• <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
    国产精品av视频在线免费观看| 国产精品国产三级国产av玫瑰| 日韩人妻高清精品专区| 交换朋友夫妻互换小说| 成人毛片a级毛片在线播放| 久久99精品国语久久久| 嫩草影院精品99| 色婷婷久久久亚洲欧美| 国产亚洲av片在线观看秒播厂| 黄色一级大片看看| 国产一区二区三区av在线| 欧美少妇被猛烈插入视频| 亚洲综合精品二区| 久久精品国产鲁丝片午夜精品| 国产一区二区三区综合在线观看 | 街头女战士在线观看网站| 有码 亚洲区| 99久国产av精品国产电影| 国产乱人偷精品视频| 国产毛片a区久久久久| 国产精品偷伦视频观看了| 欧美少妇被猛烈插入视频| 国产人妻一区二区三区在| 亚洲人成网站高清观看| 国产女主播在线喷水免费视频网站| 国产精品一及| 在线 av 中文字幕| 赤兔流量卡办理| 成人毛片60女人毛片免费| 亚洲精品乱久久久久久| av女优亚洲男人天堂| 亚洲天堂国产精品一区在线| 亚洲av日韩在线播放| 日韩三级伦理在线观看| 国产人妻一区二区三区在| 中文字幕久久专区| 男女啪啪激烈高潮av片| 美女xxoo啪啪120秒动态图| 在线免费观看不下载黄p国产| 男人添女人高潮全过程视频| 精品人妻偷拍中文字幕| 中国国产av一级| 人妻系列 视频| 午夜视频国产福利| 国产精品偷伦视频观看了| 中国国产av一级| 日韩一区二区三区影片| 国产又色又爽无遮挡免| 亚洲激情五月婷婷啪啪| 欧美国产精品一级二级三级 | 91精品伊人久久大香线蕉| 嘟嘟电影网在线观看| 伦精品一区二区三区| 2021天堂中文幕一二区在线观| 国产高清国产精品国产三级 | 人人妻人人爽人人添夜夜欢视频 | 在线精品无人区一区二区三 | 亚洲精品久久午夜乱码| 国产91av在线免费观看| 成人亚洲欧美一区二区av| 国产精品久久久久久精品电影| 91精品伊人久久大香线蕉| 欧美成人午夜免费资源| 国产白丝娇喘喷水9色精品| 26uuu在线亚洲综合色| 国精品久久久久久国模美| 三级国产精品片| 新久久久久国产一级毛片| 人妻一区二区av| 亚洲成人av在线免费| 成人亚洲精品一区在线观看 | 国产探花在线观看一区二区| 在线a可以看的网站| 搞女人的毛片| 精品国产一区二区三区久久久樱花 | 久久国产乱子免费精品| 精品亚洲乱码少妇综合久久| 国产精品精品国产色婷婷| 日韩强制内射视频| 青春草亚洲视频在线观看| 舔av片在线| 亚洲aⅴ乱码一区二区在线播放| 国产精品嫩草影院av在线观看| 99热这里只有是精品在线观看| 成人亚洲精品av一区二区| 免费人成在线观看视频色| 久久亚洲国产成人精品v| 国产男女超爽视频在线观看| 日韩av在线免费看完整版不卡| 最新中文字幕久久久久| 丰满人妻一区二区三区视频av| 日韩强制内射视频| 亚洲精品影视一区二区三区av| 五月天丁香电影| 高清欧美精品videossex| av国产久精品久网站免费入址| 天堂中文最新版在线下载 | 久久久亚洲精品成人影院| 91aial.com中文字幕在线观看| 七月丁香在线播放| 午夜亚洲福利在线播放| 国产视频内射| 久久精品国产a三级三级三级| 中文字幕久久专区| 中国美白少妇内射xxxbb| 三级经典国产精品| 国内少妇人妻偷人精品xxx网站| 一区二区三区精品91| 亚洲精品色激情综合| 亚洲av电影在线观看一区二区三区 | 亚洲欧美日韩另类电影网站 | 免费黄色在线免费观看| 欧美 日韩 精品 国产| 久久久久久久亚洲中文字幕| 