• <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 ?

    融合改進(jìn)通道和層剪枝的口罩人臉檢測(cè)*

    2022-12-22 11:32:52劉紫燕朱明成馬珊珊
    關(guān)鍵詞:剪枝人臉殘差

    劉紫燕,袁 磊,朱明成,馬珊珊

    (貴州大學(xué)大數(shù)據(jù)與信息工程學(xué)院,貴州 貴陽 550025)

    1 引言

    近年來深度學(xué)習(xí)技術(shù)在計(jì)算機(jī)視覺領(lǐng)域取得突破性進(jìn)展,基于卷積神經(jīng)網(wǎng)絡(luò)CNN(Convolutional Neural Network)的目標(biāo)檢測(cè)方法被廣泛應(yīng)用于軍事、醫(yī)學(xué)、農(nóng)業(yè)和民用等領(lǐng)域,如艦船檢測(cè)[1]、醫(yī)學(xué)圖像檢測(cè)[2]、遙感圖像檢測(cè)[3]和水下目標(biāo)檢測(cè)[4]等。隨著神經(jīng)網(wǎng)絡(luò)的檢測(cè)精度(mAP)不斷提高和網(wǎng)絡(luò)結(jié)構(gòu)愈加復(fù)雜,搭建網(wǎng)絡(luò)模型所需要的計(jì)算量和存儲(chǔ)資源也愈發(fā)龐大。在實(shí)際場(chǎng)景中部署的設(shè)備無法滿足模型所需的大量算力、內(nèi)存和能耗。因此,本文通過研究相關(guān)的目標(biāo)檢測(cè)算法和模型剪枝算法,針對(duì)實(shí)際場(chǎng)景中的目標(biāo)檢測(cè)算法構(gòu)建,提出一種融合通道和層剪枝的模型剪枝方法,以YOLOv4目標(biāo)檢測(cè)算法作為初始模型在口罩人臉數(shù)據(jù)集上進(jìn)行剪枝,并將剪枝后的模型與原模型以及YOLOv4的輕量化模型YOLOv4-tiny進(jìn)行對(duì)比實(shí)驗(yàn)。本文主要貢獻(xiàn)如下:

    (1)構(gòu)建用于人臉口罩檢測(cè)的數(shù)據(jù)集,能更好地檢測(cè)口罩佩戴不完全的情況。

    (2)提出一種融合通道和層剪枝的模型剪枝方法,可以顯著減少模型的參數(shù)量,便于實(shí)時(shí)部署。

    (3)使用本文所提方法在構(gòu)建的人臉口罩檢測(cè)數(shù)據(jù)集上對(duì)YOLOv4網(wǎng)絡(luò)進(jìn)行訓(xùn)練和剪枝。實(shí)驗(yàn)結(jié)果表明,使用本文剪枝方法得到的模型在精度下降較少的情況下,較大程度減少了模型參數(shù)。同時(shí),極限剪枝后的模型在參數(shù)量少于YOLOv4-tiny的情況下,其檢測(cè)精度遠(yuǎn)遠(yuǎn)超過YOLOv4-tiny的。

    2 相關(guān)研究

    為了解決實(shí)際場(chǎng)景中口罩人臉檢測(cè)算法的部署問題,本文采用模型剪枝方法壓縮目標(biāo)檢測(cè)模型,本文涉及目標(biāo)檢測(cè)技術(shù)和模型剪枝技術(shù)。

    2.1 目標(biāo)檢測(cè)技術(shù)

    目標(biāo)檢測(cè)是卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用的重點(diǎn)領(lǐng)域,基于深度學(xué)習(xí)的目標(biāo)檢測(cè)按照是否需要生成候選區(qū)域可以分為兩階段目標(biāo)檢測(cè)和單階段目標(biāo)檢測(cè)。兩階段目標(biāo)檢測(cè),如Faster R-CNN[5]采用RPN(Region Proposal Network)結(jié)構(gòu),通過生成候選區(qū)域和預(yù)測(cè)2個(gè)階段獲得了較高的檢測(cè)精度;CBNet(novel Composite Backbone Network architecture for object detection)[6]通過合并功能強(qiáng)大的基礎(chǔ)網(wǎng)絡(luò)(backbone),提出復(fù)合骨干網(wǎng)絡(luò)(Composite Backbone Network),以提高目標(biāo)檢測(cè)器的性能,但其需要極為龐大的計(jì)算量。單階段目標(biāo)檢測(cè),如SSD(Single Shot multiBox Detector)[7]采用多尺度特征圖用于檢測(cè),提升了檢測(cè)效果和速度,但對(duì)小尺寸的目標(biāo)識(shí)別效果較差;YOLOv3(You Only Look Once v3)[8]相比YOLOv2[9]加入了殘差模塊,并且網(wǎng)絡(luò)中沒有池化層和全連接層,構(gòu)建了新的基礎(chǔ)網(wǎng)絡(luò)Darknet-53,達(dá)到了速度與精度的較好平衡。

