• <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 ?

    基于改進EfficientDet算法的可見光遙感艦船目標檢測

    2022-11-16 03:47劉國棟
    現(xiàn)代電子技術 2022年22期
    關鍵詞:船只特征提取聚類

    劉 浪,劉國棟,劉 佳

    (重慶交通大學 土木工程學院,重慶 400074)

    0 引 言

    隨著我國經(jīng)濟穩(wěn)步快速發(fā)展,綜合國力日益增強,海運貿易量日益增長,同時也給海運交通帶來了諸多問題,例如船只誤撞率上升、遇險船只搜救耗時長、海上船只管理困難等。因此,急需對海運船只進行準確定位與監(jiān)測??梢姽膺b感圖像覆蓋面積比較廣,而船只作為小目標物體,且不同用途的船只種類之間也存在較大的差異,船只場景也是多樣性,所以,研究高效、快速而準確的可見光遙感船只目標檢測算法對當代的社會發(fā)展具有重要意義。隨著深度學習技術盛行,基于深度卷積神經(jīng)網(wǎng)絡的目標檢測算法被提出[1-2],其方法可被歸為:

    1)基于先驗區(qū)域的兩階段(Two Stage)目標檢測算法,包 括Faster R-CNN[3]、Mask R-CNN[4]、Cascade RCNN[5]和Sparse R-CNN[6]等相關算法;

    2)基于回歸的一階段(One Stage)目標檢測算法,包括SSD[7]、YOLO[8-11]、EfficientDet[12]等。

    Two Stage較One Stage具有較高的準確性,但推理速度較慢?;谏疃葘W習的目標檢測算法被廣泛應用于實際船只檢測中。文獻[13]將CNN與奇異值分解進行結合對船舶進行檢測。文獻[14]提出一種新的艦船目標檢測結構,即深度森林集成結構來識別艦船目標。文獻[15]對Faster R-CNN進行改進,針對多尺度艦船目標的精確定位與檢測,構建了一個選擇性過濾層。以上文獻方法在船舶檢測任務上取得了顯著的改進,大大提高檢測系統(tǒng)的精度。不過沒有很好地解決圖像中的復雜背景對檢測造成的漏檢、錯檢等問題。針對此問題,本文提出一種借鑒細粒度思想改進EfficientDet卷積神經(jīng)網(wǎng)絡的可見光船只檢測算法E-EfficientDet。

    1 E-EfficientDet算法

    EfficientDet是基于Anchor的One Stage目標檢測算法:

    1)將圖像輸入到主干特征提取網(wǎng)絡(BackBone Net)進行特征提取;

    2)將獲取到的高語義特征信息輸入到特征金字塔網(wǎng)絡BiFPN,融合不同層之間的特征信息;

    3)對融合后的特征信息進行分類與回歸,定位出目標框及其類別。

    為了進一步提高模型檢測性能,本文對其針對性改進,改進后的網(wǎng)絡框架如圖1所示。為了設計出更符合船只目標檢測中使用的基準錨框Anchors,利用Kmeans++聚類算法對數(shù)據(jù)集中船只目標的長寬信息進行聚類分析,以便得到最佳的Anchors。為了針對性對船只目標的特征信息進行提取,主干網(wǎng)絡采用改進的EfficientNet-B0、EfficientV2網(wǎng)絡并行作為E-EfficientDet算法的骨干網(wǎng)絡,分別對輸入圖像進行下采樣特征提取,獲取5種不同尺度的特征圖。針對可見光遙感船只多尺度以及小目標難以檢測的問題,使用改進的BiFPN對5種不同尺度的特征圖進行增強特征融合,反復地對深、淺層的特征信息進行循環(huán)提取,充分融合不同層之間的語義特征信息。為了解決骨干網(wǎng)絡對輸入圖片進行特征提取下采樣的過程中導致的信息丟失問題,增大圖像的感受野,引入SPP-Net結構,分別使用大小為13×13,9×9,5×5和1×1的池化核進行最大池化處理,分離出更加顯著的上下文特征;然后將特征信息傳入到分類網(wǎng)絡與回歸網(wǎng)絡,實現(xiàn)對船只目標的檢測。

    1.1 Anchor優(yōu)化

    為了更快、更精確地定位出目標框的位置,本文針對船只目標存在的多尺度問題,利用K-Means++聚類算法對船只數(shù)據(jù)集的長寬信息進行聚類分析,設計出更適合船只目標的Anchors的長寬比例(0.6,1.0,1.8,2.4),其算法步驟為:

