• <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)YOLOv3 和遷移學(xué)習(xí)的輕量型補(bǔ)片目標(biāo)檢測(cè)

    2022-05-25 11:28:12顏光前張兆民夏苠芩
    關(guān)鍵詞:輕量池化補(bǔ)片

    范 博,吳 俊**,孫 亮,顏光前,張兆民,王 強(qiáng),夏苠芩

    (1.云南大學(xué) 信息學(xué)院,云南 昆明 650500;2.昆明醫(yī)科大學(xué)第一附屬醫(yī)院 胃腸與疝外科,云南 昆明 650032;3.昆明醫(yī)科大學(xué)第一附屬醫(yī)院 科教部,云南 昆明 650032)

    腹壁疝是腹部手術(shù)常見并發(fā)癥[1],無(wú)法自愈只能通過(guò)補(bǔ)片植入手術(shù)進(jìn)行治療[2],中國(guó)疝病患者人數(shù)每年可達(dá)300 萬(wàn)~500 萬(wàn),75 歲以上老年男性的發(fā)病率可高達(dá)44%,高于任何一種惡性腫瘤.目前臨床上所植入的補(bǔ)片多為重量型補(bǔ)片,復(fù)發(fā)率高且容易帶來(lái)慢性疼痛;輕量型補(bǔ)片網(wǎng)孔稀疏,質(zhì)地輕盈,腹壁順應(yīng)性強(qiáng)[3],正逐漸取代傳統(tǒng)重量型補(bǔ)片.但作為植入的異物,輕量型補(bǔ)片依舊會(huì)產(chǎn)生移位、皺縮,甚至疝復(fù)發(fā)等一系列并發(fā)癥[4-5].因此,需要醫(yī)生對(duì)植入補(bǔ)片重新檢測(cè)與評(píng)估,以確定與補(bǔ)片相關(guān)的并發(fā)癥并指導(dǎo)手術(shù)與治療.

    傳統(tǒng)計(jì)算機(jī)斷層成像(Computer Tomography,CT)、磁共振成像(Magnetic Resonance Imaging,MRI)等三維成像方式存在輻射危害或禁忌癥,且無(wú)法對(duì)輕量型補(bǔ)片成像,手持超聲(Hand-held Ultrasound,HHUS)雖然能成像輕量型補(bǔ)片,但效果不佳.這導(dǎo)致術(shù)后檢測(cè)只能進(jìn)行侵入性的二次探查手術(shù),大大增加了病人的痛苦和費(fèi)用負(fù)擔(dān).自動(dòng)三維乳腺超聲(Automated 3D Breast Ultrasound,ABUS)[6]克服傳統(tǒng)超聲的缺點(diǎn),不僅成功用于乳腺腫瘤檢測(cè),同時(shí)對(duì)腹壁疝輕量型補(bǔ)片的檢查也十分有效.但ABUS 對(duì)病例檢查后所產(chǎn)生的數(shù)據(jù)量極為龐大,醫(yī)生每天需要檢測(cè)成百上千張的補(bǔ)片成像結(jié)果,人工閱片極其耗時(shí)費(fèi)力,且容易出現(xiàn)漏診或誤診;據(jù)統(tǒng)計(jì),醫(yī)師查閱醫(yī)學(xué)影像產(chǎn)生的誤診率高達(dá)10%~30%.

    為了減少檢查時(shí)間并提高準(zhǔn)確率,已經(jīng)提出了幾種計(jì)算機(jī)輔助檢測(cè)(Computer-aided Diagnosis,CADe)系統(tǒng)來(lái)幫助檢查和形成對(duì)ABUS 圖像的更精確的檢測(cè)和診斷.理論上,應(yīng)用于ABUS 腫瘤圖像檢測(cè)研究對(duì)于補(bǔ)片檢測(cè)有一定參考價(jià)值.Ikedo等[7]開發(fā)了一種基于Canny邊緣檢測(cè)器檢測(cè)邊緣的全自動(dòng)檢測(cè)方法,利用分水嶺變換對(duì)定位位置進(jìn)行檢測(cè),生成候選腫瘤區(qū)域.Chang 等[8]提出一種用于多通道自動(dòng)乳腺超聲乳房病變檢測(cè)的CADe系統(tǒng),先對(duì)圖像進(jìn)行預(yù)處理,然后采用灰度切片的方法對(duì)候選腫瘤進(jìn)行檢測(cè),最后,提取了7 個(gè)用于區(qū)分腫瘤和非腫瘤的量化特征.Tan 等[9]提出一種多階段CADe 系統(tǒng),包括乳房、乳頭和胸壁的檢測(cè),然后提取體素特征,并使用神經(jīng)網(wǎng)絡(luò)分類器集成來(lái)區(qū)分腫瘤和非腫瘤.Moon 等[10]提出了一種基于多尺度斑點(diǎn)檢測(cè)的方法,利用模糊、內(nèi)部回聲和形態(tài)學(xué)特征對(duì)斑點(diǎn)進(jìn)行分類,減少了陽(yáng)性斑點(diǎn)的數(shù)量.Lo 等[11]提出應(yīng)用分水嶺變換得到均勻區(qū)域,并利用LR 分類器得到二維和三維紋理、強(qiáng)度和形態(tài)學(xué)特征估計(jì)候選腫瘤的概率.然而,這些方法都存在以下缺點(diǎn):①候選區(qū)域方案都是針對(duì)腫瘤圖像,對(duì)于補(bǔ)片圖像檢測(cè)效果不好;②手工特征的選擇需要專門的領(lǐng)域知識(shí),不方便且可能不是最優(yōu)的;③這些方法在臨床試驗(yàn)中的檢測(cè)率和執(zhí)行時(shí)間都相對(duì)不足.

    隨著深度學(xué)習(xí)理論的飛速發(fā)展,針對(duì)上述問(wèn)題以及ABUS 補(bǔ)片圖像特點(diǎn),本文提出了一種改進(jìn)的YOLOv3 卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)算法.實(shí)現(xiàn)對(duì)ABUS 超聲中補(bǔ)片的自動(dòng)檢測(cè),利用對(duì)補(bǔ)片超聲圖像進(jìn)行檢測(cè)后得到的檢測(cè)框來(lái)獲取補(bǔ)片大小、皺縮情況等超聲參數(shù),以輔助醫(yī)生進(jìn)行補(bǔ)片的術(shù)后檢查.

