• <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 ?

    基于深度學(xué)習(xí)的網(wǎng)頁違規(guī)圖片檢測

    2022-09-07 05:05:42李柏巖劉曉強
    現(xiàn)代計算機 2022年13期
    關(guān)鍵詞:檢測模型

    余 聰,李柏巖,劉曉強

    (東華大學(xué)計算機科學(xué)與技術(shù)學(xué)院,上海 201620)

    0 引言

    近年來,隨著信息技術(shù)的高速發(fā)展,網(wǎng)站已經(jīng)成為企業(yè)和機構(gòu)與用戶交互的重要平臺,許多線上業(yè)務(wù)都必須依托網(wǎng)站開展。然而,由于網(wǎng)絡(luò)世界的虛擬性、開放性,網(wǎng)絡(luò)監(jiān)管變得尤為困難,尤其是一些色情、暴力、垃圾廣告等不良圖片的傳播,使得網(wǎng)絡(luò)應(yīng)用面臨著巨大的風(fēng)險。

    針對網(wǎng)站中可能出現(xiàn)的大量不良圖片,使用人工監(jiān)管的方式,無疑需要耗費巨大的人力成本。隨著深度學(xué)習(xí)的快速發(fā)展以及深度卷積神經(jīng)網(wǎng)絡(luò)在抽象特征提取上的巨大優(yōu)勢,深度學(xué)習(xí)的方法明顯優(yōu)于傳統(tǒng)的圖像識別算法。通過設(shè)計一個基于深度學(xué)習(xí)的智能圖像審核系統(tǒng),實現(xiàn)違規(guī)圖像的自動識別,不僅可以大大節(jié)約審核人力,還可以快速、精準地對不良圖像進行過濾。

    網(wǎng)絡(luò)違規(guī)圖片檢測目前也受到了工業(yè)界的關(guān)注。近年來,針對互聯(lián)網(wǎng)上傳播的違規(guī)圖片,工業(yè)界通常提供單一接口檢測單類違規(guī)圖片的服務(wù),這種檢測方式存在著一定的局限性,不適用于一些中小型企業(yè)的實時在線圖片監(jiān)測需求。首先,對于多類違規(guī)圖片檢測,用戶通常需要購買多個接口,檢測成本高,集成效率低;其次,工業(yè)界訓(xùn)練的模型復(fù)雜,對硬件要求高。本文針對目前網(wǎng)絡(luò)違規(guī)圖片實時監(jiān)測的需求,提出了一種基于深度學(xué)習(xí)的網(wǎng)頁違規(guī)圖片檢測方案。主要貢獻如下:

    (1)構(gòu)建了多類別違規(guī)圖片數(shù)據(jù)集?;诰矸e神經(jīng)網(wǎng)絡(luò)的圖像識別技術(shù),需要通過大量的數(shù)據(jù)集來學(xué)習(xí)圖像中的抽象特征。本系統(tǒng)待檢測的圖片均為不良圖片,現(xiàn)有的公開數(shù)據(jù)集十分有限。本文主要通過抽取公開數(shù)據(jù)集、網(wǎng)絡(luò)爬蟲、提取視頻關(guān)鍵幀并對得到的數(shù)據(jù)進行清洗的方式構(gòu)建違規(guī)圖片數(shù)據(jù)集。

    (2)基于MobileNet 設(shè)計了一個輕量級模型對色情、暴力和廣告等三類不良圖片實現(xiàn)一次性檢測,在保證準確率的前提下,提高了模型檢測的效率。

    實驗和應(yīng)用表明,該模型用于檢測網(wǎng)頁違規(guī)圖片時,準確率高、速度快,可以為中小型網(wǎng)站提供一種低成本的違規(guī)圖片檢測服務(wù)。

    1 網(wǎng)頁違規(guī)圖片檢測整體框架

    網(wǎng)頁違規(guī)圖片檢測主要分為樣本庫構(gòu)建、模型構(gòu)建、網(wǎng)頁圖片檢測三部分,如圖1 所示。為了構(gòu)建圖片檢測模型,首先通過網(wǎng)絡(luò)爬蟲、提取視頻關(guān)鍵幀、抽取公開數(shù)據(jù)集等方式構(gòu)建初始樣本庫,由于違規(guī)圖片樣本數(shù)量有限,使用數(shù)據(jù)增強的方式來擴大訓(xùn)練樣本數(shù)量;然后以MobileNet 作為骨干網(wǎng)絡(luò),搭建違規(guī)圖片檢測模型(illegal picture detection model, IPDMnet),在保證模型準確率與檢測速度的前提下,對模型進行訓(xùn)練并優(yōu)化;在網(wǎng)頁圖片監(jiān)測階段,以爬蟲方式爬取得到網(wǎng)頁圖片,并利用違規(guī)圖片檢測模型IPDMnet 對爬取的圖片進行檢測,最后輸出檢測結(jié)果。

