• <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
    国产亚洲精品一区二区www | 亚洲久久久国产精品| 亚洲精品中文字幕在线视频| 狂野欧美激情性bbbbbb| av国产精品久久久久影院| 免费不卡黄色视频| 制服诱惑二区| 亚洲五月婷婷丁香| 亚洲精品日韩在线中文字幕| www.av在线官网国产| 秋霞在线观看毛片| 欧美精品av麻豆av| 亚洲熟女精品中文字幕| 欧美日韩成人在线一区二区| 两性夫妻黄色片| 亚洲色图 男人天堂 中文字幕| 啦啦啦 在线观看视频| 免费少妇av软件| 日韩电影二区| 日本欧美视频一区| 青春草视频在线免费观看| 欧美精品啪啪一区二区三区 | 国产亚洲午夜精品一区二区久久| 日韩大码丰满熟妇| 国产欧美亚洲国产| 国产精品久久久av美女十八| 亚洲欧美精品综合一区二区三区| 一级毛片女人18水好多| 少妇的丰满在线观看| 18在线观看网站| 人人妻人人澡人人爽人人夜夜| 午夜福利一区二区在线看| 欧美日韩精品网址| 两个人看的免费小视频| 女人爽到高潮嗷嗷叫在线视频| 国产人伦9x9x在线观看| 国产成人av教育| 免费人妻精品一区二区三区视频| 国产欧美日韩一区二区精品| 亚洲av欧美aⅴ国产| 满18在线观看网站| 日韩大码丰满熟妇| 亚洲色图 男人天堂 中文字幕| 一区二区av电影网| 成人三级做爰电影| 操美女的视频在线观看| 成年女人毛片免费观看观看9 | 亚洲一码二码三码区别大吗| 男女床上黄色一级片免费看| 亚洲成人免费av在线播放| 热re99久久精品国产66热6| 一本综合久久免费| 50天的宝宝边吃奶边哭怎么回事| 中国国产av一级| 久久久久久亚洲精品国产蜜桃av| 别揉我奶头~嗯~啊~动态视频 | 国产精品熟女久久久久浪| av不卡在线播放| 欧美乱码精品一区二区三区| 一级毛片电影观看| 极品人妻少妇av视频| 亚洲色图 男人天堂 中文字幕| 成人手机av| 精品国产乱码久久久久久小说| 国产极品粉嫩免费观看在线| 久久天躁狠狠躁夜夜2o2o| 一个人免费在线观看的高清视频 | 1024香蕉在线观看| 欧美激情 高清一区二区三区| 老熟妇乱子伦视频在线观看 | 性少妇av在线| 亚洲av国产av综合av卡| 老汉色∧v一级毛片| 青青草视频在线视频观看| 亚洲午夜精品一区,二区,三区| 午夜激情av网站| 另类精品久久| www.自偷自拍.com| 亚洲欧美日韩另类电影网站| 色播在线永久视频| 两个人看的免费小视频| 高清av免费在线| 看免费av毛片| 亚洲国产欧美网| 激情视频va一区二区三区| 久久精品国产a三级三级三级| 97人妻天天添夜夜摸| 9191精品国产免费久久| 黑人欧美特级aaaaaa片| 亚洲综合色网址| 国产成人av教育| 视频在线观看一区二区三区| 国产有黄有色有爽视频| 国产欧美日韩精品亚洲av| 亚洲精品久久成人aⅴ小说| 老熟女久久久| 久久久久久免费高清国产稀缺| a级毛片黄视频| 午夜福利影视在线免费观看| 午夜免费鲁丝| 亚洲中文日韩欧美视频| 中文字幕高清在线视频| 在线 av 中文字幕| 老司机靠b影院| 日本91视频免费播放| 日韩精品免费视频一区二区三区| 1024香蕉在线观看| 亚洲成人国产一区在线观看| 老司机影院毛片| 精品一区二区三卡| 啦啦啦中文免费视频观看日本| 黑人猛操日本美女一级片| 少妇的丰满在线观看| 国产精品欧美亚洲77777| 男女高潮啪啪啪动态图| 国产精品一区二区在线不卡| 午夜免费鲁丝| 久久久久久久精品精品| 久久热在线av| 