)[5]、快速區(qū)域卷積神經(jīng)網(wǎng)絡(luò)[6]、更快速區(qū)域卷積神經(jīng)網(wǎng)絡(luò)[7]。這類算法是將目標(biāo)檢測分為2步,首先利用滑動窗法在圖片上獲得候選區(qū)域,然后提取候選區(qū)域的特征向量,利用分類器的評分結(jié)果判別候選區(qū)域的目標(biāo)類別[8];第2類為基于回歸方法的一步式深度學(xué)習(xí)目標(biāo)檢測算法,這類算法不需要進(jìn)行候選區(qū)域提取,比較典型的代表是SSD[9]、YOLO[10-12]。其中,YOLOv3是在YOLOv2基礎(chǔ)上采用新的激活函數(shù)和多尺度訓(xùn)練等方法,進(jìn)一步提高了檢測速度[13]。Redmon等的研究表明,在標(biāo)準(zhǔn)數(shù)據(jù)集上,YOLOv3無論在檢測速度還是精度上都優(yōu)于SSD算法[12]。但是,YOLOv3目標(biāo)檢測算法還主要存在3個問題:一是由于卷積神經(jīng)網(wǎng)絡(luò)的復(fù)雜性導(dǎo)致需要耗費較多的計算機(jī)資源才能實現(xiàn)實時檢測的需求;二是面對目標(biāo)出現(xiàn)大幅度抖動、快速移動、消失等情況時,目標(biāo)檢測算法的精確性和魯棒性面臨巨大的挑戰(zhàn)[14];三是在某些特定場景下,YOLOv3算法不能針對某一目標(biāo)尺度進(jìn)行調(diào)整,從而使檢測準(zhǔn)確率下降,達(dá)不到特定的需求?;潞5忍岢隽艘环NBR-YOLOv3目標(biāo)檢測算法,解決了目標(biāo)尺寸差異較大時檢測精度低、漏檢率高的問題[15];王一婷等提出一種在同一場景下大尺度目標(biāo)的識別和定位方法[16]。

    針對現(xiàn)階段豬智能養(yǎng)殖系統(tǒng)目標(biāo)檢測對設(shè)備要求高、普適性差的問題,本研究對YOLOv3算法進(jìn)行改進(jìn),提出了一種可以實時準(zhǔn)確地進(jìn)行中大尺度的豬目標(biāo)檢測算法(Ghost-YOLOv3-2),同時易于在邊緣設(shè)備上部署,適用于中小型的豬養(yǎng)殖場。主要工作如下:(1)構(gòu)建豬數(shù)據(jù)集,取材于3處中小型豬養(yǎng)殖場約500只豬,共計2 400張照片。(2)針對YOLOv3算法豬檢測實時性差的問題,參考2020年IEEE國際計算機(jī)視覺與模式識別會議(CVPR)中提出的GhostNet[17],借鑒其核心思想對特征提取骨干網(wǎng)絡(luò)進(jìn)行改進(jìn),即將影子塊引入Darknet-53網(wǎng)絡(luò)的殘差單元中,生成部分“影子”信息,代替原有算法中大量無用的計算,使計算量明顯減少,大幅提高網(wǎng)絡(luò)速度,得到Ghost-YOLOv3算法。(3)針對Ghost-YOLOv3算法檢測準(zhǔn)確率低且存在較高漏檢率的問題,本研究對特征金字塔網(wǎng)絡(luò)進(jìn)行改進(jìn),即去掉小目標(biāo)尺寸,將低層細(xì)粒度信息與特征金字塔中信息進(jìn)行融合得到中尺度特征,在進(jìn)一步提速的同時確保算法準(zhǔn)確率,最終得到 Ghost-YOLOv3-2算法。

    1 YOLOv3網(wǎng)絡(luò)介紹

    1.1 YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)

    YOLOv3網(wǎng)絡(luò)主要包括特征提取模塊、特征金字塔模塊和分支預(yù)測模塊3個部分。特征提取模塊采用的是Darknet-53網(wǎng)絡(luò),此網(wǎng)絡(luò)包含53個卷積層,并引入殘差結(jié)構(gòu),當(dāng)輸入圖片像素尺寸為416×416時,輸出3個尺度的特征度,大小分別為13×13、26×26、52×52,將3個不同尺度的特征圖輸入FPN模塊,此模塊包含3個預(yù)測分支結(jié)構(gòu),依次為大尺寸、中等尺寸、小尺寸目標(biāo)的檢測特征信息[18]。模塊通過自頂向下的特征流,將來自高層預(yù)測分支中包含強(qiáng)語義特征信息融入到淺層特征中,為淺層預(yù)測分支提供更強(qiáng)的語義特征信息。最終將多類信息進(jìn)行融合,得到模型的3個輸出。

    1.2 損失函數(shù)組成

    YOLOv3網(wǎng)絡(luò)的損失函數(shù)(Loss)由3個部分組成,包括目標(biāo)誤差( L? box)、置信度的誤差( L? conf)和類別誤差( L? cls)。

    Loss=L? box+ L? conf+ L? cis。(1)

    其中:目標(biāo)誤差損失使用均方誤差進(jìn)行計算,首先計算各預(yù)測區(qū)域與對應(yīng)真實區(qū)域間的交并比(IOU),公式如下:

    IOU=Area(A)∩Area(B)Area(A)∪Area(B)。(2)

    式中:Area(A)表示真實區(qū)域面積;Area(B) 表示預(yù)測區(qū)域面積。

    通過預(yù)先設(shè)定好的IOU閾值對預(yù)測面積進(jìn)行篩選,篩選出IOU值大于閾值的區(qū)域,計算篩選后的區(qū)域( L? box):

    L? box= λ? coord∑ S2i=0∑Bj=01obj i,j[(x i-x^ i)2+(y i-y^ i)2+(w i-w^ i)2+(h i-h^ i)2]。(3)