    圖1 網(wǎng)頁違規(guī)圖片檢測整體框架圖

    2 基于多分類的網(wǎng)頁違規(guī)圖片檢測模型

    2.1 樣本庫構(gòu)建

    通過對實際業(yè)務(wù)需求的分析,將需要檢測的違規(guī)圖片分為正常、色情、暴恐、垃圾廣告這四類。數(shù)據(jù)集樣本庫的來源如下。

    2.1.1 正常圖片

    主要指不包含違規(guī)內(nèi)容的圖片。本文首先從公開數(shù)據(jù)集ImageNet 選取20 種最常見的類別,如人物圖、動物圖、風(fēng)景圖等,再從每個類別隨機抽取一定數(shù)量的圖片構(gòu)建正常圖片樣本。

    2.1.2 色情圖片

    主要指包含淫穢信息的圖片。本文構(gòu)建的色情圖片分為真人和動漫兩大類。由于公開的色情數(shù)據(jù)集十分有限且分辨率低,真人類色情圖片主要通過抽取NSFW 圖像數(shù)據(jù)集的方式構(gòu)建,動漫類色情圖片主要通過網(wǎng)絡(luò)爬蟲的方式從國外不良網(wǎng)站爬取。

    2.1.3 廣告圖片

    主要指包含二維碼、手機號、推銷標語等具有明顯推銷意圖的圖片。本文主要通過網(wǎng)絡(luò)下載的方式構(gòu)建。

    2.1.4 暴恐圖片

    主要指包含明顯打斗、血腥場景的圖片。目前沒有公開的暴恐圖片數(shù)據(jù)集,本文主要從影視視頻和暴恐視頻數(shù)據(jù)集提取視頻關(guān)鍵幀進行數(shù)據(jù)集構(gòu)建。

    2.2 數(shù)據(jù)預(yù)處理

    為了提高模型的訓(xùn)練速度以及模型的準確率,需要對訓(xùn)練的圖像數(shù)據(jù)進行預(yù)處理。本文主要從數(shù)據(jù)清洗和數(shù)據(jù)增強方面提高圖像數(shù)據(jù)的質(zhì)量。

    2.2.1 數(shù)據(jù)清洗

    由于采集的圖片大多來自于網(wǎng)絡(luò),圖片的形狀、大小不一,將對模型訓(xùn)練產(chǎn)生一定的影響。比如圖片的高寬比過大或者過小時,圖片會嚴重變形、失真,故本文將采集到的圖片數(shù)據(jù)進行過濾,去除高寬比大于5或者小于0.2的圖片;而當(dāng)圖片的尺寸過小時,圖片識別度大大降低,尺寸過大時,影響模型訓(xùn)練速度與成本,故本文將可用的圖片數(shù)據(jù)限制在10 K~10 M之間。

    實驗表明,圖片的格式類型同樣會影響模型的訓(xùn)練,比如單通道灰度圖像、多通道的RGB 圖像和BGR 圖像等。為了提高訓(xùn)練集數(shù)據(jù)質(zhì)量與規(guī)范,本文將訓(xùn)練集數(shù)據(jù)規(guī)范為RGB 類型。對單通道的灰度圖像,先進行通道擴充;對于BGR圖像,先將其轉(zhuǎn)化為RGB圖像。

    2.2.2 數(shù)據(jù)增強

    為了進一步擴大訓(xùn)練數(shù)據(jù)量,從而提升模型性能,采用多種數(shù)據(jù)增量技術(shù)。傳統(tǒng)的隨機縮放裁剪方法,可以產(chǎn)生大量圖片碎片,成倍擴充數(shù)據(jù)量。但針對本文處理的違規(guī)圖片,特別是色情、暴恐類圖片,當(dāng)它們被裁切之后,往往會失去原有的屬性,造成對應(yīng)的標簽錯誤。因此,本文在輕量級數(shù)據(jù)增強技術(shù)的基礎(chǔ)上,引入一種免搜索的自動數(shù)據(jù)增強策略TrivialAugment。傳統(tǒng)的自動數(shù)據(jù)增強方法如AutoAugment往往是以數(shù)據(jù)增強策略作為搜索空間,并結(jié)合強化學(xué)習(xí)得到搜索方法,但這類自動數(shù)據(jù)增強的方式往往搜索空間巨大,實驗代價高。TrivialAugment 不需要任何搜索,方法十分簡單:先定義一個圖像增強策略集合,每次隨機選擇一個圖像增強策略,并隨機確定它的增強幅度,最后對圖像進行增強。整個過程不需要任何超參數(shù),所以不需要任何搜索。

    本文首先對已有數(shù)據(jù)集圖像分別水平翻轉(zhuǎn)90°、180°、270°,將數(shù)據(jù)擴大為原來的4 倍,再引入TrivialAugment 進行自動數(shù)據(jù)增強。實驗表明,TrivialAugment 在本文的違規(guī)圖片數(shù)據(jù)集上具有良好的應(yīng)用效果。

