• <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
    最新中文字幕久久久久| 伦精品一区二区三区| 国产欧美日韩精品亚洲av| 国产午夜精品论理片| 免费人成在线观看视频色| 此物有八面人人有两片| 国产成人一区二区在线| 天天一区二区日本电影三级| 欧美一级a爱片免费观看看| 色av中文字幕| 一本精品99久久精品77| 久久人妻av系列| 免费观看精品视频网站| 成人精品一区二区免费| 国产伦在线观看视频一区| 免费无遮挡裸体视频| 国产老妇女一区| 欧美一区二区精品小视频在线| 午夜福利高清视频| 国产精品综合久久久久久久免费| 2021天堂中文幕一二区在线观| 国产一区二区在线观看日韩| 国产91精品成人一区二区三区| 久久人人爽人人爽人人片va| 乱人视频在线观看| 69人妻影院| 一边摸一边抽搐一进一小说| 精品欧美国产一区二区三| 夜夜夜夜夜久久久久| 日韩亚洲欧美综合| www.www免费av| 成年女人永久免费观看视频| 日韩亚洲欧美综合| 国产美女午夜福利| 午夜福利成人在线免费观看| 看片在线看免费视频| 欧美不卡视频在线免费观看| 国产午夜福利久久久久久| 成人三级黄色视频| 久久精品91蜜桃| 两个人的视频大全免费| 又粗又爽又猛毛片免费看| 男人舔女人下体高潮全视频| 亚洲精品亚洲一区二区| 亚洲真实伦在线观看| 国产三级在线视频| 欧美精品国产亚洲| 亚洲性夜色夜夜综合| 我要搜黄色片| 国产成人影院久久av| 国内精品宾馆在线| 久久久久性生活片| 精品人妻一区二区三区麻豆 | 国产 一区 欧美 日韩| 有码 亚洲区| 极品教师在线免费播放| 国产精品久久视频播放| 可以在线观看的亚洲视频| 色播亚洲综合网| 国产一区二区亚洲精品在线观看| 久久精品国产自在天天线| 少妇人妻一区二区三区视频| 亚洲一区二区三区色噜噜| 熟女电影av网| h日本视频在线播放| 国产精品乱码一区二三区的特点| 在线观看免费视频日本深夜| 一区二区三区激情视频| 国产精品国产高清国产av| 一级黄色大片毛片| 亚洲 国产 在线| 日韩精品青青久久久久久| 精品人妻视频免费看| 亚洲精品亚洲一区二区| 悠悠久久av| 三级国产精品欧美在线观看| 女同久久另类99精品国产91| 夜夜看夜夜爽夜夜摸| 天天一区二区日本电影三级| 日本黄大片高清| 成年版毛片免费区| 日本免费一区二区三区高清不卡| 亚洲欧美日韩东京热| 久久久久久久久久成人| 亚洲经典国产精华液单| 人人妻人人澡欧美一区二区| 深夜a级毛片| 日本 av在线| 最好的美女福利视频网| 少妇人妻一区二区三区视频| 国产 一区精品| 国产主播在线观看一区二区| 亚洲一区二区三区色噜噜| av.在线天堂| 国产午夜福利久久久久久| 99久久久亚洲精品蜜臀av| 国产一级毛片七仙女欲春2| 在线观看av片永久免费下载| 日本 av在线| 村上凉子中文字幕在线| 高清日韩中文字幕在线| 搡老妇女老女人老熟妇| 校园人妻丝袜中文字幕| 国产一区二区在线av高清观看| 五月玫瑰六月丁香| 国产精品精品国产色婷婷| 亚洲成人久久爱视频| 又黄又爽又刺激的免费视频.