    1 相關(guān)理論

    1.1 YOLOv3 神經(jīng)網(wǎng)絡(luò)隨著卷積神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺領(lǐng)域的廣泛應(yīng)用,對(duì)卷積神經(jīng)網(wǎng)絡(luò)模型檢測(cè)的精度和速度提出了越來(lái)越高的要求.J.Redmon等提出的單階段目標(biāo)檢測(cè)YOLO 系列[12-14],相對(duì)于雙階段較慢的檢測(cè)速度以及難以優(yōu)化檢測(cè)策略(如Fast R-CNN[15]、Faster R-CNN[16]),YOLO 算法將目標(biāo)檢測(cè)轉(zhuǎn)化為回歸問(wèn)題,可以對(duì)圖像直接預(yù)測(cè)得到物體邊界位置和分類.YOLOv3 作為YOLO系列的集大成者,其優(yōu)秀的檢測(cè)性能及卓越的檢測(cè)速度,在實(shí)際應(yīng)用得到廣泛認(rèn)可和應(yīng)用.

    圖1 為YOLOv3 的網(wǎng)絡(luò)結(jié)構(gòu),YOLOv3 的特征提取網(wǎng)絡(luò)Darknet-53 引入殘差模塊(Residual Block)借鑒了Resnet[17]的思想,相比YOLO9000 中采用的Darknet-19,可以很好地控制梯度的傳播,避免出現(xiàn)梯度消失或者爆炸等不利于訓(xùn)練的情形,使得訓(xùn)練深層網(wǎng)絡(luò)難度大大減小.同時(shí)Darknet-53 用步長(zhǎng)為2 的卷積層代替池化層,避免了信息丟失.

    圖1 YOLOv3 構(gòu)圖結(jié)構(gòu)簡(jiǎn)圖Fig.1 Schematic diagram of YOLOv3 composition structure

    YOLOv3 借鑒了FPN[18](Feature Pyramid Networks)的思想,采用多尺度融合的方式預(yù)測(cè),通過(guò)兩次上采樣(Up Sampling),得到3 個(gè)不同尺度(13×13,26×26,52×52)的特征圖(Feature Maps).采用K 均值聚類法[19]對(duì)3 種不同尺度的特征圖進(jìn)行聚類,得到9 種先驗(yàn)框,并根據(jù)大特征圖匹配小尺寸框的原則進(jìn)行分配.YOLOv3 模型利用線性回歸來(lái)預(yù)測(cè)每個(gè)先驗(yàn)框的目標(biāo)分?jǐn)?shù),模型中的每個(gè)先驗(yàn)框?qū)?yīng)1 個(gè)ground truth 對(duì)象.

    如圖2 預(yù)測(cè)邊界框的中心坐標(biāo)(bx,by)及寬度bw,高度bh的計(jì)算過(guò)程為:

    圖2 先驗(yàn)框與預(yù)測(cè)邊界框Fig.2 Prior box and prediction bounding box

    式中,σ是sigmoid 函數(shù),tx、ty為預(yù)測(cè)的坐標(biāo)偏移量,tw、th是預(yù)測(cè)邊框的寬高尺寸縮放,cx、cy分別為特征圖中g(shù)rid cell 的左上角坐標(biāo),pw、ph分別為預(yù)設(shè)的anch or box 映射到特征圖中的寬和高.

    YOLOv3 模型不采用softmax 分類,而是使用單獨(dú)的Logistic 回歸分類器,以確保每個(gè)邊界框使用多標(biāo)簽分類.在訓(xùn)練過(guò)程中,利用二元交叉熵?fù)p失(Binary cross entropy)進(jìn)行類別預(yù)測(cè).

    1.2 遷移學(xué)習(xí)遷移學(xué)習(xí)[20]是一種機(jī)器學(xué)習(xí)的方法,指的是一個(gè)預(yù)訓(xùn)練的模型被重新用在另一個(gè)任務(wù)中[21].遷移學(xué)習(xí)分為基于實(shí)例遷移學(xué)習(xí)、基于特征遷移學(xué)習(xí)、基于模型遷移學(xué)習(xí)和基于關(guān)系遷移學(xué)習(xí)4 大類別.傳統(tǒng)機(jī)器學(xué)習(xí)在訓(xùn)練一個(gè)好的網(wǎng)絡(luò)模型時(shí)需要訓(xùn)練大量數(shù)據(jù)進(jìn)行學(xué)習(xí),對(duì)于一些數(shù)據(jù)較少的樣本往往訓(xùn)練效果不佳.遷移學(xué)習(xí)能有效解決小樣本數(shù)據(jù)的學(xué)習(xí)問(wèn)題,提升卷積神經(jīng)網(wǎng)絡(luò)對(duì)小樣本數(shù)據(jù)目標(biāo)分類識(shí)別的準(zhǔn)確率.

    在遷移學(xué)習(xí)中,被學(xué)習(xí)的領(lǐng)域稱為源域(Source Domain),待解決問(wèn)題的領(lǐng)域稱為目標(biāo)域(Target Domain),公式如下:

    其中,D(s)為源域,D(t)為目標(biāo)域,xs是源域的特征空間,xt是目標(biāo)域的特征空間,P(xs)是與xs對(duì)應(yīng)的邊際概率分布,P(xt)是與xt對(duì)應(yīng)的邊際概率分布.

    2 本文算法(YOLOv3-SPP)

    2.1 SPP 模塊由于輕量型補(bǔ)片相對(duì)于周圍組織呈等密度,超聲圖像中輕量型補(bǔ)片受人體組織生長(zhǎng)所影響,存在遮擋輕量型補(bǔ)片的情況發(fā)生,從而影響檢測(cè)效果.為了增強(qiáng)這類目標(biāo)檢測(cè)效果,本文提出了在YOLOv3 模型的基礎(chǔ)上引入空間金字塔池化結(jié)構(gòu)SPP 模塊[22].

    SPP 模塊將從卷積層提取的特征圖分別進(jìn)行大小為13×13,9×9 以及5×5 的固定分塊大小的最大池化操作,并在池化操作前對(duì)特征提取器的輸出進(jìn)行padding,設(shè)置池化步長(zhǎng)為1,以保持輸入輸出的尺寸一致.

    如圖3,空間金字塔池化結(jié)構(gòu)對(duì)3 種不同尺度池化的結(jié)果進(jìn)行了融合(concat)操作,多次最大池化操作在不同尺度上保留相應(yīng)最顯著的特征,并利用拼接特征提取器的輸出與空間金字塔池化結(jié)構(gòu)的輸出,實(shí)現(xiàn)局部特征和全局特征的特征圖融合,使更多的特征被捕捉,大大增強(qiáng)了目標(biāo)的識(shí)別精度.