    2.3 基于MobileNet的違規(guī)圖片檢測模型

    2.3.1 IPDMnet核心結(jié)構(gòu)

    傳統(tǒng)的深度卷積神經(jīng)網(wǎng)絡(luò),如AlexNet、VGG、GoogLeNet、ResNet 在圖像分類領(lǐng)域都取得了良好的效果。但是,這些傳統(tǒng)的深度卷積神經(jīng)網(wǎng)絡(luò)往往模型復(fù)雜、計算量大,對硬件資源有限、模型速度要求快的場景并不適用。本文采用輕量級網(wǎng)絡(luò)MobileNetV2 作為骨干網(wǎng)絡(luò)。MobileNetV2網(wǎng)絡(luò)是google 團隊在2018 年提出來的,該模型準確率高、參數(shù)小、運算量低。此外,最近研究表明,通道注意力機制如SE-NET 在提升深度卷積神經(jīng)網(wǎng)絡(luò)性能方面有巨大的優(yōu)勢。但是,傳統(tǒng)的注意力模塊往往需要增加大量參數(shù),提高了模型的復(fù)雜度。因此,本文在模型中引入一種輕量級注意力模塊ECANET來提升模型性能。

    MobileNetV2的優(yōu)勢主要源于倒殘差結(jié)構(gòu),而SE注意力模塊在殘差網(wǎng)絡(luò)結(jié)構(gòu)上有良好的表現(xiàn)。Hu 等通過消融實驗證明,將SE 模塊引入殘差結(jié)構(gòu)之后,能夠有效提高殘差模型的性能。由于倒殘差結(jié)構(gòu)與殘差結(jié)構(gòu)提取特征的方式十分類似,ECA 模塊也相當(dāng)于對SE 模塊的一個改進,本文受此啟發(fā),將ECA 模塊引入Mobile-NetV2中的倒殘差結(jié)構(gòu)之后,構(gòu)建基于倒殘差結(jié)構(gòu)和ECA 分支的block 塊。構(gòu)建的block 塊為IPDM模型的核心部分,如圖2所示。實驗表明,ECA 與倒殘差結(jié)構(gòu)的融合在本文的違規(guī)圖片數(shù)據(jù)集上能夠取得良好的效果。

    圖2 IPDMnet核心結(jié)構(gòu)示意圖

    2.3.2 倒殘差網(wǎng)絡(luò)

    倒殘差結(jié)構(gòu)主要分為三個部分:升維卷積PW1、特征提取卷積DW、降維卷積PW2,并借鑒ResNet 的殘差結(jié)構(gòu),使用shortcut 將輸入與輸出相加,如圖3所示,它主要是為了適配DW 卷積而設(shè)計的。由于DW 卷積自身的計算特性決定了它不能改變通道數(shù)量,所以如果上一層輸出的通道數(shù)較少,DW 卷積只能在低維空間提取特征,效果并不好。所以倒殘差結(jié)構(gòu)給每個DW卷積都配備了一個PW 卷積用于升維,通過升維系數(shù)設(shè)定。這樣即使輸入通道比較低,經(jīng)過一個PW 卷積升維后,DW 卷積都可以在一個相對更高維的空間提取特征。另一方面,相關(guān)實驗表明,激活函數(shù)在高維空間能增加非線性能力,在低維空間會破壞特征,因此,在經(jīng)過PW2 卷積的降維操作后,不再使用激活函數(shù),而是使用一個linear層線性輸出。

    圖3 倒殘差結(jié)構(gòu)示意圖

    2.3.3 ECA-NET分支

    ECA-NET 是一種極輕量級的注意力模塊,它以SE 模塊為基礎(chǔ),通過引入一維卷積,不僅避免了特征維度的縮減,并且保證了通道間的信息交互,在降低復(fù)雜度的同時,保持了模型性能。ECA 模塊主要包含三個部分:全局平均池化產(chǎn)生對應(yīng)特征圖,計算得到自適應(yīng)的kernel_size,應(yīng)用kernel_size 到一維卷積產(chǎn)生對應(yīng)通道權(quán)重,如圖4所示。通過自適應(yīng)函數(shù)得到一維卷積的卷積核大小,可以使得通道數(shù)較大時進行更多的通道信息交互。自適應(yīng)卷積核大小計算公式為:

    圖4 ECA網(wǎng)絡(luò)結(jié)構(gòu)示意圖

    公式(1)中表示輸入的通道數(shù),其中= 2,= 1,表示選擇最近的奇數(shù)。

    本文模型IPDMnet 的輸入為224 × 224 大小的圖片,特征提取部分包含1 個卷積層和7 個基于倒殘差結(jié)構(gòu)和ECA 的block 塊,其中構(gòu)建的block 塊為模型的核心部分。第一個卷積層采用32 個3 × 3 的卷積核,卷積核步長為2,卷積層后面設(shè)置一個BN 層,以加快模型的收斂,激活函數(shù)使用ReLU6;每個block 塊在倒殘差結(jié)構(gòu)之后構(gòu)建ECA 分支,并給對應(yīng)的通道加權(quán);分類器部分采用一個平均池化下采樣層avgpool 和一個全連接層,為了防止模型過擬合,在全連接層中加入dropout 層并設(shè)置dropout 值為0.2。由于本文做的是4分類,最后全連接層的神經(jīng)元個數(shù)設(shè)為4。