黄色配什么色好看| 蜜臀久久99精品久久宅男| 国产国拍精品亚洲av在线观看| 在线观看免费高清a一片| 久久久久性生活片| 日韩 亚洲 欧美在线| 免费大片18禁| 国产精品嫩草影院av在线观看| 亚洲精品国产av蜜桃| 久久久久久久国产电影| 18禁在线播放成人免费| 老司机影院成人| 欧美高清性xxxxhd video| 日韩视频在线欧美| 久久精品熟女亚洲av麻豆精品| 午夜免费观看性视频| 网址你懂的国产日韩在线| 亚洲精品aⅴ在线观看| 欧美日韩视频精品一区| 国产男人的电影天堂91| 国产高清有码在线观看视频| 亚洲欧美中文字幕日韩二区| 亚洲美女搞黄在线观看| av在线亚洲专区| 国产有黄有色有爽视频| 国产真实伦视频高清在线观看| 亚洲国产欧美人成| 日本一二三区视频观看| 内地一区二区视频在线| 在线a可以看的网站| 亚洲av福利一区| 日韩一区二区三区影片| 九九在线视频观看精品| 久久综合国产亚洲精品| 欧美高清性xxxxhd video| 欧美xxⅹ黑人| 国精品久久久久久国模美| 国产大屁股一区二区在线视频| 国产女主播在线喷水免费视频网站| 亚洲av电影在线观看一区二区三区 | 欧美激情国产日韩精品一区| 国内揄拍国产精品人妻在线| 国内精品宾馆在线| 特级一级黄色大片| 免费不卡的大黄色大毛片视频在线观看| 国产人妻一区二区三区在| 伦精品一区二区三区| 99久久精品热视频| 少妇熟女欧美另类| 99视频精品全部免费 在线| 亚洲国产欧美人成| 91精品国产九色| 美女脱内裤让男人舔精品视频| 精品久久国产蜜桃| 国产爽快片一区二区三区| 精品熟女少妇av免费看| 黄色怎么调成土黄色| 极品少妇高潮喷水抽搐| 亚洲欧美精品专区久久| 久久国内精品自在自线图片| 特级一级黄色大片| 麻豆国产97在线/欧美| 男人狂女人下面高潮的视频| 中文天堂在线官网| videossex国产| 国产伦精品一区二区三区四那| 成人黄色视频免费在线看| 亚洲va在线va天堂va国产| 午夜免费男女啪啪视频观看| 少妇丰满av| 五月天丁香电影| 内射极品少妇av片p| 精品一区在线观看国产| 黑人高潮一二区| 免费在线观看成人毛片| 欧美xxⅹ黑人| 天天躁日日操中文字幕| 国产欧美日韩精品一区二区| 成人黄色视频免费在线看| 免费观看的影片在线观看| 中文资源天堂在线| 亚洲国产av新网站| 99热这里只有是精品在线观看| 成人亚洲欧美一区二区av| 狂野欧美激情性xxxx在线观看| 亚洲久久久久久中文字幕| 我的老师免费观看完整版| 搡老乐熟女国产| 久久精品国产a三级三级三级| 天天躁夜夜躁狠狠久久av| 少妇猛男粗大的猛烈进出视频 | 精品一区二区免费观看| 国产一级毛片在线| 亚洲欧美一区二区三区黑人 | av一本久久久久| 中文字幕免费在线视频6| 边亲边吃奶的免费视频| 亚洲综合精品二区| 亚洲色图av天堂| av一本久久久久| av黄色大香蕉| 婷婷色综合大香蕉| 韩国av在线不卡| 夫妻性生交免费视频一级片| 最近中文字幕高清免费大全6| 国产免费又黄又爽又色| 99久久精品热视频| 国产精品蜜桃在线观看| 一区二区三区精品91| 国产在视频线精品| 99re6热这里在线精品视频| 国产精品人妻久久久影院| 国产一级毛片在线| 午夜福利高清视频| 一本一本综合久久| 最近中文字幕2019免费版| 国产亚洲最大av| av黄色大香蕉| 成人黄色视频免费在线看| 亚洲国产精品成人久久小说| 全区人妻精品视频| 91精品伊人久久大香线蕉| 亚洲人成网站在线观看播放| 午夜激情久久久久久久| 