    1)初始化一個聚類中心;

    2)度量樣本與最近聚類中心的距離,下一個聚類中心的選定與其值大小成正相關,使用輪盤法選取下一個聚類中心;

    3)重復步驟2),選出k個聚類中心;

    4)初始點選定后,每個樣本劃分到最近聚類中心;

    5)計算每一簇的均值,作為新的聚類中心,重復步驟4),直至滿足條件為止。

    1.2 主干網(wǎng)絡優(yōu)化

    針對遙感圖像中的復雜背景,尤其相似物對船只目標檢測的干擾,本文選取近年來表現(xiàn)優(yōu)異的EfficientNet-B0網(wǎng)絡及EfficientNetV2網(wǎng)絡并行作為主干特征提取網(wǎng)絡來獲取遙感圖像中船只目標的特征信息。

    1.2.1 EfficientNet-B0網(wǎng)絡

    EfficientNet是一個可以平衡縮放網(wǎng)絡輸入圖像分辨率、網(wǎng)絡寬度和網(wǎng)絡深度的模型。本文以EfficientNet-B0為主干特征提取網(wǎng)絡的一個分支,其核心組成部分主要為多個MBConv(Mobile inverted Bottlenneck Conv)移動翻轉瓶頸卷積模塊。圖2為MBConv模塊結構圖。

    1.2.2 EfficientNetV2網(wǎng)絡

    本文主干網(wǎng)絡的另一個分支是EfficientNetV2網(wǎng)絡,它是EfficientNet網(wǎng)絡的變種,與EfficientNet-B0網(wǎng)絡結構相似,只是將其部分MBConv模塊替換成Fused-MBConv模塊。圖3為Fused-MBConv模塊結構。

    Fused-MBConv模塊與MBConv模塊的主要區(qū)別在于前者將升維卷積和Depthwise Conv替換成一個普通的Conv3×3,同時在模型結構中更多地使用卷積核大小為3×3的卷積。EfficinetNetV2網(wǎng)絡參數(shù)量更小,網(wǎng)絡運行的速度更快。

    1.2.3 ECA模塊

    為了在表現(xiàn)優(yōu)異的主干網(wǎng)絡上進一步優(yōu)化其特征提取能力,基于視覺中的注意力思想,在主干網(wǎng)絡中構建注意力模塊,讓模型更專注于學習圖像中有效區(qū)域的信息,從而提高模型的魯棒性。本文將MBConv、Fused-MBConv模塊中的SENet模塊替換成表現(xiàn)優(yōu)異的ECANet模塊,其結構如圖4所示,ECANet模塊相較于SENet其優(yōu)勢主要表現(xiàn)在如下兩方面:

    1)更少的參數(shù)量減輕了目標檢測網(wǎng)絡的負擔,加快了運行速度;

    2)為了提高特征圖通道之間的依賴性,ECANet未采用SENet模塊中的降維處理,而是讓模型在通道維度上關注更有用的通道特征信息,抑制相對不重要的通道特征信息。

    1.3 BiFPN網(wǎng)絡優(yōu)化

    對于骨干網(wǎng)絡獲取到不同層之間的特征圖,各有其特點:分辨率較高、語義特征較低的信息集中在淺層特征圖,適合小目標檢測;低分辨率、高語義信息集中在高特征圖,適合大目標檢測。針對可見光遙感影像中船只目標存在多尺度以及小目標難以檢測的問題,對雙向特征金字塔網(wǎng)絡(Bi-directional Feature Pyramid Network,BiFPN)進行改進,引入3個特征融合分支,如圖5中粗箭頭所示,達到淺層特征圖與深層特征圖特征的充分融合。

    1.4 SPP-Net

    為了解決并用EfficientNet-B0、EfficientNetV2作為骨干網(wǎng)絡對輸入圖片進行下采樣時,導致信息丟失的問題,在二者信息融合的特征層引入SPP-Net結構,分別進行4種(13×13、9×9、5×5、1×1)最大池化操作,以得到顯著的上下文特征,提高多尺度預測的準確性。SPPNet結構如圖6所示。

