• <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 ?

    基于特征通道和空間位置注意力的三維點云特征學習網(wǎng)絡*

    2022-08-11 08:46:02吳亦奇張德軍何發(fā)智陳壹林
    計算機工程與科學 2022年7期
    關鍵詞:特征提取注意力分類

    吳亦奇,韓 放,張德軍,何發(fā)智,陳壹林

    (1.中國地質(zhì)大學(武漢)計算機學院,湖北 武漢 430078; 2.智能地學信息處理湖北省重點實驗室(中國地質(zhì)大學(武漢)),湖北 武漢 430078; 3.武漢大學計算機學院,湖北 武漢 430072;4.武漢工程大學計算機科學與工程學院,湖北 武漢 430205)

    1 引言

    點云數(shù)據(jù)易于獲取,可以充分表示物體的表面、結構及形狀等信息,基于點云數(shù)據(jù)構建的點云模型是目前被廣泛應用的一種三維模型表示方法[1]。點云模型由物體表面采樣得到的離散點集構成,通常由點云中各點的三維坐標表示,部分點云數(shù)據(jù)還包含法向量、顏色等其他信息。

    與傳統(tǒng)圖像處理方法類似,傳統(tǒng)的點云模型處理方法一般需要從點云中提取適應不同任務的點云特征[2]。獲得有效的點云特征往往需要研究人員具備相當程度的領域知識并加以精心的設計。隨著深度學習技術的興起,除傳統(tǒng)特征工程方法外,構建針對特定任務的深度神經(jīng)網(wǎng)絡也成為當前圖形與圖像處理領域的研究熱點,并取得了出色的成果[3 - 6]。

    與規(guī)則的圖像數(shù)據(jù)不同,點云數(shù)據(jù)是一種無序的、不規(guī)則的三維數(shù)據(jù)。這種表現(xiàn)形式使得圖像處理中經(jīng)典的卷積神經(jīng)網(wǎng)絡無法直接用于處理點云數(shù)據(jù)。早期研究嘗試將點云數(shù)據(jù)轉(zhuǎn)換為可被卷積神經(jīng)網(wǎng)絡直接處理的形式,如多視圖方法[7 - 11]、點云體素化[12 - 15]等方法,但此類方法難以避免地存在丟失空間信息、增加冗余計算量等問題。

    Qi等[16]開創(chuàng)性地提出了端到端直接處理點云數(shù)據(jù)的深度網(wǎng)絡模型PointNet,在點云分類和分割任務上取得了很好的效果。PointNet的基本思想是通過多層感知機逐點獲取各點的高維特征,再通過池化操作得到點云模型的全局特征。由于該網(wǎng)絡模型可得到具有對稱性的函數(shù),能夠?qū)W習到具有置換不變性的點云特征,使得網(wǎng)絡輸出與點云中各點的輸入順序無關,很好地適應了點云數(shù)據(jù)的特點。在此基礎上,PointNet++網(wǎng)絡[17]采用多層次提取特征的方式,將三維形狀局部信息包含在采樣點特征中,增強了點云特征的表達能力。此外,更多的研究工作致力于使用多層感知機[18 - 21]、卷積網(wǎng)絡[22 - 26]和圖神經(jīng)網(wǎng)絡[27 - 29]等多種方法,通過深度神經(jīng)網(wǎng)絡直接利用三維點云中各點的空間信息獲取點云模型的特征,進一步完善點云數(shù)據(jù)處理的方法。

    使用深度學習方法處理點云數(shù)據(jù)的關鍵在于提取點云的特征。一種常用的點云特征提取方法是首先獲得點云中各點的特征,在此基礎上獲得點云形狀的全局性特征。一方面,在獲取到逐點的高維特征后,可以推斷特征中某些通道的信息對具體的點云處理任務起到更關鍵的作用;另一方面,盡管點云數(shù)據(jù)表現(xiàn)為無序的離散點集,但與規(guī)則的圖像數(shù)據(jù)類似,關鍵區(qū)域的信息對于特定任務有更重要的影響。因此,需要增強網(wǎng)絡模型對關鍵的特征通道及關鍵區(qū)域的關注程度,從而更好地獲取點云形狀的特征。

    注意力機制[30]是一種通過分析輸入數(shù)據(jù)各個部分間的關聯(lián),確定高關注度部分,提升關鍵部分表示的方法。其基本實現(xiàn)方式是通過網(wǎng)絡學習得到各部分的注意力權重,通過注意力權重的控制,增強重要信息,抑制非重要信息。目前注意力機制已在文本、語音和視覺等諸多研究領域中得到了有效的應用[31 - 35]。