    圖3 空間金字塔池化結(jié)構(gòu)Fig.3 Spatial Pyramid Pooling structure

    2.2 YOLOv3-SPP鑒于YOLOv3 在自然圖像檢測(cè)方面的出色表現(xiàn),本文采用YOLOv3 為基礎(chǔ)框架,充分考慮ABUS 補(bǔ)片超聲圖像特性,引入空間金字塔池化結(jié)構(gòu)SPP 模塊,以進(jìn)行局部特征和全局特征的特征圖級(jí)別的融合,實(shí)現(xiàn)更有效、更加有針對(duì)性的特征提取,改進(jìn)后得到的YOLOv3-SPP模型更加適合ABUS 補(bǔ)片超聲圖像的檢測(cè).融合YOLOv3 和SPP 模塊的優(yōu)勢(shì),本文提出了一種新的網(wǎng)絡(luò)模型YOLOv3-SPP.該模型的結(jié)構(gòu)如圖4 所示.

    圖4 YOLOv3-SPP 的網(wǎng)絡(luò)結(jié)構(gòu)示意圖Fig.4 The schematic diagram of the network structure of YOLOv3-SPP

    輸入圖片進(jìn)入該網(wǎng)絡(luò)后,首先將圖像大小調(diào)整為416×416,通道數(shù)為3,然后進(jìn)入YOLOv3-SPP 的主干網(wǎng)絡(luò)Darknet-53 進(jìn)行特征提?。航?jīng)過(guò)一層卷積操作后進(jìn)入5 個(gè)Residual Block 層進(jìn)行5 次下采樣,其中卷積層為Conv(卷積)+BN(批規(guī)范化Batch Nomalization)+Leaky ReLu(激活函數(shù)),Residual Block層中包含多個(gè)殘差單元,整個(gè)網(wǎng)絡(luò)Residual Block部分采用串聯(lián)的方式,其輸出直接作為后續(xù)網(wǎng)絡(luò)的輸入.然后在檢測(cè)層前通過(guò)SPP 模塊采用固定分塊大小為5,9,13 的池化操作,實(shí)現(xiàn)局部特征和全局特征的特征圖級(jí)別的融合,提取圖像特征.后續(xù)為網(wǎng)絡(luò)檢測(cè)部分,主要任務(wù)是識(shí)別分類和預(yù)測(cè)目標(biāo)檢測(cè)框.YOLOv3-SPP 應(yīng)用多尺度融合的方式形成金字塔形網(wǎng)絡(luò),提供了3 種不同尺寸的邊界框.我們從主干網(wǎng)絡(luò)Darknet-53 的后面幾個(gè)圖層以及SPP模塊中得到特征圖,由SPP 模塊得到最底層13×13尺度的特征圖,對(duì)該特征圖進(jìn)行上采樣,然后與26×26 尺度的特征圖進(jìn)行拼接,融合后的特征圖再進(jìn)行采樣,與52×52 的特征圖進(jìn)行拼接,直至完成3 個(gè)尺度特征圖的融合.在多個(gè)尺度的融合特征圖上分別獨(dú)立檢測(cè),獲得更多的語(yǔ)義信息,提升目標(biāo)檢測(cè)能力.最后,通過(guò)一個(gè)卷積層得到預(yù)測(cè)結(jié)果

    本文以ABUS 補(bǔ)片超聲圖像樣本作為輸入,通過(guò)多尺度調(diào)整生成416×416×3 的模型輸入,再進(jìn)行特征提取、空間金字塔池化、特征融合和目標(biāo)檢測(cè),最終得出精準(zhǔn)結(jié)果.

    2.3 遷移學(xué)習(xí)設(shè)計(jì)與實(shí)現(xiàn)深度學(xué)習(xí)模型的檢測(cè)效果與訓(xùn)練樣本數(shù)密切相關(guān),只有在大量訓(xùn)練樣本的基礎(chǔ)上,才能得到高質(zhì)量的深度學(xué)習(xí)模型[22].由于本領(lǐng)域?yàn)樾屡d領(lǐng)域,標(biāo)記好的輕量型補(bǔ)片超聲圖像數(shù)據(jù)集較少,直接用數(shù)據(jù)訓(xùn)練YOLOv3-SPP 模型時(shí),模型的泛化性能較差,不能在復(fù)雜的超聲圖像背景下實(shí)現(xiàn)準(zhǔn)確檢測(cè).

    本文將遷移學(xué)習(xí)引入到研究中.在遷移學(xué)習(xí)過(guò)程中,主流觀點(diǎn)認(rèn)為,相近的種類遷移效果優(yōu)于兩個(gè)相差較大類之間的遷移.ABUS 離體補(bǔ)片圖像與在體圖像之間存在一定相似性,其基本特征(例如,構(gòu)成圖像的直線和曲線,補(bǔ)片的網(wǎng)狀特征)是通用的[23-24].因此,傳送的參數(shù)(權(quán)重)可以用作一組強(qiáng)大的特征,其減少了對(duì)大型數(shù)據(jù)集的需要以及訓(xùn)練時(shí)間和存儲(chǔ)成本.對(duì)此,本文采用遷移學(xué)習(xí)的方式[25]訓(xùn)練模型.

    本文基于遷移學(xué)習(xí)實(shí)現(xiàn)YOLOv3-SPP 網(wǎng)絡(luò)模型的預(yù)訓(xùn)練、訓(xùn)練以及優(yōu)化等,遷移模型如圖5所示.

    圖5 基于遷移學(xué)習(xí)的YOLOv3-SPP 模型Fig.5 YOLOv3-SPP model based on transfer learning

    算法的具體實(shí)現(xiàn)過(guò)程如下:

    步驟 1將離體補(bǔ)片數(shù)據(jù)集中的離體補(bǔ)片作為源域檢測(cè)任務(wù),離體補(bǔ)片數(shù)據(jù)集作為源域訓(xùn)練樣本.對(duì)YOLOv3-SPP 模型進(jìn)行預(yù)訓(xùn)練,得到預(yù)訓(xùn)練模型參數(shù);

    步驟 2構(gòu)建與源域模型相同的目標(biāo)域模型;

    步驟 3將在體補(bǔ)片數(shù)據(jù)集中的在體補(bǔ)片作為目標(biāo)域檢測(cè)任務(wù),在體補(bǔ)片數(shù)據(jù)集作為目標(biāo)域的訓(xùn)練樣本.將上述預(yù)訓(xùn)練模型中的參數(shù)作為目標(biāo)域模型的初始化參數(shù)對(duì)目標(biāo)域模型進(jìn)行訓(xùn)練;

    步驟 4采用Adam 算法優(yōu)化網(wǎng)絡(luò);

    步驟 5最終通過(guò)Logistic 分類器實(shí)現(xiàn)目標(biāo)的檢測(cè)分類.

