• <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 ?

    改進(jìn)RetinaNet的遮擋目標(biāo)檢測算法研究

    2022-06-09 11:59:10珊,王建,胡莉,劉波,趙皓,3
    關(guān)鍵詞:損失準(zhǔn)確率閾值

    陽 珊,王 建,胡 莉,劉 波,趙 皓,3

    1.西南科技大學(xué) 信息工程學(xué)院,四川 綿陽 621010

    2.深圳市朗馳欣創(chuàng)科技股份有限公司,廣東 深圳 518000

    3.中國科學(xué)技術(shù)大學(xué) 信息科學(xué)技術(shù)學(xué)院,合肥 230026

    目標(biāo)檢測作為計(jì)算機(jī)視覺中的一項(xiàng)基本任務(wù),以識別給定圖片中存在目標(biāo)的類別和位置為目的,已被廣泛應(yīng)用于各個(gè)領(lǐng)域,如人臉檢測、行人檢測、自動駕駛。近年來,隨著深度學(xué)習(xí)技術(shù)的不斷發(fā)展,基于深層卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測方法層出不窮,主流的算法大致可分為兩類:兩階段目標(biāo)檢測器(two-stage)[1-2]和一階段目標(biāo)檢測器(one-stage)[3-4],前者將目標(biāo)檢測任務(wù)分為兩步進(jìn)行,較后者而言,結(jié)構(gòu)更為復(fù)雜,計(jì)算開銷巨大,速度相對較慢,但相應(yīng)的其檢測精度也更高。一階段目標(biāo)檢測器得益于其高實(shí)時(shí)性,使其更容易在移動終端部署,故越來越多的學(xué)者投身于one-stage目標(biāo)檢測的研究。YOLO[5-6]作為一階段目標(biāo)檢測器的開山鼻祖,將物體檢測看作回歸問題,基于單獨(dú)的end-to-end網(wǎng)絡(luò),完成從原始圖像的輸入到物體位置和類別的輸出。隨后SSD[7-8]系列算法的提出,進(jìn)一步提升了一階段目標(biāo)檢測器的實(shí)時(shí)性。

    不同的網(wǎng)絡(luò)結(jié)構(gòu)提出,使得分類和回歸預(yù)測精度不斷提升,實(shí)時(shí)性也在不斷提高。事實(shí)上,損失函數(shù)對模型的學(xué)習(xí)也至關(guān)重要,在Smooth L1之后,為提高回歸精度,提出了IoU loss[9]、GIoU[10]以及DIoU[11]一系列損失。但對于重疊目標(biāo)場景,無論是網(wǎng)絡(luò)結(jié)構(gòu)還是損失函數(shù),目前的研究都相對較少。目標(biāo)檢測任務(wù)中的重疊可分為兩類:一種是非目標(biāo)物體的遮擋,這類遮擋常見的解決方式為通過增加樣本數(shù)量來提高模型的魯棒性,另一種是目標(biāo)間的遮擋,通常需要提高網(wǎng)絡(luò)模型的辨別能力,對損失函數(shù)或網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行針對性改進(jìn)。

    本文針對目標(biāo)密集場景目標(biāo)識別率不高,基于固定經(jīng)驗(yàn)閾值的NMS算法,導(dǎo)致預(yù)測框不準(zhǔn)確的問題,提出一種改進(jìn)回歸損失函數(shù)與動態(tài)非極大值抑制的目標(biāo)檢測框架。

    1 RetinaNet

    RetinaNet[12]作為主流的one-stage目標(biāo)檢測算法,采用ResNet+FPN作為骨干網(wǎng)絡(luò)提取特征,其網(wǎng)絡(luò)部分結(jié)構(gòu)與FPN中提到的結(jié)構(gòu)并不完全一致,它使用特征金字塔的P3、P4、P5、P6、P7,其中前3層與FPN中產(chǎn)生方式一樣,通過上采樣和橫向連接拼接產(chǎn)生,P6在特征層P5上再通過了3×3卷積核卷積得到,而P7則是在P6的基礎(chǔ)上添加RELU激活函數(shù),然后再通過3×3卷積核卷積得到。FPN上選用的Anchor感受野從32×32到512×512,每層之間的長度為兩倍關(guān)系。每層金字塔有9個(gè)不同長寬比例和尺寸大小的Anchor,可適應(yīng)不同尺度的目標(biāo)。分類子網(wǎng)絡(luò)和回歸子網(wǎng)絡(luò)的參數(shù)不共享,但網(wǎng)絡(luò)結(jié)構(gòu)相似,都是小型FCN網(wǎng)絡(luò),利用金字塔層作為輸入,連接4個(gè)3×3的卷積層,再進(jìn)行分類和回歸預(yù)測。分類損失函數(shù)是RetinaNet的亮點(diǎn)之一,F(xiàn)ocal Loss基于交叉熵?fù)p失函數(shù)進(jìn)行改進(jìn),減小負(fù)樣本的權(quán)重,提高正樣本的權(quán)重,旨在解決類別不平衡的問題,取得了不錯(cuò)的檢測效果。

