• <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 ?

    少樣本條件下的復(fù)雜葉片圖像語(yǔ)義分割

    2022-06-14 12:01:50汪慶杜煒馬春谷宗運(yùn)
    關(guān)鍵詞:語(yǔ)義方法模型

    汪慶,杜煒,馬春,谷宗運(yùn)

    少樣本條件下的復(fù)雜葉片圖像語(yǔ)義分割

    汪慶,杜煒,馬春,谷宗運(yùn)*

    (安徽中醫(yī)藥大學(xué) 醫(yī)藥信息工程學(xué)院,合肥 230012)

    針對(duì)少樣本條件下復(fù)雜葉片分割精確度不高的問(wèn)題,提出一種基于數(shù)據(jù)增強(qiáng)的圖像語(yǔ)義分割方法。使用翻轉(zhuǎn)、平移方法對(duì)訓(xùn)練集中的圖像進(jìn)行增強(qiáng)擴(kuò)充,利用VGG19代替原SegNet語(yǔ)義分割模型的VGG16主干網(wǎng)絡(luò)進(jìn)行模型訓(xùn)練。實(shí)驗(yàn)結(jié)果表明,在包含180幅復(fù)雜背景葉片的圖像數(shù)據(jù)集上,使用該方法的評(píng)價(jià)指數(shù)MPA和MIOU達(dá)到了98.02%和95.79%,相比未使用數(shù)據(jù)增強(qiáng)的原模型分別提高了9.96%和15.27%。

    語(yǔ)義分割;SegNet模型;VGG19;少樣本;復(fù)雜葉片;數(shù)據(jù)增強(qiáng)

    圖像分割是圖像識(shí)別的重要預(yù)處理步驟,優(yōu)秀的分割算法能夠提高圖像特征提取的效率,提升識(shí)別率。自然界中獲取的葉片圖像通常含有復(fù)雜的自然場(chǎng)景,葉片圖像分割的主要任務(wù)就是將葉片從復(fù)雜的背景中提取出來(lái)。

    常見(jiàn)的植物圖像分割方法有:基于邊緣檢測(cè)的圖像分割[1]、基于聚類的葉片圖像分割[2]、基于支持向量機(jī)的圖像分割[3]等。傳統(tǒng)的分割方法雖然可以將葉片區(qū)域從圖像背景中分割出來(lái),但是這些方法對(duì)于存在葉面不均勻光照、非主要干擾葉片、雜草背景、變色葉片等復(fù)雜場(chǎng)景下,往往不能得到令人滿意的效果。

    近年來(lái),不少學(xué)者使用深度學(xué)習(xí)的方法在植物圖像分割領(lǐng)域開(kāi)展了一系列研究工作,通常這些模型訓(xùn)練需要較多的樣本作為數(shù)據(jù)支撐。胡靜等[4]使用全卷積神經(jīng)網(wǎng)絡(luò)FCN對(duì)Leafsnap數(shù)據(jù)庫(kù)中7719張圖像背景較簡(jiǎn)單的葉片圖像進(jìn)行分割,使用召回率RR和誤報(bào)率FAR作為評(píng)價(jià)標(biāo)準(zhǔn)并使用ROC曲線進(jìn)行分析;熊俊濤等[5]使用Deeplab V3模型結(jié)合ResNet34主干網(wǎng)絡(luò)訓(xùn)練模型,在675幅荔枝花葉圖像數(shù)據(jù)集上分割,得到了平均交并比mIoU達(dá)到0.734,準(zhǔn)確率達(dá)到87%的結(jié)果;Yang等[6]采用Mask Region-based Convolutional Neural Network(Mask R-CNN)作為葉片分割訓(xùn)練網(wǎng)絡(luò),結(jié)合VGG16訓(xùn)練分類模型,在2500幅復(fù)雜背景的葉片圖像數(shù)據(jù)集上分割平均準(zhǔn)確率達(dá)到了91.5%;Zou等[7]采用簡(jiǎn)化的U-net算法對(duì)800張農(nóng)田雜草進(jìn)行分割,算法降低了分割圖像的速度,但保持了較高的分割精度,評(píng)價(jià)標(biāo)準(zhǔn)IoU、ACC分別達(dá)到了92.91%、98.24%;Kan等[8]使用U-Net模型結(jié)合Resnet50網(wǎng)絡(luò)進(jìn)行模型訓(xùn)練,在Imagenet和DUTS dataset中選取1000幅葉子圖像作為訓(xùn)練數(shù)據(jù)集,對(duì)比顏色指數(shù)方法取得了更優(yōu)秀的分割效果;Kolhar等[9]使用基于修正殘差U-Net的CNN進(jìn)行植物葉片分割,在包含800幅葉片圖像的Leaf Segmentation Challenge(LSC)數(shù)據(jù)集上分割準(zhǔn)確率達(dá)到了91.25%;Agarwal等[10]提出了一種差分進(jìn)化改進(jìn)的SegNet壓縮版本,對(duì)800幅簡(jiǎn)單背景的馬鈴薯葉片分割病變區(qū)域,在不影響mIoU指數(shù)的情況下對(duì)模型進(jìn)行了壓縮。

    本文針對(duì)圖像語(yǔ)義分割訓(xùn)練中訓(xùn)練圖像樣本不足的問(wèn)題,結(jié)合VGG19主干網(wǎng)絡(luò)并通過(guò)引進(jìn)增強(qiáng)變換擴(kuò)充樣本數(shù)據(jù)量,以提高葉片圖像分割的準(zhǔn)確率。