    式中:λ? coord表示目標(biāo)誤差系數(shù); S2表示輸出尺度,即13×13、26×26、52×52;B表示每個網(wǎng)格所預(yù)測的邊界框數(shù),個;1obj i,j表示判斷邊界框里有無目標(biāo),有為1,無則為0;x i、y i、w i、h i分別表示預(yù)測框的中心點橫坐標(biāo)、縱坐標(biāo)、寬、高;x^ i、y^ i、w^ i、h^ i分別表示標(biāo)注框的中心點橫坐標(biāo)、縱坐標(biāo)、寬、高。

    置信度誤差(L? con)使用交叉熵進(jìn)行計算,公式如下:

    L? conf=-∑ S2i=0∑Bj =01obj? i,jc^ i( ln ?c i)+(1-c^ i) ln (1-c i)-λ? noobj∑ S2i=0∑Bj =01noobj? i,jc^ i (ln ?c i)+(1-c^ i) ln (1-c i)。(4)

    式中:λ? noobj表示懲罰權(quán)重系數(shù);1noobj? i,j表示網(wǎng)格i的第j 個box和目標(biāo)box的IOU值不是最大值; c i和 c^ i分別表示預(yù)測框和標(biāo)注框的置信度。

    類別誤差(L cis)同樣使用交叉熵進(jìn)行計算,公式如下:

    L cis=-∑S2i=0∑Bj=0{1obj i,jp^ i(c)[ ln ?p i(c)]}+[1-p^ i i(c)]{ ln [1-p i(c)]}。(5)

    式中:p i(c)和p^ i(c)分別表示預(yù)測框概率和標(biāo)注框概率。

    2 Ghost-YOLOv3-2算法的構(gòu)建

    針對YOLOv3算法對中大尺度目標(biāo)豬檢測存在的實時性有待提高和漏檢率高的問題,本研究從特征提取骨干網(wǎng)絡(luò)和特征金字塔網(wǎng)絡(luò)2個方面對YOLOv3算法進(jìn)行改進(jìn),得到Ghost-YOLOv3-2算法,改進(jìn)后網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

    2.1 特征提取骨干網(wǎng)絡(luò)改進(jìn)

    YOLOv3使用Darknet-53作為特征提取骨干網(wǎng)絡(luò),在網(wǎng)絡(luò)中引入23個殘差模塊,每個殘差模塊首先使用步長為1、大小為1×1的卷積核進(jìn)行信息壓縮,輸出通道數(shù)為輸入通道數(shù)的一半,然后使用步長為1、大小為3×3的卷積核進(jìn)行特征提取,最后將2次卷積后的特征與殘差單元輸入特征按位置相加,得到新的特征。雖然引入殘差模塊可以使網(wǎng)絡(luò)提取更深層次的特征并且避免了梯度離散和梯度爆炸的問題,但是模型的參數(shù)量也隨之急劇增大,對模型的實時性能有很大的影響。本研究通過分析殘差單元內(nèi)的特征圖發(fā)現(xiàn),使用感受野較大的 3×3 卷積核進(jìn)行卷積操作后存在較多的信息冗余。如圖2所示,對Darknet-53第1個殘差單元第2次卷積后的特征圖進(jìn)行可視化,可以看到在生成的特征圖中存在較多相似程度很高的特征圖對,其中1個特征圖可以看作是另外1個特征圖的影子,而使用一定尺寸的單通道濾波器對其中1個特征圖進(jìn)行線性變換即可得到另外1個影子特征圖。因此,本研究將影子塊[17]引入Darknet-53的殘差單元中,用來生成影子特征圖,在保證原有特征信息量不變的基礎(chǔ)上降低網(wǎng)絡(luò)的參數(shù)量,提高網(wǎng)絡(luò)的實時性。

    圖3為原版Darknet-53的殘差單元結(jié)構(gòu)圖,其中包含2個卷積塊,每個卷積塊由卷積層、線性變換層和非飽和激活層組成,卷積塊中卷積層的參數(shù)量( S? 1)計算公式為:

    S 1=c×h′×w′×n×k×k。(6)

    式中:c表示輸入特征圖通道數(shù);h′、w′分別表示卷積操作輸出的特征圖高、寬;n表示輸出特征圖的通道數(shù);k表示濾波器大小;k×k 表示濾波核大小。

    如圖4所示,使用影子塊替換第2個卷積塊,影子塊首先進(jìn)行普通卷積操作,然后使用深度可分離卷積對普通卷積得到的特征圖進(jìn)行線性化操作,生成的特征圖與輸入特征圖進(jìn)行堆疊得到最終特征圖,影子塊中卷積層的參數(shù)量( S? 2)計算公式為:

    S 2=c×h′×w′×n2×k×k+n2×h′×w′×k×k。 (7)

    利用影子塊生成與普通卷積塊相同數(shù)量的特征圖,可以輕松地替換原有的殘差單元,以減少計算成本,帶來內(nèi)存和計算量的收益。卷積塊參數(shù)壓縮比( r c )可以計算為:

    r c=c×h′×w′×n×k×kc×h′×w′×n2×k×k+n2×h′×w′×k×k。(8)

    由公式(8)可知,卷積塊參數(shù)壓縮比約為2。從特征提取骨干網(wǎng)絡(luò)浮點運算次數(shù)角度對模型進(jìn)行空間復(fù)雜度對比,YOLOv3、Ghost-YOLOv3-2浮點運算次數(shù)(FLOPS)分別為81.7、30.9億。結(jié)果表明,在特征提取骨干網(wǎng)絡(luò)中引入影子塊可以有效減少浮點運算次數(shù),提升模型運行的速度。

    2.2 特征金字塔網(wǎng)絡(luò)改進(jìn)