| 一个人看的www免费观看视频| 精品一区二区三区视频在线观看免费| 久久欧美精品欧美久久欧美| 自拍偷自拍亚洲精品老妇| 免费不卡的大黄色大毛片视频在线观看 | 欧美精品国产亚洲| 女生性感内裤真人,穿戴方法视频| 欧美黑人巨大hd| a在线观看视频网站| 免费在线观看成人毛片| 欧美色欧美亚洲另类二区| 又爽又黄无遮挡网站| 国产精品美女特级片免费视频播放器| 91久久精品国产一区二区成人| 久久亚洲真实| 男人的好看免费观看在线视频| 麻豆精品久久久久久蜜桃| 成人亚洲精品av一区二区| 成人美女网站在线观看视频| 国产免费男女视频| 精品一区二区三区人妻视频| 我要搜黄色片| 村上凉子中文字幕在线| av在线亚洲专区| 搞女人的毛片| 精品一区二区三区视频在线观看免费| 在线免费观看不下载黄p国产 | 人人妻人人看人人澡| 国产免费一级a男人的天堂| 床上黄色一级片| 国产精品一区www在线观看 | 免费高清视频大片| 亚洲最大成人手机在线| 精品日产1卡2卡| 亚洲午夜理论影院| 99久久久亚洲精品蜜臀av| 亚洲自偷自拍三级| 天天躁日日操中文字幕| 国产精品永久免费网站| 国产精品98久久久久久宅男小说| 成人国产麻豆网| 亚洲精品影视一区二区三区av| 久久久久精品国产欧美久久久| 国产白丝娇喘喷水9色精品| 天天躁日日操中文字幕| 色哟哟·www| 给我免费播放毛片高清在线观看| 99久久成人亚洲精品观看| h日本视频在线播放| 日韩欧美精品v在线| 免费观看人在逋| 久久精品国产99精品国产亚洲性色| 欧美+日韩+精品| 亚洲中文字幕一区二区三区有码在线看| 久久久久久伊人网av| 性插视频无遮挡在线免费观看| 亚洲人成网站在线播| 在线国产一区二区在线| 国产乱人视频| 丰满乱子伦码专区| 午夜精品久久久久久毛片777| 亚洲美女搞黄在线观看 | 欧美中文日本在线观看视频| 黄色欧美视频在线观看| av天堂中文字幕网| 男女做爰动态图高潮gif福利片| 一边摸一边抽搐一进一小说| 国产精品伦人一区二区| 国产精品不卡视频一区二区| 欧美区成人在线视频| 精品久久久久久,| 久久亚洲精品不卡| 国产一区二区激情短视频| 91久久精品国产一区二区成人| 无人区码免费观看不卡| 婷婷丁香在线五月| 免费av观看视频| 又黄又爽又免费观看的视频| 不卡视频在线观看欧美| 97超级碰碰碰精品色视频在线观看| 人妻久久中文字幕网| 日韩人妻高清精品专区| 亚洲av美国av| 国模一区二区三区四区视频| 欧洲精品卡2卡3卡4卡5卡区| 国产欧美日韩精品一区二区| 亚洲成人免费电影在线观看| eeuss影院久久| 我要看日韩黄色一级片| 国产精品伦人一区二区| 一个人看视频在线观看www免费| 一a级毛片在线观看| 久久久久九九精品影院| 精品久久久久久久久久免费视频| 我的老师免费观看完整版| 有码 亚洲区| av女优亚洲男人天堂| 成人亚洲精品av一区二区| 国产 一区 欧美 日韩| 精品福利观看| 精品福利观看| 国产精品综合久久久久久久免费| 久久久成人免费电影| 中国美女看黄片| 久久久色成人| 高清在线国产一区| 在线天堂最新版资源| 日韩中字成人| 亚洲18禁久久av| 国产高清有码在线观看视频| 乱人视频在线观看| 丝袜美腿在线中文| 亚洲精品影视一区二区三区av| 搡老妇女老女人老熟妇| 日韩高清综合在线| 男人和女人高潮做爰伦理| videossex国产| 日本 av在线| 噜噜噜噜噜久久久久久91| 岛国在线免费视频观看| 麻豆国产av国片精品| 天堂影院成人在线观看| 熟女电影av网| 在线免费观看的www视频| 一本一本综合久久| 成人欧美大片| 97碰自拍视频| 99久久精品热视频| 欧美又色又爽又黄视频| 亚洲自拍偷在线| 久久久精品欧美日韩精品| 亚洲精品456在线播放app | 少妇丰满av| 日韩av在线大香蕉| 色av中文字幕| 三级男女做爰猛烈吃奶摸视频| 亚洲熟妇中文字幕五十中出| 