    3 實驗結(jié)果分析

    3.1 數(shù)據(jù)集

    本文通過爬蟲爬取、提取視頻關(guān)鍵幀、抽取公開數(shù)據(jù)集的方式構(gòu)建初始樣本庫,并對得到的樣本進行清洗,構(gòu)建多類違規(guī)圖片數(shù)據(jù)集。由于在現(xiàn)實應(yīng)用場景中,正常圖片出現(xiàn)的概率遠遠大于違規(guī)圖片,所以構(gòu)建數(shù)據(jù)集時,正常圖片數(shù)據(jù)集的比例也要大于違規(guī)圖片。本文構(gòu)建的數(shù)據(jù)集如表1所示。

    表1 數(shù)據(jù)集描述

    3.2 實驗環(huán)境與評價指標

    實驗平臺操作系統(tǒng)為CentOS 7.7.1908,支持軟件版本為Python 3.6、PyTorch 1.10.0。執(zhí)行訓(xùn)練的服務(wù)器CPU 為Intel(R)Xeon(R)Silver 4208,64 G內(nèi)存,GPU為4核GTX2080Ti。

    為驗證違規(guī)圖片檢測模型IPDMnet 的可行性,本文采用準確率、每張圖片平均檢測速度,模型參數(shù)大小評判模型的性能。各項評價指標的計算方法如下:

    公式(2)中,表示分類正確的樣本數(shù),表示樣本總數(shù)。

    公式(3)中,表示檢測100 張圖片所消耗的時間,單位為毫秒(ms)。

    3.3 模型性能分析

    實驗將數(shù)據(jù)集劃分為訓(xùn)練集和測試集的比例為8∶2。通過反復(fù)的訓(xùn)練實驗,最后將模型主要訓(xùn)練參數(shù)設(shè)置如下:learning_rate:0.0001,batch_size:16,num_workers:8,模型采用Adam優(yōu)化器,交叉熵損失函數(shù)。由于本文違規(guī)圖片數(shù)據(jù)集樣本有限,為了得到更好的訓(xùn)練效果,首先,將模型在Caltech 256 數(shù)據(jù)集上進行遷移學(xué)習(xí),得到預(yù)訓(xùn)練模型,最后再在訓(xùn)練集上迭代訓(xùn)練100輪。

    根據(jù)上述實驗設(shè)置以及模型評價指標,本文主要從經(jīng)典深度卷積神經(jīng)網(wǎng)絡(luò)、基于注意力機制的Transformer、輕量級網(wǎng)絡(luò)三個方面進行實驗對比。以傳統(tǒng)的深度卷積神經(jīng)網(wǎng)絡(luò)ResNet34 作為骨干網(wǎng)絡(luò),再融合ECA 注意力機制,模型準確率能夠達到97.07%,預(yù)測單張圖片需要6.08 ms;使用Swin_Transformer_Tiny 模型進行實驗,模型準確率雖然也能夠達到96.98%,但是預(yù)測單張圖片需要12.67 ms,模型復(fù)雜度較高;最后,使用IPDMnet 進行實驗,模型準確率與表現(xiàn)較優(yōu)的ECA-ResNet34 準確率十分接近,但檢測速度明顯優(yōu)于它和其他模型,并且模型復(fù)雜度大大降低。由于本文的違規(guī)圖片檢測模型主要為中小型企業(yè)提供服務(wù),綜合考慮準確率與檢測成本,IPDMnet相比于其它模型將會有較大優(yōu)勢。

    表2 不同模型的檢測效果比較

    4 結(jié)論與展望

    網(wǎng)頁違規(guī)圖片監(jiān)測是維護網(wǎng)絡(luò)安全的重要環(huán)節(jié),而不良圖片種類繁多、形式多樣,對圖片實時監(jiān)測提出了挑戰(zhàn)。本文針對色情、暴恐和廣告違規(guī)圖片類別,構(gòu)建相應(yīng)的數(shù)據(jù)集,構(gòu)建了一個基于深度學(xué)習(xí)算法的網(wǎng)絡(luò)結(jié)構(gòu)模型,同時實現(xiàn)多類違規(guī)圖片的檢測。實驗表明,該模型準確率高、檢測速度快、模型輕量,可為中小型企業(yè)提供網(wǎng)頁違規(guī)圖片實時監(jiān)測服務(wù)。但由于違規(guī)圖片內(nèi)容復(fù)雜,具有一定的混淆性,加上違規(guī)圖片數(shù)據(jù)集有限,對于一些特征比較模糊的圖片,容易出現(xiàn)誤判。接下來的工作將進一步擴充數(shù)據(jù)集,并對模型進行優(yōu)化,提高