    2 D-RetinaNet

    遮擋對目標(biāo)檢測器存在兩個(gè)方面影響:第一,非目標(biāo)物體對目標(biāo)的遮擋會帶來目標(biāo)信息的缺失,進(jìn)而導(dǎo)致漏檢;而目標(biāo)之間的相互遮擋,往往會引入大量的干擾信息,導(dǎo)致虛檢。第二,重疊使模型對NMS的閾值選取更為敏感,如圖1所示,目標(biāo)周圍存在大量其他同類別目標(biāo)時(shí),其預(yù)測框的回歸會向其他目標(biāo)偏移,導(dǎo)致目標(biāo)的預(yù)測框定位不準(zhǔn)確,且如果NMS閾值選取過小,周圍的預(yù)測框?qū)⒈贿^濾掉,但該框又是正確的預(yù)測,NMS閾值選取過大,會帶來更多的虛檢。針對以上兩個(gè)問題,本文基于RetinaNet目標(biāo)檢測框架,從回歸定位損失函數(shù)和非極大值抑制后處理算法兩個(gè)方面進(jìn)行改進(jìn),提出D-RetinaNet,利用結(jié)合排斥因子Rep的GIoUloss替換SmoothL1回歸損失函數(shù),降低候選邊框向鄰近真值偏移概率。并在回歸子網(wǎng)絡(luò)最后一層添加一個(gè)同步的density預(yù)測Head,并將預(yù)測值作為NMS方法的動態(tài)閾值,可有效緩解目標(biāo)之間的相互遮擋導(dǎo)致模型學(xué)習(xí)不準(zhǔn)確的問題。

    圖1 遮擋示意圖Fig.1 Sketch of occluded target

    2.1 損失函數(shù)改進(jìn)

    RetinaNet原文采用Smooth L1回歸損失函數(shù),雖取得了不錯(cuò)的效果,但Smooth L1將邊界框的四個(gè)坐標(biāo)值獨(dú)立地進(jìn)行損失計(jì)算,并簡單相加,忽視了坐標(biāo)值之間的關(guān)聯(lián)性。并且實(shí)際評價(jià)框的指標(biāo)是計(jì)算預(yù)測框與真值框的IoU,具有相同大小Smooth L1(x)損失的多個(gè)檢測框,IoU差異可能很大,如圖2。而IoU Loss可以較好地改善這一點(diǎn),但它也存在其他缺點(diǎn),比如預(yù)測框和目標(biāo)框相離時(shí)IoU損失值為0,無法對預(yù)測框進(jìn)行優(yōu)化。此外,兩框相交面積相等時(shí),損失值相同,無法判斷預(yù)測框和目標(biāo)框的相交情況。因此無法準(zhǔn)確衡量定位信息,可能降低模型的檢測性能。

    圖2 損失值對比圖Fig.2 Diagram of comparative analysis of loss

    針對上述問題,使模型更能適應(yīng)Anchor Box比例分布不均的情況,采用GIoU損失作為邊界框回歸預(yù)測的損失函數(shù),GIoU計(jì)算示意圖見圖3,計(jì)算式如式(1)、(2):

    圖3 GIoU示意圖Fig.3 Sketch map of GIoU

    A、B分別代表兩個(gè)錨框和目標(biāo)框,C代表可同時(shí)覆蓋A、B的最小矩形。通過計(jì)算C中沒有覆蓋A和B的面積占整個(gè)C總面積的比值,再用A與B的IoU減去這個(gè)比值,得到GIOU。

    同時(shí)為提高模型對遮擋物體的檢測性能,在GIoU Loss基礎(chǔ)上加入一項(xiàng)排斥因子[13],用于增大預(yù)測框與周圍其他目標(biāo)框間的距離,防止預(yù)測框向其他目標(biāo)框回歸。排斥因子定義如式(3)~(6),這里預(yù)測框和其他目標(biāo)框的度量距離不使用IoU,避免預(yù)測框足夠大時(shí),導(dǎo)致?lián)p失值下降。

    2.2 密度估計(jì)分支

    針對后處理算法NMS的過濾閾值單一,難以適應(yīng)樣本多變的場景,在回歸分支最后一層增加一個(gè)密度預(yù)測分支,用于預(yù)測目標(biāo)間的遮擋程度[14],將預(yù)測的密度值應(yīng)用到NMS中,提高它的辨別能力,使其可自適應(yīng)復(fù)雜多變的場景,減少假陽性和漏檢,提高檢測精度[15]。該分支的結(jié)構(gòu)簡單,與回歸分支共享網(wǎng)絡(luò)參數(shù),僅在回歸子網(wǎng)絡(luò)最后一層添加一個(gè)同步的density預(yù)測Head,由3×3卷積核和sigmoid激活層構(gòu)成,幾乎不增加網(wǎng)絡(luò)的參數(shù)量,能保證模型訓(xùn)練速度,網(wǎng)絡(luò)結(jié)構(gòu)如圖4所示。

    圖4 網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.4 Schematic diagram of network structure

    對每個(gè)位置預(yù)測密度,通過計(jì)算與目標(biāo)框G與周圍其他目標(biāo)框的IoU,取最大的IoU值對預(yù)測值進(jìn)行監(jiān)督,式(8)為NMS算法閾值計(jì)算方式。密度估計(jì)損失函數(shù)選用簡單的smoothl1損失,如式(9),將其看作回歸任務(wù)進(jìn)行學(xué)習(xí)。