    綜上,本文提出一種三維點云數(shù)據(jù)處理網(wǎng)絡,考慮點云特征各通道間及點云中各點間的關聯(lián),在多層特征提取的基礎上引入2種注意力機制,增強點云特征的表達能力。所提網(wǎng)絡首先將點云的位置信息映射至高維特征空間,進而通過特征通道注意力機制和空間位置注意力機制,從點云特征通道和點云空間位置2個維度獲取注意力權重,最終獲得基于2種注意力的點云特征,并使用該特征實現(xiàn)點云模型的高精度分類與部件分割。

    2 本文方法概述

    (1)

    (2)

    隨后對點云進行下采樣,并對下采樣后的點云繼續(xù)進行上述點特征提取過程。該過程進行M次,實現(xiàn)了一種基于特征通道注意力和空間位置注意力的多層次點云特征提取。最后通過分類及分割網(wǎng)絡,實現(xiàn)形狀分類與部件分割任務。

    Figure 1 Feature learning network of point cloud based on channel attention and spatial attention圖1 基于特征通道和空間位置注意力的 點云模型特征學習網(wǎng)絡

    3 多層次逐點特征提取

    點云中各點的三維坐標信息不足以為后續(xù)任務提供豐富的信息。在基于深度學習的點云處理方法中,通常需要將點云中各點的三維坐標信息映射至更高維度的特征空間,獲取點云中各點的高維特征。

    此外,由于點云數(shù)據(jù)中往往包含大量的點,對每一個點展開計算不僅消耗大量的計算資源,而且往往會產(chǎn)生冗余信息,并非高效的做法。因此,出于均衡效率和性能的考慮,研究人員在處理點云數(shù)據(jù)時,通常會對原始的點云數(shù)據(jù)進行下采樣后,再在較小規(guī)模的子云上進行處理。

    本文采用最遠點采樣方法對點云進行下采樣。使用最遠點采樣方法可以獲取在點云形狀上分布更為均勻的點,采樣得到的點集能更好地表示出三維形狀的輪廓。在得到下采樣的點云后,將其輸入網(wǎng)絡,學習逐點的高維特征。本文采用基于多層感知機的方法,使用PointNet++中多尺度特征提取方法得到逐點特征,其基本思路如圖2所示,對于輸入點云中的某一點pi,選擇其在下采樣前周圍不同規(guī)模相鄰點集,構造若干個不同的分組。將每個分組輸入共享權重的多層感知機及池化層,得到每個分組的特征。將這些特征拼接起來,即可得到pi的多尺度特征Fi。更多方法細節(jié)可參考文獻[16,17]。

    Figure 2 Point-wise feature extraction圖2 逐點特征提取

    本文采用3層逐點特征提取方法。首先將原始點云通過下采樣獲得包含1 024個點的點云作為初始輸入,第1個特征提取層從輸入的1 024個點中采樣512個點并提取各點的多尺度特征;第2個特征提取層從512個點中采樣128個點并提取各點的多尺度特征;第3個特征提取層利用128個點獲取點云的全局特征。

    對于多尺度的特征提取的具體實現(xiàn)細節(jié),第1個和第2個特征提取層分別使用3個尺度的分組提取特征。第1個特征提取層采樣最鄰近的16,32,128個點作為該點的鄰域,構成多尺度;第2個特征提取采樣最鄰近的32,64,128個點作為鄰域,構成多尺度;第3層把128個點整體作為一個分組進行特征提取,沒有繼續(xù)使用多尺度。

    4 特征通道注意力

    在獲取到各點的高維特征后,關注每個特征通道上的信息對整個點云信息的影響,通過獲取特征各通道上信息之間的關聯(lián)實現(xiàn)點云數(shù)據(jù)通道注意力機制,突出各點特征中更加關鍵的通道上的信息。首先獲取一種反映點云全局的特征,在此基礎上學習得到點云特征上各通道的注意力權重,從而得到經(jīng)過特征通道注意力模塊處理后的點云特征。

    Figure 3 Channel attention mechanism圖3 特征通道注意力機制

    5 空間位置注意力

    點云模型中特定區(qū)域的形狀對判定點云所屬類別具有顯著作用,因此除了需要關注點云特征重要通道上的信息外,還應從空間位置的維度上關注模型中的重要區(qū)域。在經(jīng)過特征通道注意力對點云中各點的特征進行處理后,本文進一步使用空間位置注意力機制獲取各點之間的關聯(lián),確定感興趣的區(qū)域,即關注更能為下游任務(如分類、分割等)提供有用信息的點。