男人和女人高潮做爰伦理| 联通29元200g的流量卡| 免费av不卡在线播放| 黄色女人牲交| 天美传媒精品一区二区| 亚洲熟妇中文字幕五十中出| 91在线精品国自产拍蜜月| 校园人妻丝袜中文字幕| 色av中文字幕| 国内精品一区二区在线观看| 午夜福利在线在线| 午夜亚洲福利在线播放| 亚洲美女搞黄在线观看 | 欧美不卡视频在线免费观看| 日本色播在线视频| 欧美激情在线99| 天堂影院成人在线观看| 免费观看在线日韩| 床上黄色一级片| 啦啦啦啦在线视频资源| 免费看光身美女| 国产伦精品一区二区三区视频9| 嫩草影院入口| 国产大屁股一区二区在线视频| 亚洲国产高清在线一区二区三| 成年女人看的毛片在线观看| 美女黄网站色视频| 真人一进一出gif抽搐免费| 成人精品一区二区免费| 一级a爱片免费观看的视频| 国产精品久久视频播放| 99热精品在线国产| 色在线成人网| 亚洲黑人精品在线| 日日摸夜夜添夜夜添小说| 国产av在哪里看| 91在线精品国自产拍蜜月| 男人和女人高潮做爰伦理| 小蜜桃在线观看免费完整版高清| 亚洲精品成人久久久久久| 能在线免费观看的黄片| 两个人的视频大全免费| www.www免费av| 日韩,欧美,国产一区二区三区 | 伊人久久精品亚洲午夜| 俄罗斯特黄特色一大片| 赤兔流量卡办理| 免费不卡的大黄色大毛片视频在线观看 | 最新在线观看一区二区三区| 国产精品久久久久久亚洲av鲁大| 日韩亚洲欧美综合| 亚洲电影在线观看av| 成人午夜高清在线视频| 特级一级黄色大片| 亚洲狠狠婷婷综合久久图片| 麻豆一二三区av精品| 国产精品免费一区二区三区在线| 欧美国产日韩亚洲一区| 日韩精品有码人妻一区| 婷婷丁香在线五月| 精华霜和精华液先用哪个| 一进一出抽搐动态| 99久久久亚洲精品蜜臀av| 性色avwww在线观看| 亚洲欧美日韩东京热| 日韩强制内射视频| 午夜视频国产福利| 欧美一区二区国产精品久久精品| 国产精品电影一区二区三区| 天堂动漫精品| 亚洲在线自拍视频| 日韩欧美一区二区三区在线观看| 欧美高清性xxxxhd video| 免费看a级黄色片| 国产美女午夜福利| 国产高清视频在线播放一区| 禁无遮挡网站| 国产熟女欧美一区二区| 日韩高清综合在线| 熟女电影av网| 男插女下体视频免费在线播放| 精品福利观看| 一区二区三区四区激情视频 | 精品一区二区三区av网在线观看| 91麻豆精品激情在线观看国产| 欧美另类亚洲清纯唯美| 男人舔女人下体高潮全视频| 精品99又大又爽又粗少妇毛片 | 尤物成人国产欧美一区二区三区| 成人国产麻豆网| 特大巨黑吊av在线直播| 国产一区二区在线观看日韩| 亚洲avbb在线观看| 国产高清激情床上av| 99久国产av精品| 村上凉子中文字幕在线| 性欧美人与动物交配| 日日啪夜夜撸| 桃色一区二区三区在线观看| 国产av在哪里看| 51国产日韩欧美| 日韩欧美 国产精品| 日本欧美国产在线视频| 身体一侧抽搐| 午夜爱爱视频在线播放| 日本-黄色视频高清免费观看| 一边摸一边抽搐一进一小说| 国产熟女欧美一区二区| 日本一二三区视频观看| 亚洲一区二区三区色噜噜| 美女cb高潮喷水在线观看| 少妇熟女aⅴ在线视频| 99久久中文字幕三级久久日本| 国产精品久久久久久av不卡| 日韩欧美三级三区| 国产高清有码在线观看视频| 校园春色视频在线观看| 12—13女人毛片做爰片一| 色哟哟·www| 一级av片app| 国产在线男女| 3wmmmm亚洲av在线观看| 18禁裸乳无遮挡免费网站照片| 乱系列少妇在线播放| 国产探花极品一区二区| 