    圖5為使用密度d作為非極大值抑制的篩選閾值和傳統(tǒng)算法閾值的對比,可以看出D-NMS隨著迭代次數(shù)變化不斷調(diào)整閾值,而傳統(tǒng)NMS閾值始終保持不變。輸入圖片各個(gè)位置的目標(biāo)重疊程度不同,不斷調(diào)整的閾值顯然更能適應(yīng)場景的多變。

    圖5 不同NMS方法閾值變化圖Fig.5 Threshold changes of different NMS methods

    3 實(shí)驗(yàn)

    3.1 數(shù)據(jù)集

    本實(shí)驗(yàn)在PASCAL VOC和自制建筑垃圾數(shù)據(jù)集上進(jìn)行訓(xùn)練和測試。PASCAL采用VOC07+12(train+val)訓(xùn)練進(jìn)行,測試集采用VOC07 test。自制數(shù)據(jù)集利用Intel Real Sense采集到130張?jiān)紙D片,通過翻轉(zhuǎn)、添加噪聲、Mixup和Random Erase的方式對原始圖像進(jìn)行增廣,最后得到847張圖片,增廣后的圖片如圖6所示。

    圖6 數(shù)據(jù)集增廣效果圖Fig.6 Data augumention

    并參照VOC的標(biāo)注格式,利用LabelImg標(biāo)注軟件進(jìn)行標(biāo)簽標(biāo)記,數(shù)據(jù)集劃分為訓(xùn)練集542張,驗(yàn)證集135張和測試集170張。由于建筑垃圾部分類別差距十分小,拆卸后的磚塊顏色和形狀與木材非常相似,容易混淆。將其分為3個(gè)類別,包括Plastic、Wood、Concrete。建筑垃圾存在大量長條狀的木材和塑料等,導(dǎo)致模型對垃圾的定位效果不高,故數(shù)據(jù)處理時(shí),利用K-means方法對數(shù)據(jù)集中的先驗(yàn)框聚類[16],分別得到三組長寬比和縮放比用于生成Anchor box。

    3.2 評估標(biāo)準(zhǔn)

    本文采用mAP(mean average precision)評估網(wǎng)絡(luò)模型檢測性能,計(jì)算公式如下:

    其中,C表示數(shù)據(jù)集類別數(shù),c表示某一類別,Recall表示召回率,表示樣本中的正樣本有多少被預(yù)測正確了,Precision為精確度,表示預(yù)測為正的樣本中有多少是真正的正樣本。TP則為正樣本被分為正的數(shù)量,F(xiàn)N為把正樣本錯(cuò)誤地預(yù)測為負(fù)的數(shù)量,F(xiàn)P表示把負(fù)樣本錯(cuò)誤地預(yù)測為正的數(shù)量。故TP+FN為全部正樣本數(shù)量,TP+FP為全部被分為正樣本的數(shù)量。

    TP和FP根據(jù)IoU(intersetion over union)閾值定義,TP為與真值框IoU大于該閾值的預(yù)測,反之則為FP。IoU計(jì)算公式如下:

    3.3 對比實(shí)驗(yàn)

    對比表1分析可知,替換損失函數(shù)為Rep-GIoU Loss,利用預(yù)測的密度引導(dǎo)NMS后,在PASCAL VOC上本文算法平均準(zhǔn)確率可達(dá)到82.9%,比RetinaNet提高1.3個(gè)百分點(diǎn),且檢測速度幾乎不變。對比SSD和YOLOv3,檢測精度分別提高6.1個(gè)百分點(diǎn)和4.2個(gè)百分點(diǎn)。FCOS作為Anchor-free目標(biāo)檢測方法可達(dá)到79.1%準(zhǔn)確率,高性能目標(biāo)檢測器EfficientDet[17]準(zhǔn)確率為78.9%,都低于本文提出方法準(zhǔn)確率。

    表1 不同目標(biāo)檢測算法對比Table 1 Comparison of different target detection algorithms

    對比分析表2可以看出,改進(jìn)后的D-RetinaNet各類別目標(biāo)檢測精度都有提升,包括部分小目標(biāo)類別(如bird、Aeroplane)。表3對大中小目標(biāo)檢測效果進(jìn)行對比,PASCAL VOC數(shù)據(jù)集中較多的類別不存在小目標(biāo),中、大目標(biāo)占比更大,可以看出各尺度目標(biāo)檢測精度都有提升,改進(jìn)后的小目標(biāo)mAP提高了0.8個(gè)百分點(diǎn)。

    表2 各個(gè)類別的AP對比Table 2 AP for each category %

    表3 不同尺度目標(biāo)檢測精度對比Table 3 Comparison of different scale objects %

    對比分析表4可得,相比傳統(tǒng)的NMS算法,本文提出的Density-NMS提高了1.3個(gè)百分點(diǎn),可達(dá)到與Soft-NMS[18]相當(dāng)?shù)臏?zhǔn)確率。但Soft-NMS犧牲了邊界框的高置信度,在保留更多真陽性預(yù)測框的同時(shí)也保留了更多的假陽性預(yù)測框??傮w來看,本文算法的綜合性能是最優(yōu)的。