    6 點云分類與分割

    7 實驗與結果分析

    本節(jié)對所提出的基于特征通道和空間位置注意力的點云特征學習網(wǎng)絡在形狀分類、模型部件分割等任務上的表現(xiàn)進行驗證,并對注意力模塊的性能進行評估與分析。實驗硬件配置為:CPU:Intel i5,GPU:NVIDIA-Geforce 2080Ti,16 GB內(nèi)存。開發(fā)環(huán)境為:Ubuntu 18.04,CUDA 10.1,cudnn7,PyTorch 1.8.0。

    7.1 形狀分類

    ModelNet40[36]數(shù)據(jù)集包含約1.3萬個CAD模型,分為40個不同物體類別,其中約1萬個模型組成訓練集,其余模型組成測試集,是當前用于三維形狀分類的常用公共數(shù)據(jù)集。

    在ModelNet40數(shù)據(jù)集上測試本文所提網(wǎng)絡在形狀分類任務上的效果,并與近年來主要相關研究工作進行對比。實驗結果及對比如表1所示。

    從表1可以看出,在分類任務常用的2種評價指標上(平均類精度和整體精度),本文網(wǎng)絡分別達到90.29%的平均精度和93.2%的整體精度,達到或優(yōu)于近年在點云形狀分類上一些有代表性的網(wǎng)絡模型的水平。本文網(wǎng)絡的主干網(wǎng)絡結構基于PointNet++網(wǎng)絡,可以看出,在引入空間-通道注意力層對點云特征進行處理后,點云分類效果得到了較大提升,相關分析將在后面消融實驗中進行詳細介紹。

    7.2 模型部件分割

    ShapeNet[42]數(shù)據(jù)集是目前常用三維模型部件

    Table 1 Classification experiment results and comparison表1 分類實驗結果及對比

    分割數(shù)據(jù)集。數(shù)據(jù)集內(nèi)含有16個類別共約1.7萬個模型,其中,1.4萬個模型組成訓練集,3千個模型組成測試集。每個模型由2到6種不同部件組成,共有50個不同的部件類別。

    在ShapeNet數(shù)據(jù)集上測試本文網(wǎng)絡在模型部件分割任務上的效果,采用平均交并比及在各類上的交并比作為評價指標。實驗結果及與近年來其他研究工作的結果對比如表2所示。

    由表2可以看出,與近期相關研究相比,本文方法達到了較高的水平。為了進一步展示本文網(wǎng)絡在部件分割上的有效性,對分割的結果進行可視化展示,效果如圖5所示,可以看出使用本文網(wǎng)絡能夠清晰、準確地分割出模型的各個部件。

    Figure 5 Visualization of part segmentation on ShapeNet圖5 ShapeNet模型部件分割效果

    7.3 消融實驗

    本文在PointNet++的網(wǎng)絡結構基礎上,引入了通道-空間注意力模塊,對點云特征進行處理。因此,本節(jié)設計消融實驗,分別對通道注意力模塊和空間注意力模塊在形狀分類與部件分割任務中產(chǎn)生的效果進行測試分析。分類和分割任務的消融實驗結果分別如表3和表4所示。表中方法A為不含注意力模塊的網(wǎng)絡模型,即原始PointNet++模型;方法B僅采用特征通道注意力模塊;方法C僅采用空間注意力模塊;方法D代表同時采用2種注意力模塊的方法,即本文網(wǎng)絡??梢钥闯觯槍Ψ诸惾蝿?,通道注意力模塊與空間注意力模塊均對原始網(wǎng)絡的性能有明顯提升。

    Table 2 Part segmentation experiment results and comparison 表2 部件分割實驗結果和對比

    Table 3 Ablation experiment results of classification 表3 分類任務消融實驗結果

    Table 4 Ablation experiment results of part segmentation 表4 分割任務消融實驗結果

    而對于分割任務,本文網(wǎng)絡相較于原始網(wǎng)絡效果有一定提升,但每種注意力模塊對效果的提升有限。這可能是因為在本文注意力機制下,關注的重點是各點或各通道對點云全局的影響,而最終用于分割的逐點特征又包含跳躍拼接的信息,從而使得注意力機制對逐點特征的影響較小。因此,本文網(wǎng)絡對分類任務的效果更加明顯。

    7.4 魯棒性實驗

    實際應用中采樣得到的點云數(shù)據(jù)可能存在采樣點缺失、稀疏或分布不均勻等問題,影響對三維形狀的表達。為模擬現(xiàn)實場景,本節(jié)采用在原始點云數(shù)據(jù)上隨機舍棄部分點云的方法來測試本文網(wǎng)絡對分類任務的魯棒性。實驗中,原始點云中的點個數(shù)為1 024,分別對保留512個點、256個點和128個點時的情況進行分類測試,實驗結果如圖6所示。