又爽又黄a免费视频| 国产精品成人在线| 精品人妻熟女av久视频| 亚洲第一区二区三区不卡| 久久久久久久精品精品| 国产午夜精品一二区理论片| 在线观看三级黄色| 乱码一卡2卡4卡精品| 国产真实伦视频高清在线观看| 日韩亚洲欧美综合| 成人亚洲精品一区在线观看 | 国内揄拍国产精品人妻在线| 我要看日韩黄色一级片| 少妇人妻 视频| 国产一区二区亚洲精品在线观看| 亚洲欧美日韩卡通动漫| 亚洲一级一片aⅴ在线观看| 久久97久久精品| 欧美成人精品欧美一级黄| 女人久久www免费人成看片| 日韩制服骚丝袜av| 一级毛片我不卡| 中文字幕久久专区| 男人舔奶头视频| 视频中文字幕在线观看| 99热这里只有精品一区| 精品国产一区二区三区久久久樱花 | 久久精品国产a三级三级三级| 高清午夜精品一区二区三区| 大片电影免费在线观看免费| 国产精品国产三级国产专区5o| 国产欧美亚洲国产| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 日韩电影二区| freevideosex欧美| 欧美日韩一区二区视频在线观看视频在线 | 亚洲国产精品成人久久小说| 精品一区二区三卡| 麻豆久久精品国产亚洲av| 又粗又硬又长又爽又黄的视频| 婷婷色综合www| 日韩在线高清观看一区二区三区| 少妇人妻一区二区三区视频| 久久久精品欧美日韩精品| av在线app专区| 中文字幕av成人在线电影| 久久97久久精品| 在线免费观看不下载黄p国产| 久久精品国产亚洲av天美| 波野结衣二区三区在线| 99热网站在线观看| 欧美激情在线99| 亚洲人成网站高清观看| 91久久精品电影网| 日本猛色少妇xxxxx猛交久久| 日韩 亚洲 欧美在线| 人人妻人人看人人澡| av免费观看日本| 欧美xxxx黑人xx丫x性爽| 亚洲在线观看片| 日日啪夜夜撸| 久久97久久精品| tube8黄色片| 国产黄色免费在线视频| 一级毛片久久久久久久久女| 久久精品国产亚洲av天美| 三级国产精品欧美在线观看| 一级二级三级毛片免费看| 18禁动态无遮挡网站| 在线天堂最新版资源| 久久久精品94久久精品| 欧美日韩亚洲高清精品| 久久久久久久久久人人人人人人| 麻豆国产97在线/欧美| 久久久久久久大尺度免费视频| 你懂的网址亚洲精品在线观看| 欧美zozozo另类| 亚洲,欧美,日韩| 噜噜噜噜噜久久久久久91| 男女无遮挡免费网站观看| 国产精品一及| 中国三级夫妇交换| 一本一本综合久久| 成人欧美大片| 免费看a级黄色片| 久久韩国三级中文字幕| 亚洲在线观看片| 欧美日韩在线观看h| 天天躁日日操中文字幕| 欧美97在线视频| 国产 一区精品| 精品久久久精品久久久| 美女被艹到高潮喷水动态| 少妇人妻一区二区三区视频| 国产在视频线精品| 国产伦理片在线播放av一区| 日本wwww免费看| a级毛色黄片| 日本免费在线观看一区| 噜噜噜噜噜久久久久久91| 久久精品国产亚洲av天美| 精品人妻偷拍中文字幕| 69av精品久久久久久| 青春草视频在线免费观看| 亚洲自拍偷在线| 老司机影院成人| 免费观看在线日韩| 亚洲av免费高清在线观看| av.