    1 SegNet語(yǔ)義分割模型

    SegNet模型[11]是一種語(yǔ)義分割網(wǎng)絡(luò),該模型具有語(yǔ)義分割網(wǎng)絡(luò)基于像素分割的共同特征,通過(guò)遍歷圖像中的每個(gè)像素按內(nèi)容進(jìn)行分類。相比圖像分類圖像跟蹤算法,語(yǔ)義分割需要更大的計(jì)算量和對(duì)圖像邊緣更精細(xì)的處理。由于圖像中包含的每個(gè)像素都需要被分類,被分割目標(biāo)的各個(gè)部分是被精準(zhǔn)分類的,目標(biāo)分割邊緣也相對(duì)更加清晰。

    SegNet模型引入了編碼器-解碼器(Encoder-Decoder)結(jié)構(gòu),Encoder端是使用了VGG16網(wǎng)絡(luò)的16層卷積神經(jīng)網(wǎng)絡(luò)中的前13個(gè)卷積層,網(wǎng)絡(luò)深度為5,卷積子層數(shù)分別為2, 2, 3, 3, 3。該模型的主要特點(diǎn)是:在Encoder階段,最大池化操作時(shí)只需要記錄最大值所在位置,建立索引查詢節(jié)省內(nèi)存空間;而在Decoder階段,直接使用記錄的索引來(lái)進(jìn)行去池化操作,從而在上采樣階段就無(wú)需學(xué)習(xí),不用反卷積操作。為了具有更好的分割效果,本文引入VGG19網(wǎng)絡(luò)作為主干網(wǎng)絡(luò),該網(wǎng)絡(luò)包含19層卷積神經(jīng)網(wǎng)絡(luò),Encoder端使用去除全連接層的前16個(gè)卷積層,網(wǎng)絡(luò)深度仍設(shè)置為5,卷積子層分別2, 2, 4, 4, 4。引入VGG19的SegNet模型網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

    圖1 引入VGG19的SegNet模型網(wǎng)絡(luò)結(jié)構(gòu)

    2 數(shù)據(jù)集和數(shù)據(jù)增強(qiáng)

    2.1 數(shù)據(jù)集

    為了確定圖像分割標(biāo)準(zhǔn),需要對(duì)訓(xùn)練的葉片圖像進(jìn)行像素級(jí)標(biāo)記。圖像分割的任務(wù)是把葉片從復(fù)雜的背景中分離出來(lái),所以將圖像的像素點(diǎn)標(biāo)記背景區(qū)域和葉片區(qū)域,對(duì)圖像按像素進(jìn)行手工標(biāo)記分類,其中,標(biāo)記背景區(qū)域?yàn)閎ack,標(biāo)記葉片區(qū)域?yàn)閘eaf。

    所有葉片圖像來(lái)自于ImageCLEF2012PlantIdentification數(shù)據(jù)集[12],該數(shù)據(jù)集圖像采集自法國(guó)地中海地區(qū)的126種樹(shù)種,包含11572張圖片,其中訓(xùn)練數(shù)據(jù)8422張圖像,測(cè)試數(shù)據(jù)3150張圖像,主要包括:掃描的葉片、白色均勻背景的葉片和自然條件下的葉片,數(shù)據(jù)集的主要任務(wù)是用于基于葉片圖像的樹(shù)種識(shí)別。為了更科學(xué)地進(jìn)行模型訓(xùn)練,本文隨機(jī)選取180幅自然場(chǎng)景下復(fù)雜背景的葉片圖像。其中90幅圖像來(lái)源于該數(shù)據(jù)集的訓(xùn)練集作為該實(shí)驗(yàn)的訓(xùn)練集,90幅圖像來(lái)源于該數(shù)據(jù)集的測(cè)試集作為該實(shí)驗(yàn)的測(cè)試集,以保證實(shí)驗(yàn)的訓(xùn)練集和測(cè)試集的圖像不重復(fù)。

    2.2 數(shù)據(jù)增強(qiáng)

    為了進(jìn)一步增強(qiáng)少樣本條件下模型訓(xùn)練的精確度,本文使用數(shù)據(jù)增強(qiáng)方法將數(shù)據(jù)集倍增擴(kuò)充,這些增強(qiáng)方法包括:

    (1)翻轉(zhuǎn):翻轉(zhuǎn)增強(qiáng)包括水平隨機(jī)翻轉(zhuǎn)和垂直隨機(jī)翻轉(zhuǎn),當(dāng)使用水平隨機(jī)翻轉(zhuǎn)表示圖像沿著左右方向以50%的概率隨機(jī)翻轉(zhuǎn);當(dāng)使用垂直隨機(jī)翻轉(zhuǎn)表示圖像沿著上下方向以50%的概率隨機(jī)翻轉(zhuǎn)。

    (2)平移:平移增強(qiáng)表示圖像沿著軸或者軸坐標(biāo)在指定的范圍內(nèi)進(jìn)行隨機(jī)按像素平移,如指定[-10 10]表示在正負(fù)10個(gè)像素之間隨機(jī)移動(dòng)。