    特征提取骨干網(wǎng)絡(luò)中既有淺層的細(xì)粒度信息又有深層的語義信息,YOLOv3采用特征金字塔網(wǎng)絡(luò)結(jié)構(gòu)對淺層特征和深層特征進(jìn)行信息融合,經(jīng)過信息壓縮和信息提取操作得到13×13、26×26、52×52等3個尺度輸出,分別對應(yīng)檢測大目標(biāo)、中等目標(biāo)和小目標(biāo)。本研究檢測的養(yǎng)豬場豬普遍具有中等、大尺度的特點,因此去掉檢測小目標(biāo)的尺度,只保留中等、大目標(biāo)尺度。應(yīng)用場景中的豬多為中等尺度目標(biāo),為了降低中等尺度目標(biāo)的漏檢率,提高目標(biāo)檢測性能,將低層細(xì)粒度信息與特征金字塔中信息進(jìn)行融合得到中尺度特征。如圖5所示,卷積集合交替使用1×1和3×3大小的卷積核進(jìn)行卷積操作,其中1×1卷積操作為信息壓縮,3×3卷積操作為信息提取。特征提取骨干網(wǎng)絡(luò)第23個殘差塊輸出的特征圖經(jīng)過卷積集合后送入輸出層,得到13×13的大尺度輸出。第23個殘差塊的特征圖經(jīng)過卷積集合后進(jìn)行上采樣操作與第19個殘差塊的特征圖進(jìn)行堆疊,卷積集合對堆疊的特征圖進(jìn)行信息壓縮和信息提取后與第11個殘差塊輸出經(jīng)下采樣后的特征圖進(jìn)行堆疊,然后再次經(jīng)過卷積集合后送入輸出層得到26×26的中等尺度輸出。改進(jìn)后的特征金字塔網(wǎng)絡(luò)加入淺層細(xì)粒度信息,增加了信息的豐富程度,可以提高對中大目標(biāo)的檢測能力。

    3 試驗結(jié)果與分析

    本研究試驗環(huán)境如下:Intel Core i5-10400F CPU,16 GB內(nèi)存,NVIDIA GeForce RTX 2070 GPU,TensorFlow版本為2.1.0,TensorBoard版本為2.1.1,CUDA版本為10.2,CUDNN版本為7.6.5,試驗操作系統(tǒng)為Ubuntu 20.10,使用python作為程序設(shè)計語言。

    3.1 試驗數(shù)據(jù)集及訓(xùn)練模型

    目前在豬目標(biāo)檢測領(lǐng)域公開的數(shù)據(jù)集較少且質(zhì)量較低,因此自行構(gòu)建了豬樣本數(shù)據(jù)集,數(shù)據(jù)集取景于河北省海興縣趙毛陶鎮(zhèn)3處中小型養(yǎng)豬場,共包含2 400張豬樣本圖像。最后得到的豬數(shù)據(jù)集(圖6),使用LabelImg打標(biāo)簽工具進(jìn)行標(biāo)注。本研究將樣本圖像按6 ∶3 ∶1比例劃分為訓(xùn)練集、驗證集和測試集。在訓(xùn)練階段,應(yīng)用隨機(jī)梯度下降對模型參數(shù)進(jìn)行調(diào)整,設(shè)置初始學(xué)習(xí)率為0.000 5,批量尺寸為8,試驗中迭代次數(shù)為150。

    3.2 對比試驗

    本研究分別對經(jīng)典YOLOv3算法、2尺度YOLOv3算法YOLOv3-2、引入影子塊的3尺度YOLOv3算法Ghost-YOLOv3及本研究最終改進(jìn)的Ghost-YOLOv3-2算法進(jìn)行訓(xùn)練,訓(xùn)練過程中對算法的指標(biāo)進(jìn)行動態(tài)記錄,平均損失的變化趨勢如圖7 所示,引入影子塊的2尺度YOLOv3算法 Ghost-YOLOv3-2 在第50個epoch收斂,平均損失值為5.86,與其他2種算法相比,收斂速度最快且收斂后的平均損失為4種算法中最低。

    試驗采用目標(biāo)檢測3種常見指標(biāo)即精確度(precision)、召回率(recall)和平均精確度(average precision,簡稱AP)作為算法性能定量評價標(biāo)準(zhǔn)。精確度是指所有檢測到的目標(biāo)中正樣本的比例,其公式如下:

    precision=TPTP+FP。(8)

    式中:TP表示檢測出的正樣本數(shù)量;FP表示檢測出的負(fù)樣本數(shù)量;FN 表示沒有被檢出的正樣本數(shù)量。

    召回率是指所有目標(biāo)中被正確檢測出來的比例,其公式如下:

    recall=TPTP+FN。 (9)

    平均精確度(AP)是不同置信度評價標(biāo)準(zhǔn)下精確度對召回率的積分,其公式如下:

    AP=∫1 0p(r) d r。(10)

    式中: p表示精確度;r 表示召回率。

    將4種檢測模型訓(xùn)練完成后,將豬數(shù)據(jù)集中的測試集用于檢測,4種模型檢測結(jié)果繪制成為精確度-召回率(PR)曲線(圖8)。

    在豬檢測數(shù)據(jù)集上對最終改進(jìn)算法、原版YOLOv3算法及其他改進(jìn)算法進(jìn)行測試,性能測試結(jié)果如表1所示。在數(shù)據(jù)集與超參數(shù)相同的情況下,提出的改進(jìn)算法Ghost-YOLOv3-2與YOLOv3算法相比,目標(biāo)檢測平均精度提高5.2百分點,權(quán)重參數(shù)減少26.37%,實時性(幀率)由17.54 f/s變?yōu)?3.61 f/s,提升了34.61%;與引入影子塊的3尺度Ghost-YOLOv3算法相比,平均精度提高6.0百分點,實時性提高3.2%;與2尺度YOLOv3算法(YOLOv3-2)相比,雖然平均精度下降0.17百分點,但實時性有了大幅度提高,達(dá)到17.8%。