    模型的識別范圍以及模型準確率。

    猜你喜歡
    檢測模型
    一半模型
    “不等式”檢測題
    “一元一次不等式”檢測題
    “一元一次不等式組”檢測題
    “幾何圖形”檢測題
    “角”檢測題
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計的漸近分布
    3D打印中的模型分割與打包
    小波變換在PCB缺陷檢測中的應(yīng)用
    下体分泌物呈黄色| 亚洲欧洲精品一区二区精品久久久 | 成人无遮挡网站| 国产69精品久久久久777片| 国产淫语在线视频| 大话2 男鬼变身卡| 啦啦啦在线观看免费高清www| 高清不卡的av网站| 丝袜在线中文字幕| 免费大片黄手机在线观看| 丝袜人妻中文字幕| 免费不卡的大黄色大毛片视频在线观看| 国产成人精品婷婷| 亚洲,一卡二卡三卡| 久久精品国产综合久久久 | 国产免费福利视频在线观看| 日本av免费视频播放| 久久鲁丝午夜福利片| 欧美3d第一页| 久久久精品区二区三区| 老女人水多毛片| 美女中出高潮动态图| 18+在线观看网站| 国产精品不卡视频一区二区| 亚洲精品美女久久av网站| 国产白丝娇喘喷水9色精品| 九草在线视频观看| 熟女电影av网| 国产黄色免费在线视频| 欧美日韩精品成人综合77777| 一本—道久久a久久精品蜜桃钙片| 丰满乱子伦码专区| xxxhd国产人妻xxx| 亚洲精品av麻豆狂野| 精品卡一卡二卡四卡免费| videossex国产| 激情视频va一区二区三区| 亚洲五月色婷婷综合| 激情视频va一区二区三区| 亚洲国产精品国产精品| 国产免费又黄又爽又色| 亚洲精华国产精华液的使用体验| 久久久久久久久久久免费av| 在线观看免费日韩欧美大片| 免费播放大片免费观看视频在线观看| 亚洲国产av新网站| 婷婷色综合大香蕉| av在线观看视频网站免费| 国产精品成人在线| 久久久久久久久久久久大奶| 成人毛片a级毛片在线播放| 青春草视频在线免费观看| 成年女人在线观看亚洲视频| 宅男免费午夜| 久久精品国产亚洲av涩爱| 欧美日本中文国产一区发布| 黄色一级大片看看| 人体艺术视频欧美日本| 日韩一本色道免费dvd| 久久99精品国语久久久| 精品一区二区三区四区五区乱码 | 欧美成人午夜精品| 久久久久国产网址| 日韩精品有码人妻一区| 99久久精品国产国产毛片| 涩涩av久久男人的天堂| 伊人亚洲综合成人网| 国产男女内射视频| 久久久精品区二区三区| 久久av网站| 一区二区三区精品91| 国产片内射在线| 免费黄色在线免费观看| 在线精品无人区一区二区三| 日韩精品有码人妻一区| 丝袜美足系列| 巨乳人妻的诱惑在线观看| 亚洲国产精品一区二区三区在线| 激情五月婷婷亚洲| 国产无遮挡羞羞视频在线观看| 亚洲性久久影院| 成人手机av| 黄色怎么调成土黄色| 欧美亚洲日本最大视频资源| 成人亚洲欧美一区二区av| 少妇人妻 视频| 91精品伊人久久大香线蕉| 黑人巨大精品欧美一区二区蜜桃 | 曰老女人黄片| 99国产精品免费福利视频| 免费观看a级毛片全部| 亚洲 欧美一区二区三区| 中文字幕免费在线视频6| 欧美激情极品国产一区二区三区 | 男人添女人高潮全过程视频| 亚洲av欧美aⅴ国产| 亚洲欧洲日产国产| 少妇 在线观看| 久久毛片免费看一区二区三区| 蜜臀久久99精品久久宅男| 两个人看的免费小视频| 在线亚洲精品国产二区图片欧美| 一级毛片黄色毛片免费观看视频| 丰满乱子伦码专区| 亚洲精品国产av蜜桃| 女人久久www免费人成看片| 亚洲av成人精品一二三区| 亚洲国产最新在线播放| 久久这里有精品视频免费| 视频在线观看一区二区三区| 国产1区2区3区精品| 高清毛片免费看| 成人亚洲欧美一区二区av| 各种免费的搞黄视频| 在现免费观看毛片| 国产伦理片在线播放av一区| 亚洲伊人久久精品综合| 亚洲精品国产av成人精品| 精品国产一区二区三区四区第35| 欧美精品一区二区免费开放| 中文字幕av电影在线播放| 熟妇人妻不卡中文字幕| 交换朋友夫妻互换小说| 人人妻人人添人人爽欧美一区卜| 男女午夜视频在线观看 | 亚洲五月色婷婷综合| 人妻一区二区av| 欧美人与性动交α欧美精品济南到 | 日韩大片免费观看网站| 99热6这里只有精品| 久久亚洲国产成人精品v| 69精品国产乱码久久久| 婷婷色综合www| 精品视频人人做人人爽| 91aial.com中文字幕在线观看| 一区二区三区四区激情视频| 国产日韩欧美亚洲二区| 