    表4 不同NMS算法對比Table 4 Comparison of different NMS algorithms

    同時(shí),本文在自制建筑垃圾數(shù)據(jù)集上對比了Retina-Net和改進(jìn)后算法,檢測結(jié)果如表5。RetinaNet模型可達(dá)到92.3%的準(zhǔn)確率,而改進(jìn)后的D-RetinaNet可達(dá)到95.1%,提高了2.8個(gè)百分點(diǎn)。

    表5 自制數(shù)據(jù)集效果對比Table 5 Comparison of self-made data sets

    3.4 消融實(shí)驗(yàn)

    表6對每個(gè)模塊的貢獻(xiàn)進(jìn)行了分析,可以看出改進(jìn)后的GIoU損失的引入,將模型的平均準(zhǔn)確率提高了2.5個(gè)百分點(diǎn),將模型的平均準(zhǔn)確率提高了2.5個(gè)百分點(diǎn),同時(shí)Density_NMS的加入也進(jìn)一步提高了檢測準(zhǔn)確率,最終可達(dá)到95.1%準(zhǔn)確率。檢測效果如圖7所示。由檢測圖可以看出,被遮擋目標(biāo)的檢測效果有所提高,且對小目標(biāo)的識別效果也不錯(cuò)。

    圖7 檢測結(jié)果對比圖Fig.7 Comparison of detect results

    表6 各模塊貢獻(xiàn)Table 6 Contribution of each module

    3.5 實(shí)驗(yàn)配置

    全部實(shí)驗(yàn)運(yùn)行環(huán)境為Ubuntu系統(tǒng),顯存為24 GB,GPU為NVIDIA GeForce GTX TiTan X,利用CUDA10.1和CUDNNv7.6.5,加快GPU運(yùn)算,編譯器為Pycharm。

    在模型訓(xùn)練中,Smooth Ln(x)中的常參數(shù)σ設(shè)置為0.5,類別置信度閾值為0.3,損失函數(shù)中α設(shè)置為0.5,訓(xùn)練效果最好。IoU人工設(shè)定閾值為0.45,初始學(xué)習(xí)率為0.01,權(quán)重衰減為0.005,預(yù)防數(shù)據(jù)過擬合。選擇SGD優(yōu)化器優(yōu)化模型,Batch_size為12,損失最小為0.18和0.22。

    4 結(jié)語

    本文提出D-RetinaNet檢測算法,在保證了檢測速度幾乎不變的同時(shí),提高了RetinaNet算法對遮擋目標(biāo)的檢測性能?;贕IoU loss添加排斥因子Rep,加強(qiáng)網(wǎng)絡(luò)模型對遮擋目標(biāo)的學(xué)習(xí),提高了模型的識別能力。Density預(yù)測模塊的構(gòu)建不僅提高了后處理算法NMS的辨別能力,提高檢測器的檢測性能,使更多的準(zhǔn)確預(yù)測框得以保留。同時(shí)可輔助回歸分支更好地完成回歸任務(wù)。實(shí)驗(yàn)結(jié)果表明,D-RetinaNet在PASCAL VOC和自制數(shù)據(jù)集上的平均精度較RetinaNet分別提高了1.3個(gè)百分點(diǎn)和2.8個(gè)百分點(diǎn)。其中遮擋目標(biāo)的精度提升更為顯著,驗(yàn)證了改進(jìn)GIoU loss和密度預(yù)測模塊的有效性。目前損失函數(shù)更傾向于回歸得到一個(gè)相對較大的檢測框,將來會針對該問題進(jìn)一步研究,獲得更加貼合的預(yù)測框。