    2020年4月Bochkovskiy等[10]提出了新的單階段目標(biāo)檢測(cè)模型YOLOv4,采用基礎(chǔ)網(wǎng)絡(luò)CSPDarknet-53提取特征后,經(jīng)過SPP+PAN(Spatial Pyramid Pooling+Path Aggregation Network)模塊后,輸入檢測(cè)層,進(jìn)行3個(gè)尺度的預(yù)測(cè),其在YOLOv3模型的基礎(chǔ)上進(jìn)行了多個(gè)方面的改進(jìn)和增強(qiáng)。在數(shù)據(jù)增強(qiáng)方面,YOLOv4采用了馬賽克(Mosaic)數(shù)據(jù)增強(qiáng)方法,混合4幅訓(xùn)練圖像和4個(gè)不同的上下文信息;在基礎(chǔ)網(wǎng)絡(luò)方面,YOLOv4采用CSPDarknet-53作為基礎(chǔ)網(wǎng)絡(luò),其感受野更大,檢測(cè)效果更好;在損失函數(shù)方面,YOLOv4采用CIOU Loss損失函數(shù),使網(wǎng)絡(luò)損失得到了更好的下降;同時(shí),YOLOv4采用了Mish激活函數(shù)和DropBlock正則化來提高檢測(cè)效果,在檢測(cè)層之前加入SPP和PAN模塊,使網(wǎng)絡(luò)能更好地獲取圖像特征。這一系列方法使得YOLOv4成為了精度和速度完美平衡的目標(biāo)檢測(cè)算法。因此,本文選取YOLOv4作為口罩人臉檢測(cè)的基礎(chǔ)網(wǎng)絡(luò),其網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

    2.2 模型剪枝技術(shù)

    人工神經(jīng)網(wǎng)絡(luò)中的剪枝受啟發(fā)于人腦中的突觸修剪(Synaptic Pruning)。突觸修剪即軸突和樹突完全衰退或死亡,是許多哺乳動(dòng)物幼年期和青春期的必經(jīng)過程。突觸修剪從人出生開始持續(xù)到20多歲。

    Figure 1 YOLOv4 network structure

    Figure 2 Sparse neural network

    神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖2左側(cè)部分所示,下層的每一個(gè)神經(jīng)元與上層都有連接,這意味著需要進(jìn)行大量浮點(diǎn)相乘操作。理想情況下,我們不需將每個(gè)神經(jīng)元與上一層中所有神經(jīng)元連接,僅需連接有用的幾個(gè)神經(jīng)元,從而減少許多浮點(diǎn)相乘操作,稱之為“稀疏”網(wǎng)絡(luò)。稀疏網(wǎng)絡(luò)更容易被壓縮,可以在推理期間跳過參數(shù)為0的神經(jīng)元,以改善延遲情況。若根據(jù)網(wǎng)絡(luò)中神經(jīng)元的貢獻(xiàn)對(duì)其進(jìn)行排序,則可以刪除排序較后的神經(jīng)元,得到規(guī)模更小、速度更快的網(wǎng)絡(luò),這樣的網(wǎng)絡(luò)更便于在移動(dòng)設(shè)備上運(yùn)行。

    近年來深度學(xué)習(xí)模型剪枝技術(shù)不斷發(fā)展,Li等[11]提出了基于量級(jí)的裁剪方式,可以有效降低模型的復(fù)雜度并且不會(huì)給模型的性能帶來很大的損失;Yang等[12]提出了一種基于能量效率的裁剪方式,從能量利用率上最大限度地裁剪模型;Molchanov等[13]將裁剪問題視作組合優(yōu)化問題,優(yōu)化目標(biāo)是被裁剪模型的代價(jià)函數(shù)損失最?。槐R海偉等[14]通過動(dòng)態(tài)尋找冗余濾波器來獲取最優(yōu)網(wǎng)絡(luò)結(jié)構(gòu);彭冬亮等[15]通過閾值剪枝算法,將GoogLeNet的模型參數(shù)量壓縮為原有參數(shù)量的1/16;孫彥麗等[16]提出通過同時(shí)優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行壓縮,使網(wǎng)絡(luò)模型尺寸變??;陳程軍等[17]提出基于激活-熵的分層迭代剪枝AE-LIP(Activation Entropy based Layer-wise Iterative Pruning)策略,在保證模型精度在可控范圍內(nèi)的同時(shí)減少模型的參數(shù)量;在SlimYOLOv3[18]中,將YOLOv3-SPP作為基礎(chǔ)網(wǎng)絡(luò)進(jìn)行稀疏訓(xùn)練和通道剪枝,YOLOv3中每個(gè)卷積層后的批量標(biāo)準(zhǔn)化層起到加速模型收斂、提高泛化能力的作用,批量標(biāo)準(zhǔn)化公式如式(1)所示:

    (1)

    稀疏訓(xùn)練的損失函數(shù)如式(2)所示:

    (2)

    其中,lossyolo為YOLOv4網(wǎng)絡(luò)反饋損失,α為權(quán)重系數(shù),Γ代表本次訓(xùn)練的所有通道,f(γ)=|γ|是懲罰因子,用來平衡2個(gè)損失,本文設(shè)置為0.000 1。

    3 融合改進(jìn)Slim通道剪枝和層剪枝的模型剪枝

    3.1 改進(jìn)Slim通道剪枝

    π=μλ+ν

    (3)