    2 數(shù)據(jù)集增強及評價指標

    2.1 數(shù)據(jù)集增強

    本文的可見光遙感影像數(shù)據(jù)來源于HRSC 2016年的船只檢測數(shù)據(jù)集,共包含1 070張圖像及對應的XML文件,為了滿足模型的訓練,對數(shù)據(jù)集進行增強。本文使用Imgaug庫對原始圖像進行旋轉、縮放、添加噪聲等數(shù)據(jù)增強操作,同時對圖像對應的XML文件進行相應的改變。數(shù)據(jù)增強見圖7。增強后的數(shù)據(jù)集共包含6 272張圖像,將數(shù)據(jù)按照8∶2比例分配,5 017張圖像作為訓練集,1 255張圖像作為測試數(shù)據(jù)集。

    2.2 評價指標

    本文通過平均精度均值(mean Average Precision,mAP),即各個類別AP(Average Precision)的平均來評價算法的性能,在計算mAP之前首先需要計算查準率P(Precision)和召回率R(Recall)。其算法公式如下所示:

    式中:TP為與真實標注框的IoU大于所設閾值的檢測框;FP為與真實標注框的IoU小于所設閾值的檢測框;FN為沒有被檢測出的實標注框。

    平均精度AP指某一類別目標PR曲線下的面積,AP值越高,表明檢測器對該類的檢測性能越好。

    3 實驗方法與結果分析

    3.1 實驗平臺

    本文實驗硬件平臺和參數(shù)如下:Ubuntu系統(tǒng),32 GB內存,RTX2080Ti顯卡,使用深度學習框架為Pytorch 1.6,代碼運行環(huán)境為Python 3.6,迭代步數(shù)為15,學習率(Learning Rate)為0.005,動量(Momentum)為0.9,學習率衰減系數(shù)為0.000 5。

    3.2 實驗結果分析

    3.2.1 實驗1

    為了驗證本文算法的有效性,選取EfficientDet-D0作為基礎網(wǎng)絡進行消融實驗,其實驗結果如表1所示。

    表1 各模塊之間的消融實驗結果

    從表1分析可知,本文提出的算法在漏檢測率(AR)上比基礎網(wǎng)絡提高了5.84%,檢測精度(AP)提高了8.72%,同時比各模塊單獨作用于基礎網(wǎng)絡上的效果都要好,雖然本文算法在檢測時間上表現(xiàn)出0.06 s,但AP值可高達90.81%,表明了本文算法的有效性。

    3.2.2 實驗2

    為了進一步驗證本文算法的有效性,選取最具代表性的Faster R-CNN、SSD、YOLOv3-SPP算法進行對比實驗,所有模型均采用預訓練模型的遷移學習進行訓練,實驗結果如表2所示。

    表2 不同算法之間的對比實驗

    從表2分析可知,本文算法檢測時間雖然比Faster R-CNN的檢測時間僅快0.01 s,但檢測精度上卻高出10.57%;與SSD、YOLOv3相比,本文在檢測時間上是二者的2倍和3倍,但在漏檢率和檢測精度上比二者分別高出6.91%,3.79%,8.62%,5.24%,從而進一步驗證了本文算法的有效性。為了驗證本文算法的檢測性能,選取3組示例圖進行對比:示例1為復雜背景圖;示例2為多尺度圖;示例3為密集排列圖,其檢測結果如圖8所示。

    圖8中左側為優(yōu)化前的方法的檢測結果,右側為本文方法的檢測結果。從3組檢測結果分析得出,本文算法無論是在復雜背景、多尺度以及密集排列場景下的艦船目標檢測,其檢測效果都比優(yōu)化前算法有較高的提升,從而驗證了本文算法在實際應用中的有效性。

    4 結 語

    本文針對可見光遙感船只影像錯檢、漏檢問題,提出一種基于細粒度思想的卷積神經(jīng)網(wǎng)絡遙感船只檢測算法E-EfficientDet。K-means++聚類設計出的Anchor對船只目標更具有針對性,提高了模型的定位精度、檢測速度;雙主干特征提取網(wǎng)絡降低了相似物對船只目標的檢測干擾;改進的BiFPN網(wǎng)絡進一步增強特征融合,提高了多尺度及小目標預測;SPP網(wǎng)絡模塊增大了圖像感受野,很好地解決主干特征提取網(wǎng)絡存在的信息丟失問題。實驗結果表明,本文提出的E-EfficientDet算法對可見光遙感船只進行檢測,AP達到90.81%,推理時間為每張0.06 s,滿足可見光遙感船只高效、準確檢測的需求。