成人18禁高潮啪啪吃奶动态图| 黑人欧美特级aaaaaa片| 久久精品国产综合久久久| 大码成人一级视频| 日本av手机在线免费观看| 91九色精品人成在线观看| 国产精品一区二区精品视频观看| 日韩制服丝袜自拍偷拍| 国产亚洲av片在线观看秒播厂| 国产日韩欧美亚洲二区| 国产真人三级小视频在线观看| 国产野战对白在线观看| 成年av动漫网址| 婷婷成人精品国产| 欧美日韩黄片免| 日韩欧美国产一区二区入口| 国产91精品成人一区二区三区 | 久久狼人影院| 国产一区二区三区综合在线观看| 久久亚洲精品不卡| 91麻豆精品激情在线观看国产 | 精品国产乱码久久久久久男人| 久久精品亚洲av国产电影网| 午夜福利在线观看吧| 美女脱内裤让男人舔精品视频| 90打野战视频偷拍视频| 在线天堂中文资源库| 亚洲av美国av| 亚洲男人天堂网一区| 少妇精品久久久久久久| 欧美精品高潮呻吟av久久| 1024香蕉在线观看| 亚洲欧美一区二区三区黑人| av福利片在线| 久久午夜综合久久蜜桃| 婷婷丁香在线五月| 热99re8久久精品国产| 麻豆av在线久日| 一区在线观看完整版| 成人三级做爰电影| 91精品国产国语对白视频| 一级黄色大片毛片| 男人舔女人的私密视频| 亚洲 国产 在线| 久久久精品区二区三区| 丰满饥渴人妻一区二区三| av线在线观看网站| 日本91视频免费播放| 亚洲视频免费观看视频| 国产男女超爽视频在线观看| 欧美日韩视频精品一区| 久久久久国产一级毛片高清牌| 高潮久久久久久久久久久不卡| 亚洲欧洲精品一区二区精品久久久| 91麻豆av在线| 欧美日韩亚洲国产一区二区在线观看 | 精品乱码久久久久久99久播| 国产野战对白在线观看| 国产野战对白在线观看| 一个人免费看片子| 丝袜喷水一区| 美女午夜性视频免费| h视频一区二区三区| 一区二区日韩欧美中文字幕| av视频免费观看在线观看| 国产不卡av网站在线观看| 久久国产精品大桥未久av| 亚洲国产欧美一区二区综合| 欧美精品一区二区免费开放| 国产成人欧美在线观看 | 国产欧美日韩一区二区三 | 一区在线观看完整版| 日本猛色少妇xxxxx猛交久久| 少妇猛男粗大的猛烈进出视频| 999久久久国产精品视频| 国产在线免费精品| 久久精品人人爽人人爽视色| 久久精品国产亚洲av高清一级| 五月开心婷婷网| 永久免费av网站大全| 狠狠婷婷综合久久久久久88av| www.av在线官网国产| 亚洲五月婷婷丁香| 一级毛片电影观看| 色播在线永久视频| 亚洲欧美精品综合一区二区三区| 午夜免费成人在线视频| 99re6热这里在线精品视频| 这个男人来自地球电影免费观看| 欧美黄色淫秽网站| 91精品国产国语对白视频| 麻豆乱淫一区二区| 亚洲成人免费av在线播放| 日本欧美视频一区| 国产av一区二区精品久久| 人妻一区二区av| 亚洲激情五月婷婷啪啪| 可以免费在线观看a视频的电影网站| 久久国产精品人妻蜜桃| 国产精品久久久久成人av| 少妇精品久久久久久久| 亚洲av日韩在线播放| 国产97色在线日韩免费| 中文字幕av电影在线播放| 国产亚洲av高清不卡| 日韩一区二区三区影片| 久久狼人影院| a级毛片在线看网站| 超色免费av| 丰满人妻熟妇乱又伦精品不卡| 人妻人人澡人人爽人人| 精品少妇一区二区三区视频日本电影| 午夜视频精品福利| 亚洲欧美色中文字幕在线| 91精品三级在线观看| 亚洲国产精品一区二区三区在线| 日本猛色少妇xxxxx猛交久久| 精品福利观看| 国产精品国产av在线观看| 最近最新中文字幕大全免费视频| 国产97色在线日韩免费| 