    通過(guò)遷移學(xué)習(xí),使網(wǎng)絡(luò)能夠在訓(xùn)練過(guò)程中,更容易地得到超聲圖像中輕量型補(bǔ)片的特征信息,減少訓(xùn)練時(shí)間和存儲(chǔ)成本并提高訓(xùn)練的精度,同時(shí)解決模型訓(xùn)練數(shù)據(jù)量不足導(dǎo)致模型泛化能力差的問(wèn)題.

    3 實(shí)驗(yàn)與分析

    3.1 實(shí)驗(yàn)配置本文實(shí)驗(yàn)環(huán)境為:Windows 10(64 位)操作系統(tǒng);Intel Core i7-9750H CPU,16 GB內(nèi)存;NVIDIA GeForce RTX 2080 GPU,顯存11 GB;PyTorch 版本為1.6.0,torchvision 版本為0.4.1,CUDA版本為10.1,CUDNN 版本為7.6.1.

    3.2 補(bǔ)片檢測(cè)數(shù)據(jù)集查詢到在補(bǔ)片檢測(cè)領(lǐng)域,目前還沒有公開的圖像數(shù)據(jù)集.為驗(yàn)證本文算法的有效性,實(shí)驗(yàn)自行構(gòu)建了離體輕量型補(bǔ)片數(shù)據(jù)集以及在體輕量型補(bǔ)片數(shù)據(jù)集.其中,離體補(bǔ)片數(shù)據(jù)集,如圖6 是將補(bǔ)片放入瓊脂、動(dòng)物明膠、甘油、石墨粉等原料構(gòu)建的仿體,并在不同的原料配比下得到模擬組織.在體補(bǔ)片數(shù)據(jù)集(圖7)包含143 例腹疝患者(男71 例,女72 例;年齡42~79 歲,平均(60.6±11.2)歲)進(jìn)行臨床研究.共植入輕量型補(bǔ)片193 枚,其中右側(cè)109 枚,左側(cè)84 枚.48 例患者均為雙側(cè)腹股溝疝,雙側(cè)均植入輕量型補(bǔ)片,共2 380張超聲圖像.使用開源標(biāo)簽工具LabelImg 根據(jù)PascalVOC 公共數(shù)據(jù)集標(biāo)準(zhǔn)創(chuàng)建補(bǔ)片檢測(cè)數(shù)據(jù)集,圖像標(biāo)注是由3 名專業(yè)醫(yī)生使用矩形標(biāo)記框標(biāo)注輕量型補(bǔ)片的真實(shí)位置.

    圖6 離體補(bǔ)片數(shù)據(jù)集不同深度超聲圖像示例Fig.6 Ultrasonic image example of in vitro mesh data set

    圖7 在體補(bǔ)片數(shù)據(jù)集不同區(qū)域超聲圖像示例Fig.7 Examples of ultrasound images of different regions of the in vivo mesh dataset

    該數(shù)據(jù)集的圖像來(lái)源于昆明醫(yī)科大學(xué)第一附屬醫(yī)院采集自Siemens ACUSON S2000 ABUS 設(shè)備;所有個(gè)人敏感隱私信息都已從圖像中移除,所有工作均經(jīng)機(jī)構(gòu)評(píng)審委員會(huì)批準(zhǔn)通過(guò).

    3.3 基于遷移學(xué)習(xí)的YOLOv3-SPP 訓(xùn)練在訓(xùn)練過(guò)程中,神經(jīng)網(wǎng)絡(luò)主干特征提取部分所提取到的特征是通用,凍結(jié)訓(xùn)練可以提高訓(xùn)練效率,也可以在訓(xùn)練初期防止權(quán)值被破壞.結(jié)合遷移學(xué)習(xí)共設(shè)置150 個(gè)epoch,使用凍結(jié)訓(xùn)練.在前75 個(gè)epoch 凍結(jié)主干網(wǎng)絡(luò),利用模型在離體補(bǔ)片數(shù)據(jù)集上預(yù)訓(xùn)練得到的參數(shù)作為初始參數(shù).僅訓(xùn)練檢測(cè)器層,初始學(xué)習(xí)率設(shè)為0.001 可以收斂的更快;在第76 個(gè)epoch解凍訓(xùn)練,同時(shí)學(xué)習(xí)率減小為0.000 1.每次迭代輸入樣本的batchsize 為8,梯度優(yōu)化函數(shù)使用Adam,衰減系數(shù)為0.000 5,動(dòng)量為0.9,IoU 閾值設(shè)置為0.5.

    網(wǎng)絡(luò)模型的損失函數(shù)為目標(biāo)類別的損失Lclass、置信度損失Lconf以及定位損失Lloc,三者之和為最終損失Ltotal,具體如下:

    3.4 實(shí)驗(yàn)結(jié)果與對(duì)比實(shí)驗(yàn)分析本文實(shí)驗(yàn)在構(gòu)建的補(bǔ)片檢測(cè)數(shù)據(jù)集上進(jìn)行,為證明本方法的有效性,文中選取了雙階段檢測(cè)算法(Faster R-CNN)和單階段檢測(cè)算法(SSD、YOLOv3),目標(biāo)檢測(cè)領(lǐng)域主流的深度學(xué)習(xí)算法作為對(duì)比模型.評(píng)價(jià)指標(biāo)包括精確率(precision)、召回率(recall)與平均精度均值(Mean average precision,mAP)以及檢測(cè)速度(FPS),其中,mAP 指的是各目標(biāo)類別平均檢測(cè)精度的均值,也是目標(biāo)檢測(cè)領(lǐng)域最常用的基本評(píng)價(jià)指標(biāo).

    從表1 可以看出,在相同數(shù)據(jù)集上做訓(xùn)練得出的測(cè)試結(jié)果顯示本文提出的YOLOv3-SPP 檢測(cè)算法平均精度均值達(dá)到了87.11%,高于單階段目標(biāo)檢測(cè)算法SSD 和YOLOv3 的平均精度.雖然低于雙階段目標(biāo)檢測(cè)算法Faster R-CNN 的平均精度均值,但Faster R-CNN 檢測(cè)速度過(guò)慢,無(wú)法滿足醫(yī)生要求.YOLOv3-SPP 的精度足以保證得出的各項(xiàng)數(shù)據(jù)可輔助醫(yī)生進(jìn)行疝修補(bǔ)術(shù)后診斷.