    猜你喜歡
    船只特征提取聚類
    基于Daubechies(dbN)的飛行器音頻特征提取
    基于DBSACN聚類算法的XML文檔聚類
    Bagging RCSP腦電特征提取算法
    基于高斯混合聚類的陣列干涉SAR三維成像
    國產多波束系統(tǒng)在海上失事船只探測中的應用
    一種層次初始的聚類個數(shù)自適應的聚類方法研究
    基于MED和循環(huán)域解調的多故障特征提取
    自適應確定K-means算法的聚類數(shù):以遙感圖像聚類為例
    孟加拉船只“罷工”
    Walsh變換在滾動軸承早期故障特征提取中的應用
    一区二区三区四区激情视频| 亚洲精品久久久久久婷婷小说| 日韩,欧美,国产一区二区三区| 亚洲人成网站在线播| 男人和女人高潮做爰伦理| 简卡轻食公司| 国产精品久久久久久av不卡| av在线播放精品| 欧美日韩视频高清一区二区三区二| 搡老乐熟女国产| 亚洲内射少妇av| 各种免费的搞黄视频| 成人国产麻豆网| 婷婷色麻豆天堂久久| 久久婷婷青草| h视频一区二区三区| 国产高清三级在线| 少妇精品久久久久久久| av在线app专区| 国产乱来视频区| 国产精品国产三级国产专区5o| 韩国av在线不卡| 中文乱码字字幕精品一区二区三区| av不卡在线播放| 亚洲综合精品二区| 一级毛片我不卡| 久久午夜福利片| 91精品伊人久久大香线蕉| 在线观看美女被高潮喷水网站| 国产视频首页在线观看| 十分钟在线观看高清视频www | 国产成人精品福利久久| 岛国毛片在线播放| 黄色配什么色好看| 亚洲欧美成人精品一区二区| 欧美+日韩+精品| 中国美白少妇内射xxxbb| 少妇被粗大的猛进出69影院 | 男女啪啪激烈高潮av片| 成人毛片a级毛片在线播放| 国产免费一级a男人的天堂| 寂寞人妻少妇视频99o| 亚洲欧美一区二区三区黑人 | 又黄又爽又刺激的免费视频.| 国产精品一二三区在线看| 国产中年淑女户外野战色| 日韩一区二区三区影片| 51国产日韩欧美| 99热6这里只有精品| 久久精品久久久久久久性| 国产一级毛片在线| 日日啪夜夜爽| 伊人久久国产一区二区| 亚洲av成人精品一区久久| 欧美精品高潮呻吟av久久| 国产乱人偷精品视频| 国产精品久久久久久久久免| 亚洲人成网站在线播| 午夜影院在线不卡| 中文字幕人妻熟人妻熟丝袜美| 午夜精品国产一区二区电影| 狠狠精品人妻久久久久久综合| 蜜桃久久精品国产亚洲av| 99热这里只有精品一区| av黄色大香蕉| 亚洲av成人精品一区久久| 99热这里只有是精品50| 精品久久久噜噜| av专区在线播放| 国产精品人妻久久久久久| 欧美高清成人免费视频www| 另类亚洲欧美激情| 一级爰片在线观看| 久久狼人影院| 国产伦精品一区二区三区四那| 久久久欧美国产精品| 久久婷婷青草| 国产av一区二区精品久久| 人妻 亚洲 视频| 男女无遮挡免费网站观看| 成人综合一区亚洲| 黄色欧美视频在线观看| 91成人精品电影| 丝袜喷水一区| 夜夜爽夜夜爽视频| 日本欧美视频一区| 国产淫语在线视频| 欧美高清成人免费视频www| 国产伦精品一区二区三区四那| 少妇被粗大的猛进出69影院 | 永久网站在线| 天堂中文最新版在线下载| 女性生殖器流出的白浆| 九草在线视频观看| 久久女婷五月综合色啪小说| 纵有疾风起免费观看全集完整版| 国产精品一区二区性色av| 午夜福利在线观看免费完整高清在| 九草在线视频观看| 免费av不卡在线播放| 久久国产精品大桥未久av | 97在线视频观看| 国产精品三级大全| 久久久久人妻精品一区果冻| 成人18禁高潮啪啪吃奶动态图 | 国产高清国产精品国产三级| 一级a做视频免费观看| 久久久久人妻精品一区果冻| 日日摸夜夜添夜夜爱| 性色avwww在线观看| 亚洲四区av| 免费黄色在线免费观看| 秋霞在线观看毛片| 久久99热6这里只有精品| 亚洲成人一二三区av| videos熟女内射| 赤兔流量卡办理| 色5月婷婷丁香| 午夜福利,免费看| 久久久久久久久久人人人人人人| av.