    Figure 6 Experiments of robustness圖6 魯棒性實驗

    由實驗結果可以看出,當舍棄原始點云中75%的點時,使用本文網(wǎng)絡的分類精度仍然能夠保持在90%左右的較高水平。一方面,PointNet++中多尺度、多層次提取點云特征的架構本身具有很強的魯棒性,本文網(wǎng)絡保持了這一特性;另一方面,引入通道-空間注意力機制,增強了關鍵通道和關鍵點的表達能力,保證了本文網(wǎng)絡的魯棒性。

    8 結束語

    本文提出了一個針對形狀分類與部件分割任務的點云數(shù)據(jù)特征學習網(wǎng)絡,基于多層特征提取方法提取點云特征,在特征提取過程中,使用注意力機制提升點云特征的表達能力。本文采用的注意力機制可部署于各種基于逐點特征的三維點云處理網(wǎng)絡中。本文選用了基于PointNet++網(wǎng)絡的多層次特征提取結構,在提取點云特征的過程中引入特征通道注意力和空間位置注意力機制,關注重要的特征通道和點云區(qū)域,增強關鍵點和關鍵通道上信息的表達。通過在ModelNet40和ShapeNet數(shù)據(jù)集上的實驗及結果對比,驗證了本文網(wǎng)絡的有效性,消融實驗也驗證了各注意力模塊對提升點云特征的效果。在未來工作中,可將通道-空間注意力模塊引入至其他點云特征提取方法中[44,45],以及將本文提取特征的方法應用到其他任務中[46 - 48]。