    表1 4 種算法的性能對(duì)比Tab.1 The performance comparison of four algorithms

    在數(shù)據(jù)集相同的情況下,對(duì)YOLOv3-SPP 采用遷移學(xué)習(xí)的訓(xùn)練策略,對(duì)比其對(duì)于模型目標(biāo)檢測(cè)性能的影響.通過(guò)表2 發(fā)現(xiàn),直接進(jìn)行訓(xùn)練,模型泛化性能差,檢測(cè)結(jié)果準(zhǔn)確率和召回率以及mAP 都較低.在遷移學(xué)習(xí)的策略下訓(xùn)練,模型訓(xùn)練更加充分,提高了網(wǎng)絡(luò)模型的泛化能力及魯棒性,測(cè)試結(jié)果表明各項(xiàng)指標(biāo)大幅提升,其中mAP 達(dá)到90.15%.綜上所述,采用遷移學(xué)習(xí)的訓(xùn)練方式可有效提高模型整體性能.

    表2 YOLOv3-SPP 在不同訓(xùn)練策略下的檢測(cè)性能Tab.2 YOLOv3-SPP detection performance under different training strategies%

    圖8 為傳統(tǒng)訓(xùn)練方法訓(xùn)練YOLOv3-SPP 和遷移學(xué)習(xí)訓(xùn)練策略的檢測(cè)結(jié)果的對(duì)比.圖8(a)(c)為傳統(tǒng)訓(xùn)練方法后的檢測(cè)結(jié)果,(b)(d)為采用遷移學(xué)習(xí)的檢測(cè)結(jié)果.可以看出,兩者都有較好的檢測(cè)性能,但使用傳統(tǒng)訓(xùn)練方式的檢測(cè)結(jié)果依然存在部分小目標(biāo)漏檢以及一些檢測(cè)框與目標(biāo)貼合不精確的情況.而使用遷移學(xué)習(xí)的訓(xùn)練方法使網(wǎng)絡(luò)對(duì)特征的學(xué)習(xí)和分類能力更強(qiáng),能對(duì)小目標(biāo)進(jìn)行更好檢測(cè),邊界框更加貼合補(bǔ)片輪廓;更少的漏檢較大地提高了召回率以及mAP.

    圖8 有無(wú)采用遷移學(xué)習(xí)訓(xùn)練典型結(jié)果對(duì)比Fig.8 Comparison of typical results with or without transfer learning training

    圖9 顯示了本文方法對(duì)超聲圖像中輕量型補(bǔ)片在不同部位下的檢測(cè)效果.在不同的部位,本文提出的方法均能得到良好的檢測(cè)結(jié)果.

    圖9 不同部位檢測(cè)結(jié)果Fig.9 Detection results of different parts

    4 結(jié)語(yǔ)

    本文基于改進(jìn)YOLOv3-SPP 網(wǎng)絡(luò)結(jié)構(gòu)與結(jié)合遷移學(xué)習(xí)的目標(biāo)檢測(cè)算法可以對(duì)ABUS 超聲圖像中不同形狀補(bǔ)片的特征信息更全面、完整、高效地學(xué)習(xí),有效改善了檢測(cè)性能,顯著提高了檢測(cè)效果.實(shí)驗(yàn)結(jié)果表明,本文所提改進(jìn)算法最終mAP 可以達(dá)到90.15%,每張圖像檢測(cè)速度為33.2 f·s?1,可以滿足醫(yī)生對(duì)ABUS 輕量型補(bǔ)片診斷中目標(biāo)檢測(cè)的需要,具有應(yīng)用于臨床輔助診斷的巨大價(jià)值.未來(lái),我們將進(jìn)一步應(yīng)用深度學(xué)習(xí)方法,對(duì)ABUS 補(bǔ)片圖像進(jìn)行分類、檢測(cè)、分割等,進(jìn)一步提高計(jì)算機(jī)輔助診斷的應(yīng)用性能.