    其中,μ是自適應(yīng)率,用于調(diào)整λ在局部安全閾值中所占的比率;ν是最低局部安全閾值,用于防止過度剪枝。通過這種方法,網(wǎng)絡(luò)能夠自適應(yīng)調(diào)整各層的局部安全閾值π,在剪去網(wǎng)絡(luò)中更多無用通道的同時(shí)保留一定的安全通道,防止過度剪枝。

    3.2 基于殘差模塊的層剪枝

    為了進(jìn)一步壓縮模型,本文還采用了層剪枝策略。YOLOv4由多個(gè)殘差模塊組成,而每個(gè)殘差模塊由2個(gè)CBM(Convolution,Batch normalization and Mish)模塊和1個(gè)殘差連接組成,如圖3所示。

    Figure 3 Residual module and CBM module

    每個(gè)CBM模塊由卷積層CONV、正則化BN和激活函數(shù)Mish組成,如果殘差模塊內(nèi)僅有1個(gè)卷積層被剪去,則會(huì)破壞網(wǎng)絡(luò)中殘差結(jié)構(gòu)的完整性。在前述通道剪枝的基礎(chǔ)上,本文結(jié)合γ值進(jìn)行層剪枝,對(duì)每個(gè)殘差模塊中的CBM模塊進(jìn)行評(píng)價(jià)得到各層的γ均值,然后根據(jù)各層的γ均值計(jì)算每個(gè)殘差模塊的γ均值并對(duì)其進(jìn)行排序,然后取γ均值最小的殘差模塊進(jìn)行剪枝,這里只考慮剪掉主干中的殘差模塊。

    3.3 融合通道和層剪枝

    在實(shí)際的應(yīng)用場(chǎng)景中,僅從通道剪枝或?qū)蛹糁σ粋€(gè)方面對(duì)模型進(jìn)行壓縮,往往無法最大程度地壓縮模型中的無用信息,確保模型以最小的參數(shù)量和計(jì)算量獲得最高的檢測(cè)性價(jià)比,因此本文將融合改進(jìn)的通道和層剪枝,以盡可能地壓縮模型,使模型更便于在實(shí)際場(chǎng)景中部署。

    融合通道和層模型剪枝的剪枝流程如圖4所示,首先對(duì)網(wǎng)絡(luò)進(jìn)行稀疏化訓(xùn)練,以獲得對(duì)應(yīng)的尺度因子,然后利用改進(jìn)的Slim通道剪枝得到剪枝后的模型,再判定該模型中的每一層是否需要層剪枝,得到最終剪枝后的模型。同時(shí),由于剪枝后的模型檢測(cè)精度下降較多,本文采用知識(shí)蒸餾的方法,利用訓(xùn)練好的精度較高、參數(shù)較多的大模型指導(dǎo)剪枝后的小模型進(jìn)行再訓(xùn)練微調(diào),提高剪枝后的模型的檢測(cè)精度,最終得到參數(shù)和計(jì)算量更小、更利于實(shí)際部署的模型。

    Figure 4 Pruning process

    4 口罩人臉數(shù)據(jù)集

    4.1 構(gòu)建數(shù)據(jù)集

    本文從 WIDER FACE人臉數(shù)據(jù)集[19]中隨機(jī)抽取 3 800 幅人臉圖像,從MAFA數(shù)據(jù)集[20]中抽取4 000幅人臉戴口罩的圖像,對(duì)這些圖像進(jìn)行重新標(biāo)注和預(yù)處理,組成共7 800幅圖像的口罩人臉數(shù)據(jù)集。

    4.2 基于人臉的數(shù)據(jù)擴(kuò)增方法

    本文在數(shù)據(jù)集構(gòu)建過程中發(fā)現(xiàn),部分人臉口罩佩戴不完全,或者遮擋的人臉會(huì)被誤檢為帶口罩的人臉,如圖5a和圖5b中的口罩佩戴不完全;圖5c和圖5d中未佩戴口罩,但是因?yàn)槿四槺徽趽醣徽`識(shí)別為佩戴口罩。

    Figure 5 Erroneous detection of images

    因此,本文隨機(jī)從已抽取的人臉數(shù)據(jù)集中抽取1 000幅圖像,通過讀取標(biāo)注的人臉坐標(biāo),在其人臉框內(nèi)添加不同顏色的遮擋,如圖6所示,并將這1 000幅處理過的圖像加入數(shù)據(jù)集中,重新劃分這個(gè)數(shù)據(jù)集,隨機(jī)抽取6 000幅圖像組成訓(xùn)練集,2 800幅圖像組成測(cè)試集。