日韩av不卡免费在线播放| 9色porny在线观看| 乱码一卡2卡4卡精品| 久久99一区二区三区| 狂野欧美激情性xxxx在线观看| 国产精品久久久久久精品古装| 久久久国产精品麻豆| 国产精品国产三级国产av玫瑰| 成年人午夜在线观看视频| 国产不卡av网站在线观看| 街头女战士在线观看网站| 日韩不卡一区二区三区视频在线| 9191精品国产免费久久| 婷婷成人精品国产| 少妇被粗大猛烈的视频| 制服诱惑二区| 午夜av观看不卡| 日本wwww免费看| 一级毛片电影观看| 国内精品宾馆在线| 久久狼人影院| 91成人精品电影| 在线观看人妻少妇| 99精国产麻豆久久婷婷| 中国美白少妇内射xxxbb| 亚洲少妇的诱惑av| 久久精品国产a三级三级三级| 狂野欧美激情性bbbbbb| 日日啪夜夜爽| 99热6这里只有精品| 日韩制服丝袜自拍偷拍| 午夜福利乱码中文字幕| 不卡视频在线观看欧美| 女性生殖器流出的白浆| 热99国产精品久久久久久7| 在线观看人妻少妇| 久久狼人影院| 人体艺术视频欧美日本| 成人国产麻豆网| 日本av手机在线免费观看| 人妻少妇偷人精品九色| 91成人精品电影| 女人久久www免费人成看片| 男女啪啪激烈高潮av片| 女人精品久久久久毛片| 国产免费视频播放在线视频| 人妻少妇偷人精品九色| 国产高清三级在线| videosex国产| 久久99蜜桃精品久久| 日本猛色少妇xxxxx猛交久久| 99久国产av精品国产电影| 亚洲精品一区蜜桃| 大香蕉久久网| 日本午夜av视频| 成人18禁高潮啪啪吃奶动态图| 女性被躁到高潮视频| 久久人人97超碰香蕉20202| 99re6热这里在线精品视频| 日本与韩国留学比较| 国产精品一区二区在线不卡| 久久久久精品性色| 天天影视国产精品| 永久免费av网站大全| 极品人妻少妇av视频| 国产男女内射视频| 婷婷色综合大香蕉| 黄色毛片三级朝国网站| 中文字幕制服av| 黄色配什么色好看| 精品福利永久在线观看| 久久人人爽人人爽人人片va| 热99国产精品久久久久久7| 成人综合一区亚洲| 久久国产精品大桥未久av| 亚洲天堂av无毛| 精品一区在线观看国产| 五月天丁香电影| 午夜福利乱码中文字幕| 成人毛片60女人毛片免费| 一区二区av电影网| 99久久综合免费| 999精品在线视频| 99国产精品免费福利视频| 日韩中字成人| 色视频在线一区二区三区| 欧美日韩视频高清一区二区三区二| 999精品在线视频| 久久精品熟女亚洲av麻豆精品| 性高湖久久久久久久久免费观看| 一级毛片 在线播放| 成人无遮挡网站| av在线app专区| 国产熟女欧美一区二区| 菩萨蛮人人尽说江南好唐韦庄| 亚洲婷婷狠狠爱综合网| 午夜精品国产一区二区电影| 女人久久www免费人成看片| 街头女战士在线观看网站| 亚洲综合色网址| 婷婷色综合www| 欧美97在线视频| 香蕉丝袜av| 99久久中文字幕三级久久日本| 午夜老司机福利剧场| av在线app专区| av.在线天堂| 18禁裸乳无遮挡动漫免费视频| 大香蕉97超碰在线| 国产免费又黄又爽又色| 人人妻人人澡人人爽人人夜夜| 国产精品国产三级国产av玫瑰| 热99国产精品久久久久久7| 国产xxxxx性猛交| 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| 欧美丝袜亚洲另类| videosex国产| xxx大片免费视频| a级毛片黄视频| 日韩电影二区| 日韩av不卡免费在线播放| 制服人妻中文乱码| 欧美 日韩 精品 国产| 亚洲精品美女久久av网站| 极品人妻少妇av视频| av国产久精品久网站免费入址| 亚洲国产精品国产精品| 免费观看在线日韩| 男女边吃奶边做爰视频| 天堂俺去俺来也www色官网| 国产欧美亚洲国产| 极品人妻少妇av视频| 婷婷色综合www| 午夜视频国产福利| 2022亚洲国产成人精品| 久久99热这里只频精品6学生| 亚洲国产精品国产精品| 大话2 男鬼变身卡| 成人影院久久| 性色av一级| 成人亚洲精品一区在线观看| 爱豆传媒免费全集在线观看| 九色亚洲精品在线播放| 人人妻人人爽人人添夜夜欢视频| 日韩精品有码人妻一区| 久久国内精品自在自线图片| 在线观看免费视频网站a站| 久久99蜜桃精品久久| 国产成人a∨麻豆精品| 亚洲av在线观看美女高潮| 永久免费av网站大全| 欧美少妇被猛烈插入视频| 久久久精品区二区三区| 90打野战视频偷拍视频| 少妇人妻久久综合中文| 免费日韩欧美在线观看| 亚洲欧美成人精品一区二区| 制服诱惑二区| 