    猜你喜歡
    輕量池化補(bǔ)片
    基于緊湊型雙線性網(wǎng)絡(luò)的野生茵識(shí)別方法研究
    基于Sobel算子的池化算法設(shè)計(jì)
    并繼竿之我見(四)
    ——輕量竿只有新手才用?
    垂釣(2023年1期)2023-03-03 05:06:20
    卷積神經(jīng)網(wǎng)絡(luò)中的自適應(yīng)加權(quán)池化
    食管裂孔疝修補(bǔ)術(shù)補(bǔ)片的選擇與固定
    輕量新能源汽車應(yīng)用開關(guān)磁阻電機(jī)系統(tǒng)匹配的研究
    基于卷積神經(jīng)網(wǎng)絡(luò)和池化算法的表情識(shí)別研究
    我對(duì)輕量型并繼竿的看法
    垂釣(2018年6期)2018-09-10 08:22:02
    自固定補(bǔ)片與普通聚丙烯補(bǔ)片在腹腔鏡全腹膜外疝修補(bǔ)術(shù)中的對(duì)比研究
    改良Kugel補(bǔ)片修補(bǔ)腹股溝復(fù)發(fā)疝應(yīng)用體會(huì)
    欧美一级毛片孕妇| 丝袜美腿诱惑在线| 巨乳人妻的诱惑在线观看| 夜夜看夜夜爽夜夜摸 | 日韩欧美一区视频在线观看| 久久精品亚洲熟妇少妇任你| 女人精品久久久久毛片| 一区二区三区精品91| www日本在线高清视频| 国产av一区在线观看免费| 一进一出抽搐动态| 一边摸一边抽搐一进一小说| 精品乱码久久久久久99久播| 欧美+亚洲+日韩+国产| 曰老女人黄片| 国产精品电影一区二区三区| 精品第一国产精品| 熟女少妇亚洲综合色aaa.| 精品国产一区二区久久| 国产精华一区二区三区| 亚洲av熟女| 日韩视频一区二区在线观看| 91精品三级在线观看| 在线观看一区二区三区| 国产99白浆流出| 免费日韩欧美在线观看| 午夜免费鲁丝| 多毛熟女@视频| e午夜精品久久久久久久| 欧美精品一区二区免费开放| 俄罗斯特黄特色一大片| 欧美日本中文国产一区发布| 97碰自拍视频| 久久婷婷成人综合色麻豆| 久久婷婷成人综合色麻豆| 成人特级黄色片久久久久久久| 一二三四在线观看免费中文在| 超碰成人久久| 看黄色毛片网站| 成人18禁高潮啪啪吃奶动态图| 国产单亲对白刺激| 久久久国产成人免费| 夜夜爽天天搞| 俄罗斯特黄特色一大片| videosex国产| 亚洲激情在线av| 精品国产一区二区三区四区第35| 亚洲 欧美 日韩 在线 免费| 精品福利观看| 欧美性长视频在线观看| 精品卡一卡二卡四卡免费| 亚洲自偷自拍图片 自拍| 精品国产国语对白av| 看免费av毛片| svipshipincom国产片| 美女扒开内裤让男人捅视频| 两人在一起打扑克的视频| 日本一区二区免费在线视频| 在线观看免费日韩欧美大片| 国产精品成人在线| 一级,二级,三级黄色视频| 日日干狠狠操夜夜爽| 亚洲九九香蕉| 精品久久久久久久毛片微露脸| 国产一区二区在线av高清观看| 日韩欧美三级三区| 巨乳人妻的诱惑在线观看| 国产av在哪里看| 成人三级黄色视频| www.自偷自拍.com| 嫩草影视91久久| 91字幕亚洲| 免费在线观看影片大全网站| 丰满饥渴人妻一区二区三| 国产精品免费视频内射| 又紧又爽又黄一区二区| 超碰成人久久| 757午夜福利合集在线观看| 国产在线观看jvid| 国产单亲对白刺激| 久久这里只有精品19| 99久久国产精品久久久| aaaaa片日本免费| 日韩一卡2卡3卡4卡2021年| 中文字幕人妻熟女乱码| 精品无人区乱码1区二区| 国产成人av教育| 后天国语完整版免费观看| 最近最新免费中文字幕在线| 视频在线观看一区二区三区| 麻豆av在线久日| 中文欧美无线码| 在线观看免费午夜福利视频| 男人操女人黄网站| 中国美女看黄片| 国产精品成人在线| 在线观看午夜福利视频| 69av精品久久久久久| 日韩欧美免费精品| 日韩欧美一区二区三区在线观看| 91麻豆精品激情在线观看国产 | av超薄肉色丝袜交足视频| 久久人妻熟女aⅴ| 国产精品久久久久久人妻精品电影| 一夜夜www| 最近最新中文字幕大全免费视频| 久久天躁狠狠躁夜夜2o2o| 久久久久九九精品影院| 成年人黄色毛片网站| 亚洲一卡2卡3卡4卡5卡精品中文| 成年人黄色毛片网站| 18禁黄网站禁片午夜丰满| 男人操女人黄网站| 一级作爱视频免费观看| 视频区图区小说| 18禁黄网站禁片午夜丰满| 国产精品亚洲av一区麻豆| 高清av免费在线| 精品久久久久久久久久免费视频 | 国产亚洲精品一区二区www| 看黄色毛片网站| 一级毛片高清免费大全| 精品国产国语对白av| 99久久99久久久精品蜜桃| 一区二区三区国产精品乱码| 9色porny在线观看| 在线国产一区二区在线| 在线十欧美十亚洲十日本专区| 久久精品亚洲熟妇少妇任你| 日韩精品中文字幕看吧| 亚洲av五月六月丁香网| 一级a爱视频在线免费观看| 亚洲午夜精品一区,二区,三区| a级毛片黄视频| 亚洲一区二区三区色噜噜 | a级片在线免费高清观看视频| 国产精品二区激情视频| 免费高清在线观看日韩| 国内毛片毛片毛片毛片毛片| 一个人免费在线观看的高清视频| 高清黄色对白视频在线免费看| 一个人观看的视频www高清免费观看 | 黑人巨大精品欧美一区二区mp4| 丰满饥渴人妻一区二区三| 亚洲精品国产区一区二| 天天躁夜夜躁狠狠躁躁| 亚洲精品一区av在线观看| 男女下面进入的视频免费午夜 | 一个人观看的视频www高清免费观看 | 少妇裸体淫交视频免费看高清 | 99re在线观看精品视频| 久久久国产欧美日韩av| 国产精品国产av在线观看| 精品国产美女av久久久久小说| 亚洲av成人av| 一个人免费在线观看的高清视频| 啪啪无遮挡十八禁网站| 后天国语完整版免费观看| 国产精品亚洲av一区麻豆| 久久国产精品人妻蜜桃| 又黄又粗又硬又大视频| 色婷婷久久久亚洲欧美| 91字幕亚洲| 国产精品二区激情视频| 亚洲色图 男人天堂 中文字幕| 国产在线精品亚洲第一网站| 色综合婷婷激情| 午夜亚洲福利在线播放| av天堂在线播放| 成人国产一区最新在线观看| 亚洲片人在线观看| 国产不卡一卡二| 免费在线观看完整版高清| 丝袜美腿诱惑在线| 一级片免费观看大全| 