    3.3 檢測結(jié)果

    如圖9-a、圖9-b所示,融合多層信息并改為2尺度的YOLOv3-2與經(jīng)典YOLOv3算法相比,豬檢出數(shù)目由3只提升到4只,且對于YOLOv3算法未檢出的豬檢測準(zhǔn)確度能達(dá)到99.40%。由圖9-c、圖9-d可以看出,只加了Ghost模塊的Ghost-YOLOv3算法漏檢率偏高,達(dá)到40%,而2尺度的Ghost-YOLOv3-2算法能檢測照片上的所有豬,且準(zhǔn)確率較高。

    4 結(jié)論與討論

    本研究提出了一種改進(jìn)YOLOv3的豬目標(biāo)檢測算法,首先使用聚類算法對錨點尺寸進(jìn)行優(yōu)化,然后使用引入影子塊的特征提取骨干網(wǎng)絡(luò)進(jìn)行特征提取,最后通過改進(jìn)的特征金字塔網(wǎng)絡(luò)實現(xiàn)2尺度目標(biāo)輸出。

    利用普通卷積方法生成部分特征圖,然后利用深度可分離卷積對特征圖進(jìn)行線性變換得到影子特征圖,可以在保留原有信息量的基礎(chǔ)上有效降低參數(shù)量,提高模型實時性;將淺層細(xì)粒度信息加入特征金字塔中,并將輸出改為2尺度,可以豐富特征圖信息量,降低模型漏檢率,提高目標(biāo)檢測精度。在相同的條件下,宦海等提出的BR-YOLOv3算法平均檢測精度為88.82%[15],與本研究的檢測結(jié)果相近,但其速度為16.68 f/s,低于本研究結(jié)果,原因是宦海等利用空洞卷積,構(gòu)建多層并行的空洞視野感受模塊,提高了模型的表達(dá)能力,但是忽略了模型的運算速度。王一婷等提出的同一場景下超大目標(biāo)尺度差異的目標(biāo)檢測方法對于中大尺度豬目標(biāo)檢測,平均檢測精度為85.24%,速度為 19.66 f/s[16],均低于本研究結(jié)果,原因是王一婷等引入的動態(tài)IOU可以動態(tài)調(diào)整閾值,解決了樣本尺度不均衡的問題,但在固定場景下如養(yǎng)殖場,豬的目標(biāo)檢測尺度相對固定為中大尺度,IOU的調(diào)整對檢測準(zhǔn)確率提升效果不大,并且在檢測速度方面也并未改進(jìn)。

    本研究提出的Ghost-YOLOv3-2算法可以部署在嵌入式的邊緣檢測設(shè)備上,造價不高,適用于中小型智能豬養(yǎng)殖場,也可以為后續(xù)的豬軌跡追蹤及健康狀況評價提供有力的數(shù)據(jù)支撐。由于所提方法在對豬嚴(yán)重遮擋情況下檢測具有一定的漏檢率,下一步將結(jié)合輪廓檢測的方法進(jìn)行深入研究。

    參考文獻(xiàn):

    [1]黨亞男,王 芳,田建艷,等. 面向豬的姿態(tài)識別的特征優(yōu)選方法研究[J]. 江蘇農(nóng)業(yè)科學(xué),2016,44(3):448-451.

    [2]薛佳俐,楊曙明. 生豬福利養(yǎng)殖系統(tǒng)的研究進(jìn)展[J]. 農(nóng)產(chǎn)品質(zhì)量與安全,2020(2):64-69.

    [3]李菊霞,李艷文,牛 帆,等. 基于YOLOv4的豬只飲食行為檢測方法[J]. 農(nóng)業(yè)機(jī)械學(xué)報,2021,52(3):251-256.

    [4]宋偉先. 基于深度學(xué)習(xí)的豬只目標(biāo)檢測及狀態(tài)分析[D]. 哈爾濱:東北農(nóng)業(yè)大學(xué),2019.

    [5]Girshick R,Donahue J,Darrell T,et al. Rich feature hierarchies for accurate object detection and semantic segmentation[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition,Columbus,2014:580-587.

    [6]Girshick R.Fast R-CNN[C]//Proceedings of IEEE International Conference on Computer Vision. Santiago,2015:1440-1448.

    [7]Ren S,He K,Girshick R,et al. Faster R-CNN:towards real-time object detection with region proposal networks[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence,2017,39(6):1137-1149.

    [8]柳長源,王 琪, 畢曉君. 多目標(biāo)小尺度車輛目標(biāo)檢測方法的研究[J]. 控制與決策,2021,36(11):1-6.

    [9]Liu W,Anguelov D,Erhan D,et al. SSD:single shot multibox detector[C]//European Conference on Computer Vision. The Netherlands:Springer,2016:21-37.

    [10]Redmon J,Divvala S,Girshick R,et al. You only look once:unified,real-time object detection with region proposal networks[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,2017,39(6):1137-1149.

    [11]Redmon J,F(xiàn)arhadi A.YOLO9000:better,faster,stronger[C]//IEEE Conference on Computer Vision & Pattern Recognition,2017:6517-6525.

    [12]Redmon J,F(xiàn)arhadi A.YOLOv3:an incremental improvement[Z/OL]. (2018-04-08)[2021-06-16]. https://arxiv.org/abs/1804.02767

    [13]曾鏡源,洪添勝,楊 洲. 基于實例分割的柚子姿態(tài)識別與定位研究[J]. 河南農(nóng)業(yè)大學(xué)學(xué)報,2021,55(2):287-294.

    [14]Howard A G,Zhu M,Chen B,et al. MobileNets:efficient convolutional neural networks for mobile vision applications[C]//IEEE Conference on Computer Vision and Pattern Recognition.Honolulu,2017:1-9.