国产精品久久久久久av不卡| 免费黄频网站在线观看国产| 交换朋友夫妻互换小说| 亚洲 欧美一区二区三区| 久久精品国产鲁丝片午夜精品| 成年美女黄网站色视频大全免费| 国产亚洲欧美精品永久| 99热6这里只有精品| 免费大片黄手机在线观看| 观看av在线不卡| 久久国产亚洲av麻豆专区| 国产在线一区二区三区精| 永久免费av网站大全| 欧美日韩视频高清一区二区三区二| 久久人人97超碰香蕉20202| 免费女性裸体啪啪无遮挡网站| 多毛熟女@视频| 妹子高潮喷水视频| 欧美激情极品国产一区二区三区 | av女优亚洲男人天堂| 国产精品不卡视频一区二区| 日本色播在线视频| 精品卡一卡二卡四卡免费| 在线观看免费视频网站a站| 免费人妻精品一区二区三区视频| 日日摸夜夜添夜夜爱| 丝袜喷水一区| 亚洲一区二区三区欧美精品| 一区二区三区四区激情视频| av黄色大香蕉| 交换朋友夫妻互换小说| 天堂8中文在线网| 99久久人妻综合| 亚洲av欧美aⅴ国产| 黄片播放在线免费| 蜜桃国产av成人99| 国产精品一区二区在线观看99| www.色视频.com| a 毛片基地| 日韩在线高清观看一区二区三区| 日韩伦理黄色片| 五月天丁香电影| 高清视频免费观看一区二区| av片东京热男人的天堂| 好男人视频免费观看在线| 人妻 亚洲 视频| 制服诱惑二区| 99久久精品国产国产毛片| 97超碰精品成人国产| 亚洲综合色惰| 国产亚洲一区二区精品| 日本免费在线观看一区| 视频中文字幕在线观看| 亚洲三级黄色毛片| 99热国产这里只有精品6| 国产精品一区www在线观看| 久久久久久久久久久免费av| 成人影院久久| 午夜影院在线不卡| 成人国产麻豆网| 日韩一区二区三区影片| 天堂中文最新版在线下载| 在线观看美女被高潮喷水网站| 精品人妻一区二区三区麻豆| 寂寞人妻少妇视频99o| 亚洲色图综合在线观看| 两个人免费观看高清视频| 日韩不卡一区二区三区视频在线| 亚洲欧美中文字幕日韩二区| 99国产精品免费福利视频| av片东京热男人的天堂| 69精品国产乱码久久久| 五月天丁香电影| 成年人免费黄色播放视频| 亚洲综合色网址| 女的被弄到高潮叫床怎么办| 国产福利在线免费观看视频| 精品少妇久久久久久888优播| 国产日韩欧美在线精品| 午夜av观看不卡| 丝袜脚勾引网站| 久久久久久久久久人人人人人人| 亚洲情色 制服丝袜| 国产日韩欧美在线精品| 边亲边吃奶的免费视频| 精品国产露脸久久av麻豆| xxx大片免费视频| 一二三四在线观看免费中文在 | 精品一区二区三卡| 91成人精品电影| 久久99精品国语久久久| 中文字幕av电影在线播放| 久久狼人影院| 极品人妻少妇av视频| 亚洲成人一二三区av| 国产成人精品久久久久久| 国产精品人妻久久久影院| 久久精品国产a三级三级三级| av在线观看视频网站免费| 卡戴珊不雅视频在线播放| 赤兔流量卡办理| 精品一区二区三区四区五区乱码 | 亚洲av免费高清在线观看| 国产成人一区二区在线| 99久久中文字幕三级久久日本| 免费看av在线观看网站| 亚洲第一区二区三区不卡| 亚洲精品av麻豆狂野| 熟女av电影| 亚洲av福利一区| 韩国精品一区二区三区 | 国产老妇伦熟女老妇高清| 少妇高潮的动态图| 黑人猛操日本美女一级片| 在线观看一区二区三区激情| 亚洲伊人久久精品综合| 一级黄片播放器| 在线天堂最新版资源| 天美传媒精品一区二区| 国产日韩欧美在线精品| 欧美bdsm另类| 亚洲五月色婷婷综合| 国产精品久久久久久久电影| 人人澡人人妻人| tube8黄色片| 日韩中字成人| 最近2019中文字幕mv第一页| 成人免费观看视频高清| www.熟女人妻精品国产 | 日日撸夜夜添| 性色av一级| 永久免费av网站大全| 伦理电影免费视频| 99久久人妻综合| 两性夫妻黄色片 | 日韩视频在线欧美| 视频区图区小说| 少妇熟女欧美另类| 日本免费在线观看一区| 久久精品久久精品一区二区三区| 考比视频在线观看| 26uuu在线亚洲综合色| 麻豆乱淫一区二区| av网站免费在线观看视频| 午夜福利影视在线免费观看| 九草在线视频观看| 久久久久久久精品精品| 少妇的逼水好多| 午夜久久久在线观看| 日韩在线高清观看一区二区三区| 中文字幕av电影在线播放| 99精国产麻豆久久婷婷| av女优亚洲男人天堂| 汤姆久久久久久久影院中文字幕| 晚上一个人看的免费电影| 亚洲国产精品专区欧美| 国产色婷婷99| 国产日韩一区二区三区精品不卡| 国产成人91sexporn| 亚洲美女搞黄在线观看| 亚洲av福利一区| 免费看不卡的av| xxxhd国产人妻xxx| 熟女电影av网| 最近的中文字幕免费完整| 大香蕉久久成人网| 久久久久久人妻| 亚洲成国产人片在线观看| 午夜91福利影院| 国产精品一区二区在线观看99| 国产精品久久久久成人av| 中文天堂在线官网| 亚洲精品456在线播放app| 亚洲欧美成人综合另类久久久| av在线老鸭窝| 伦理电影免费视频| 大香蕉久久网| 免费日韩欧美在线观看| 久久99蜜桃精品久久| 久久久久久人妻| 精品久久蜜臀av无| kizo精华| 热re99久久国产66热| av.