    猜你喜歡
    特征提取注意力分類
    讓注意力“飛”回來
    分類算一算
    分類討論求坐標
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    數(shù)據(jù)分析中的分類討論
    教你一招:數(shù)的分類
    “揚眼”APP:讓注意力“變現(xiàn)”
    傳媒評論(2017年3期)2017-06-13 09:18:10
    Bagging RCSP腦電特征提取算法
    A Beautiful Way Of Looking At Things
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    性色av乱码一区二区三区2| 国产高清国产精品国产三级| 久久国产精品大桥未久av| 久久久国产欧美日韩av| 久久久久精品国产欧美久久久| 满18在线观看网站| 99精品欧美一区二区三区四区| 老司机靠b影院| 精品高清国产在线一区| 精品久久蜜臀av无| 亚洲五月婷婷丁香| 19禁男女啪啪无遮挡网站| 日本五十路高清| 欧美成人午夜精品| 午夜91福利影院| 久久人妻av系列| 夜夜夜夜夜久久久久| tocl精华| 久久中文字幕一级| 91精品三级在线观看| 午夜福利,免费看| 国产高清激情床上av| 老熟妇仑乱视频hdxx| 国产免费男女视频| 男女高潮啪啪啪动态图| 国产区一区二久久| 国产精品成人在线| 狠狠狠狠99中文字幕| 国产精品免费一区二区三区在线 | 国产精品乱码一区二三区的特点 | 身体一侧抽搐| 国产激情欧美一区二区| 一级片'在线观看视频| 制服诱惑二区| 18禁美女被吸乳视频| 1024香蕉在线观看| 老汉色∧v一级毛片| 最近最新中文字幕大全电影3 | 中文字幕高清在线视频| 亚洲一卡2卡3卡4卡5卡精品中文| 黄频高清免费视频| 国产精品二区激情视频| 国产在线一区二区三区精| 少妇 在线观看| 日韩免费高清中文字幕av| 国产在线精品亚洲第一网站| 女警被强在线播放| 一级片免费观看大全| 日韩熟女老妇一区二区性免费视频| 无遮挡黄片免费观看| 亚洲三区欧美一区| 老司机在亚洲福利影院| 天天躁日日躁夜夜躁夜夜| 精品高清国产在线一区| 老司机午夜福利在线观看视频| 一区在线观看完整版| 国产精华一区二区三区| 最新的欧美精品一区二区| 这个男人来自地球电影免费观看| a在线观看视频网站| 亚洲黑人精品在线| 国产成人精品在线电影| 国产欧美日韩精品亚洲av| avwww免费| 极品少妇高潮喷水抽搐| 每晚都被弄得嗷嗷叫到高潮| 身体一侧抽搐| 又紧又爽又黄一区二区| 在线十欧美十亚洲十日本专区| 免费观看精品视频网站| 国产片内射在线| 久久这里只有精品19| 黄片大片在线免费观看| 久久精品亚洲av国产电影网| 久久中文字幕一级| 国产免费av片在线观看野外av| 午夜视频精品福利| 成年人午夜在线观看视频| 黄色毛片三级朝国网站| 欧美乱码精品一区二区三区| 美女福利国产在线| 久久久久久久国产电影| 真人做人爱边吃奶动态| 在线观看日韩欧美| 少妇裸体淫交视频免费看高清 | 亚洲成人免费av在线播放| 老司机深夜福利视频在线观看| 成人18禁在线播放| 精品熟女少妇八av免费久了| 久久中文字幕人妻熟女| 午夜福利欧美成人| 欧美亚洲日本最大视频资源| 看片在线看免费视频| 国产麻豆69| 亚洲av第一区精品v没综合| av欧美777| 激情视频va一区二区三区| 国产激情欧美一区二区| 99久久精品国产亚洲精品| а√天堂www在线а√下载 | 别揉我奶头~嗯~啊~动态视频| 国产免费现黄频在线看| 搡老岳熟女国产| 国产视频一区二区在线看| 一区二区三区国产精品乱码| 一级片'在线观看视频| 国产精华一区二区三区| 国产亚洲精品久久久久5区| 国产又色又爽无遮挡免费看| 国产精品乱码一区二三区的特点 | 两个人免费观看高清视频| 精品国产一区二区三区四区第35| 午夜免费成人在线视频| 精品乱码久久久久久99久播| av视频免费观看在线观看| 黄色女人牲交| av欧美777| 久久精品aⅴ一区二区三区四区| 精品一区二区三卡| 精品久久久久久,| 亚洲欧美色中文字幕在线| 精品亚洲成a人片在线观看| 亚洲av成人不卡在线观看播放网| 国产精品久久久久久精品古装| 一区二区三区激情视频| 中文亚洲av片在线观看爽 | 亚洲av成人av| 美女高潮到喷水免费观看| 色94色欧美一区二区| 国产午夜精品久久久久久| 亚洲精品美女久久久久99蜜臀| 午夜福利,免费看| 视频区欧美日本亚洲| 欧美黑人精品巨大| 精品视频人人做人人爽| 