在线天堂| 制服丝袜香蕉在线| 在线看a的网站| a级毛片在线看网站| 91aial.com中文字幕在线观看| 日韩中字成人| 自拍欧美九色日韩亚洲蝌蚪91 | 久久精品国产亚洲av天美| videos熟女内射| 一级毛片aaaaaa免费看小| 国产欧美日韩精品一区二区| 午夜福利,免费看| 黑丝袜美女国产一区| 91午夜精品亚洲一区二区三区| 高清黄色对白视频在线免费看 | 久久久久精品性色| 纯流量卡能插随身wifi吗| 国产在线一区二区三区精| 亚洲人成网站在线观看播放| 国产黄片美女视频| 看免费成人av毛片| av福利片在线观看| 亚洲国产精品一区二区三区在线| 亚洲激情五月婷婷啪啪| 日本vs欧美在线观看视频 | av在线app专区| 久久久精品免费免费高清| 不卡视频在线观看欧美| 精品国产露脸久久av麻豆| 一级,二级,三级黄色视频| 日本色播在线视频| 亚洲综合色惰| 国产高清国产精品国产三级| 久久 成人 亚洲| av国产久精品久网站免费入址| 国产精品国产三级国产专区5o| 免费黄频网站在线观看国产| 人妻一区二区av| 人体艺术视频欧美日本| 伊人亚洲综合成人网| 精品一区二区免费观看| 狂野欧美激情性xxxx在线观看| 亚洲va在线va天堂va国产| 亚洲国产成人一精品久久久| 91精品一卡2卡3卡4卡| 国产黄片美女视频| 男女边摸边吃奶| 日韩制服骚丝袜av| 国产精品欧美亚洲77777| 久久韩国三级中文字幕| 亚洲综合精品二区| 如何舔出高潮| 午夜影院在线不卡| 久久亚洲国产成人精品v| 亚洲成人av在线免费| 永久网站在线| 日本av免费视频播放| 亚洲国产av新网站| 丰满乱子伦码专区| 午夜福利视频精品| videossex国产| 97精品久久久久久久久久精品| 成人二区视频| 黄色欧美视频在线观看| 一个人看视频在线观看www免费| 最近中文字幕2019免费版| 男的添女的下面高潮视频| 欧美日韩在线观看h| 国产一区二区在线观看av| 2018国产大陆天天弄谢| 91在线精品国自产拍蜜月| 免费观看的影片在线观看| 国产视频内射| 精品亚洲成国产av| 亚洲精华国产精华液的使用体验| 女性生殖器流出的白浆| 交换朋友夫妻互换小说| 日韩精品有码人妻一区| 少妇的逼好多水| 一级二级三级毛片免费看| 六月丁香七月| 国产日韩欧美视频二区| 亚洲美女搞黄在线观看| 久热这里只有精品99| 精品人妻熟女毛片av久久网站| 寂寞人妻少妇视频99o| 日本av免费视频播放| 日韩中文字幕视频在线看片| 综合色丁香网| 亚洲国产色片| 亚洲人成网站在线播| 精品视频人人做人人爽| 免费看光身美女| 99热全是精品| 丁香六月天网| 99re6热这里在线精品视频| 亚洲欧美一区二区三区黑人 | 久久 成人 亚洲| 亚洲不卡免费看| 九草在线视频观看| 汤姆久久久久久久影院中文字幕| 18禁在线播放成人免费| 亚洲精品成人av观看孕妇| 久久久久久久久久成人| 一级毛片黄色毛片免费观看视频| 69精品国产乱码久久久| 欧美日韩视频高清一区二区三区二| 日韩亚洲欧美综合| 久久精品国产鲁丝片午夜精品| 亚洲成人av在线免费| 大片电影免费在线观看免费| 2021少妇久久久久久久久久久| 99热这里只有精品一区| 欧美最新免费一区二区三区| 日韩精品有码人妻一区| 