    3 算法流程

    根據(jù)前面描述的內(nèi)容,本文設(shè)計(jì)了一個(gè)基于改進(jìn)的SegNet模型的葉片圖像語(yǔ)義分割方法。該方法首先標(biāo)記出所有的圖像樣本的背景區(qū)域和待分割的葉片區(qū)域作為標(biāo)準(zhǔn)真值圖像,然后利用2.2節(jié)描述的數(shù)據(jù)增強(qiáng)擴(kuò)充方法將所有測(cè)試集樣本圖像進(jìn)行倍增,在設(shè)置好訓(xùn)練模型的超參數(shù)前提下,使用SegNet模型結(jié)合VGG19主干網(wǎng)絡(luò)訓(xùn)練語(yǔ)義分割模型,最后利用模型進(jìn)行分割測(cè)試。整個(gè)算法步驟描述如下:

    步驟1:將數(shù)據(jù)集按像素手工標(biāo)記出背景區(qū)域和葉片區(qū)域;

    步驟2:將數(shù)據(jù)集隨機(jī)劃分為不相交的測(cè)試集、訓(xùn)練集;

    步驟3:對(duì)訓(xùn)練集數(shù)據(jù)增強(qiáng)擴(kuò)充;

    步驟4:設(shè)置訓(xùn)練超參數(shù)進(jìn)行模型訓(xùn)練;

    步驟5:使用訓(xùn)練完成的模型對(duì)測(cè)試集進(jìn)行分割。

    該算法的程序流程圖如圖2所示。

    圖2 葉片圖像語(yǔ)義分割程序流程圖

    4 實(shí)驗(yàn)與分析

    4.1 實(shí)驗(yàn)環(huán)境和評(píng)價(jià)標(biāo)準(zhǔn)

    本文的實(shí)驗(yàn)環(huán)境為Windows Server 2008 R2 64位,Intel Xeon CPU E5-2620 v3@2.4G,32GB RAM,仿真軟件使用MATLAB 2020a版本,模型輸入圖片分辨率標(biāo)準(zhǔn)化為224×224。

    數(shù)據(jù)增強(qiáng)階段,實(shí)驗(yàn)使用翻轉(zhuǎn)、平移兩種方法將訓(xùn)練集樣本擴(kuò)充20倍,原訓(xùn)練集記為L(zhǎng)eafSetI,倍增后的數(shù)據(jù)集分別記為L(zhǎng)eafSetII。翻轉(zhuǎn)沿著/軸隨機(jī)進(jìn)行,平移范圍為沿著/軸正負(fù)10個(gè)像素點(diǎn)。

    訓(xùn)練超參數(shù)設(shè)置階段,對(duì)模型訓(xùn)練超參數(shù)進(jìn)行初始化,模型超參數(shù)設(shè)置如表1所示。

    表1 模型超參設(shè)置表

    為了評(píng)估該模型的分割效果,使用平均像素精確度(Mean pixel Accuracy, MPA)和平均交并比(Mean Intersection Over Union, MIOU)進(jìn)行評(píng)價(jià),它們的定義如下:

    4.2 實(shí)驗(yàn)結(jié)果和分析

    為了更好地分析模型訓(xùn)練過(guò)程,實(shí)驗(yàn)對(duì)模型訓(xùn)練集訓(xùn)練過(guò)程記錄了精確度Accuracy曲線幫助分析訓(xùn)練趨勢(shì),如圖3所示,橫坐標(biāo)下方數(shù)字代表迭代次數(shù),橫坐標(biāo)上方代表最大訓(xùn)練周期,縱坐標(biāo)代表精確度百分比,圖3(a)和圖3(b)分別代表在原模型和本文方法在數(shù)據(jù)集LeafSetI上的訓(xùn)練過(guò)程,圖3(c)和圖3(d)分別代表在原模型和本文方法在數(shù)據(jù)集LeafSetII上的訓(xùn)練過(guò)程。

    圖3 模型在不同訓(xùn)練集上訓(xùn)練過(guò)程

    根據(jù)式(1), (2),再對(duì)測(cè)試集中的圖像計(jì)算MPA和MIOU,結(jié)果如表2所示,未使用數(shù)據(jù)增強(qiáng)的本文模型比原模型MPA和MIOU分別提高了3.03%和1.63%,使用數(shù)據(jù)增強(qiáng)的本文模型比原模型MPA和MIOU分別提高了1.77%和2.70%,比未使用數(shù)據(jù)增強(qiáng)的原模型MPA和MIOU分別提高了9.96%和15.27%。

    表2 不同方法實(shí)驗(yàn)結(jié)果對(duì)比表

    4.3 可視化分析

    為了進(jìn)一步說(shuō)明本文方法的優(yōu)勢(shì),圖4提供了部分?jǐn)?shù)據(jù)增擴(kuò)前后部分葉片圖像分割對(duì)比效果圖。其中圖4(a)列表示測(cè)試集圖像;圖4(b)列表示手工標(biāo)準(zhǔn)分割結(jié)果;圖4(c)列表示原模型使用LeafSetI訓(xùn)練的分割結(jié)果;圖4(d)列表示本文模型使用LeafSetI訓(xùn)練的分割結(jié)果;圖4(e)列表示原模型使用LeafSetII訓(xùn)練的分割結(jié)果;圖4(f)列表示本文模型使用LeafSetII訓(xùn)練的分割結(jié)果。從分割效果圖中可以看出,使用數(shù)據(jù)增強(qiáng)后模型分割效果在復(fù)雜的自然環(huán)境下仍具有較好的效果。