久久久精品免费免费高清| 久久精品熟女亚洲av麻豆精品| 日韩精品免费视频一区二区三区| 99re在线观看精品视频| 日韩欧美一区视频在线观看| 国产av一区二区精品久久| 一进一出好大好爽视频| 1024香蕉在线观看| www.999成人在线观看| 国产精品免费一区二区三区在线 | 国产精品久久久久久人妻精品电影| 久久中文看片网| 男女床上黄色一级片免费看| 91av网站免费观看| 成年人黄色毛片网站| 在线av久久热| xxxhd国产人妻xxx| 国产成+人综合+亚洲专区| 91九色精品人成在线观看| 欧美日韩精品网址| 一区二区三区激情视频| 亚洲成人免费av在线播放| 亚洲美女黄片视频| 国产精品亚洲一级av第二区| 999精品在线视频| 久久人人97超碰香蕉20202| 午夜精品国产一区二区电影| 少妇 在线观看| 国产精品久久久久久精品古装| 大型黄色视频在线免费观看| 嫩草影视91久久| 在线视频色国产色| 亚洲男人天堂网一区| 午夜福利在线免费观看网站| 欧美日韩亚洲综合一区二区三区_| 亚洲黑人精品在线| 日本vs欧美在线观看视频| 成人18禁在线播放| 99精品在免费线老司机午夜| 欧美乱码精品一区二区三区| 成年人午夜在线观看视频| 久久国产精品影院| 好男人电影高清在线观看| 伊人久久大香线蕉亚洲五| av欧美777| 在线天堂中文资源库| 18禁美女被吸乳视频| 久久午夜亚洲精品久久| 精品欧美一区二区三区在线| 亚洲 欧美一区二区三区| 欧美乱色亚洲激情| 亚洲五月色婷婷综合| 国产精品影院久久| 两个人免费观看高清视频| 日本黄色日本黄色录像| 免费女性裸体啪啪无遮挡网站| 后天国语完整版免费观看| 99热网站在线观看| 国产精品欧美亚洲77777| 欧美乱码精品一区二区三区| 麻豆乱淫一区二区| 日本五十路高清| 免费黄频网站在线观看国产| 日本黄色日本黄色录像| 久久99一区二区三区| 亚洲色图 男人天堂 中文字幕| 亚洲精品乱久久久久久| www.熟女人妻精品国产| 精品一区二区三区av网在线观看| 国产1区2区3区精品| 欧美乱码精品一区二区三区| 国产精品免费视频内射| 成人av一区二区三区在线看| 飞空精品影院首页| av欧美777| 日本精品一区二区三区蜜桃| 国内毛片毛片毛片毛片毛片| 亚洲国产欧美一区二区综合| 日本wwww免费看| e午夜精品久久久久久久| 成人18禁高潮啪啪吃奶动态图| xxxhd国产人妻xxx| av不卡在线播放| 国产高清视频在线播放一区| 在线视频色国产色| 欧美激情 高清一区二区三区| 成人免费观看视频高清| 精品福利永久在线观看| 在线观看日韩欧美| 多毛熟女@视频| xxxhd国产人妻xxx| 国产三级黄色录像| 十八禁网站免费在线| 亚洲精品中文字幕一二三四区| 亚洲熟女精品中文字幕| 高清av免费在线| 色综合婷婷激情| 欧美精品啪啪一区二区三区| 久久久久国产精品人妻aⅴ院 | 免费在线观看完整版高清| 视频区欧美日本亚洲| 国产一区二区三区在线臀色熟女 | 岛国毛片在线播放| 极品教师在线免费播放| 国产成人精品久久二区二区91| 十八禁人妻一区二区| 国产精品秋霞免费鲁丝片| 国产精品 欧美亚洲| 国产精品电影一区二区三区 | 日韩欧美三级三区| 99精国产麻豆久久婷婷| 18在线观看网站| 香蕉国产在线看| 国产成人免费观看mmmm| 久久久久久久久免费视频了| 美国免费a级毛片| 国产精品免费视频内射| 丝瓜视频免费看黄片| av欧美777| 欧美激情极品国产一区二区三区| 欧美亚洲 丝袜 人妻 在线| 欧美成人免费av一区二区三区 | 91九色精品人成在线观看| 美女国产高潮福利片在线看| 丝袜在线中文字幕| 亚洲精品久久成人aⅴ小说| 国产av精品麻豆| 亚洲熟女精品中文字幕| 欧美日韩亚洲国产一区二区在线观看 | 俄罗斯特黄特色一大片| 免费看十八禁软件| 国产区一区二久久| 黄片播放在线免费| 香蕉久久夜色| 欧美 日韩 精品 国产| 在线永久观看黄色视频| 俄罗斯特黄特色一大片| av福利片在线| 国产人伦9x9x在线观看| 在线观看舔阴道视频| 亚洲精品成人av观看孕妇| 亚洲av成人不卡在线观看播放网| 国产一卡二卡三卡精品| 老司机影院毛片| 国产欧美日韩一区二区精品| 国产亚洲欧美精品永久| 免费在线观看视频国产中文字幕亚洲| 老司机靠b影院| 午夜免费观看网址| 51午夜福利影视在线观看| 人人妻人人澡人人看| 国产高清国产精品国产三级| www日本在线高清视频| 99国产极品粉嫩在线观看| 天堂√8在线中文| cao死你这个sao货| 亚洲欧美激情综合另类| 免费一级毛片在线播放高清视频 | 精品福利永久在线观看| 中文字幕色久视频| 