在线天堂| 侵犯人妻中文字幕一二三四区| 欧美亚洲 丝袜 人妻 在线| 中文字幕制服av| 久久久久视频综合| 欧美老熟妇乱子伦牲交| 丝袜美足系列| 国产永久视频网站| 国产一级毛片在线| 免费不卡的大黄色大毛片视频在线观看| 欧美精品高潮呻吟av久久| 日日撸夜夜添| 国产在线一区二区三区精| 26uuu在线亚洲综合色| 国产精品久久久久久精品古装| 亚洲精品日韩在线中文字幕| 亚洲人与动物交配视频| 久久久久久久久久久久大奶| 99久久精品国产国产毛片| 精品国产露脸久久av麻豆| 热re99久久国产66热| 国产白丝娇喘喷水9色精品| 久久国产亚洲av麻豆专区| 岛国毛片在线播放| 久久97久久精品| 日本黄色日本黄色录像| 日本爱情动作片www.在线观看| 91精品三级在线观看| 色视频在线一区二区三区| 香蕉精品网在线| 亚洲成人av在线免费| 男男h啪啪无遮挡| 九草在线视频观看| 日日爽夜夜爽网站| 欧美激情极品国产一区二区三区 | 久久精品熟女亚洲av麻豆精品| 啦啦啦在线观看免费高清www| 热re99久久精品国产66热6| 在线天堂最新版资源| 午夜福利影视在线免费观看| 在线看a的网站| xxxhd国产人妻xxx| 欧美+日韩+精品| 9色porny在线观看| 亚洲,欧美精品.| 9色porny在线观看| 91精品三级在线观看| 成人影院久久| 欧美激情 高清一区二区三区| 美女xxoo啪啪120秒动态图| 日韩成人伦理影院| 两个人看的免费小视频| 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 | 五月开心婷婷网| 最近中文字幕高清免费大全6| 成人亚洲精品一区在线观看| 国产黄色视频一区二区在线观看| 日韩不卡一区二区三区视频在线| 一区二区日韩欧美中文字幕 | a级片在线免费高清观看视频| 大片免费播放器 马上看| 国产永久视频网站| 韩国精品一区二区三区 | 少妇高潮的动态图| 下体分泌物呈黄色| 日韩精品有码人妻一区| 午夜视频国产福利| 9191精品国产免费久久| 蜜臀久久99精品久久宅男| 国产日韩欧美亚洲二区| 美女xxoo啪啪120秒动态图| 国产精品久久久久久久电影| 国产无遮挡羞羞视频在线观看| 午夜av观看不卡| 中文字幕制服av| 亚洲综合色惰| 中国美白少妇内射xxxbb| 最近手机中文字幕大全| 午夜av观看不卡| 日韩视频在线欧美| 日日摸夜夜添夜夜爱| 母亲3免费完整高清在线观看 | 夜夜爽夜夜爽视频| 国产av国产精品国产| 交换朋友夫妻互换小说| 亚洲美女搞黄在线观看| 精品午夜福利在线看| 久久婷婷青草| av在线播放精品| 亚洲av欧美aⅴ国产| 国产深夜福利视频在线观看| 伦理电影免费视频| 国产熟女欧美一区二区| 亚洲精品中文字幕在线视频| 大片电影免费在线观看免费| av有码第一页| 久久人人爽人人片av| 亚洲av.av天堂| 人妻一区二区av| www日本在线高清视频| 如日韩欧美国产精品一区二区三区| 久久国产精品男人的天堂亚洲 | 永久网站在线| 久久久久久久国产电影| 国产片内射在线| 中文字幕另类日韩欧美亚洲嫩草| 黄色 视频免费看| √禁漫天堂资源中文www| 亚洲成人av在线免费| 免费看av在线观看网站| 少妇的逼好多水| 免费av不卡在线播放| 人妻系列 视频| 五月玫瑰六月丁香| 女人久久www免费人成看片| 少妇熟女欧美另类| 少妇的丰满在线观看| 少妇高潮的动态图| 一边摸一边做爽爽视频免费| 国产欧美另类精品又又久久亚洲欧美| 九草在线视频观看| 一级黄片播放器| 亚洲精品色激情综合| 亚洲中文av在线| 三级国产精品片| 777米奇影视久久| 亚洲成色77777| 妹子高潮喷水视频| 国产亚洲午夜精品一区二区久久| 免费高清在线观看日韩| 国产精品久久久久久精品古装| 精品久久国产蜜桃| 最近中文字幕2019免费版| 欧美亚洲日本最大视频资源| 国国产精品蜜臀av免费| 在线天堂最新版资源|