    5 結(jié)論

    針對(duì)少樣本條件下的葉片圖像分割,本文使用了一種基于數(shù)據(jù)增強(qiáng)的葉片圖像語(yǔ)義分割算法。該算法首先標(biāo)記出所有圖像的背景和葉片區(qū)域,然后利用數(shù)據(jù)增強(qiáng)方法對(duì)訓(xùn)練集樣本擴(kuò)充,最后使用SegNet深度學(xué)習(xí)框架結(jié)合VGG19主干網(wǎng)絡(luò)進(jìn)行模型訓(xùn)練分割。實(shí)驗(yàn)結(jié)果表明,本文的算法提高了復(fù)雜場(chǎng)景中葉片圖像分割的精確度,將評(píng)價(jià)指標(biāo)MPA和MIOU分別提高了9.96%和15.27%,表明了該算法在小型數(shù)據(jù)集上的有效性。

    圖4 不同方法葉片圖像分割效果對(duì)比

    [1] 李凱,張建華,韓書(shū)慶,等. 基于改進(jìn)C-V模型的棉花葉片目標(biāo)提取方法[J]. 中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào),2019, 24(02): 132-144.

    [2] 陳浩,裴瑞杰,汪鑫. 基于ACO和K-means算法相結(jié)合的生菜葉片圖像分割方法[J]. 現(xiàn)代計(jì)算機(jī),2019(21): 45-49.

    [3] 袁芊芊,鄧洪敏,王曉航. 基于超像素快速模糊C均值聚類與支持向量機(jī)的柑橘病蟲(chóng)害區(qū)域分割[J]. 計(jì)算機(jī)應(yīng)用,2021, 41(02): 563-570.

    [4] 胡靜,陳志泊,楊猛,等. 基于全卷積神經(jīng)網(wǎng)絡(luò)的植物葉片分割算法[J]. 北京林業(yè)大學(xué)學(xué)報(bào),2018, 40(11): 131-136.

    [5] 熊俊濤,劉柏林,鐘灼,等. 基于深度語(yǔ)義分割網(wǎng)絡(luò)的荔枝花葉分割與識(shí)別[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào),2021, 52(6): 252-258.

    [6] YANG K, ZHONG W, LI F. Leaf segmentation and classification with a complicated background using deep learning[J]. Agronomy, 2020, 10(11): 1721.

    [7] ZOU K, CHEN X, WANG Y, et al. A modified U-Net with a specific data argumentation method for semantic segmentation of weed images in the field[J]. Computers and Electronics in Agriculture, 2021, 187(3): 106242.

    [8] KAN J, GU Z, MA C, et al. Leaf segmentation algorithm based on improved u-shaped network under complex background[C]//2021IEEE 4th Advanced Information Management, Communicates, Electronic and Automation Control Conference(IMCEC), 2021: 87-92.

    [9] KOLHAR S, JAGTAP J. Convolutional neural network based encoder-decoder architectures for semantic segmentation of plants[J]. Ecological Informatics, 2021, 64: 101373.

    [10] AGARWAL M, GUPTA S K, BISWAS K K. A compressed and accelerated SegNet for plant leaf disease segmentation: a differential evolution based approach[C]//The Pacific-Asia Conference on Knowledge Discovery and Data Mining(PAKDD), 2021: 272-284.

    [11] BADRINARAYANAN V, KENDALL A, CIPOLLA R. SegNet: A deep convolutional encoder-decoder architecture for image segmentation[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2017, 39(12): 2481-2495.

    [12] ImageCLEF: Plant Identification 2012.[EB/OL]. (2012-03-01)[2021-11-10]. https://www.imageclef.org/2012/plant.

    Complex leaf image semantic segmentation under condition of few samples

    WANG Qing,DU Wei,MA Chun,GU Zong-yun*

    (College of Medicine Information Engineering, Anhui University of Chinese Medicine, Hefei 230012, China)

    To solve the problem that the segmentation accuracy of complex leaves is not high under the condition of few samples, a method of image semantic segmentation based on data enhancement is proposed. Use flip and translation methods to enhance and expand the images in the training set, and use VGG19 to replace the VGG16 backbone network of the original SegNet semantic segmentation model for model training. The experimental results show that using this method on the image data set containing 180 leaves with complex background, the evaluation indexes MPA and MIOU reach 98.02% and 95.79%, which are 9.96% and 15.27% higher than the original model without data enhancement.

    semantic segmentation;SegNet model;VGG19;few samples;complex leaves;data enhancement

    2021-10-29

    安徽省高校自然科學(xué)重點(diǎn)研究項(xiàng)目(KJ2020A0392);安徽中醫(yī)藥大學(xué)校級(jí)自然重點(diǎn)項(xiàng)目(2020zrzd16);安徽中醫(yī)藥大學(xué)校級(jí)自然一般項(xiàng)目(2020zryb09)