    Figure 6 Augmented images

    5 模型訓(xùn)練與實(shí)驗(yàn)結(jié)果

    5.1 模型訓(xùn)練

    為了使檢測(cè)的預(yù)設(shè)框?qū)θ四樋谡謾z測(cè)數(shù)據(jù)集的檢測(cè)精度更高,本文首先采用K-means聚類算法對(duì)訓(xùn)練集中的標(biāo)簽進(jìn)行聚類,得出最適合本文數(shù)據(jù)集的9個(gè)預(yù)設(shè)框尺寸,分別為(7,9),(13,17),(21,27),(32,43),(50,65),(70,98),(105,139),(142,185)和(185,256)。然后進(jìn)行常規(guī)訓(xùn)練,設(shè)置總訓(xùn)練批次epoch為300,采用余弦退火的學(xué)習(xí)率下降方式,使模型更好地學(xué)習(xí)數(shù)據(jù)集,達(dá)到更高的檢測(cè)精度。

    在常規(guī)訓(xùn)練得到模型的最終權(quán)重模型后,將權(quán)重輸入模型中進(jìn)行稀疏化訓(xùn)練,設(shè)置尺度稀疏率為0.002,同樣進(jìn)行300批次稀疏化訓(xùn)練,聚合模型中的參數(shù),使模型便于剪枝。

    對(duì)訓(xùn)練完成后的模型進(jìn)行通道剪枝,設(shè)置全局通道修剪百分比分別為0.5,0.6,0.7,0.8,每個(gè)卷積層通道保持百分比為10%,保證模型在剪枝的同時(shí)不會(huì)過度修剪。然后進(jìn)行層剪枝,對(duì)每一個(gè)殘差模塊進(jìn)行綜合評(píng)價(jià),設(shè)置剪掉的殘差結(jié)構(gòu)為4,8,12,16,20個(gè)。

    最后微調(diào)剪枝后的模型,采用知識(shí)蒸餾的方法重新訓(xùn)練剪枝后的模型,設(shè)置訓(xùn)練總批次為100,提升模型的檢測(cè)精度。

    5.2 實(shí)驗(yàn)結(jié)果

    通道剪枝時(shí)分別設(shè)置全局通道修剪百分比為0.5,0.6,0.7,0.8,輸入圖像尺寸為416×416,分別測(cè)試4種通道剪枝后的模型以找到最好的通道剪枝。由于經(jīng)稀疏化訓(xùn)練后的模型的檢測(cè)精度會(huì)下降,而模型剪枝是在稀疏化模型的基礎(chǔ)上進(jìn)行的,因此本文以稀疏化模型YOLOv4作為對(duì)比模型。測(cè)試結(jié)果如表1所示,模型1(Prune-0.5)剪枝率最低,參數(shù)量仍舊較大;模型2(Prune-0.6)的檢測(cè)精度下降較少;模型3(Prune-0.7)和模型4(Prune-0.8)的檢測(cè)精度下降太多,表明剪枝率過高,丟失了模型中的部分重要信息。模型2的檢測(cè)精度下降較少,同時(shí)其模型的GFLOPS、參數(shù)量和模型大小都較小。根據(jù)4個(gè)模型的檢測(cè)結(jié)果可知,在通道剪枝率設(shè)置為0.6~0.7時(shí),模型檢測(cè)精度下滑很大。這說明針對(duì)本文所用口罩?jǐn)?shù)據(jù)集和模型,在通道剪枝率為0.7時(shí)剪去了部分對(duì)口罩檢測(cè)十分重要的通道,造成模型檢測(cè)精度的嚴(yán)重下降。而在通道剪枝率為0.6時(shí),模型檢測(cè)精度下降不多,經(jīng)過再訓(xùn)練可以恢復(fù)精度,故本文選擇模型2(Prune-0.6)作為通道剪枝后的模型。

    Table 1 Performance comparison of channel pruning models

    同理,在層剪枝時(shí)分別設(shè)置剪去Shortcut結(jié)構(gòu)為4,8,12,16,20個(gè),以稀疏化訓(xùn)練后的YOLOv4模型作為剪枝基礎(chǔ)模型和對(duì)比模型。測(cè)試結(jié)果如表2所示,模型5(Shortcut-20)相比較模型4(Shortcut-16)的檢測(cè)精度下降太多,表明在層剪枝設(shè)置為剪枝20個(gè)時(shí),剪掉了模型中對(duì)口罩檢測(cè)十分重要的層,造成了檢測(cè)精度的嚴(yán)重下降;而模型4(Shortcut-16)仍舊具有一定的檢測(cè)精度,同時(shí)其GFLOPS和參數(shù)量較小,因此本文選擇模型4(Shortcut-16)作為層剪枝后的模型。

    為了進(jìn)一步驗(yàn)證剪枝的有效性,本文通過微調(diào)使模型精度得到恢復(fù)后,將剪枝后的模型與YOLOv4和YOLOv4-tiny進(jìn)行對(duì)比測(cè)試實(shí)驗(yàn)。設(shè)置4個(gè)模型,模型1(Prune-best)為本文得到的最適合模型,即通道修剪百分比為0.6和層剪枝16個(gè)殘差模塊后的模型;考慮2種極端情況:一種是剪枝率最小,通道剪枝率設(shè)置為0.5和層剪枝8個(gè)殘差模塊的模型2(Prune-least);另一種是剪枝率很高,即剪去0.8通道和16個(gè)殘差模塊的模型3(Prune-most);以及極限剪枝狀態(tài)下的模型4(Prune-limit),即通道剪枝率設(shè)置為0.9和層剪枝20個(gè)殘差模塊。