国产欧美日韩综合在线一区二区| 久久九九热精品免费| 两人在一起打扑克的视频| 黄片播放在线免费| 亚洲av片天天在线观看| 激情在线观看视频在线高清| 国产一区二区三区视频了| 嫩草影视91久久| 午夜福利一区二区在线看| 成人亚洲精品一区在线观看| a在线观看视频网站| 午夜老司机福利片| 国产成人欧美在线观看| 国产激情久久老熟女| 成人精品一区二区免费| 精品国产乱子伦一区二区三区| av电影中文网址| 黑人巨大精品欧美一区二区mp4| av中文乱码字幕在线| 婷婷六月久久综合丁香| 他把我摸到了高潮在线观看| 国产亚洲欧美在线一区二区| 日本免费a在线| 一级,二级,三级黄色视频| 精品无人区乱码1区二区| 高清在线国产一区| 精品高清国产在线一区| 一级a爱视频在线免费观看| 国产精品亚洲一级av第二区| 97碰自拍视频| 国产精品香港三级国产av潘金莲| 久久久水蜜桃国产精品网| 亚洲aⅴ乱码一区二区在线播放 | 午夜亚洲福利在线播放| 满18在线观看网站| 99riav亚洲国产免费| 精品无人区乱码1区二区| 久久草成人影院| 午夜久久久在线观看| xxxhd国产人妻xxx| 亚洲va日本ⅴa欧美va伊人久久| 欧美精品亚洲一区二区| 99国产极品粉嫩在线观看| 18禁国产床啪视频网站| 欧美黑人欧美精品刺激| 欧美日本中文国产一区发布| 99国产精品一区二区蜜桃av| 精品福利永久在线观看| 久久九九热精品免费| 日本撒尿小便嘘嘘汇集6| 高清在线国产一区| 亚洲av成人一区二区三| 欧美精品啪啪一区二区三区| 国产精品亚洲一级av第二区| 男女下面进入的视频免费午夜 | 中文字幕人妻丝袜一区二区| 99国产综合亚洲精品| 午夜精品久久久久久毛片777| 婷婷丁香在线五月| 日韩大尺度精品在线看网址 | 精品国产国语对白av| 不卡一级毛片| 色在线成人网| 国产一区二区三区在线臀色熟女 | 中文亚洲av片在线观看爽| 亚洲精品一区av在线观看| 欧美日本中文国产一区发布| 一区二区三区精品91| 黄色丝袜av网址大全| 又黄又粗又硬又大视频| av中文乱码字幕在线| 99在线人妻在线中文字幕| 日韩高清综合在线| 午夜久久久在线观看| 美国免费a级毛片| 国产深夜福利视频在线观看| 日韩欧美三级三区| а√天堂www在线а√下载| 成年人黄色毛片网站| 久久伊人香网站| 在线播放国产精品三级| 久久国产亚洲av麻豆专区| 久久香蕉精品热| 国产精品香港三级国产av潘金莲| 国产精品av久久久久免费| 欧美日韩一级在线毛片| www.熟女人妻精品国产| 看免费av毛片| 热re99久久精品国产66热6| 人人妻人人爽人人添夜夜欢视频| 免费人成视频x8x8入口观看| 久久久国产成人精品二区 | 国产欧美日韩精品亚洲av| 久久久久久久精品吃奶| x7x7x7水蜜桃| 在线国产一区二区在线| 身体一侧抽搐| 欧美老熟妇乱子伦牲交| 久久99一区二区三区| 亚洲精品国产区一区二| 人人妻,人人澡人人爽秒播| 天堂√8在线中文| 两性夫妻黄色片| 精品久久久久久久久久免费视频 | 久久人人精品亚洲av| 视频区欧美日本亚洲| 久久久精品国产亚洲av高清涩受| 两个人看的免费小视频| 国产精品1区2区在线观看.| 亚洲第一av免费看| 狠狠狠狠99中文字幕| av片东京热男人的天堂| 一级毛片精品| www.自偷自拍.com| 视频区欧美日本亚洲| 日本wwww免费看| 亚洲av片天天在线观看| 国产欧美日韩一区二区三区在线| 99国产精品免费福利视频| 香蕉国产在线看| 制服人妻中文乱码| 曰老女人黄片| av视频免费观看在线观看| 欧美在线一区亚洲| 校园春色视频在线观看| 美女国产高潮福利片在线看| 久久精品aⅴ一区二区三区四区| 亚洲一码二码三码区别大吗| 精品久久久久久电影网| 看片在线看免费视频| 自线自在国产av| 美女高潮到喷水免费观看| 久99久视频精品免费| 看免费av毛片| 天天躁夜夜躁狠狠躁躁| 长腿黑丝高跟| 久99久视频精品免费| 窝窝影院91人妻| av天堂在线播放| 亚洲av第一区精品v没综合| 国产区一区二久久| 色婷婷久久久亚洲欧美| 亚洲精品久久成人aⅴ小说| 桃红色精品国产亚洲av| 国产精品电影一区二区三区| 国产精品综合久久久久久久免费 | 动漫黄色视频在线观看| 天堂动漫精品| 制服诱惑二区| 黄片播放在线免费| 午夜视频精品福利| 90打野战视频偷拍视频| 69精品国产乱码久久久| 丁香六月欧美| 男人舔女人的私密视频| 国产精品日韩av在线免费观看 | 成年人黄色毛片网站| 免费观看精品视频网站| 每晚都被弄得嗷嗷叫到高潮| 19禁男女啪啪无遮挡网站| 午夜老司机福利片| 亚洲av成人一区二区三| 久久久国产欧美日韩av| 国产亚洲精品久久久久5区| 老司机午夜福利在线观看视频| 日韩国内少妇激情av| 欧美黑人精品巨大| 亚洲五月天丁香| 极品人妻少妇av视频| 久久青草综合色| 人人妻,人人澡人人爽秒播| 黄频高清免费视频| 日本三级黄在线观看| 亚洲精品成人av观看孕妇| 欧美黄色片欧美黄色片| 欧美精品一区二区免费开放| 免费一级毛片在线播放高清视频 | 悠悠久久av| 亚洲av成人av| 国产欧美日韩一区二区精品| 午夜91福利影院| 日本 av在线| 国产精华一区二区三区| 亚洲在线自拍视频| 亚洲专区中文字幕在线| 国内毛片毛片毛片毛片毛片| 国产激情久久老熟女| 亚洲人成网站在线播放欧美日韩| 99在线人妻在线中文字幕| 很黄的视频免费| 日韩国内少妇激情av| av视频免费观看在线观看| 黄片大片在线免费观看| 一级毛片精品| 欧美日本亚洲视频在线播放| 日韩人妻精品一区2区三区| 丰满迷人的少妇在线观看| 国产成人欧美| 90打野战视频偷拍视频| 成熟少妇高潮喷水视频| 久久婷婷成人综合色麻豆| 大陆偷拍与自拍| 日本三级黄在线观看| 欧美成人午夜精品| 欧美日本中文国产一区发布| 精品无人区乱码1区二区| 午夜日韩欧美国产| 女人被躁到高潮嗷嗷叫费观| 黑丝袜美女国产一区| 欧美中文综合在线视频| 国产99白浆流出| 美女高潮喷水抽搐中文字幕| 视频区图区小说| 女性被躁到高潮视频| 国产欧美日韩一区二区三| 99精品久久久久人妻精品| 757午夜福利合集在线观看| 亚洲熟妇中文字幕五十中出 | 免费在线观看视频国产中文字幕亚洲| 