    猜你喜歡
    損失準(zhǔn)確率閾值
    少問一句,損失千金
    胖胖損失了多少元
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    2015—2017 年寧夏各天氣預(yù)報(bào)參考產(chǎn)品質(zhì)量檢驗(yàn)分析
    小波閾值去噪在深小孔鉆削聲發(fā)射信號處理中的應(yīng)用
    玉米抽穗前倒伏怎么辦?怎么減少損失?
    基于自適應(yīng)閾值和連通域的隧道裂縫提取
    高速公路車牌識別標(biāo)識站準(zhǔn)確率驗(yàn)證法
    比值遙感蝕變信息提取及閾值確定(插圖)
    河北遙感(2017年2期)2017-08-07 14:49:00
    日韩一区二区视频免费看| 女人精品久久久久毛片| 黄片播放在线免费| 妹子高潮喷水视频| 欧美人与善性xxx| 亚洲精品aⅴ在线观看| 七月丁香在线播放| 最近手机中文字幕大全| 丝瓜视频免费看黄片| 日日摸夜夜添夜夜添av毛片| 国产极品天堂在线| 狂野欧美激情性xxxx在线观看| 热99国产精品久久久久久7| 纯流量卡能插随身wifi吗| 人妻一区二区av| 欧美精品人与动牲交sv欧美| 午夜久久久在线观看| 最近手机中文字幕大全| 久久久久久久亚洲中文字幕| 在线看a的网站| 亚洲av.av天堂| 日日摸夜夜添夜夜爱| 久久99热6这里只有精品| 99久久精品一区二区三区| 亚洲欧美一区二区三区黑人 | 久久99一区二区三区| 色婷婷av一区二区三区视频| av国产精品久久久久影院| 一边摸一边做爽爽视频免费| kizo精华| 日本色播在线视频| 久久青草综合色| 久久精品夜色国产| 欧美老熟妇乱子伦牲交| 日本av免费视频播放| 国产片内射在线| 黄色欧美视频在线观看| 国产一区二区三区综合在线观看 | 午夜久久久在线观看| 久久久久网色| 秋霞伦理黄片| 日韩一本色道免费dvd| 九色成人免费人妻av| 中文字幕精品免费在线观看视频 | 欧美日韩一区二区视频在线观看视频在线| 亚洲av福利一区| 日韩免费高清中文字幕av| 亚洲av在线观看美女高潮| 成人免费观看视频高清| 桃花免费在线播放| 日韩免费高清中文字幕av| 丝袜喷水一区| 狠狠婷婷综合久久久久久88av| 亚洲国产精品专区欧美| 2021少妇久久久久久久久久久| 老熟女久久久| 天堂中文最新版在线下载| 99久久中文字幕三级久久日本| 精品卡一卡二卡四卡免费| 黑人巨大精品欧美一区二区蜜桃 | 视频区图区小说| 一区二区三区四区激情视频| 亚洲国产精品国产精品| 满18在线观看网站| 久久久久视频综合| 亚洲国产精品成人久久小说| 80岁老熟妇乱子伦牲交| 亚洲精品自拍成人| 国产黄片视频在线免费观看| 久久99一区二区三区| 美女国产视频在线观看| 成人无遮挡网站| 精品亚洲乱码少妇综合久久| 欧美xxⅹ黑人| 男女国产视频网站| 美女视频免费永久观看网站| 伊人久久精品亚洲午夜| 99热网站在线观看| 高清欧美精品videossex| 又黄又爽又刺激的免费视频.| 国产av精品麻豆| 我的女老师完整版在线观看| 色婷婷久久久亚洲欧美| 99久久精品一区二区三区| 亚洲精品乱码久久久久久按摩| 久久午夜综合久久蜜桃| 狠狠精品人妻久久久久久综合| 黄色一级大片看看| 成人国语在线视频| 99热6这里只有精品| 免费看不卡的av| 欧美亚洲 丝袜 人妻 在线| 中国国产av一级| 青春草国产在线视频| 国产精品99久久久久久久久| 日韩不卡一区二区三区视频在线| 久久久久网色| 久久久精品免费免费高清| 亚洲精品乱码久久久久久按摩| 国产日韩一区二区三区精品不卡 | a级毛片在线看网站| 91久久精品国产一区二区三区| 亚洲精品成人av观看孕妇| 午夜福利,免费看| 国产一区二区三区av在线| 国精品久久久久久国模美| 中文字幕免费在线视频6| 亚洲中文av在线| 国产精品秋霞免费鲁丝片| 王馨瑶露胸无遮挡在线观看| 中文字幕久久专区| 在线观看免费日韩欧美大片 | 天堂中文最新版在线下载| 2018国产大陆天天弄谢| 丝袜在线中文字幕| 美女脱内裤让男人舔精品视频| xxx大片免费视频| 熟女人妻精品中文字幕| 国产在线视频一区二区| 我的女老师完整版在线观看| 一边摸一边做爽爽视频免费| 国产欧美亚洲国产| 五月玫瑰六月丁香| 国产精品一二三区在线看| 国产成人freesex在线| 人人妻人人澡人人看| 欧美日韩视频高清一区二区三区二| 简卡轻食公司| 亚洲少妇的诱惑av| 国产精品不卡视频一区二区| 国产精品一区二区在线观看99| 免费av不卡在线播放| 天堂中文最新版在线下载| 