    [15]宦 海,陳逸飛,張 琳,等. 一種改進(jìn)的BR-YOLOv3目標(biāo)檢測網(wǎng)絡(luò)[J]. 計算機(jī)工程,2021,47(10):186-193.

    [16]王一婷,張 柯,李 捷,等. 同一場景下超大尺度差異物體的識別和定位方法[J]. 計算機(jī)應(yīng)用,2020,40(12):3520-3525.

    [17]Han K,Wang Y H,Tian Q,et al. GhostNet:more features from cheap operations[C]//2020 IEEE Conference on Computer Vision and Pattern Recognition. Seattle,2020.

    [18]Lin T Y,Dollár P,Girshick R,et al. Feature pyramid networks for object detection[C]//2017 IEEE Conference on Computer Vision and Pattern Recognition. Honolulu,2017.

    猜你喜歡
    實時性特征提取殘差
    一種改進(jìn)的殘差χ2故障檢測算法
    基于規(guī)則實時性的端云動態(tài)分配方法研究
    基于殘差學(xué)習(xí)的自適應(yīng)無人機(jī)目標(biāo)跟蹤算法
    基于Gazebo仿真環(huán)境的ORB特征提取與比對的研究
    電子制作(2019年15期)2019-08-27 01:12:00
    基于遞歸殘差網(wǎng)絡(luò)的圖像超分辨率重建
    基于虛擬局域網(wǎng)的智能變電站通信網(wǎng)絡(luò)實時性仿真
    航空電子AFDX與AVB傳輸實時性抗干擾對比
    一種基于LBP 特征提取和稀疏表示的肝病識別算法
    平穩(wěn)自相關(guān)過程的殘差累積和控制圖
    河南科技(2015年8期)2015-03-11 16:23:52
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    a级毛片在线看网站| 亚洲av电影在线进入| 国产男靠女视频免费网站| 97人妻精品一区二区三区麻豆 | 午夜福利18| 久久婷婷成人综合色麻豆| 国产99白浆流出| 免费在线观看影片大全网站| 国产精品1区2区在线观看.| 亚洲人成网站在线播放欧美日韩| 亚洲精品国产区一区二| 悠悠久久av| 欧美一区二区精品小视频在线| 亚洲国产毛片av蜜桃av| 午夜免费观看网址| 欧美激情极品国产一区二区三区| 日本免费a在线| 少妇裸体淫交视频免费看高清 | 深夜精品福利| 国产一区二区三区在线臀色熟女| 成人午夜高清在线视频 | 国产精品98久久久久久宅男小说| 黑人巨大精品欧美一区二区mp4| 超碰成人久久| 亚洲午夜精品一区,二区,三区| 久久香蕉精品热| 亚洲精品一区av在线观看| 久久婷婷人人爽人人干人人爱| 深夜精品福利| 亚洲九九香蕉| 国产精品久久久久久人妻精品电影| 后天国语完整版免费观看| 国产视频内射| 欧美中文日本在线观看视频| 国产久久久一区二区三区| 免费观看精品视频网站| 成人永久免费在线观看视频| 精品福利观看| 少妇粗大呻吟视频| 亚洲国产毛片av蜜桃av| 日韩欧美三级三区| 嫩草影院精品99| 亚洲五月天丁香| 日韩有码中文字幕| 午夜福利成人在线免费观看| 精品一区二区三区av网在线观看| netflix在线观看网站| 天天一区二区日本电影三级| 大型黄色视频在线免费观看| 久久中文字幕一级| 熟女少妇亚洲综合色aaa.| 两性午夜刺激爽爽歪歪视频在线观看 | 婷婷精品国产亚洲av| 最好的美女福利视频网| 叶爱在线成人免费视频播放| 国产区一区二久久| 美女国产高潮福利片在线看| 国产精品免费一区二区三区在线| 制服诱惑二区| 色播在线永久视频| www日本黄色视频网| 国产黄色小视频在线观看| e午夜精品久久久久久久| 亚洲国产欧美网| 日韩欧美国产一区二区入口| 国产伦人伦偷精品视频| 亚洲国产中文字幕在线视频| 妹子高潮喷水视频| 久久久国产精品麻豆| 国内精品久久久久久久电影| 欧美日韩瑟瑟在线播放| 欧美激情 高清一区二区三区| 一边摸一边抽搐一进一小说| 啦啦啦观看免费观看视频高清| 999精品在线视频| www.999成人在线观看| 好男人在线观看高清免费视频 | 久久中文字幕人妻熟女| 成人亚洲精品av一区二区| 亚洲午夜精品一区,二区,三区| av欧美777| 男女视频在线观看网站免费 | 国产黄片美女视频| 欧美午夜高清在线| 黄色片一级片一级黄色片| 男男h啪啪无遮挡| 亚洲真实伦在线观看| 中文字幕另类日韩欧美亚洲嫩草| 久久伊人香网站| 久久香蕉精品热| 99精品欧美一区二区三区四区| 制服诱惑二区| 国产成+人综合+亚洲专区| 