欧美激情久久久久久爽电影 | 男女边摸边吃奶| 国产欧美日韩一区二区精品| 高清av免费在线| 亚洲精品久久午夜乱码| 欧美日韩国产mv在线观看视频| 黄色视频在线播放观看不卡| 黄色 视频免费看| 天天躁狠狠躁夜夜躁狠狠躁| 考比视频在线观看| 性高湖久久久久久久久免费观看| 亚洲国产精品一区二区三区在线| 久久精品亚洲av国产电影网| 性少妇av在线| 精品一区在线观看国产| 美女福利国产在线| 欧美日韩精品网址| 午夜精品国产一区二区电影| 亚洲少妇的诱惑av| 欧美日韩黄片免| 亚洲一码二码三码区别大吗| 美女高潮到喷水免费观看| 亚洲精华国产精华精| 黑人猛操日本美女一级片| 亚洲欧美日韩另类电影网站| 自线自在国产av| 国产欧美日韩一区二区三 | 伊人亚洲综合成人网| 自拍欧美九色日韩亚洲蝌蚪91| 免费在线观看视频国产中文字幕亚洲 | 国产一区有黄有色的免费视频| 国产精品.久久久| 国产欧美日韩综合在线一区二区| 色综合欧美亚洲国产小说| 色视频在线一区二区三区| 岛国在线观看网站| 蜜桃国产av成人99| 18禁国产床啪视频网站| 69av精品久久久久久 | 日本撒尿小便嘘嘘汇集6| 窝窝影院91人妻| 国产视频一区二区在线看| 韩国精品一区二区三区| 日韩 欧美 亚洲 中文字幕| 国产成人精品在线电影| 日本wwww免费看| 国产免费视频播放在线视频| 亚洲精品中文字幕在线视频| 深夜精品福利| 波多野结衣一区麻豆| 淫妇啪啪啪对白视频 | 欧美变态另类bdsm刘玥| 亚洲黑人精品在线| 三级毛片av免费| 色综合欧美亚洲国产小说| 亚洲精品久久午夜乱码| 欧美日韩av久久| 国产日韩欧美在线精品| 交换朋友夫妻互换小说| 黑人猛操日本美女一级片| 又紧又爽又黄一区二区| 深夜精品福利| 99久久国产精品久久久| 人妻人人澡人人爽人人| 男人添女人高潮全过程视频| 免费高清在线观看日韩| 99久久国产精品久久久| 最黄视频免费看| 自拍欧美九色日韩亚洲蝌蚪91| 岛国在线观看网站| 一区二区日韩欧美中文字幕| 亚洲五月婷婷丁香| 免费在线观看日本一区| 日韩一区二区三区影片| 久久精品熟女亚洲av麻豆精品| 90打野战视频偷拍视频| 国产色视频综合| svipshipincom国产片| 又黄又粗又硬又大视频| 亚洲全国av大片| 亚洲第一青青草原| 99国产精品一区二区蜜桃av | 久久国产精品影院| 午夜影院在线不卡| 日韩熟女老妇一区二区性免费视频| 中亚洲国语对白在线视频| 久久久久视频综合| 亚洲成人手机| 飞空精品影院首页| 国产三级黄色录像| 美女主播在线视频| 欧美另类一区| 亚洲欧美清纯卡通| 丝瓜视频免费看黄片| 欧美黑人欧美精品刺激| 亚洲五月婷婷丁香| 一区二区三区精品91| 久久热在线av| 老司机靠b影院| 国产一区二区三区综合在线观看| 免费高清在线观看视频在线观看| 午夜久久久在线观看| 在线十欧美十亚洲十日本专区| 搡老岳熟女国产| 久久天躁狠狠躁夜夜2o2o| 50天的宝宝边吃奶边哭怎么回事| 久久久久久久国产电影| 国产av精品麻豆| 精品久久蜜臀av无| 成年人午夜在线观看视频| 国产亚洲av片在线观看秒播厂| 99精国产麻豆久久婷婷| 国产成人免费观看mmmm| 国产在视频线精品| 青春草视频在线免费观看| 国产有黄有色有爽视频| 午夜久久久在线观看| 一二三四在线观看免费中文在| 好男人电影高清在线观看| 啦啦啦 在线观看视频| 性少妇av在线| 精品福利观看| 久久久水蜜桃国产精品网| 国产成人免费观看mmmm| 狂野欧美激情性bbbbbb| 美女高潮喷水抽搐中文字幕| 亚洲人成电影观看| 