国产欧美日韩精品亚洲av| 精品日产1卡2卡| 欧美一区二区精品小视频在线| 国产精品久久久久久av不卡| 99久久精品一区二区三区| 久久这里只有精品中国| 国产美女午夜福利| 99视频精品全部免费 在线| 我要看日韩黄色一级片| 乱码一卡2卡4卡精品| 色在线成人网| 最近在线观看免费完整版| 亚洲va日本ⅴa欧美va伊人久久| 日本精品一区二区三区蜜桃| 老司机福利观看| 在线观看av片永久免费下载| 久久亚洲真实| 在线观看舔阴道视频| 亚洲自偷自拍三级| 成人亚洲精品av一区二区| 国产乱人视频| 中国美女看黄片| 欧美激情国产日韩精品一区| 亚洲熟妇熟女久久| 国产精品永久免费网站| 2021天堂中文幕一二区在线观| 日本欧美国产在线视频| 欧美日韩瑟瑟在线播放| 国产精品三级大全| 欧美极品一区二区三区四区| 一a级毛片在线观看| 精品久久久久久成人av| 91麻豆精品激情在线观看国产| 国产 一区 欧美 日韩| 88av欧美| 国产欧美日韩精品一区二区| 国产精品自产拍在线观看55亚洲| 少妇的逼水好多| 听说在线观看完整版免费高清| 欧美日韩国产亚洲二区| 91在线精品国自产拍蜜月| 成人国产综合亚洲| 国产精品久久视频播放| 亚洲中文字幕一区二区三区有码在线看| 欧美色视频一区免费| 亚洲成人久久性| 可以在线观看的亚洲视频| 男人舔奶头视频| 麻豆av噜噜一区二区三区| 精华霜和精华液先用哪个| 亚洲人成网站在线播| 精品一区二区免费观看| 久久久精品大字幕| 欧美性猛交黑人性爽| 欧美日韩国产亚洲二区| 亚洲黑人精品在线| av.在线天堂| 国产淫片久久久久久久久| 又粗又爽又猛毛片免费看| 日本撒尿小便嘘嘘汇集6| 2021天堂中文幕一二区在线观| 亚洲精品456在线播放app | 麻豆av噜噜一区二区三区| 97人妻精品一区二区三区麻豆| 欧美日韩亚洲国产一区二区在线观看| 99久久精品热视频| 亚洲三级黄色毛片| 噜噜噜噜噜久久久久久91| 国产精品99久久久久久久久| 国产精品女同一区二区软件 | 校园人妻丝袜中文字幕| .国产精品久久| 久久久久国内视频| 老熟妇仑乱视频hdxx| x7x7x7水蜜桃| 国产不卡一卡二| 久久久久久久久久久丰满 | 精品99又大又爽又粗少妇毛片 | 中文字幕av在线有码专区| 一级毛片久久久久久久久女| 婷婷精品国产亚洲av| a在线观看视频网站| 12—13女人毛片做爰片一| 国内精品久久久久久久电影| 3wmmmm亚洲av在线观看| av在线老鸭窝| a级毛片免费高清观看在线播放| 中文资源天堂在线| 99久久无色码亚洲精品果冻| 国产一级毛片七仙女欲春2| bbb黄色大片| 午夜影院日韩av| 一卡2卡三卡四卡精品乱码亚洲| 久久久国产成人精品二区| 国产 一区精品| 国产精品永久免费网站| 哪里可以看免费的av片| 亚洲,欧美,日韩| 日本 欧美在线| 国产一区二区三区视频了| 非洲黑人性xxxx精品又粗又长| 亚洲美女黄片视频| 欧美极品一区二区三区四区| 美女高潮喷水抽搐中文字幕| 少妇的逼水好多| 日本a在线网址| 国产精品亚洲一级av第二区| 一进一出抽搐动态| av国产免费在线观看| 国产在视频线在精品| 国产av不卡久久| 国产成人一区二区在线| 一边摸一边抽搐一进一小说| 22中文网久久字幕| 女的被弄到高潮叫床怎么办 | a级一级毛片免费在线观看| 观看美女的网站| 在线a可以看的网站| 国产精品嫩草影院av在线观看 | 久久久色成人| 国产午夜精品久久久久久一区二区三区 | 日韩亚洲欧美综合| 午夜福利18| 