    汪慶(1983-),男,安徽壽縣人,實(shí)驗(yàn)師,碩士,主要從事人工智能應(yīng)用研究,wangqing@ahtcm.edu.cn。

    TP391

    A

    1007-984X(2022)03-0021-05

    猜你喜歡
    語(yǔ)義方法模型
    一半模型
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
    語(yǔ)言與語(yǔ)義
    可能是方法不對(duì)
    3D打印中的模型分割與打包
    “上”與“下”語(yǔ)義的不對(duì)稱性及其認(rèn)知闡釋
    用對(duì)方法才能瘦
    Coco薇(2016年2期)2016-03-22 02:42:52
    四大方法 教你不再“坐以待病”!
    Coco薇(2015年1期)2015-08-13 02:47:34
    捕魚(yú)
    久久久久国产精品人妻aⅴ院| 国产免费av片在线观看野外av| 九色成人免费人妻av| 午夜福利在线观看吧| 国产97色在线日韩免费| 国产精品电影一区二区三区| 黑人巨大精品欧美一区二区mp4| 国产一区二区在线观看日韩 | 在线观看一区二区三区| а√天堂www在线а√下载| 国产麻豆成人av免费视频| 久久人妻av系列| 激情在线观看视频在线高清| 男女下面进入的视频免费午夜| 成在线人永久免费视频| 熟女人妻精品中文字幕| 日日摸夜夜添夜夜添小说| 白带黄色成豆腐渣| 国产不卡一卡二| 90打野战视频偷拍视频| 亚洲国产色片| 美女被艹到高潮喷水动态| 国产午夜福利久久久久久| 国产精品久久久人人做人人爽| 性色av乱码一区二区三区2| 99热6这里只有精品| 欧美最黄视频在线播放免费| 美女高潮喷水抽搐中文字幕| 禁无遮挡网站| 啦啦啦韩国在线观看视频| 日韩中文字幕欧美一区二区| 亚洲国产欧洲综合997久久,| 香蕉国产在线看| 亚洲国产精品久久男人天堂| 日本成人三级电影网站| 久久精品aⅴ一区二区三区四区| 精品免费久久久久久久清纯| 亚洲avbb在线观看| 国产精品一区二区三区四区免费观看 | 麻豆成人av在线观看| 日韩 欧美 亚洲 中文字幕| 少妇裸体淫交视频免费看高清| 亚洲欧美激情综合另类| 久久久久久久久中文| 国产精品综合久久久久久久免费| 综合色av麻豆| 三级毛片av免费| 国产激情偷乱视频一区二区| 亚洲精品一区av在线观看| 欧美一区二区国产精品久久精品| e午夜精品久久久久久久| 亚洲av成人一区二区三| 男女午夜视频在线观看| 极品教师在线免费播放| 成人三级做爰电影| 又紧又爽又黄一区二区| 国产高清视频在线观看网站| 中文字幕精品亚洲无线码一区| 99久久精品一区二区三区| 三级国产精品欧美在线观看 | 91在线观看av| 巨乳人妻的诱惑在线观看| 国产伦人伦偷精品视频| 午夜成年电影在线免费观看| 精品不卡国产一区二区三区| 老汉色av国产亚洲站长工具| 午夜精品在线福利| 观看免费一级毛片| 亚洲中文字幕一区二区三区有码在线看 | 免费在线观看成人毛片| 在线十欧美十亚洲十日本专区| 在线视频色国产色| 搡老妇女老女人老熟妇| 丰满人妻熟妇乱又伦精品不卡| h日本视频在线播放| 国产免费av片在线观看野外av| 中国美女看黄片| 色尼玛亚洲综合影院| 国产精品1区2区在线观看.| 国产高清激情床上av| 亚洲五月天丁香| 亚洲第一电影网av| 亚洲人成网站在线播放欧美日韩| 18禁国产床啪视频网站| 午夜精品久久久久久毛片777| 免费在线观看日本一区| 久久欧美精品欧美久久欧美| 一个人免费在线观看电影 | 免费电影在线观看免费观看| 欧美日韩福利视频一区二区| 国内久久婷婷六月综合欲色啪| 久久精品国产综合久久久| 欧美三级亚洲精品| 国产伦精品一区二区三区视频9 | 桃色一区二区三区在线观看| 婷婷亚洲欧美| 免费高清视频大片| 在线观看日韩欧美| 国产成+人综合+亚洲专区| 亚洲国产精品999在线| 亚洲av熟女| 亚洲av电影不卡..在线观看| 国产精品1区2区在线观看.| 宅男免费午夜| 免费在线观看亚洲国产| av天堂中文字幕网| 亚洲精品粉嫩美女一区| www国产在线视频色| 又黄又爽又免费观看的视频| 美女高潮喷水抽搐中文字幕| e午夜精品久久久久久久| www日本在线高清视频| 久久99热这里只有精品18| 性色avwww在线观看| 国产 一区 欧美 日韩| 精品一区二区三区视频在线观看免费| 一个人免费在线观看的高清视频| 很黄的视频免费| 成人永久免费在线观看视频| 他把我摸到了高潮在线观看| 免费观看的影片在线观看| 一级毛片女人18水好多| 又粗又爽又猛毛片免费看| 中文字幕熟女人妻在线| 中出人妻视频一区二区| 亚洲精品在线美女| 国产精品av久久久久免费| 欧美一级毛片孕妇| 国产99白浆流出| 久久香蕉国产精品| 成熟少妇高潮喷水视频| 身体一侧抽搐| 亚洲九九香蕉| 久久人妻av系列| 男人舔女人的私密视频| 亚洲国产欧美一区二区综合| 可以在线观看毛片的网站| 久久欧美精品欧美久久欧美| 日本 欧美在线| 两个人看的免费小视频| 男女午夜视频在线观看| 桃红色精品国产亚洲av| 欧美乱色亚洲激情| 亚洲,欧美精品.