波多野结衣av一区二区av| 国产伦人伦偷精品视频| 久久国产精品人妻蜜桃| 此物有八面人人有两片| 免费观看人在逋| 一区二区三区高清视频在线| 国产三级黄色录像| 亚洲一区高清亚洲精品| 亚洲午夜精品一区,二区,三区| 在线永久观看黄色视频| 日本一区二区免费在线视频| 亚洲一区中文字幕在线| 欧美黑人欧美精品刺激| 欧美色视频一区免费| 久久国产亚洲av麻豆专区| 亚洲精品在线观看二区| 一个人观看的视频www高清免费观看 | 国产主播在线观看一区二区| a在线观看视频网站| 午夜免费鲁丝| 91成人精品电影| 黄频高清免费视频| 九色国产91popny在线| 色哟哟哟哟哟哟| 视频区欧美日本亚洲| xxxwww97欧美| 欧美精品啪啪一区二区三区| 亚洲第一青青草原| 亚洲av熟女| 一卡2卡三卡四卡精品乱码亚洲| 777久久人妻少妇嫩草av网站| 少妇被粗大的猛进出69影院| 黄色片一级片一级黄色片| av电影中文网址| 99re在线观看精品视频| 欧美乱妇无乱码| 一级毛片精品| 国产又色又爽无遮挡免费看| 久9热在线精品视频| 波多野结衣巨乳人妻| 天天躁狠狠躁夜夜躁狠狠躁| 一个人观看的视频www高清免费观看 | 男女床上黄色一级片免费看| 国产成人一区二区三区免费视频网站| 搞女人的毛片| 他把我摸到了高潮在线观看| 黄色片一级片一级黄色片| 国产免费男女视频| 亚洲全国av大片| 波多野结衣av一区二区av| 99国产极品粉嫩在线观看| 精华霜和精华液先用哪个| АⅤ资源中文在线天堂| 一边摸一边抽搐一进一小说| 成人亚洲精品av一区二区| 国产成+人综合+亚洲专区| 亚洲国产精品999在线| 香蕉丝袜av| 三级毛片av免费| 50天的宝宝边吃奶边哭怎么回事| 一级黄色大片毛片| 男人舔女人下体高潮全视频| 中文字幕另类日韩欧美亚洲嫩草| 精品无人区乱码1区二区| 一级毛片精品| 色哟哟哟哟哟哟| 一进一出好大好爽视频| 国产日本99.免费观看| 又黄又爽又免费观看的视频| av有码第一页| 午夜成年电影在线免费观看| 成人av一区二区三区在线看| 欧美成人性av电影在线观看| 日日夜夜操网爽| 精品久久久久久,| 老鸭窝网址在线观看| 亚洲 欧美一区二区三区| 国产三级在线视频| 免费看十八禁软件| 国产免费男女视频| 国产精品二区激情视频| 校园春色视频在线观看| 自线自在国产av| 18禁美女被吸乳视频| 正在播放国产对白刺激| 亚洲全国av大片| 亚洲一码二码三码区别大吗| 我的亚洲天堂| 最好的美女福利视频网| 亚洲色图 男人天堂 中文字幕| 一本综合久久免费| 一进一出好大好爽视频| www国产在线视频色| 久久精品91蜜桃| 亚洲人成77777在线视频| 成人亚洲精品av一区二区| 亚洲一区二区三区色噜噜| 香蕉丝袜av| 久久国产精品人妻蜜桃| 色在线成人网| 久久久久九九精品影院| 少妇熟女aⅴ在线视频| 日韩欧美三级三区| 亚洲精品国产一区二区精华液| 老汉色∧v一级毛片| 免费观看人在逋| 久久人妻av系列| 此物有八面人人有两片| 桃红色精品国产亚洲av| 欧美性长视频在线观看| 久久香蕉国产精品| 正在播放国产对白刺激| 国产一区在线观看成人免费| 欧美色视频一区免费| 日韩国内少妇激情av| 深夜精品福利| www国产在线视频色| 不卡一级毛片| 国产精品久久久久久人妻精品电影| 窝窝影院91人妻| av欧美777| 可以在线观看的亚洲视频| 激情在线观看视频在线高清| 久久久精品欧美日韩精品| 国产精品永久免费网站| 波多野结衣av一区二区av| 成年人黄色毛片网站| 一区二区三区激情视频| 90打野战视频偷拍视频| 精品久久久久久久久久免费视频| 婷婷六月久久综合丁香| 在线av久久热| 亚洲专区中文字幕在线| 国产成人影院久久av| 欧美日本视频| 亚洲av美国av| 欧洲精品卡2卡3卡4卡5卡区| 人人妻人人澡欧美一区二区| 99在线视频只有这里精品首页| 日本熟妇午夜| 天堂动漫精品| 成人18禁在线播放| 人人妻,人人澡人人爽秒播| 这个男人来自地球电影免费观看| 亚洲va日本ⅴa欧美va伊人久久| 亚洲精品美女久久av网站| 成人三级做爰电影| 无遮挡黄片免费观看| 国产欧美日韩一区二区精品| 最近最新中文字幕大全电影3 | 一本久久中文字幕| 曰老女人黄片| 啦啦啦 在线观看视频| 国产成人啪精品午夜网站| 国产精品久久久久久亚洲av鲁大| 俺也久久电影网| 超碰成人久久| 丝袜美腿诱惑在线| 成人精品一区二区免费| 天堂动漫精品| 最近最新中文字幕大全电影3 | 久久久精品国产亚洲av高清涩受| 身体一侧抽搐| 大型av网站在线播放| 中文字幕高清在线视频| 亚洲精品粉嫩美女一区| 亚洲在线自拍视频| 久久中文看片网| 久久草成人影院| 日韩欧美 国产精品| 最近最新免费中文字幕在线| 美女国产高潮福利片在线看| 91av网站免费观看| netflix在线观看网站| 日本精品一区二区三区蜜桃| www.