视频中文字幕在线观看| 少妇人妻精品综合一区二区| 夜夜爽夜夜爽视频| 国产高清不卡午夜福利| 日本色播在线视频| 人人妻人人添人人爽欧美一区卜| 性色av一级| 高清视频免费观看一区二区| 日韩av在线免费看完整版不卡| av免费在线看不卡| 国产成人免费无遮挡视频| 免费黄频网站在线观看国产| 天天躁夜夜躁狠狠久久av| 丰满乱子伦码专区| 亚洲精品456在线播放app| 久久国产精品大桥未久av | 亚洲精品国产av蜜桃| 99re6热这里在线精品视频| 亚洲欧美成人综合另类久久久| 偷拍熟女少妇极品色| 午夜激情福利司机影院| 成年人免费黄色播放视频 | 国产日韩一区二区三区精品不卡 | 国产亚洲精品久久久com| 精品亚洲成国产av| 亚洲中文av在线| 亚洲精品视频女| 九色成人免费人妻av| 婷婷色综合www| 丝瓜视频免费看黄片| 精品人妻熟女毛片av久久网站| 日韩一本色道免费dvd| 亚洲一级一片aⅴ在线观看| 国产黄片视频在线免费观看| 狂野欧美激情性bbbbbb| 国产伦精品一区二区三区四那| 色94色欧美一区二区| 国产精品偷伦视频观看了| 97超视频在线观看视频| 91在线精品国自产拍蜜月| 熟女人妻精品中文字幕| 国产69精品久久久久777片| 日本黄色日本黄色录像| 午夜av观看不卡| 视频中文字幕在线观看| 精品99又大又爽又粗少妇毛片| 久久鲁丝午夜福利片| 一区二区av电影网| 春色校园在线视频观看| 精品一区二区三卡| 欧美精品人与动牲交sv欧美| 2018国产大陆天天弄谢| 少妇人妻精品综合一区二区| 麻豆成人av视频| 国产精品久久久久久久电影| 99久久中文字幕三级久久日本| 卡戴珊不雅视频在线播放| 亚洲精品成人av观看孕妇| 亚洲av二区三区四区| 精品久久久久久久久av| 欧美日韩亚洲高清精品| 五月开心婷婷网| 午夜av观看不卡| 国产男女内射视频| 六月丁香七月| 中文字幕制服av| 国产在线男女| 国产男女超爽视频在线观看| 亚洲欧美精品专区久久| 中文精品一卡2卡3卡4更新| 久久午夜福利片| 国产精品久久久久久精品古装| 在线观看一区二区三区激情| 黄色一级大片看看| 最新中文字幕久久久久| 国产在视频线精品| 在线观看免费视频网站a站| 亚洲精品,欧美精品| 日日爽夜夜爽网站| 国产亚洲av片在线观看秒播厂| 如日韩欧美国产精品一区二区三区 | 中国三级夫妇交换| 最后的刺客免费高清国语| 久久精品国产a三级三级三级| 欧美激情极品国产一区二区三区 | 99九九在线精品视频 | 天天操日日干夜夜撸| 亚洲一级一片aⅴ在线观看| 卡戴珊不雅视频在线播放| 91精品国产九色| 老司机影院毛片| 又大又黄又爽视频免费| 人人妻人人添人人爽欧美一区卜| 国产中年淑女户外野战色| 成人综合一区亚洲| 欧美日韩一区二区视频在线观看视频在线| 91成人精品电影| 国产免费一级a男人的天堂| 国产欧美另类精品又又久久亚洲欧美| 丰满少妇做爰视频| 久久久久久久国产电影| 十八禁网站网址无遮挡 | 老司机影院成人| 国产在线男女| 91aial.com中文字幕在线观看| 亚洲精品久久午夜乱码| 狠狠精品人妻久久久久久综合| 国产探花极品一区二区| 丰满人妻一区二区三区视频av| 老司机亚洲免费影院| 在线观看人妻少妇| 熟女电影av网| 一边亲一边摸免费视频| 亚洲国产精品成人久久小说| 一级毛片aaaaaa免费看小| 日本-黄色视频高清免费观看| www.色视频.com| 精品久久久精品久久久| 久久狼人影院| 这个男人来自地球电影免费观看 | 亚洲经典国产精华液单| 精品国产一区二区久久| 亚洲va在线va天堂va国产| 少妇被粗大的猛进出69影院 | 噜噜噜噜噜久久久久久91| 天堂俺去俺来也www色官网| 国产伦在线观看视频一区| 亚洲欧美精品专区久久| 99九九线精品视频在线观看视频| 亚洲av不卡在线观看| 国产在线免费精品| 国产亚洲最大av| 韩国av在线不卡| 又黄又爽又刺激的免费视频.