| 久99久视频精品免费| 国产熟女xx| 久久精品国产亚洲av香蕉五月| 青草久久国产| 亚洲专区字幕在线| 久久精品aⅴ一区二区三区四区| 久久性视频一级片| 亚洲专区字幕在线| www.999成人在线观看| 热99re8久久精品国产| 特级一级黄色大片| АⅤ资源中文在线天堂| 精品久久久久久成人av| 999久久久国产精品视频| 精品国产乱码久久久久久男人| 熟女少妇亚洲综合色aaa.| 久久香蕉精品热| 日韩三级视频一区二区三区| 校园春色视频在线观看| 99久久国产精品久久久| 欧美日韩瑟瑟在线播放| 哪里可以看免费的av片| 国产精品永久免费网站| 神马国产精品三级电影在线观看| 中亚洲国语对白在线视频| 午夜精品一区二区三区免费看| 亚洲精品在线观看二区| a在线观看视频网站| 夜夜躁狠狠躁天天躁| 国产三级在线视频| 给我免费播放毛片高清在线观看| 免费在线观看视频国产中文字幕亚洲| 男女床上黄色一级片免费看| 一卡2卡三卡四卡精品乱码亚洲| 欧美日韩黄片免| 亚洲av电影在线进入| 日韩欧美在线二视频| 国内精品美女久久久久久| 舔av片在线| 欧美中文综合在线视频| 黄色 视频免费看| av在线天堂中文字幕| 欧美中文日本在线观看视频| 1000部很黄的大片| 久久天躁狠狠躁夜夜2o2o| 亚洲av中文字字幕乱码综合| 一a级毛片在线观看| 欧美成狂野欧美在线观看| 91在线观看av| 亚洲精品美女久久av网站| 又爽又黄无遮挡网站| 黑人巨大精品欧美一区二区mp4| 久久久国产精品麻豆| 人妻久久中文字幕网| 国产一区二区三区视频了| 性色av乱码一区二区三区2| 国产在线精品亚洲第一网站| 国产真人三级小视频在线观看| 禁无遮挡网站| 网址你懂的国产日韩在线| 老汉色av国产亚洲站长工具| 99久久成人亚洲精品观看| ponron亚洲| 国产成人精品久久二区二区91| 啦啦啦韩国在线观看视频| 国产精品久久久av美女十八| 亚洲成av人片免费观看| 婷婷亚洲欧美| 久久久久久国产a免费观看| 午夜福利成人在线免费观看| www.自偷自拍.com| 午夜福利视频1000在线观看| 欧美日韩精品网址| 一个人免费在线观看电影 | 国产一区二区在线av高清观看| 精品午夜福利视频在线观看一区| 成人国产一区最新在线观看| 国产亚洲精品久久久com| 国产午夜精品论理片| 97超视频在线观看视频| 亚洲欧美精品综合久久99| 免费av不卡在线播放| 欧美一区二区国产精品久久精品| 91老司机精品| 色在线成人网| 成在线人永久免费视频| bbb黄色大片| 国产精品一区二区免费欧美| ponron亚洲| 久久香蕉国产精品| 一进一出抽搐动态| 香蕉久久夜色| 亚洲国产精品999在线| 最近最新中文字幕大全免费视频| 99久久综合精品五月天人人| 亚洲国产精品合色在线| 国产又色又爽无遮挡免费看| 在线观看美女被高潮喷水网站 | 高潮久久久久久久久久久不卡| 亚洲国产精品合色在线| 欧美日本亚洲视频在线播放| 九九热线精品视视频播放| 日本一二三区视频观看| 在线免费观看不下载黄p国产 | 成人鲁丝片一二三区免费| 国产久久久一区二区三区| netflix在线观看网站| 国产黄片美女视频| 此物有八面人人有两片| 天天添夜夜摸| 可以在线观看的亚洲视频| 亚洲在线观看片| 国产精品久久久av美女十八| av片东京热男人的天堂| 18禁观看日本| 丝袜人妻中文字幕| 国产精品国产高清国产av| 亚洲国产欧美人成| 欧美最黄视频在线播放免费| 欧美黄色片欧美黄色片| 中文字幕最新亚洲高清| 少妇丰满av| 中文字幕精品亚洲无线码一区| 夜夜看夜夜爽夜夜摸| av视频在线观看入口| 麻豆一二三区av精品| 久久精品国产清高在天天线| 亚洲男人的天堂狠狠| 欧美又色又爽又黄视频| 成人av在线播放网站| av福利片在线观看| av视频在线观看入口| 亚洲av成人一区二区三| 久久久国产精品麻豆| 亚洲人成网站高清观看| 亚洲激情在线av| 久久草成人影院| 国产三级中文精品| av女优亚洲男人天堂 | 国产精品美女特级片免费视频播放器 | 亚洲无线在线观看| 啦啦啦韩国在线观看视频| 久久精品国产清高在天天线| 黄色丝袜av网址大全| 精品久久久久久,| 成人av在线播放网站| 夜夜看夜夜爽夜夜摸| 