熟女人妻精品国产| 久久亚洲精品不卡| 亚洲人成伊人成综合网2020| 国产精品综合久久久久久久免费| 国产亚洲av嫩草精品影院| 免费无遮挡裸体视频| 一个人免费在线观看的高清视频| 看免费av毛片| 国产私拍福利视频在线观看| 黄色丝袜av网址大全| 国产成人系列免费观看| 国产成人av教育| 亚洲精品在线美女| 久久久久久久精品吃奶| 免费在线观看视频国产中文字幕亚洲| 天天添夜夜摸| 窝窝影院91人妻| 亚洲成人国产一区在线观看| 亚洲avbb在线观看| 国产一区在线观看成人免费| 欧美一级毛片孕妇| 久久国产乱子伦精品免费另类| 麻豆成人午夜福利视频| 亚洲精品中文字幕在线视频| 91国产中文字幕| 亚洲av五月六月丁香网| 国产精品自产拍在线观看55亚洲| 中文字幕高清在线视频| 琪琪午夜伦伦电影理论片6080| 久久热在线av| 亚洲激情在线av| 亚洲男人的天堂狠狠| 村上凉子中文字幕在线| 免费在线观看亚洲国产| 9191精品国产免费久久| 2021天堂中文幕一二区在线观 | 亚洲 欧美一区二区三区| 男人舔女人下体高潮全视频| 特大巨黑吊av在线直播 | 国产精品 欧美亚洲| 久久久国产欧美日韩av| 首页视频小说图片口味搜索| 日本五十路高清| 在线观看免费午夜福利视频| 日本免费一区二区三区高清不卡| 麻豆成人午夜福利视频| 日韩欧美 国产精品| 成人手机av| 久热爱精品视频在线9| 18禁美女被吸乳视频| 中文资源天堂在线| 国产精品自产拍在线观看55亚洲| 黑人操中国人逼视频| 啦啦啦 在线观看视频| 久久久久久久久免费视频了| 日韩欧美三级三区| 男女那种视频在线观看| 岛国视频午夜一区免费看| 国产高清videossex| 午夜福利欧美成人| 午夜福利成人在线免费观看| avwww免费| 亚洲第一欧美日韩一区二区三区| 亚洲国产精品sss在线观看| 精品一区二区三区四区五区乱码| 91字幕亚洲| 国产真实乱freesex| 亚洲三区欧美一区| 亚洲五月婷婷丁香| 欧美日韩黄片免| 这个男人来自地球电影免费观看| 熟女电影av网| 欧美乱妇无乱码| 一区二区三区激情视频| 久久午夜亚洲精品久久| 国产99白浆流出| 国产亚洲av嫩草精品影院| 亚洲人成网站在线播放欧美日韩| 这个男人来自地球电影免费观看| 女人爽到高潮嗷嗷叫在线视频| 男女做爰动态图高潮gif福利片| 国产亚洲欧美精品永久| 久久精品人妻少妇| 嫁个100分男人电影在线观看| 国产精品99久久99久久久不卡| 亚洲一码二码三码区别大吗| 成年版毛片免费区| 欧美黑人巨大hd| 国产黄片美女视频| 日韩大码丰满熟妇| 亚洲精品国产区一区二| av福利片在线| 婷婷精品国产亚洲av在线| 精品无人区乱码1区二区| 大型黄色视频在线免费观看| 国产日本99.免费观看| 亚洲真实伦在线观看| xxxwww97欧美| 美女免费视频网站| 亚洲国产中文字幕在线视频| 午夜免费观看网址| 国产aⅴ精品一区二区三区波| 亚洲成人国产一区在线观看| 50天的宝宝边吃奶边哭怎么回事| 国产一区二区激情短视频| 黄色毛片三级朝国网站| 亚洲无线在线观看| 无限看片的www在线观看| 免费观看人在逋| 老司机深夜福利视频在线观看| 国产亚洲精品久久久久5区| av电影中文网址| 制服丝袜大香蕉在线| 亚洲一区二区三区不卡视频| 久久精品国产亚洲av高清一级| 亚洲国产精品合色在线| 麻豆av在线久日| 午夜两性在线视频| 99在线视频只有这里精品首页| 少妇粗大呻吟视频| 老司机午夜十八禁免费视频| 亚洲欧美日韩无卡精品| 校园春色视频在线观看| 国产一卡二卡三卡精品| 淫妇啪啪啪对白视频| 国产av不卡久久| 国产精品野战在线观看| 精品久久久久久久毛片微露脸| 搡老熟女国产l中国老女人| 国产精品自产拍在线观看55亚洲| 日本熟妇午夜| 久久精品91无色码中文字幕| 成人特级黄色片久久久久久久| 欧美成狂野欧美在线观看| 黄色 视频免费看| 麻豆成人午夜福利视频| 精品人妻1区二区| 女人被狂操c到高潮| 亚洲国产精品999在线| 成人亚洲精品av一区二区| 男女做爰动态图高潮gif福利片| 正在播放国产对白刺激| 哪里可以看免费的av片| 久久精品国产综合久久久| 丝袜美腿诱惑在线| 欧美日韩精品网址| 俺也久久电影网| 亚洲精品中文字幕在线视频| 非洲黑人性xxxx精品又粗又长| 免费看a级黄色片| 性欧美人与动物交配| 国产一区在线观看成人免费| 国产人伦9x9x在线观看| 变态另类丝袜制服| 国产伦一二天堂av在线观看| 欧美黑人巨大hd| 日韩中文字幕欧美一区二区| 精品熟女少妇八av免费久了| 精品人妻1区二区| 国产v大片淫在线免费观看| 国产精品香港三级国产av潘金莲| 亚洲天堂国产精品一区在线| 国产精品九九99| 亚洲国产欧美网| 51午夜福利影视在线观看| 美女国产高潮福利片在线看| 在线观看免费日韩欧美大片| 嫩草影视91久久| 黄色丝袜av网址大全| 国产精品久久久人人做人人爽| 国产精品一区二区免费欧美| 91成年电影在线观看| 美国免费a级毛片| 久久久久久久精品吃奶| 亚洲电影在线观看av| 欧美日韩福利视频一区二区| 亚洲欧美日韩无卡精品| 国产高清videossex| www.999成人在线观看| 热re99久久国产66热| 少妇裸体淫交视频免费看高清 | 亚洲精品色激情综合| 久久国产精品人妻蜜桃| 成人亚洲精品一区在线观看| 日本熟妇午夜| 桃红色精品国产亚洲av| 韩国精品一区二区三区| 久久久久国产一级毛片高清牌| 午夜福利一区二区在线看| 黑人欧美特级aaaaaa片| 成人亚洲精品一区在线观看| 色老头精品视频在线观看| 18禁裸乳无遮挡免费网站照片 | 男人的好看免费观看在线视频 | videosex国产| 日本熟妇午夜| 青草久久国产| 嫩草影视91久久| 精品欧美一区二区三区在线| 亚洲,欧美精品.