| 亚洲精品亚洲一区二区| av在线播放精品| 国产在线一区二区三区精| 欧美区成人在线视频| 色哟哟·www| 18禁动态无遮挡网站| 欧美xxⅹ黑人| 一级二级三级毛片免费看| 香蕉精品网在线| 成人免费观看视频高清| 国产欧美日韩综合在线一区二区 | 另类精品久久| 免费观看在线日韩| 精品一区二区免费观看| 精品人妻熟女av久视频| 欧美变态另类bdsm刘玥| 久久久久精品久久久久真实原创| 日韩免费高清中文字幕av| 秋霞伦理黄片| 69精品国产乱码久久久| 一本一本综合久久| 国产精品一区二区三区四区免费观看| 多毛熟女@视频| 高清毛片免费看| 91久久精品电影网| 校园人妻丝袜中文字幕| 久久国产精品男人的天堂亚洲 | 国产精品蜜桃在线观看| 在线天堂最新版资源| 国产视频首页在线观看| 国产深夜福利视频在线观看| 两个人的视频大全免费| 色视频在线一区二区三区| 中文字幕人妻熟人妻熟丝袜美| 日韩一本色道免费dvd| 免费观看性生交大片5| 精品亚洲成国产av| 日韩av在线免费看完整版不卡| 天美传媒精品一区二区| 乱码一卡2卡4卡精品| 美女大奶头黄色视频| 一级二级三级毛片免费看| 成年av动漫网址| 午夜福利在线观看免费完整高清在| 多毛熟女@视频| 成人二区视频| 日本-黄色视频高清免费观看| 国产综合精华液| av在线app专区| 欧美精品一区二区大全| 精品卡一卡二卡四卡免费| 久久久久久久久久成人| 美女国产视频在线观看| 精品久久久精品久久久| 亚洲三级黄色毛片| 蜜臀久久99精品久久宅男| 少妇猛男粗大的猛烈进出视频| 一级毛片aaaaaa免费看小| 国产熟女午夜一区二区三区 | 精品久久久精品久久久| 国产毛片在线视频| 一本—道久久a久久精品蜜桃钙片| 少妇人妻精品综合一区二区| 国产精品一区二区在线观看99| 亚洲av福利一区| 如何舔出高潮| 欧美精品人与动牲交sv欧美| 久久韩国三级中文字幕| 国产淫语在线视频| 看非洲黑人一级黄片| 最近2019中文字幕mv第一页| 人妻制服诱惑在线中文字幕| 亚洲一级一片aⅴ在线观看| 日本黄色片子视频| 亚洲国产精品一区二区三区在线| 欧美性感艳星| 新久久久久国产一级毛片| 国产精品偷伦视频观看了| 国产老妇伦熟女老妇高清| 国产白丝娇喘喷水9色精品| 大码成人一级视频| 日韩一区二区三区影片| 欧美激情极品国产一区二区三区 | 观看免费一级毛片| 婷婷色麻豆天堂久久| 一级毛片我不卡| 国产毛片在线视频| 在线观看三级黄色| 男人狂女人下面高潮的视频| 午夜福利在线观看免费完整高清在| 亚洲精品国产成人久久av| tube8黄色片| 日韩精品有码人妻一区| 最近2019中文字幕mv第一页| 我要看黄色一级片免费的| av卡一久久| 午夜视频国产福利| 视频区图区小说| 久久人人爽人人片av| 成人免费观看视频高清| 18禁在线播放成人免费| 男人添女人高潮全过程视频| 精品国产一区二区久久| 少妇 在线观看| 亚洲电影在线观看av| 天堂8中文在线网| 欧美精品高潮呻吟av久久| 69精品国产乱码久久久| 亚洲精品第二区| 黑丝袜美女国产一区| 人人妻人人添人人爽欧美一区卜| 亚洲丝袜综合中文字幕| 国产成人免费观看mmmm| 欧美 日韩 精品 国产| 日产精品乱码卡一卡2卡三| 亚洲国产色片| 大话2 男鬼变身卡| 大香蕉97超碰在线| h日本视频在线播放| 国产精品女同一区二区软件| 免费少妇av软件| 久久久久久伊人网av| 