国产精品 国内视频| 免费看光身美女| 舔av片在线| 一级毛片精品| 日本精品一区二区三区蜜桃| 国产在线精品亚洲第一网站| 岛国视频午夜一区免费看| 亚洲avbb在线观看| 午夜a级毛片| 久久久国产成人精品二区| 国内少妇人妻偷人精品xxx网站 | 少妇人妻一区二区三区视频| 97超级碰碰碰精品色视频在线观看| 999精品在线视频| 亚洲五月天丁香| 免费看光身美女| 听说在线观看完整版免费高清| 怎么达到女性高潮| 国产欧美日韩精品亚洲av| 中文在线观看免费www的网站| 五月伊人婷婷丁香| 99在线人妻在线中文字幕| 特大巨黑吊av在线直播| 美女大奶头视频| 亚洲人成伊人成综合网2020| 日韩免费av在线播放| 一本一本综合久久| 欧美三级亚洲精品| 欧美成狂野欧美在线观看| 亚洲人成网站在线播放欧美日韩| 十八禁人妻一区二区| 日韩精品中文字幕看吧| 久久中文字幕一级| 国产免费男女视频| 日本免费a在线| 国产亚洲精品av在线| 久久久久久久午夜电影| 国产欧美日韩精品一区二区| 久久久水蜜桃国产精品网| 夜夜躁狠狠躁天天躁| 在线免费观看的www视频| 亚洲国产精品久久男人天堂| 色综合亚洲欧美另类图片| 特大巨黑吊av在线直播| av国产免费在线观看| 亚洲精品456在线播放app | 精品99又大又爽又粗少妇毛片 | 久久热在线av| 97超视频在线观看视频| xxx96com| 99精品欧美一区二区三区四区| 精品久久久久久久久久久久久| 国产又色又爽无遮挡免费看| 午夜成年电影在线免费观看| 国产欧美日韩一区二区三| 美女扒开内裤让男人捅视频| 在线观看一区二区三区| www.熟女人妻精品国产| 欧美午夜高清在线| 制服人妻中文乱码| 亚洲,欧美精品.| 观看免费一级毛片| 国产欧美日韩精品亚洲av| 高潮久久久久久久久久久不卡| 亚洲精品色激情综合| 欧美大码av| 国产精品久久久久久精品电影| svipshipincom国产片| 色噜噜av男人的天堂激情| 成人亚洲精品av一区二区| 亚洲国产精品999在线| 免费看日本二区| 亚洲真实伦在线观看| 国产精品美女特级片免费视频播放器 | 亚洲aⅴ乱码一区二区在线播放| 搞女人的毛片| 亚洲国产精品成人综合色| 少妇熟女aⅴ在线视频| 免费大片18禁| 日本熟妇午夜| cao死你这个sao货| 婷婷精品国产亚洲av| 国产精品自产拍在线观看55亚洲| 韩国av一区二区三区四区| 90打野战视频偷拍视频| 久久精品亚洲精品国产色婷小说| 我要搜黄色片| 白带黄色成豆腐渣| 俺也久久电影网| 在线观看免费视频日本深夜| 欧美乱妇无乱码| 中文亚洲av片在线观看爽| 在线观看午夜福利视频| 日韩中文字幕欧美一区二区| 亚洲国产色片| 午夜免费成人在线视频| 99久国产av精品| 少妇丰满av| 亚洲国产精品久久男人天堂| 1024香蕉在线观看| 久久国产精品人妻蜜桃| 麻豆国产97在线/欧美| 国产欧美日韩精品一区二区| 天天添夜夜摸| 欧美日韩瑟瑟在线播放| 国产精品 国内视频| 黑人巨大精品欧美一区二区mp4| 久久久久国内视频| 精品国产亚洲在线| 狂野欧美白嫩少妇大欣赏| 又粗又爽又猛毛片免费看| 久久久久性生活片| 91av网一区二区| 亚洲欧美精品综合久久99| 亚洲片人在线观看| 欧美中文综合在线视频| 久久久久久久久久黄片| 国产精品电影一区二区三区| 亚洲av电影在线进入| 国产伦一二天堂av在线观看| 一个人观看的视频www高清免费观看 | 久久99热这里只有精品18| 国产aⅴ精品一区二区三区波| 日本精品一区二区三区蜜桃| 中文字幕av在线有码专区| 欧美日韩中文字幕国产精品一区二区三区| 久久精品国产综合久久久| 少妇裸体淫交视频免费看高清| 亚洲国产精品合色在线| 俺也久久电影网| 悠悠久久av| 午夜激情福利司机影院| 亚洲自拍偷在线| 熟女少妇亚洲综合色aaa.| 欧美午夜高清在线| 一级毛片女人18水好多| 国产精品精品国产色婷婷| 欧美精品啪啪一区二区三区| 俺也久久电影网| 亚洲一区二区三区色噜噜| 香蕉国产在线看| 每晚都被弄得嗷嗷叫到高潮| x7x7x7水蜜桃| 少妇人妻一区二区三区视频| 久久久久精品国产欧美久久久| 精品国产美女av久久久久小说| 国产aⅴ精品一区二区三区波| 99精品欧美一区二区三区四区| 啦啦啦韩国在线观看视频| 国产一区二区三区在线臀色熟女| 亚洲专区字幕在线| 69av精品久久久久久| 国产亚洲精品久久久久久毛片| 国产淫片久久久久久久久 | 啦啦啦观看免费观看视频高清| 亚洲精品国产精品久久久不卡| 在线观看舔阴道视频| 搡老妇女老女人老熟妇| 熟女电影av网| 久99久视频精品免费| 国产野战对白在线观看| www.