在线天堂| 午夜老司机福利剧场| 一个人看的www免费观看视频| 久久97久久精品| 日本熟妇午夜| 在线观看免费高清a一片| 国产成人精品福利久久| 六月丁香七月| 全区人妻精品视频| 五月天丁香电影| 日本黄大片高清| 99久久精品国产国产毛片| 国产精品久久久久久久电影| 毛片女人毛片| 交换朋友夫妻互换小说| 最近的中文字幕免费完整| 男女啪啪激烈高潮av片| 青春草国产在线视频| 午夜日本视频在线| 国产69精品久久久久777片| 国产精品成人在线| 亚洲国产成人一精品久久久| 亚洲怡红院男人天堂| 直男gayav资源| 亚洲伊人久久精品综合| 国产色爽女视频免费观看| 亚洲精品乱久久久久久| 中文字幕久久专区| 激情五月婷婷亚洲| 日韩成人伦理影院| 视频中文字幕在线观看| 99久久九九国产精品国产免费| 国产成人免费无遮挡视频| 亚洲国产日韩一区二区| 亚洲精品影视一区二区三区av| 波野结衣二区三区在线| 免费观看的影片在线观看| 天堂中文最新版在线下载 | 国产在线男女| 欧美性猛交╳xxx乱大交人| 91狼人影院| 综合色丁香网| 99久久九九国产精品国产免费| 国产免费视频播放在线视频| 欧美区成人在线视频| 春色校园在线视频观看| 1000部很黄的大片| 秋霞在线观看毛片| 哪个播放器可以免费观看大片| 欧美 日韩 精品 国产| 少妇丰满av| 国产久久久一区二区三区| 亚洲伊人久久精品综合| 精品久久久噜噜| 欧美精品国产亚洲| 国产精品人妻久久久久久| 久久精品综合一区二区三区| 直男gayav资源| 日本色播在线视频| 国模一区二区三区四区视频| 毛片女人毛片| 联通29元200g的流量卡| 中文欧美无线码| 一级a做视频免费观看| 久久ye,这里只有精品| 直男gayav资源| 一区二区三区精品91| 精品久久久精品久久久| 国产探花极品一区二区| 啦啦啦在线观看免费高清www| 久热久热在线精品观看| 国内少妇人妻偷人精品xxx网站| 国产免费一区二区三区四区乱码| 国产伦理片在线播放av一区| 高清av免费在线| 久久久久久久久久久丰满| 亚洲成人精品中文字幕电影| 黄色视频在线播放观看不卡| 在线天堂最新版资源| 欧美zozozo另类| 亚洲无线观看免费| 有码 亚洲区| 直男gayav资源| 成人黄色视频免费在线看| 免费黄色在线免费观看| 国产女主播在线喷水免费视频网站| 日韩欧美精品免费久久| 看免费成人av毛片| 少妇裸体淫交视频免费看高清| 欧美高清成人免费视频www| 在线观看三级黄色| 极品少妇高潮喷水抽搐| 日韩制服骚丝袜av| 直男gayav资源| 免费播放大片免费观看视频在线观看| 亚洲精品中文字幕在线视频 | 精品一区在线观看国产| 黄色欧美视频在线观看| 日本wwww免费看| 国产v大片淫在线免费观看| freevideosex欧美| 在线免费十八禁| 欧美三级亚洲精品| 大片免费播放器 马上看| 久久鲁丝午夜福利片| 亚洲最大成人av| 亚洲在线观看片| 美女国产视频在线观看| 国产精品久久久久久久久免| 2022亚洲国产成人精品| 简卡轻食公司| 国产精品久久久久久久电影| 欧美成人a在线观看| 大香蕉久久网| 搡老乐熟女国产| 日日啪夜夜爽| 国产精品久久久久久久久免| 欧美亚洲 丝袜 人妻 在线| 国产精品一二三区在线看| 边亲边吃奶的免费视频| 禁无遮挡网站| 美女脱内裤让男人舔精品视频| 少妇猛男粗大的猛烈进出视频 | av免费在线看不卡| 97在线人人人人妻| 国产精品福利在线免费观看| 一级黄片播放器| 亚洲人成网站高清观看| 身体一侧抽搐| 国产在视频线精品| .国产精品久久| 欧美zozozo另类| 人妻制服诱惑在线中文字幕| 青青草视频在线视频观看| 成人午夜精彩视频在线观看| 国国产精品蜜臀av免费| 久热这里只有精品99| 亚洲精品国产成人久久av| 亚洲欧美一区二区三区黑人 | 熟妇人妻不卡中文字幕| 又大又黄又爽视频免费| 精品99又大又爽又粗少妇毛片| eeuss影院久久| 国产v大片淫在线免费观看| 婷婷色麻豆天堂久久| 人妻少妇偷人精品九色| 亚洲精品自拍成人| 少妇 在线观看| 亚洲av国产av综合av卡| 久久精品夜色国产| 久久久亚洲精品成人影院| 日韩 亚洲 欧美在线| 久久精品人妻少妇| av女优亚洲男人天堂| 亚洲av日韩在线播放| 麻豆乱淫一区二区| www.