精品99又大又爽又粗少妇毛片| 一区二区三区精品91| 在线 av 中文字幕| 免费观看在线日韩| 精品少妇内射三级| 午夜免费男女啪啪视频观看| 99久久中文字幕三级久久日本| 18禁动态无遮挡网站| 欧美亚洲 丝袜 人妻 在线| 在现免费观看毛片| 亚洲欧美精品自产自拍| 在线观看美女被高潮喷水网站| 欧美老熟妇乱子伦牲交| 免费久久久久久久精品成人欧美视频 | 久久精品久久精品一区二区三区| 99久久精品一区二区三区| 国产成人免费观看mmmm| 三上悠亚av全集在线观看 | 人妻少妇偷人精品九色| 插逼视频在线观看| 91精品国产国语对白视频| 久久av网站| 日本猛色少妇xxxxx猛交久久| 中文在线观看免费www的网站| 最新中文字幕久久久久| 久久99热6这里只有精品| 边亲边吃奶的免费视频| 亚洲综合精品二区| 亚洲经典国产精华液单| av国产精品久久久久影院| 国产成人一区二区在线| 国国产精品蜜臀av免费| 国产免费又黄又爽又色| 七月丁香在线播放| 乱人伦中国视频| 免费播放大片免费观看视频在线观看| 欧美丝袜亚洲另类| 亚洲精品亚洲一区二区| 熟女人妻精品中文字幕| 亚洲欧美精品自产自拍| 国语对白做爰xxxⅹ性视频网站| 欧美激情极品国产一区二区三区 | 亚洲精华国产精华液的使用体验| 国产男人的电影天堂91| 免费少妇av软件| 中国三级夫妇交换| 中文在线观看免费www的网站| 少妇丰满av| 91精品国产九色| 街头女战士在线观看网站| 水蜜桃什么品种好| 男女免费视频国产| 国语对白做爰xxxⅹ性视频网站| 五月开心婷婷网| 亚洲,一卡二卡三卡| 国产精品99久久久久久久久| av天堂久久9| 亚洲人成网站在线观看播放| 少妇的逼好多水| 久久国产精品男人的天堂亚洲 | 十八禁高潮呻吟视频 | 国产精品久久久久久精品古装| 亚洲精品久久久久久婷婷小说| 欧美 亚洲 国产 日韩一| 人体艺术视频欧美日本| 精品卡一卡二卡四卡免费| 国产在线免费精品| 亚洲色图综合在线观看| 精品人妻熟女毛片av久久网站| 国产精品女同一区二区软件| 欧美老熟妇乱子伦牲交| 成人影院久久| 少妇被粗大的猛进出69影院 | 狂野欧美白嫩少妇大欣赏| 成人毛片a级毛片在线播放| 在现免费观看毛片| 大话2 男鬼变身卡| 男人和女人高潮做爰伦理| 日本-黄色视频高清免费观看| 午夜福利影视在线免费观看| 国产熟女欧美一区二区| 亚洲va在线va天堂va国产| 夜夜看夜夜爽夜夜摸| 美女cb高潮喷水在线观看| 你懂的网址亚洲精品在线观看| 国产在视频线精品| 夜夜看夜夜爽夜夜摸| 我要看黄色一级片免费的| 精品熟女少妇av免费看| 国产精品久久久久成人av| 你懂的网址亚洲精品在线观看| 高清欧美精品videossex| 日本免费在线观看一区| 2021少妇久久久久久久久久久| 久久人妻熟女aⅴ| 国产精品嫩草影院av在线观看| 永久网站在线| 国产精品久久久久久精品电影小说| 天天操日日干夜夜撸| 亚洲人与动物交配视频| 亚洲精品自拍成人| 国产视频内射| 成人黄色视频免费在线看| 中文字幕亚洲精品专区| 日韩精品有码人妻一区| 国产日韩欧美亚洲二区| 中国三级夫妇交换| 99久久精品一区二区三区| 免费久久久久久久精品成人欧美视频 | 久久久a久久爽久久v久久| 久久久久视频综合| 大又大粗又爽又黄少妇毛片口| 精品久久国产蜜桃| 亚洲精华国产精华液的使用体验| 美女xxoo啪啪120秒动态图| 国产探花极品一区二区| 黄色毛片三级朝国网站 | 91在线精品国自产拍蜜月| 黄片无遮挡物在线观看| 另类精品久久| 免费播放大片免费观看视频在线观看| 十八禁高潮呻吟视频 | 三上悠亚av全集在线观看 | 18禁动态无遮挡网站|