成人黄色视频免费在线看| 在线观看三级黄色| 啦啦啦中文免费视频观看日本| 2021少妇久久久久久久久久久| 18禁动态无遮挡网站| 青春草视频在线免费观看| av有码第一页| 亚洲精品久久久久久婷婷小说| 我的女老师完整版在线观看| 黄片播放在线免费| 亚洲精品成人av观看孕妇| 人妻 亚洲 视频| a级片在线免费高清观看视频| 亚洲不卡免费看| 亚洲国产精品国产精品| 亚洲精品久久成人aⅴ小说 | 哪个播放器可以免费观看大片| 777米奇影视久久| 啦啦啦中文免费视频观看日本| 51国产日韩欧美| 中文字幕人妻熟人妻熟丝袜美| 免费看光身美女| 一级,二级,三级黄色视频| 又粗又硬又长又爽又黄的视频| 亚洲欧美日韩另类电影网站| 性高湖久久久久久久久免费观看| 国产成人精品婷婷| 狂野欧美白嫩少妇大欣赏| 一个人看视频在线观看www免费| 亚洲欧洲国产日韩| 99热全是精品| 亚洲精华国产精华液的使用体验| 伦理电影大哥的女人| 欧美精品亚洲一区二区| 成人二区视频| 欧美老熟妇乱子伦牲交| 久久99蜜桃精品久久| 国产片内射在线| 亚洲五月色婷婷综合| 高清在线视频一区二区三区| 伊人久久精品亚洲午夜| 婷婷色综合www| 精品人妻熟女av久视频| 亚洲精品456在线播放app| 日本91视频免费播放| 国产成人一区二区在线| 国产有黄有色有爽视频| 久久精品国产自在天天线| 免费久久久久久久精品成人欧美视频 | 高清在线视频一区二区三区| 久久精品国产亚洲av涩爱| a级毛片在线看网站| 大码成人一级视频| 18禁在线无遮挡免费观看视频| 欧美丝袜亚洲另类| 午夜视频国产福利| 大话2 男鬼变身卡| 少妇的逼好多水| 99久国产av精品国产电影| 丁香六月天网| 日韩中字成人| 亚洲精品日本国产第一区| 麻豆成人av视频| 18禁裸乳无遮挡动漫免费视频| 国产乱来视频区| 国产精品一区二区在线观看99| 亚洲内射少妇av| 欧美日韩亚洲高清精品| 肉色欧美久久久久久久蜜桃| 久久久久久久精品精品| 少妇被粗大的猛进出69影院 | 午夜激情久久久久久久| 久久精品国产亚洲av天美| 日韩一本色道免费dvd| 一区二区三区四区激情视频| 蜜桃在线观看..| 亚洲国产av新网站| 丝袜在线中文字幕| 这个男人来自地球电影免费观看 | 久久久亚洲精品成人影院| 91精品国产国语对白视频| 国产色婷婷99| 久久久久久久久大av| 韩国av在线不卡| 99视频精品全部免费 在线| 伦理电影免费视频| 国产成人精品一,二区| 欧美日韩在线观看h| 婷婷色综合www| 一个人看视频在线观看www免费| 亚洲国产欧美在线一区| 国产在线一区二区三区精| 最新的欧美精品一区二区| 亚洲婷婷狠狠爱综合网| kizo精华| √禁漫天堂资源中文www| 亚洲图色成人| 2022亚洲国产成人精品| 美女国产高潮福利片在线看| 久久久久久久久久人人人人人人| 久久人人爽av亚洲精品天堂| 一区二区日韩欧美中文字幕 | 一边亲一边摸免费视频| 精品亚洲成国产av| 精品国产乱码久久久久久小说| 老司机影院成人| 看免费成人av毛片| 天堂8中文在线网| 国产成人精品一,二区| 最黄视频免费看| 欧美日韩av久久| 久久女婷五月综合色啪小说| 免费大片18禁| 国产午夜精品一二区理论片| 国产亚洲欧美精品永久| 国产色爽女视频免费观看| 哪个播放器可以免费观看大片| av女优亚洲男人天堂| .国产精品久久| 亚洲情色 制服丝袜| 少妇精品久久久久久久| 成人国产麻豆网| 国产黄色视频一区二区在线观看| 狠狠婷婷综合久久久久久88av| 国产精品欧美亚洲77777| 啦啦啦啦在线视频资源| 大香蕉久久网| 国产精品人妻久久久久久| 如何舔出高潮| 日本-黄色视频高清免费观看| 男女国产视频网站| 午夜激情av网站| 久久毛片免费看一区二区三区| 日本av免费视频播放| 人妻人人澡人人爽人人| 亚洲三级黄色毛片| 美女大奶头黄色视频| 日韩强制内射视频| 久久99热6这里只有精品| 岛国毛片在线播放| 国产一区二区在线观看日韩| 日日爽夜夜爽网站| 亚洲精品国产av蜜桃| 成人亚洲精品一区在线观看| 国产精品秋霞免费鲁丝片| 人妻人人澡人人爽人人| 国产免费又黄又爽又色| 边亲边吃奶的免费视频| 精品久久久久久久久av| 在线免费观看不下载黄p国产| 日韩在线高清观看一区二区三区| 国产精品偷伦视频观看了| 最近中文字幕高清免费大全6| 国产精品久久久久久久久免| 波野结衣二区三区在线| 国产精品人妻久久久影院| 美女国产高潮福利片在线看| 国产伦理片在线播放av一区| 成人国语在线视频| 国产日韩欧美亚洲二区| 少妇人妻久久综合中文| 香蕉精品网在线| 男女边摸边吃奶| 欧美 亚洲 国产 日韩一| 