中文字幕最新亚洲高清| 亚洲五月色婷婷综合| 欧美变态另类bdsm刘玥| 中国美女看黄片| 国产亚洲精品一区二区www | 男人操女人黄网站| 亚洲欧美日韩高清在线视频 | 丝袜脚勾引网站| 日韩精品免费视频一区二区三区| 最近最新中文字幕大全免费视频| 日韩中文字幕视频在线看片| 欧美人与性动交α欧美软件| 无遮挡黄片免费观看| 少妇裸体淫交视频免费看高清 | 在线观看舔阴道视频| 亚洲国产看品久久| 汤姆久久久久久久影院中文字幕| 黄色毛片三级朝国网站| 国产日韩欧美在线精品| 伊人亚洲综合成人网| 国产成人啪精品午夜网站| 男人爽女人下面视频在线观看| 国产淫语在线视频| 一区在线观看完整版| av不卡在线播放| 国产精品二区激情视频| 国产成人欧美在线观看 | 日本av免费视频播放| 午夜日韩欧美国产| 国产精品香港三级国产av潘金莲| 亚洲精品自拍成人| 大片免费播放器 马上看| 精品一品国产午夜福利视频| 精品熟女少妇八av免费久了| 免费日韩欧美在线观看| 亚洲成av片中文字幕在线观看| 欧美中文综合在线视频| 国产精品国产三级国产专区5o| 老汉色av国产亚洲站长工具| 爱豆传媒免费全集在线观看| 热re99久久精品国产66热6| 性色av乱码一区二区三区2| 青青草视频在线视频观看| tube8黄色片| 亚洲天堂av无毛| 一边摸一边抽搐一进一出视频| 五月开心婷婷网| 欧美中文综合在线视频| 激情视频va一区二区三区| 欧美日本中文国产一区发布| 国产成人av教育| 人妻人人澡人人爽人人| a级片在线免费高清观看视频| av片东京热男人的天堂| 一区二区三区激情视频| 成年美女黄网站色视频大全免费| 脱女人内裤的视频| 亚洲精品久久成人aⅴ小说| 免费在线观看黄色视频的| 黑人操中国人逼视频| 男人添女人高潮全过程视频| 亚洲国产成人一精品久久久| 国产一区二区三区在线臀色熟女 | 又黄又粗又硬又大视频| 亚洲av国产av综合av卡| 亚洲国产精品一区二区三区在线| 久久午夜综合久久蜜桃| 日韩精品免费视频一区二区三区| 麻豆国产av国片精品| 水蜜桃什么品种好| 国产成人a∨麻豆精品| 国产成人系列免费观看| 亚洲色图 男人天堂 中文字幕| 国产亚洲精品一区二区www | 久久影院123| 亚洲精品一区蜜桃| 亚洲精品日韩在线中文字幕| 一本久久精品| avwww免费| 日本wwww免费看| 99久久综合免费| 巨乳人妻的诱惑在线观看| 免费高清在线观看视频在线观看| 免费在线观看日本一区| av在线app专区| 中国美女看黄片| 久久国产亚洲av麻豆专区| 亚洲第一av免费看| 青草久久国产| 色播在线永久视频| 成年动漫av网址| 免费观看a级毛片全部| 亚洲精品国产av成人精品| 日韩欧美一区二区三区在线观看 | 欧美另类一区| 成人av一区二区三区在线看 | 精品少妇久久久久久888优播| 亚洲国产欧美一区二区综合| 男女高潮啪啪啪动态图| 欧美性长视频在线观看| 欧美变态另类bdsm刘玥| av片东京热男人的天堂| 麻豆乱淫一区二区| 欧美激情极品国产一区二区三区| 日韩一卡2卡3卡4卡2021年| 久热爱精品视频在线9| 亚洲视频免费观看视频| 日韩中文字幕视频在线看片| 天天躁夜夜躁狠狠躁躁| 18在线观看网站| 亚洲va日本ⅴa欧美va伊人久久 | 99国产综合亚洲精品| 男女国产视频网站| 99久久人妻综合| 午夜福利在线观看吧| 又黄又粗又硬又大视频| 19禁男女啪啪无遮挡网站| 久久影院123| 国产xxxxx性猛交| 十分钟在线观看高清视频www| 少妇粗大呻吟视频| 免费看十八禁软件| 