熟女人妻精品国产| 丰满人妻熟妇乱又伦精品不卡| 黄色女人牲交| 人妻丰满熟妇av一区二区三区| 久久精品综合一区二区三区| 欧美精品啪啪一区二区三区| 国产精华一区二区三区| www.自偷自拍.com| 欧美另类亚洲清纯唯美| 天堂动漫精品| 国产亚洲精品av在线| cao死你这个sao货| 麻豆久久精品国产亚洲av| 亚洲欧美激情综合另类| 男女做爰动态图高潮gif福利片| 最新美女视频免费是黄的| АⅤ资源中文在线天堂| 亚洲国产日韩欧美精品在线观看 | 中亚洲国语对白在线视频| 999久久久精品免费观看国产| 麻豆av在线久日| 欧美激情久久久久久爽电影| 欧美xxxx黑人xx丫x性爽| 日韩欧美 国产精品| 日本撒尿小便嘘嘘汇集6| 一区福利在线观看| 亚洲 欧美一区二区三区| 我要搜黄色片| 亚洲成人免费电影在线观看| 狂野欧美白嫩少妇大欣赏| 国产真人三级小视频在线观看| 最近最新中文字幕大全电影3| 亚洲精品粉嫩美女一区| 成人高潮视频无遮挡免费网站| 在线观看午夜福利视频| 国产三级中文精品| 亚洲精品乱码久久久v下载方式 | 狂野欧美白嫩少妇大欣赏| 国产真人三级小视频在线观看| 男女那种视频在线观看| 叶爱在线成人免费视频播放| 一二三四在线观看免费中文在| 成人三级黄色视频| av黄色大香蕉| 中文字幕熟女人妻在线| 久久国产精品影院| 午夜激情福利司机影院| 男女做爰动态图高潮gif福利片| 亚洲 欧美一区二区三区| 黄频高清免费视频| 欧美三级亚洲精品| 欧美黄色淫秽网站| 亚洲av美国av| 国产熟女xx| 久久久久国内视频| av中文乱码字幕在线| 亚洲第一电影网av| or卡值多少钱| 亚洲色图av天堂| 后天国语完整版免费观看| 亚洲欧美日韩无卡精品| 亚洲av成人精品一区久久| 偷拍熟女少妇极品色| 变态另类成人亚洲欧美熟女| 精品一区二区三区四区五区乱码| 久久久成人免费电影| 成人一区二区视频在线观看| 亚洲欧美一区二区三区黑人| 三级国产精品欧美在线观看 | 欧美黄色片欧美黄色片| 国产精品亚洲美女久久久| 欧美xxxx黑人xx丫x性爽| 97碰自拍视频| 天堂影院成人在线观看| 成在线人永久免费视频| 亚洲熟女毛片儿| 国内精品久久久久久久电影| 国产伦精品一区二区三区视频9 | 网址你懂的国产日韩在线| 国产真实乱freesex| 亚洲国产看品久久| 免费一级毛片在线播放高清视频| 欧美激情在线99| 午夜视频精品福利| 国产激情久久老熟女| 国产黄a三级三级三级人| 国产精品乱码一区二三区的特点| 一个人观看的视频www高清免费观看 | 国产成人福利小说| 手机成人av网站| 别揉我奶头~嗯~啊~动态视频| 国产一区二区在线观看日韩 | 亚洲欧美日韩东京热| 最近在线观看免费完整版| 欧美av亚洲av综合av国产av| 99热这里只有是精品50| 91在线精品国自产拍蜜月 | 国产成人福利小说| 亚洲色图av天堂| 美女 人体艺术 gogo| 久久精品aⅴ一区二区三区四区| 小蜜桃在线观看免费完整版高清| 一边摸一边抽搐一进一小说| 日本与韩国留学比较| 亚洲人成网站高清观看| 亚洲七黄色美女视频| 国产高清视频在线播放一区| 色av中文字幕| 亚洲精品粉嫩美女一区| 亚洲精品一卡2卡三卡4卡5卡| 国内精品久久久久久久电影| 美女黄网站色视频| 不卡av一区二区三区| 香蕉国产在线看| 国产不卡一卡二| 成人精品一区二区免费| 午夜福利在线观看吧| 国产野战对白在线观看| 精品国产乱子伦一区二区三区| 69av精品久久久久久| 嫩草影视91久久| 丰满人妻熟妇乱又伦精品不卡| 极品教师在线免费播放| 亚洲中文字幕一区二区三区有码在线看 | 老熟妇仑乱视频hdxx| 熟女少妇亚洲综合色aaa.| 欧美性猛交黑人性爽| 久久国产精品影院| 女人被狂操c到高潮| 九色成人免费人妻av| 亚洲专区国产一区二区| 在线看三级毛片| 中文字幕人妻丝袜一区二区| 亚洲av五月六月丁香网| 99久久精品国产亚洲精品| 亚洲国产欧洲综合997久久,| 老司机在亚洲福利影院| 亚洲成a人片在线一区二区| 亚洲精品美女久久久久99蜜臀| 757午夜福利合集在线观看| 99久久国产精品久久久| 丰满人妻一区二区三区视频av | 夜夜看夜夜爽夜夜摸| 色综合欧美亚洲国产小说| 九九热线精品视视频播放| 女同久久另类99精品国产91| 老司机午夜福利在线观看视频| АⅤ资源中文在线天堂| 变态另类成人亚洲欧美熟女| 又爽又黄无遮挡网站| 亚洲国产欧美人成| 全区人妻精品视频| 欧美日韩亚洲国产一区二区在线观看| 露出奶头的视频| 亚洲一区二区三区色噜噜| 午夜成年电影在线免费观看| 国产精品女同一区二区软件 | 男插女下体视频免费在线播放| 巨乳人妻的诱惑在线观看| 日韩欧美在线乱码| 亚洲色图 男人天堂 中文字幕| 九九久久精品国产亚洲av麻豆 | 综合色av麻豆|