久久精品人人爽人人爽视色| 免费观看性生交大片5| 久久久欧美国产精品| 又粗又硬又长又爽又黄的视频| 十八禁高潮呻吟视频| 精品国产乱码久久久久久小说| 麻豆精品久久久久久蜜桃| 欧美精品人与动牲交sv欧美| 老司机影院成人| 九九在线视频观看精品| 91在线精品国自产拍蜜月| 热99久久久久精品小说推荐| 91久久精品国产一区二区三区| 成人综合一区亚洲| 国产国拍精品亚洲av在线观看| 亚洲精品一区蜜桃| 菩萨蛮人人尽说江南好唐韦庄| 飞空精品影院首页| 最黄视频免费看| 妹子高潮喷水视频| 国产 一区精品| 亚洲欧美日韩另类电影网站| 亚洲av国产av综合av卡| 黄色视频在线播放观看不卡| 一级毛片aaaaaa免费看小| 99热网站在线观看| 在线观看人妻少妇| 亚洲精品乱久久久久久| 亚洲欧美色中文字幕在线| 亚洲综合色惰| 久久久国产欧美日韩av| 七月丁香在线播放| av在线app专区| 国产精品秋霞免费鲁丝片| 中文字幕亚洲精品专区| 国产欧美日韩综合在线一区二区| 国产精品蜜桃在线观看| 欧美日韩视频精品一区| 国产精品一二三区在线看| 男女边摸边吃奶| 熟女人妻精品中文字幕| 亚洲精品自拍成人| 少妇人妻精品综合一区二区| 亚洲av中文av极速乱| 国产精品99久久99久久久不卡 | 人妻人人澡人人爽人人| 精品熟女少妇av免费看| 美女cb高潮喷水在线观看| 欧美最新免费一区二区三区| 日韩欧美精品免费久久| 最近中文字幕2019免费版| 毛片一级片免费看久久久久| videosex国产| 欧美日韩国产mv在线观看视频| 国产精品一区二区三区四区免费观看| 国产成人a∨麻豆精品| 伦理电影大哥的女人| 中文字幕av电影在线播放| 亚洲国产日韩一区二区| 91精品伊人久久大香线蕉| www.av在线官网国产| 国产av国产精品国产| 欧美激情国产日韩精品一区| 国精品久久久久久国模美| 黄色配什么色好看| 久久午夜福利片| 夫妻性生交免费视频一级片| 人妻人人澡人人爽人人| 中文字幕人妻丝袜制服| 精品一区二区三区视频在线| 男女边摸边吃奶| 久久久久国产精品人妻一区二区| freevideosex欧美| 韩国高清视频一区二区三区| 欧美人与性动交α欧美精品济南到 | 国产成人午夜福利电影在线观看| 男女边吃奶边做爰视频| 熟女av电影| 亚洲欧洲精品一区二区精品久久久 | 国产成人精品无人区| 国产老妇伦熟女老妇高清| 永久免费av网站大全| av女优亚洲男人天堂| 欧美精品人与动牲交sv欧美| 日韩 亚洲 欧美在线| 母亲3免费完整高清在线观看 | 在线观看国产h片| 欧美变态另类bdsm刘玥| 中国国产av一级| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 久久免费观看电影| 日韩一区二区三区影片| 免费观看a级毛片全部| 亚洲av不卡在线观看| 欧美日韩精品成人综合77777| 美女视频免费永久观看网站| 亚洲欧洲国产日韩| 国产亚洲av片在线观看秒播厂| 美女国产视频在线观看| 国产成人精品一,二区| 啦啦啦在线观看免费高清www| 少妇精品久久久久久久| 精品久久久久久久久av| 欧美老熟妇乱子伦牲交| 人人澡人人妻人| 一个人看视频在线观看www免费| 日本爱情动作片www.在线观看| 岛国毛片在线播放| 一级毛片我不卡| .国产精品久久| 美女xxoo啪啪120秒动态图| 亚洲av综合色区一区| 韩国av在线不卡| 国产精品一区二区三区四区免费观看| 看非洲黑人一级黄片| 日韩免费高清中文字幕av| 亚洲人成网站在线观看播放| 国产精品一国产av| 最后的刺客免费高清国语| 日韩精品免费视频一区二区三区 | 一级爰片在线观看| 国产av码专区亚洲av| a级毛片免费高清观看在线播放| 热99国产精品久久久久久7| 日韩成人伦理影院| 十分钟在线观看高清视频www| 欧美亚洲日本最大视频资源| 寂寞人妻少妇视频99o| 一二三四中文在线观看免费高清| 国产又色又爽无遮挡免| 啦啦啦在线观看免费高清www| 亚洲精品一区蜜桃| 2022亚洲国产成人精品| 有码 亚洲区| 99热这里只有精品一区| 亚洲精品乱码久久久久久按摩| 一区二区三区乱码不卡18| 欧美日本中文国产一区发布| 亚洲内射少妇av| videos熟女内射| 看非洲黑人一级黄片| 国产乱来视频区| 两个人的视频大全免费| 插阴视频在线观看视频| 国产欧美亚洲国产| av一本久久久久| 美女中出高潮动态图| 女人精品久久久久毛片| 久久久久久久国产电影| 欧美日韩视频精品一区| 亚洲精品第二区| 91久久精品电影网| 国产精品熟女久久久久浪| 一级毛片黄色毛片免费观看视频| 高清不卡的av网站| 插逼视频在线观看| 