    測(cè)試結(jié)果如表3所示,由于模型1(Prune-best)是針對(duì)本文所用人臉口罩檢測(cè)數(shù)據(jù)集的,通過剪枝剪去了模型中對(duì)模型檢測(cè)精度影響不大的通道和卷積層,而盡可能保留了對(duì)檢測(cè)精度影響較大的通道和卷積層,因此進(jìn)行剪枝后的模型其GFLOPS遠(yuǎn)遠(yuǎn)小于YOLOv4的,僅有42.9,參數(shù)量僅有9.86 MB,模型大小也同樣僅有37.92 MB,而檢測(cè)精度達(dá)到了0.759,只下降了2.7%,同時(shí)其推理時(shí)間也減少了3.7 ms。對(duì)于模型2(Prune-least),由于其剪枝率最小,有較多的對(duì)模型檢測(cè)精度影響不大的層和通道仍然被保留,因此模型的參數(shù)量、大小等均沒有太大提升,但其檢測(cè)精度基本無損失;對(duì)于模型3(Prune-most),由于其剪枝率最大,因此其模型的參數(shù)量比YOLOv4的簡化模型YOLOv4-tiny少1.834 MB,其模型大小更是達(dá)到了11.69 MB,比YOLOv4-tiny的還小,但同樣因?yàn)榧糁β蔬^大,剪去了模型中較為重要的通道和卷積層,其檢測(cè)精度(mAP)比YOLOv4-tiny的高11.3%,屬于小而快、更容易部署的模型;最后的剪枝模型4(Prune-limit)更是以5.56 MB的模型大小和1.428 MB的參數(shù)量獲得了0.662的mAP。綜上所述,通過融合改進(jìn)通道和層剪枝方法,在2個(gè)方面對(duì)模型進(jìn)行剪枝,能在較大壓縮模型的參數(shù)量和大小的情況下使模型仍舊具有較高的檢測(cè)精度和更快的速度,使模型能更利于部署,檢測(cè)性價(jià)比更高,效果更好。

    Table 2 Performance comparison of layer pruning models

    Table 3 Performance comparison between the pruned model and the original model

    5.3 圖像檢測(cè)結(jié)果

    圖7所示為模型Prune-best的檢測(cè)結(jié)果,可以看出檢測(cè)效果較好,能滿足人臉口罩檢測(cè)的要求,其中圖7a~圖7d為易誤檢圖像,Prune-best可以將其準(zhǔn)確檢測(cè)出;圖7e和圖7f為實(shí)際場(chǎng)景中的檢測(cè)效果;圖7g和圖7h為實(shí)際場(chǎng)景中醫(yī)護(hù)人員口罩檢測(cè)效果。

    Figure 7 Testing results

    6 結(jié)束語

    本文采用一種基于人臉的數(shù)據(jù)擴(kuò)增方法構(gòu)建了用于人臉口罩檢測(cè)的數(shù)據(jù)集,采用改進(jìn)的通道和層剪枝的模型剪枝方法對(duì)YOLOv4進(jìn)行剪枝,實(shí)驗(yàn)結(jié)果表明,本文采用的剪枝方法能在保證精度的情況下,較大程度地壓縮模型,極限剪枝的模型達(dá)到了比YOLOv4-tiny更好的檢測(cè)效果,更少的參數(shù)量和更高的性價(jià)比,更便于部署。將模型實(shí)際部署于攝像頭、智能小車或無人機(jī)等硬件上,將是未來的研究方向。