免费一级毛片在线播放高清视频 | 国产成人精品久久二区二区91| 国产熟女午夜一区二区三区| xxx96com| 又紧又爽又黄一区二区| 少妇被粗大的猛进出69影院| 51午夜福利影视在线观看| 美女 人体艺术 gogo| 欧美精品av麻豆av| 不卡av一区二区三区| 亚洲av成人不卡在线观看播放网| 国产精品免费一区二区三区在线 | 日本wwww免费看| xxxhd国产人妻xxx| 精品少妇一区二区三区视频日本电影| 国产亚洲精品第一综合不卡| 国产精品二区激情视频| 亚洲av欧美aⅴ国产| 99久久综合精品五月天人人| 亚洲av成人一区二区三| 超碰97精品在线观看| 黄色女人牲交| 久久99一区二区三区| 欧美黄色淫秽网站| 亚洲午夜理论影院| 老熟妇仑乱视频hdxx| 18禁国产床啪视频网站| 满18在线观看网站| 777米奇影视久久| 欧美乱码精品一区二区三区| 亚洲精品在线观看二区| 美女高潮到喷水免费观看| 欧美乱妇无乱码| 黄片播放在线免费| 亚洲五月色婷婷综合| 成年动漫av网址| 亚洲av日韩在线播放| 久久精品国产99精品国产亚洲性色 | 婷婷丁香在线五月| 天天躁日日躁夜夜躁夜夜| 国产精品亚洲一级av第二区| 国产真人三级小视频在线观看| 精品人妻熟女毛片av久久网站| 久久精品91无色码中文字幕| 精品午夜福利视频在线观看一区| 99久久99久久久精品蜜桃| 纯流量卡能插随身wifi吗| 99国产精品免费福利视频| 国产精品成人在线| 久久影院123| 天堂俺去俺来也www色官网| 国产精品国产av在线观看| 交换朋友夫妻互换小说| av网站在线播放免费| 高清欧美精品videossex| 天天躁狠狠躁夜夜躁狠狠躁| 女性生殖器流出的白浆| 69精品国产乱码久久久| 王馨瑶露胸无遮挡在线观看| 欧美日韩亚洲高清精品| 久久中文字幕人妻熟女| 欧美日韩一级在线毛片| 亚洲一区二区三区不卡视频| 韩国精品一区二区三区| 90打野战视频偷拍视频| 首页视频小说图片口味搜索| 亚洲成人手机| 天天躁夜夜躁狠狠躁躁| 免费高清在线观看日韩| 久99久视频精品免费| 久久 成人 亚洲| 午夜激情av网站| avwww免费| 这个男人来自地球电影免费观看| 夜夜躁狠狠躁天天躁| 下体分泌物呈黄色| 欧美av亚洲av综合av国产av| 国产亚洲精品久久久久5区| 亚洲国产中文字幕在线视频| 看黄色毛片网站| 自线自在国产av| 国产男女超爽视频在线观看| 亚洲成a人片在线一区二区| 欧美性长视频在线观看| 久久精品国产a三级三级三级| 久久精品人人爽人人爽视色| 久久天躁狠狠躁夜夜2o2o| 久久ye,这里只有精品| 免费在线观看影片大全网站| 丝袜美腿诱惑在线| 夜夜夜夜夜久久久久| 精品少妇一区二区三区视频日本电影| av视频免费观看在线观看| 欧美亚洲日本最大视频资源| 高清视频免费观看一区二区| 欧美日韩福利视频一区二区| 在线观看舔阴道视频| av欧美777| 成人黄色视频免费在线看| av电影中文网址| 久久精品国产清高在天天线| 国产97色在线日韩免费| 老熟妇乱子伦视频在线观看| 国产欧美亚洲国产| 亚洲成a人片在线一区二区| 变态另类成人亚洲欧美熟女 | 黄片大片在线免费观看| 高潮久久久久久久久久久不卡| 国产日韩欧美亚洲二区| 国产精华一区二区三区| 欧美日韩国产mv在线观看视频| tube8黄色片| 超色免费av| 两个人看的免费小视频| 国产高清视频在线播放一区| 国产一区二区三区在线臀色熟女 | 如日韩欧美国产精品一区二区三区| 亚洲精品av麻豆狂野| 久久国产精品男人的天堂亚洲| 中国美女看黄片| 亚洲欧美日韩高清在线视频| 韩国精品一区二区三区| 国产伦人伦偷精品视频| 精品第一国产精品| 999久久久国产精品视频| 日韩人妻精品一区2区三区| 亚洲在线自拍视频| 极品少妇高潮喷水抽搐| 亚洲av第一区精品v没综合| 国产精品免费大片| 国产精品久久久久成人av| 日本黄色视频三级网站网址 | 女警被强在线播放| 久久热在线av| 自线自在国产av| 啪啪无遮挡十八禁网站| av国产精品久久久久影院| 日韩成人在线观看一区二区三区| av超薄肉色丝袜交足视频| 欧美久久黑人一区二区| 大型黄色视频在线免费观看| 高清黄色对白视频在线免费看| 国产在线精品亚洲第一网站| 国产精品久久久久久精品古装| 欧美日韩中文字幕国产精品一区二区三区 | 黄片大片在线免费观看| 99精品在免费线老司机午夜| 亚洲少妇的诱惑av| 十八禁人妻一区二区| 99国产精品99久久久久| 国产xxxxx性猛交| 久久性视频一级片| 搡老熟女国产l中国老女人| 久久精品aⅴ一区二区三区四区| 波多野结衣一区麻豆| 老司机深夜福利视频在线观看| 另类亚洲欧美激情| 操美女的视频在线观看| 又黄又爽又免费观看的视频| 精品人妻熟女毛片av久久网站| 亚洲一区高清亚洲精品| 一本大道久久a久久精品| av线在线观看网站| 欧美精品人与动牲交sv欧美| 日日摸夜夜添夜夜添小说| 在线观看一区二区三区激情| 波多野结衣一区麻豆| 欧美性长视频在线观看| 99在线人妻在线中文字幕 | 老司机靠b影院| 亚洲av熟女| 夜夜躁狠狠躁天天躁| tube8黄色片| av福利片在线| 曰老女人黄片| 国产亚洲欧美在线一区二区| www.