91在线观看av| 香蕉国产在线看| 日韩欧美免费精品| 亚洲美女黄片视频| 正在播放国产对白刺激| 校园春色视频在线观看| 亚洲精品一卡2卡三卡4卡5卡| 国产精品av久久久久免费| 午夜免费鲁丝| 韩国精品一区二区三区| 91av网站免费观看| 青草久久国产| 色综合婷婷激情| 国产蜜桃级精品一区二区三区| 一级作爱视频免费观看| 超碰成人久久| 亚洲熟妇中文字幕五十中出 | 亚洲欧美激情在线| 天堂√8在线中文| 校园春色视频在线观看| 久久香蕉精品热| 亚洲人成77777在线视频| 婷婷丁香在线五月| 亚洲 国产 在线| 亚洲国产欧美一区二区综合| 免费一级毛片在线播放高清视频 | 亚洲av成人不卡在线观看播放网| 男女下面插进去视频免费观看| 9色porny在线观看| 日本欧美视频一区| 欧美日韩一级在线毛片| 成人永久免费在线观看视频| 欧美激情 高清一区二区三区| e午夜精品久久久久久久| 精品福利观看| 亚洲熟妇熟女久久| 亚洲第一欧美日韩一区二区三区| 一级黄色大片毛片| 五月开心婷婷网| 成人18禁在线播放| 婷婷精品国产亚洲av在线| 这个男人来自地球电影免费观看| 看黄色毛片网站| 美女大奶头视频| 香蕉国产在线看| 亚洲va日本ⅴa欧美va伊人久久| 日本黄色日本黄色录像| 精品午夜福利视频在线观看一区| 老熟妇仑乱视频hdxx| 一级,二级,三级黄色视频| netflix在线观看网站| 国产欧美日韩一区二区三| 精品国产一区二区久久| 一边摸一边做爽爽视频免费| 免费观看人在逋| 亚洲 欧美一区二区三区| 乱人伦中国视频| 狠狠狠狠99中文字幕| ponron亚洲| 国产亚洲精品第一综合不卡| 午夜福利在线观看吧| 咕卡用的链子| 天堂动漫精品| 国产激情久久老熟女| 男女午夜视频在线观看| 亚洲一卡2卡3卡4卡5卡精品中文| 久久国产精品影院| 欧美日韩乱码在线| 看免费av毛片| 久久精品aⅴ一区二区三区四区| 老司机午夜十八禁免费视频| 亚洲熟女毛片儿| cao死你这个sao货| 亚洲在线自拍视频| 日韩精品免费视频一区二区三区| 久久香蕉激情| 国产精品国产高清国产av| 国产亚洲欧美在线一区二区| 国产精品 欧美亚洲| 亚洲精品在线观看二区| 欧美色视频一区免费| 日韩中文字幕欧美一区二区| 亚洲av第一区精品v没综合| 日日夜夜操网爽| 国产蜜桃级精品一区二区三区| 免费不卡黄色视频| 中文亚洲av片在线观看爽| 啪啪无遮挡十八禁网站| 久久精品亚洲精品国产色婷小说| 亚洲精品粉嫩美女一区| 精品欧美一区二区三区在线| 亚洲伊人色综图| 欧美乱妇无乱码| 97人妻天天添夜夜摸| 国产亚洲精品久久久久5区| 啦啦啦在线免费观看视频4| 婷婷六月久久综合丁香| 亚洲免费av在线视频| 12—13女人毛片做爰片一| 亚洲国产精品一区二区三区在线| 丝袜美足系列| 天堂√8在线中文| 丰满迷人的少妇在线观看| 他把我摸到了高潮在线观看| 欧美成人免费av一区二区三区| 亚洲精品一区av在线观看| 99热国产这里只有精品6| 动漫黄色视频在线观看| 一个人观看的视频www高清免费观看 | 国产人伦9x9x在线观看| 99久久人妻综合| 中文字幕人妻熟女乱码| 超碰97精品在线观看| 夜夜爽天天搞| 又黄又粗又硬又大视频| 视频区欧美日本亚洲| 亚洲精品久久午夜乱码| 国产精品国产av在线观看| 成人三级做爰电影| av中文乱码字幕在线| 亚洲人成电影免费在线| 欧美日韩黄片免| 午夜福利在线观看吧| 777久久人妻少妇嫩草av网站| 日本免费a在线| 热re99久久国产66热| 欧美激情极品国产一区二区三区| 国产在线精品亚洲第一网站| 在线免费观看的www视频| 国产人伦9x9x在线观看| 一区二区日韩欧美中文字幕| 自拍欧美九色日韩亚洲蝌蚪91| 午夜影院日韩av| 免费在线观看亚洲国产| 999久久久国产精品视频| 精品熟女少妇八av免费久了| 亚洲三区欧美一区| 日韩高清综合在线| 亚洲欧美精品综合一区二区三区| 丝袜美腿诱惑在线| 美国免费a级毛片| 亚洲人成77777在线视频| 美女福利国产在线| 亚洲精品粉嫩美女一区| 黄色毛片三级朝国网站| 人妻丰满熟妇av一区二区三区| 一区二区日韩欧美中文字幕| 欧美成人免费av一区二区三区| 美女大奶头视频| 成熟少妇高潮喷水视频| 午夜福利欧美成人| 欧美成人免费av一区二区三区| 在线观看一区二区三区激情| www国产在线视频色| 亚洲美女黄片视频| 精品久久蜜臀av无| 亚洲美女黄片视频| 欧美中文日本在线观看视频| 91成人精品电影| 亚洲欧美激情综合另类| 韩国精品一区二区三区| 免费不卡黄色视频| 在线视频色国产色| 精品日产1卡2卡| 男人舔女人下体高潮全视频| 法律面前人人平等表现在哪些方面| 国产高清激情床上av| 成熟少妇高潮喷水视频| 午夜福利欧美成人| 日本三级黄在线观看| 国产精品国产av在线观看| 国产精品永久免费网站| 精品人妻在线不人妻| 久久午夜综合久久蜜桃| 欧美黑人欧美精品刺激| 亚洲精品久久午夜乱码| 啦啦啦 在线观看视频| 在线国产一区二区在线| 91av网站免费观看| 亚洲va日本ⅴa欧美va伊人久久| 夜夜爽天天搞| 亚洲专区国产一区二区| 18禁裸乳无遮挡免费网站照片 | 啦啦啦 在线观看视频| 国产激情欧美一区二区| 国产成人精品在线电影| 啦啦啦在线免费观看视频4| 久久精品人人爽人人爽视色| 在线国产一区二区在线| 日韩欧美免费精品| 老司机亚洲免费影院| 电影成人av| 成在线人永久免费视频| 亚洲中文日韩欧美视频| 久久中文字幕一级| 女性被躁到高潮视频| 色精品久久人妻99蜜桃| 在线观看免费视频日本深夜| 后天国语完整版免费观看| 日韩免费av在线播放| e午夜精品久久久久久久| 精品国产一区二区三区四区第35| 日韩欧美在线二视频| 88av欧美| 看黄色毛片网站| 免费女性裸体啪啪无遮挡网站| 精品福利观看| 大香蕉久久成人网| 18禁观看日本| 久久久久久亚洲精品国产蜜桃av| 美女大奶头视频| 法律面前人人平等表现在哪些方面| 国产一卡二卡三卡精品| 欧美最黄视频在线播放免费 | 国产精华一区二区三区| 亚洲成人久久性| 极品人妻少妇av视频| 啦啦啦免费观看视频1| 日韩欧美在线二视频| 亚洲男人天堂网一区| 成人精品一区二区免费|