    猜你喜歡
    剪枝人臉殘差
    人到晚年宜“剪枝”
    基于雙向GRU與殘差擬合的車輛跟馳建模
    有特點(diǎn)的人臉
    基于YOLOv4-Tiny模型剪枝算法
    基于殘差學(xué)習(xí)的自適應(yīng)無人機(jī)目標(biāo)跟蹤算法
    基于遞歸殘差網(wǎng)絡(luò)的圖像超分辨率重建
    三國漫——人臉解鎖
    剪枝
    天津詩人(2017年2期)2017-03-16 03:09:39
    平穩(wěn)自相關(guān)過程的殘差累積和控制圖
    河南科技(2015年8期)2015-03-11 16:23:52
    馬面部與人臉相似度驚人
    老熟女久久久| 操出白浆在线播放| 法律面前人人平等表现在哪些方面| 久久精品国产综合久久久| 婷婷成人精品国产| 国产在线视频一区二区| 欧美日韩福利视频一区二区| 黄色a级毛片大全视频| 九色亚洲精品在线播放| 国产av一区二区精品久久| 男女免费视频国产| 亚洲精品乱久久久久久| av电影中文网址| 黑人巨大精品欧美一区二区蜜桃| www.999成人在线观看| 又大又爽又粗| 久久人妻av系列| 国产精品一区二区精品视频观看| 他把我摸到了高潮在线观看 | 国产精品国产高清国产av | 亚洲欧美一区二区三区黑人| 国产亚洲欧美精品永久| 在线观看66精品国产| 亚洲第一av免费看| av超薄肉色丝袜交足视频| 自拍欧美九色日韩亚洲蝌蚪91| 夜夜骑夜夜射夜夜干| 国产男靠女视频免费网站| 一个人免费在线观看的高清视频| 一本色道久久久久久精品综合| 一区二区三区乱码不卡18| 久久精品国产a三级三级三级| 五月开心婷婷网| 久久午夜亚洲精品久久| 99国产精品99久久久久| tube8黄色片| 免费观看av网站的网址| av网站在线播放免费| 不卡av一区二区三区| 日韩成人在线观看一区二区三区| 国产精品久久久久久人妻精品电影 | 岛国在线观看网站| 久久天堂一区二区三区四区| 十八禁人妻一区二区| 国产高清国产精品国产三级| 成人av一区二区三区在线看| 岛国毛片在线播放| 亚洲成a人片在线一区二区| 亚洲午夜理论影院| 午夜福利欧美成人| 桃红色精品国产亚洲av| 侵犯人妻中文字幕一二三四区| 99国产极品粉嫩在线观看| 精品久久久久久久毛片微露脸| 人人妻人人澡人人看| 男男h啪啪无遮挡| 韩国精品一区二区三区| 国产精品自产拍在线观看55亚洲 | 91成人精品电影| 免费在线观看日本一区| 精品国内亚洲2022精品成人 | 亚洲天堂av无毛| 黄色片一级片一级黄色片| 最新在线观看一区二区三区| 成人三级做爰电影| 最近最新中文字幕大全电影3 | 电影成人av| 久9热在线精品视频| 国产单亲对白刺激| 成人影院久久| 久久久久网色| 一本一本久久a久久精品综合妖精| 国产黄频视频在线观看| 久久 成人 亚洲| 大型黄色视频在线免费观看| 久久精品国产亚洲av高清一级| av网站在线播放免费| 欧美日韩精品网址| 亚洲第一青青草原| 日韩一卡2卡3卡4卡2021年| 国产亚洲精品一区二区www | 十八禁人妻一区二区| 欧美久久黑人一区二区| 99国产极品粉嫩在线观看| 欧美激情高清一区二区三区| 亚洲精品国产色婷婷电影| 女同久久另类99精品国产91| www.999成人在线观看| 99热国产这里只有精品6| 精品卡一卡二卡四卡免费| 精品亚洲成国产av| 丝袜人妻中文字幕| 精品高清国产在线一区| 天天躁狠狠躁夜夜躁狠狠躁| 久久精品91无色码中文字幕| 国产99久久九九免费精品| 亚洲 国产 在线| 大陆偷拍与自拍| 亚洲第一欧美日韩一区二区三区 | 极品教师在线免费播放| 成人18禁在线播放| 久久人人97超碰香蕉20202| 天天添夜夜摸| 国产精品欧美亚洲77777| 又紧又爽又黄一区二区| 精品人妻熟女毛片av久久网站| 国产极品粉嫩免费观看在线| 手机成人av网站| av视频免费观看在线观看| 国产精品成人在线| 91九色精品人成在线观看| 巨乳人妻的诱惑在线观看| cao死你这个sao货| 一本色道久久久久久精品综合| 国产免费视频播放在线视频| 国产无遮挡羞羞视频在线观看| 国产精品国产av在线观看| 久久99一区二区三区| 成人三级做爰电影| 97人妻天天添夜夜摸| 日本欧美视频一区| 国产一区二区激情短视频| 视频区图区小说| 亚洲精品av麻豆狂野| 变态另类成人亚洲欧美熟女 | 夜夜爽天天搞| 色综合欧美亚洲国产小说| 搡老熟女国产l中国老女人| 欧美+亚洲+日韩+国产| 黄色视频不卡| 麻豆国产av国片精品| 国产日韩一区二区三区精品不卡| 在线观看免费视频日本深夜| 日韩精品免费视频一区二区三区| 狠狠婷婷综合久久久久久88av| 亚洲人成电影免费在线| 看免费av毛片| 成年版毛片免费区| 