| 亚洲精品av麻豆狂野| 极品教师在线免费播放| 在线观看66精品国产| 久久香蕉激情| 亚洲成人精品中文字幕电影| 中文字幕最新亚洲高清| 久久香蕉国产精品| 女性被躁到高潮视频| 男人的好看免费观看在线视频 | 国产精品精品国产色婷婷| 国产精品乱码一区二三区的特点| 在线观看免费日韩欧美大片| 精品人妻1区二区| 午夜久久久在线观看| 十八禁网站免费在线| 香蕉久久夜色| 日韩大码丰满熟妇| 日韩欧美国产一区二区入口| 欧洲精品卡2卡3卡4卡5卡区| 亚洲,欧美精品.| 欧美久久黑人一区二区| 国产蜜桃级精品一区二区三区| 亚洲第一欧美日韩一区二区三区| 精品电影一区二区在线| 色老头精品视频在线观看| 亚洲精品在线美女| 久久久久九九精品影院| 一二三四在线观看免费中文在| 成人午夜高清在线视频 | 免费女性裸体啪啪无遮挡网站| 亚洲国产日韩欧美精品在线观看 | 老司机午夜十八禁免费视频| 国产精品影院久久| 免费在线观看亚洲国产| 人人妻,人人澡人人爽秒播| 很黄的视频免费| 成人国产一区最新在线观看| 99久久国产精品久久久| 久久久久久九九精品二区国产 | 国产成人欧美在线观看| 亚洲国产毛片av蜜桃av| 成年女人毛片免费观看观看9| 丁香欧美五月| 特大巨黑吊av在线直播 | 欧美国产日韩亚洲一区| 久久精品aⅴ一区二区三区四区| 丰满人妻熟妇乱又伦精品不卡| 国产精品久久久人人做人人爽| 最新美女视频免费是黄的| 老汉色av国产亚洲站长工具| 50天的宝宝边吃奶边哭怎么回事| 国产欧美日韩精品亚洲av| 亚洲精品av麻豆狂野| 黄色视频,在线免费观看| 无限看片的www在线观看| 人成视频在线观看免费观看| 国产精品亚洲一级av第二区| 神马国产精品三级电影在线观看 | 啪啪无遮挡十八禁网站| 国产精品1区2区在线观看.| 成人18禁高潮啪啪吃奶动态图| 久久久久久国产a免费观看| 国产激情偷乱视频一区二区| 欧美日韩乱码在线| 国产麻豆成人av免费视频| 亚洲成人免费电影在线观看| 久9热在线精品视频| 欧美日本亚洲视频在线播放| 欧美日韩福利视频一区二区| 午夜福利18| 成人亚洲精品av一区二区| 在线免费观看的www视频| 可以在线观看毛片的网站| 久久久精品欧美日韩精品| 欧美绝顶高潮抽搐喷水| 麻豆av在线久日| 每晚都被弄得嗷嗷叫到高潮| 久久久国产成人免费| 妹子高潮喷水视频| 人人妻人人澡人人看| 久久欧美精品欧美久久欧美| 非洲黑人性xxxx精品又粗又长| 国产av在哪里看| 国产精品 欧美亚洲| 国产精品免费一区二区三区在线| 亚洲欧美日韩高清在线视频| 黄片小视频在线播放| 日本一区二区免费在线视频| 欧美又色又爽又黄视频| 亚洲成a人片在线一区二区| 神马国产精品三级电影在线观看 | 久久伊人香网站| 国产精品免费一区二区三区在线| 成人一区二区视频在线观看| 视频区欧美日本亚洲| 久久精品亚洲精品国产色婷小说| 久久亚洲真实| 国产成人欧美| 最新在线观看一区二区三区| 中文字幕人成人乱码亚洲影| 国产人伦9x9x在线观看| 久久久水蜜桃国产精品网| 9191精品国产免费久久| 狠狠狠狠99中文字幕| 又紧又爽又黄一区二区| 欧美人与性动交α欧美精品济南到| 神马国产精品三级电影在线观看 | 怎么达到女性高潮| 黑丝袜美女国产一区| www日本在线高清视频| 1024视频免费在线观看| 午夜视频精品福利| 在线av久久热| 国产欧美日韩一区二区三| 成人欧美大片| 免费观看人在逋| 久久国产精品影院| 国产av又大| 国产男靠女视频免费网站| 亚洲avbb在线观看| 美女高潮喷水抽搐中文字幕| 成人精品一区二区免费| 18禁美女被吸乳视频| 一边摸一边做爽爽视频免费| 一级作爱视频免费观看| 久久久国产欧美日韩av| 成人18禁在线播放| 国产午夜精品久久久久久| 久久精品亚洲精品国产色婷小说| 亚洲五月天丁香| 久久久久久人人人人人| 久久精品国产99精品国产亚洲性色| 午夜福利一区二区在线看| 啦啦啦韩国在线观看视频| 俄罗斯特黄特色一大片| 一级黄色大片毛片| 操出白浆在线播放| 国产主播在线观看一区二区| 真人做人爱边吃奶动态| 亚洲黑人精品在线| 精品电影一区二区在线| 成熟少妇高潮喷水视频| 99热只有精品国产| 精品国产乱子伦一区二区三区| 国产精品av久久久久免费| 丝袜在线中文字幕| 天堂影院成人在线观看|