色视频.com| 精品久久久久久久人妻蜜臀av| 一区二区三区四区激情视频| av在线蜜桃| 啦啦啦啦在线视频资源| 一本色道久久久久久精品综合| 看黄色毛片网站| 性插视频无遮挡在线免费观看| 亚洲欧美一区二区三区黑人 | 在线免费观看不下载黄p国产| 日韩伦理黄色片| 男女无遮挡免费网站观看| 久久久久久久精品精品| 亚洲成色77777| 97热精品久久久久久| 熟女电影av网| 性色av一级| 亚洲av成人精品一二三区| 亚洲国产精品国产精品| 99久久中文字幕三级久久日本| 国产伦精品一区二区三区四那| 一二三四中文在线观看免费高清| av网站免费在线观看视频| 成人亚洲精品av一区二区| 国产av不卡久久| 黄色配什么色好看| 国产 精品1| 免费播放大片免费观看视频在线观看| 日韩一区二区视频免费看| 久久6这里有精品| 国产精品一区二区性色av| 欧美 日韩 精品 国产| 国产亚洲91精品色在线| www.av在线官网国产| 亚洲国产精品成人久久小说| 少妇丰满av| 久久这里有精品视频免费| 久久韩国三级中文字幕| 高清午夜精品一区二区三区| 老司机影院成人| 男人舔奶头视频| 成年免费大片在线观看| 亚洲欧美精品专区久久| 一级av片app| 国产精品无大码| 久热久热在线精品观看| 在线观看一区二区三区| 亚洲不卡免费看| 日韩三级伦理在线观看| 欧美潮喷喷水| 亚洲精品国产成人久久av| 国产毛片在线视频| 一区二区三区四区激情视频| 亚洲色图av天堂| 久久午夜福利片| 久久久欧美国产精品| 国产一区二区三区综合在线观看 | 国产淫语在线视频| 一级a做视频免费观看| 日日摸夜夜添夜夜添av毛片| 一区二区三区四区激情视频| av福利片在线观看| 亚洲av免费高清在线观看| 亚洲激情五月婷婷啪啪| 亚洲成人一二三区av| 日韩不卡一区二区三区视频在线| 丝袜喷水一区| 一边亲一边摸免费视频| 免费av观看视频| 天美传媒精品一区二区| 国产精品一区二区在线观看99| 婷婷色综合www| 久久久久久九九精品二区国产| 建设人人有责人人尽责人人享有的 | 免费看日本二区| 日韩制服骚丝袜av| 成人美女网站在线观看视频| 97在线视频观看| 国产探花极品一区二区| 一个人观看的视频www高清免费观看| 国产白丝娇喘喷水9色精品| 欧美日韩国产mv在线观看视频 | 午夜福利在线在线| 欧美 日韩 精品 国产| 久久久成人免费电影| 美女被艹到高潮喷水动态| 一级毛片久久久久久久久女| .国产精品久久| 下体分泌物呈黄色| 日韩欧美精品v在线| 婷婷色av中文字幕| 美女国产视频在线观看| av专区在线播放| 国精品久久久久久国模美| 免费观看在线日韩| 国产精品国产三级国产专区5o| 欧美日韩视频精品一区| 久久精品国产亚洲av天美| 777米奇影视久久| 欧美老熟妇乱子伦牲交| 一个人观看的视频www高清免费观看| 成年女人看的毛片在线观看| 亚洲精品第二区| 欧美日韩精品成人综合77777| 亚洲天堂国产精品一区在线| 高清av免费在线| 99久久九九国产精品国产免费| 国产精品国产三级国产专区5o| 欧美精品国产亚洲| 夫妻性生交免费视频一级片| 免费看日本二区| 男女国产视频网站| 欧美xxⅹ黑人|