激情视频va一区二区三区| 日韩欧美一区视频在线观看| 亚洲九九香蕉| 亚洲国产av影院在线观看| 国精品久久久久久国模美| 少妇 在线观看| 国产深夜福利视频在线观看| 一进一出好大好爽视频| 俄罗斯特黄特色一大片| 青草久久国产| 欧美成人免费av一区二区三区 | 国产极品粉嫩免费观看在线| 美女扒开内裤让男人捅视频| 免费一级毛片在线播放高清视频 | 久久天堂一区二区三区四区| 国内毛片毛片毛片毛片毛片| 一进一出抽搐动态| 人人妻人人添人人爽欧美一区卜| 欧美+亚洲+日韩+国产| 国产免费福利视频在线观看| 窝窝影院91人妻| 天天躁狠狠躁夜夜躁狠狠躁| 国产熟女午夜一区二区三区| 国产精品久久久久久精品电影小说| 欧美激情 高清一区二区三区| 欧美日韩福利视频一区二区| 国产精品国产高清国产av | 国产欧美日韩一区二区精品| 曰老女人黄片| 岛国毛片在线播放| 亚洲中文av在线| 成年人黄色毛片网站| 精品国产国语对白av| 欧美黑人精品巨大| 99精品久久久久人妻精品| 老司机深夜福利视频在线观看| 久久久欧美国产精品| 国产国语露脸激情在线看| 我要看黄色一级片免费的| a级片在线免费高清观看视频| 亚洲熟女精品中文字幕| av电影中文网址| av视频免费观看在线观看| 香蕉国产在线看| 免费av中文字幕在线| 精品国产亚洲在线| 色94色欧美一区二区| 欧美成狂野欧美在线观看| 一本综合久久免费| 国产一区二区三区综合在线观看| 91麻豆av在线| 国产深夜福利视频在线观看| 青草久久国产| 欧美日韩精品网址| 丝袜美腿诱惑在线| 一级毛片精品| 18禁国产床啪视频网站| 亚洲综合色网址| 悠悠久久av| 黄频高清免费视频| 一级毛片女人18水好多| 成年动漫av网址| 午夜精品久久久久久毛片777| 欧美性长视频在线观看| 黄色视频不卡| 久久人妻av系列| 精品亚洲成国产av| 免费在线观看黄色视频的| 老熟妇乱子伦视频在线观看| 日韩视频一区二区在线观看| 天堂8中文在线网| 国产精品麻豆人妻色哟哟久久| 中文欧美无线码| 国产亚洲精品一区二区www | 国产成人av教育| 国产精品免费视频内射| 免费女性裸体啪啪无遮挡网站| 黄色a级毛片大全视频| 一个人免费看片子| 国产精品秋霞免费鲁丝片| 又紧又爽又黄一区二区| 少妇裸体淫交视频免费看高清 | 操出白浆在线播放| 在线观看66精品国产| 老司机影院毛片| 最新美女视频免费是黄的| 丝袜喷水一区| 亚洲国产av新网站| 日韩一区二区三区影片| 久久亚洲真实| 9191精品国产免费久久| 天堂动漫精品| 制服人妻中文乱码| 日韩 欧美 亚洲 中文字幕| 日韩有码中文字幕| 黄网站色视频无遮挡免费观看| 欧美激情高清一区二区三区| 国产成人精品久久二区二区免费| 捣出白浆h1v1| 久久热在线av| 国产主播在线观看一区二区| 老司机午夜十八禁免费视频| 成人av一区二区三区在线看| 久久性视频一级片| 色老头精品视频在线观看| 女人久久www免费人成看片| 伦理电影免费视频| av在线播放免费不卡| 亚洲国产av新网站| 黄色 视频免费看| 电影成人av| 女人爽到高潮嗷嗷叫在线视频| 高清视频免费观看一区二区| 国产精品欧美亚洲77777| 97在线人人人人妻| 国产成人一区二区三区免费视频网站| 国产精品亚洲一级av第二区| 一级片免费观看大全| 欧美日韩国产mv在线观看视频| 欧美老熟妇乱子伦牲交| 日本wwww免费看| 大片免费播放器 马上看| 欧美激情 高清一区二区三区| 波多野结衣一区麻豆| 午夜福利视频精品| 人妻一区二区av| 高清av免费在线| 午夜免费成人在线视频| 别揉我奶头~嗯~啊~动态视频| 亚洲专区国产一区二区| 夜夜爽天天搞| 一边摸一边抽搐一进一出视频| 黑丝袜美女国产一区| 精品少妇久久久久久888优播| h视频一区二区三区| 99热网站在线观看| 狠狠精品人妻久久久久久综合| 亚洲人成电影观看| 侵犯人妻中文字幕一二三四区| 黄频高清免费视频| 夜夜骑夜夜射夜夜干| 国产亚洲欧美在线一区二区| 亚洲色图综合在线观看| 精品人妻熟女毛片av久久网站| 久久久精品94久久精品| 久热这里只有精品99| 一本色道久久久久久精品综合| 18禁观看日本| 国产精品美女特级片免费视频播放器 | 久久国产精品大桥未久av| 亚洲精品久久午夜乱码| 99re6热这里在线精品视频| svipshipincom国产片| 少妇精品久久久久久久| 18禁裸乳无遮挡动漫免费视频| 91字幕亚洲| 久久午夜亚洲精品久久| 日韩一区二区三区影片| 亚洲人成电影观看| 亚洲欧美日韩另类电影网站| 视频在线观看一区二区三区| 一级黄色大片毛片| av超薄肉色丝袜交足视频| 欧美人与性动交α欧美软件| 国产成人精品在线电影| 精品卡一卡二卡四卡免费| 在线天堂中文资源库| 久久热在线av| 深夜精品福利| 黄色a级毛片大全视频| 