国产精品一区www在线观看| 91国产中文字幕| 免费黄网站久久成人精品| 一本色道久久久久久精品综合| 亚洲精品久久成人aⅴ小说 | 久久狼人影院| 亚洲情色 制服丝袜| 性高湖久久久久久久久免费观看| 亚洲av免费高清在线观看| 亚洲精品日韩在线中文字幕| 中文字幕制服av| 亚洲美女视频黄频| 成人综合一区亚洲| 欧美日韩视频高清一区二区三区二| videosex国产| 久久久久精品性色| 免费观看a级毛片全部| 精品亚洲成a人片在线观看| 日本猛色少妇xxxxx猛交久久| 国产精品人妻久久久久久| 高清不卡的av网站| 欧美xxⅹ黑人| 日本黄色片子视频| 国产成人免费观看mmmm| 两个人免费观看高清视频| 久久99热这里只频精品6学生| 亚洲成人av在线免费| 人妻少妇偷人精品九色| 哪个播放器可以免费观看大片| 中文乱码字字幕精品一区二区三区| 亚洲精品日韩在线中文字幕| 亚洲精品乱码久久久v下载方式| 亚洲av福利一区| 熟女av电影| 大片免费播放器 马上看| 两个人的视频大全免费| 欧美成人精品欧美一级黄| 十分钟在线观看高清视频www| 午夜视频国产福利| 在线观看免费高清a一片| 日本黄大片高清| 日本黄色片子视频| av免费在线看不卡| 久久毛片免费看一区二区三区| 日日爽夜夜爽网站| 永久免费av网站大全| 亚洲av综合色区一区| 七月丁香在线播放| a级片在线免费高清观看视频| 亚洲成人手机| 人成视频在线观看免费观看| 特大巨黑吊av在线直播| 中文精品一卡2卡3卡4更新| 欧美人与善性xxx| 插阴视频在线观看视频| 久久99精品国语久久久| 国产欧美日韩一区二区三区在线 | 日韩在线高清观看一区二区三区| 好男人视频免费观看在线| 日韩一本色道免费dvd| 国产欧美日韩一区二区三区在线 | 91精品三级在线观看| 亚洲欧美清纯卡通| 免费高清在线观看视频在线观看| 97在线人人人人妻| 男女国产视频网站| 久久国产精品大桥未久av| 亚洲欧美一区二区三区国产| 亚洲欧美成人综合另类久久久| 精品一品国产午夜福利视频| 国产av国产精品国产| 成人毛片60女人毛片免费| 国产精品久久久久久久久免| 啦啦啦在线观看免费高清www| 国产探花极品一区二区| 国产精品久久久久成人av| 日产精品乱码卡一卡2卡三| 丝瓜视频免费看黄片| 欧美另类一区| 免费高清在线观看日韩| 欧美 亚洲 国产 日韩一| 母亲3免费完整高清在线观看 | 99久久综合免费| 日韩av在线免费看完整版不卡| 纯流量卡能插随身wifi吗| 日韩av免费高清视频| 亚洲国产日韩一区二区| av女优亚洲男人天堂| 久久精品国产自在天天线| 秋霞伦理黄片| 亚洲高清免费不卡视频| 国产极品天堂在线| 丝袜喷水一区| 日本爱情动作片www.在线观看| 人妻夜夜爽99麻豆av| 亚洲精品国产av蜜桃| √禁漫天堂资源中文www| 成人亚洲精品一区在线观看| 99热6这里只有精品| 一区二区av电影网| 午夜视频国产福利| 性色avwww在线观看| 在线观看免费日韩欧美大片 | 国产视频首页在线观看| 亚洲中文av在线| 日韩 亚洲 欧美在线| 九九久久精品国产亚洲av麻豆| 蜜桃在线观看..| 一级毛片我不卡| 欧美精品一区二区免费开放| 天天影视国产精品| 黑人欧美特级aaaaaa片| 大话2 男鬼变身卡| 熟妇人妻不卡中文字幕| 国产精品一区二区在线不卡| 国产有黄有色有爽视频| 欧美亚洲日本最大视频资源| 九色成人免费人妻av| 久久女婷五月综合色啪小说| 国产视频内射| 日韩中文字幕视频在线看片| 看免费成人av毛片| 免费黄色在线免费观看| 成人国语在线视频| 十八禁网站网址无遮挡| 曰老女人黄片| 少妇人妻久久综合中文| 久久亚洲国产成人精品v| 午夜91福利影院| 国产精品国产三级专区第一集| 亚洲国产毛片av蜜桃av| 久久99热这里只频精品6学生| 永久免费av网站大全| 99久久人妻综合| 欧美性感艳星| 永久免费av网站大全| 99久久人妻综合| 青青草视频在线视频观看| 人成视频在线观看免费观看| 久久久久久久久久久丰满| 丰满迷人的少妇在线观看| 男女免费视频国产| 欧美 日韩 精品 国产| 男女高潮啪啪啪动态图| 日本免费在线观看一区| 国产欧美日韩一区二区三区在线 | videosex国产| 天堂俺去俺来也www色官网| 久久人人爽人人爽人人片va| .国产精品久久| 国产69精品久久久久777片| 少妇的逼好多水| 99国产综合亚洲精品| 超碰97精品在线观看| 国产亚洲午夜精品一区二区久久| 免费高清在线观看日韩| 国产一级毛片在线| 精品一区在线观看国产| 国产熟女欧美一区二区| 飞空精品影院首页| 日韩强制内射视频| 人妻夜夜爽99麻豆av|