精华液| 亚洲精品在线观看二区| 一级,二级,三级黄色视频| 日日摸夜夜添夜夜添小说| av视频免费观看在线观看| 亚洲成a人片在线一区二区| 精品少妇一区二区三区视频日本电影| 国产精品自产拍在线观看55亚洲 | 久久国产精品男人的天堂亚洲| tocl精华| 亚洲午夜精品一区,二区,三区| 成人亚洲精品一区在线观看| 正在播放国产对白刺激| 日本五十路高清| 99热国产这里只有精品6| 亚洲精品成人av观看孕妇| 51午夜福利影视在线观看| 一区二区三区国产精品乱码| 高清视频免费观看一区二区| 91麻豆av在线| 丝瓜视频免费看黄片| 高清毛片免费观看视频网站 | 在线观看日韩欧美| 久热爱精品视频在线9| 香蕉丝袜av| 黑人欧美特级aaaaaa片| 99re在线观看精品视频| 精品国产一区二区久久| 丰满饥渴人妻一区二区三| 啪啪无遮挡十八禁网站| 男男h啪啪无遮挡| 亚洲精品美女久久久久99蜜臀| 777米奇影视久久| 老司机靠b影院| 亚洲精华国产精华精| 在线观看舔阴道视频| 精品人妻熟女毛片av久久网站| 国产精品 欧美亚洲| 天天躁狠狠躁夜夜躁狠狠躁| av福利片在线| 精品少妇一区二区三区视频日本电影| 一夜夜www| 一区二区三区国产精品乱码| 亚洲熟妇中文字幕五十中出 | 大码成人一级视频| 乱人伦中国视频| 中文欧美无线码| 精品少妇一区二区三区视频日本电影| 亚洲九九香蕉| 亚洲成人手机| 国产精品二区激情视频| 18禁裸乳无遮挡动漫免费视频| 欧美日韩亚洲高清精品| 十八禁人妻一区二区| 亚洲色图av天堂| 丝袜美腿诱惑在线| 亚洲精品av麻豆狂野| 国产精品免费一区二区三区在线 | 老司机深夜福利视频在线观看| av有码第一页| 50天的宝宝边吃奶边哭怎么回事| 国产蜜桃级精品一区二区三区 | 日韩欧美国产一区二区入口| 欧美乱妇无乱码| 一级黄色大片毛片| 狠狠狠狠99中文字幕| 老司机深夜福利视频在线观看| 大香蕉久久网| 91老司机精品| 欧美老熟妇乱子伦牲交| 黄色丝袜av网址大全| 精品一区二区三卡| 久久久久久亚洲精品国产蜜桃av| 丝瓜视频免费看黄片| 99热网站在线观看| 老熟妇仑乱视频hdxx| 午夜精品在线福利| 丰满饥渴人妻一区二区三| 视频在线观看一区二区三区| 国产精品1区2区在线观看. | 性少妇av在线| 亚洲专区中文字幕在线| 午夜精品在线福利| 一边摸一边做爽爽视频免费| 电影成人av| 成年版毛片免费区| 国产伦人伦偷精品视频| 午夜91福利影院| 天天添夜夜摸| 丝袜美足系列| 久久久水蜜桃国产精品网| 欧美久久黑人一区二区| 亚洲精品一二三| 国产片内射在线| 热99久久久久精品小说推荐| av网站在线播放免费| 国产一区有黄有色的免费视频| 欧美丝袜亚洲另类 | 亚洲成国产人片在线观看| 美女视频免费永久观看网站| 国产精品自产拍在线观看55亚洲 | 欧美日韩精品网址| 人人妻人人澡人人爽人人夜夜| 淫妇啪啪啪对白视频| 国产蜜桃级精品一区二区三区 | 自线自在国产av| 久9热在线精品视频| 丰满饥渴人妻一区二区三| 日韩人妻精品一区2区三区| 久久久久国产精品人妻aⅴ院 | 国产99久久九九免费精品| 久久久精品免费免费高清| 亚洲综合色网址| 国产一区在线观看成人免费| 最新在线观看一区二区三区| 99久久人妻综合| 欧美人与性动交α欧美精品济南到| 欧美日韩精品网址| 欧美激情高清一区二区三区| 久久精品国产综合久久久| 视频区欧美日本亚洲| 丁香六月欧美| 欧美黑人欧美精品刺激| 国产主播在线观看一区二区| 狂野欧美激情性xxxx| 亚洲精品在线观看二区| 99久久国产精品久久久| 纯流量卡能插随身wifi吗| 在线观看日韩欧美| 欧美日韩亚洲高清精品| 一区在线观看完整版| 丝袜在线中文字幕| 如日韩欧美国产精品一区二区三区| 动漫黄色视频在线观看| 国产成人影院久久av| 欧美成人午夜精品| 亚洲精品自拍成人| 久热爱精品视频在线9| 亚洲精品自拍成人| 亚洲欧美日韩另类电影网站| 1024视频免费在线观看| 精品少妇一区二区三区视频日本电影| 色精品久久人妻99蜜桃| 亚洲色图av天堂|