又爽又黄a免费视频| 哪里可以看免费的av片| 一个人看视频在线观看www免费| 97热精品久久久久久| 午夜福利高清视频| 成熟少妇高潮喷水视频| 波多野结衣高清作品| 在线观看舔阴道视频| 国产精品久久久久久av不卡| 老熟妇仑乱视频hdxx| 91精品国产九色| 国产精品,欧美在线| 麻豆一二三区av精品| 亚洲av熟女| 日本-黄色视频高清免费观看| 很黄的视频免费| 精品国产三级普通话版| 啦啦啦韩国在线观看视频| 18禁在线播放成人免费| 国产精品亚洲一级av第二区| 免费在线观看成人毛片| 日韩欧美一区二区三区在线观看| 小蜜桃在线观看免费完整版高清| 一个人观看的视频www高清免费观看| 欧美日韩黄片免| 麻豆精品久久久久久蜜桃| 日韩欧美一区二区三区在线观看| 精品久久久久久久人妻蜜臀av| 91在线精品国自产拍蜜月| 亚洲第一区二区三区不卡| aaaaa片日本免费| 久久久成人免费电影| 国产在线男女| 久久天躁狠狠躁夜夜2o2o| 中文字幕av成人在线电影| 99久国产av精品| 波多野结衣高清作品| 国产探花极品一区二区| 男人和女人高潮做爰伦理| 少妇人妻一区二区三区视频| 成人美女网站在线观看视频| 一夜夜www| 国产极品精品免费视频能看的| 97超级碰碰碰精品色视频在线观看| 精品国产三级普通话版| 波多野结衣巨乳人妻| 欧美成人a在线观看| 精品人妻偷拍中文字幕| 亚洲不卡免费看| 精品久久久久久久久av| 欧美日韩瑟瑟在线播放| 成人性生交大片免费视频hd| 色噜噜av男人的天堂激情| 窝窝影院91人妻| 亚洲国产精品成人综合色| 老熟妇仑乱视频hdxx| 亚洲人成网站在线播| 国产一区二区激情短视频| 国产乱人伦免费视频| 久99久视频精品免费| 久久这里只有精品中国| 亚洲中文日韩欧美视频| 最近最新免费中文字幕在线| 日本免费一区二区三区高清不卡| 欧美高清性xxxxhd video| 久久精品综合一区二区三区| 黄色一级大片看看| 成年人黄色毛片网站| 亚洲成人中文字幕在线播放| 国产精品电影一区二区三区| 亚洲av熟女| 人妻夜夜爽99麻豆av| 中文字幕免费在线视频6| 久久久久久久午夜电影| 国产高清不卡午夜福利| 99热这里只有是精品在线观看| 日韩欧美三级三区| 国产精品乱码一区二三区的特点| 午夜精品久久久久久毛片777| 男女下面进入的视频免费午夜| 可以在线观看毛片的网站| 毛片一级片免费看久久久久 | 丝袜美腿在线中文| 国产精品亚洲一级av第二区| 真人一进一出gif抽搐免费| 亚洲精品亚洲一区二区| 午夜福利成人在线免费观看| 男女那种视频在线观看| 亚洲美女视频黄频| 男女那种视频在线观看| 天堂√8在线中文| 欧美人与善性xxx| 免费人成视频x8x8入口观看| 欧美区成人在线视频| 欧美xxxx性猛交bbbb| 少妇丰满av| 国产色婷婷99| 99九九线精品视频在线观看视频| 国产黄片美女视频| 亚洲国产色片| 亚洲欧美日韩无卡精品| 又爽又黄a免费视频| 色综合站精品国产| 国产精品乱码一区二三区的特点| 97热精品久久久久久| 中文字幕av成人在线电影| 欧美极品一区二区三区四区| 亚洲18禁久久av| 欧美日本视频| 天天躁日日操中文字幕| 人妻夜夜爽99麻豆av| 桃色一区二区三区在线观看| 免费av毛片视频| 天堂av国产一区二区熟女人妻| 综合色av麻豆| 欧美日韩国产亚洲二区| 国产一区二区在线观看日韩| 国产成人a区在线观看| 少妇裸体淫交视频免费看高清| 一级黄色大片毛片| 久久天躁狠狠躁夜夜2o2o| 熟女人妻精品中文字幕|