一本综合久久免费| 日本精品一区二区三区蜜桃| 少妇的丰满在线观看| 国产精品久久久久久精品古装| 欧美xxⅹ黑人| 黄色毛片三级朝国网站| 久久久精品免费免费高清| av网站在线播放免费| av线在线观看网站| 18在线观看网站| 欧美日韩av久久| 亚洲av日韩在线播放| 中文字幕精品免费在线观看视频| 国产欧美亚洲国产| 亚洲欧洲精品一区二区精品久久久| 日韩 欧美 亚洲 中文字幕| 桃花免费在线播放| 狠狠精品人妻久久久久久综合| 视频在线观看一区二区三区| 久久精品国产综合久久久| 国产av一区二区精品久久| 成人手机av| 丝袜脚勾引网站| 性色av乱码一区二区三区2| 精品国产乱子伦一区二区三区 | 亚洲精品乱久久久久久| 久久精品国产a三级三级三级| 亚洲一卡2卡3卡4卡5卡精品中文| 国产精品一二三区在线看| 亚洲激情五月婷婷啪啪| www日本在线高清视频| www.av在线官网国产| 国产一区二区 视频在线| 欧美精品高潮呻吟av久久| e午夜精品久久久久久久| 成年av动漫网址| 中文字幕人妻熟女乱码| 丝袜在线中文字幕| 久久久国产成人免费| 免费在线观看影片大全网站| 成人黄色视频免费在线看| 国产日韩欧美视频二区| 午夜福利在线免费观看网站| 人人妻人人添人人爽欧美一区卜| av欧美777| 成人国语在线视频| 久久久久久人人人人人| 亚洲精品自拍成人| 老司机亚洲免费影院| 天天添夜夜摸| 日日摸夜夜添夜夜添小说| 国产91精品成人一区二区三区 | 国产成人av教育| 亚洲三区欧美一区| 美女大奶头黄色视频| 99久久综合免费| 国产一区二区三区综合在线观看| av一本久久久久| 亚洲国产看品久久| 国产区一区二久久| 成人国产一区最新在线观看| tocl精华| 久久久精品区二区三区| 久久免费观看电影| 成年人午夜在线观看视频| 久久人妻福利社区极品人妻图片| 一级毛片精品| 深夜精品福利| 久久影院123| 日本撒尿小便嘘嘘汇集6| 妹子高潮喷水视频| 十八禁人妻一区二区| 国产精品1区2区在线观看. | 午夜精品久久久久久毛片777| 日韩一区二区三区影片| 国产精品 国内视频| 美女国产高潮福利片在线看| 成年美女黄网站色视频大全免费| 久久精品国产综合久久久| 女性生殖器流出的白浆| 久久99热这里只频精品6学生| 久久中文看片网| av天堂久久9| 蜜桃在线观看..| www.熟女人妻精品国产| 国产欧美日韩一区二区三 | 又紧又爽又黄一区二区| a在线观看视频网站| 另类精品久久| 亚洲天堂av无毛| 韩国精品一区二区三区| 99热网站在线观看| 人人妻,人人澡人人爽秒播| 亚洲av国产av综合av卡| 侵犯人妻中文字幕一二三四区| 久久天躁狠狠躁夜夜2o2o| 水蜜桃什么品种好| 又大又爽又粗| 亚洲中文字幕日韩| 99热国产这里只有精品6| 极品少妇高潮喷水抽搐| 成年女人毛片免费观看观看9 | 久久99一区二区三区| 下体分泌物呈黄色| 亚洲精品久久久久久婷婷小说| 国产无遮挡羞羞视频在线观看| 国产欧美日韩一区二区精品| 久久久久久久国产电影| 日本一区二区免费在线视频| 老熟妇仑乱视频hdxx| 久久这里只有精品19| 99久久人妻综合| 欧美黄色淫秽网站| 日韩 欧美 亚洲 中文字幕| 国产激情久久老熟女| 91麻豆精品激情在线观看国产 | 精品高清国产在线一区| 免费高清在线观看日韩| 中文字幕精品免费在线观看视频| 亚洲av日韩在线播放| 少妇 在线观看| 欧美精品一区二区免费开放| 男人舔女人的私密视频| 精品久久久久久电影网| 国产精品久久久av美女十八| 自拍欧美九色日韩亚洲蝌蚪91|