国产欧美日韩一区二区三| 高清av免费在线| 天天躁狠狠躁夜夜躁狠狠躁| 中文字幕色久视频| 在线观看一区二区三区激情| av又黄又爽大尺度在线免费看| 人人妻,人人澡人人爽秒播| 日韩有码中文字幕| 在线亚洲精品国产二区图片欧美| 在线观看免费午夜福利视频| 天天躁夜夜躁狠狠躁躁| av福利片在线| 欧美亚洲日本最大视频资源| 波多野结衣一区麻豆| 一区二区三区激情视频| 亚洲一区二区三区欧美精品| 变态另类成人亚洲欧美熟女 | 亚洲国产成人一精品久久久| 欧美日韩福利视频一区二区| 国产一区二区三区视频了| 超色免费av| 一级a爱视频在线免费观看| 久久久久久久精品吃奶| 欧美日韩av久久| 免费观看av网站的网址| 国产亚洲精品一区二区www | av网站在线播放免费| 亚洲国产毛片av蜜桃av| 最新在线观看一区二区三区| 天天躁狠狠躁夜夜躁狠狠躁| 性少妇av在线| 天天躁狠狠躁夜夜躁狠狠躁| 婷婷丁香在线五月| 啦啦啦免费观看视频1| 国产成人欧美在线观看 | 18禁美女被吸乳视频| 久久精品国产综合久久久| 91成年电影在线观看| 真人做人爱边吃奶动态| 国产精品一区二区在线观看99| 真人做人爱边吃奶动态| 久久国产精品大桥未久av| 国产成人精品久久二区二区免费| 成在线人永久免费视频| 一本大道久久a久久精品| 国产精品av久久久久免费| 精品国产国语对白av| 午夜福利在线免费观看网站| 国产在视频线精品| 久久99一区二区三区| 女性被躁到高潮视频| 最近最新中文字幕大全免费视频| 黄色视频在线播放观看不卡| 又大又爽又粗| 亚洲精品国产区一区二| 操出白浆在线播放| 精品亚洲乱码少妇综合久久| 首页视频小说图片口味搜索| 日韩 欧美 亚洲 中文字幕| 2018国产大陆天天弄谢| 一区福利在线观看| 搡老乐熟女国产| a级片在线免费高清观看视频| 国产精品一区二区在线不卡| 亚洲男人天堂网一区| 国产一区二区 视频在线| 国产伦理片在线播放av一区| 国产精品一区二区免费欧美| 在线天堂中文资源库| 亚洲精品av麻豆狂野| 美女高潮到喷水免费观看| av国产精品久久久久影院| 国产午夜精品久久久久久| 中文字幕av电影在线播放| 女性生殖器流出的白浆| 亚洲av片天天在线观看| 国产伦人伦偷精品视频| 老司机在亚洲福利影院| 99riav亚洲国产免费| 丰满饥渴人妻一区二区三| 久久午夜亚洲精品久久| 91字幕亚洲| 久久这里只有精品19| 亚洲少妇的诱惑av| 人妻久久中文字幕网| 精品一品国产午夜福利视频| 91大片在线观看| 日本精品一区二区三区蜜桃| 少妇猛男粗大的猛烈进出视频| 露出奶头的视频| 午夜福利影视在线免费观看| 欧美精品一区二区大全| 一区二区三区激情视频| 国产精品美女特级片免费视频播放器 | 亚洲一码二码三码区别大吗| 麻豆成人av在线观看| 在线观看免费日韩欧美大片| 狠狠精品人妻久久久久久综合| 久久久精品国产亚洲av高清涩受| 一个人免费看片子| 亚洲国产中文字幕在线视频| 精品乱码久久久久久99久播| 丁香六月欧美| 黄色视频,在线免费观看| 欧美 亚洲 国产 日韩一| cao死你这个sao货| 黄网站色视频无遮挡免费观看| 国产av又大| 亚洲专区中文字幕在线| 国产成人免费观看mmmm| 一区福利在线观看| 青青草视频在线视频观看| 久久av网站| 国产精品电影一区二区三区 | 亚洲成a人片在线一区二区| 国产一区有黄有色的免费视频| 免费久久久久久久精品成人欧美视频| 精品乱码久久久久久99久播| 国产1区2区3区精品| 俄罗斯特黄特色一大片| 午夜激情av网站| 黄片大片在线免费观看| 亚洲 国产 在线| 欧美黄色淫秽网站| 日韩视频在线欧美| 国产成人欧美在线观看 | 91成年电影在线观看| 亚洲avbb在线观看| 国产真人三级小视频在线观看| 国产色视频综合| 女性被躁到高潮视频| 在线看a的网站| 757午夜福利合集在线观看| 久久人妻熟女aⅴ| 超碰成人久久| 日韩熟女老妇一区二区性免费视频| 中文字幕色久视频| 亚洲精品在线观看二区| 国产熟女午夜一区二区三区| 一级a爱视频在线免费观看| 一夜夜www| 天堂8中文在线网| 精品一区二区三卡| 狂野欧美激情性xxxx| 97在线人人人人妻| 操美女的视频在线观看| 国产男靠女视频免费网站| 一区二区三区精品91| 人人妻人人澡人人看| 日韩免费高清中文字幕av| 国产av精品麻豆| 亚洲成人手机| 捣出白浆h1v1| 日日爽夜夜爽网站| 欧美老熟妇乱子伦牲交| 色尼玛亚洲综合影院| 蜜桃在线观看..| 最近最新中文字幕大全电影3 | 两个人看的免费小视频| 国产不卡av网站在线观看| 熟女少妇亚洲综合色aaa.| 欧美在线黄色| 桃花免费在线播放| 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| 女性被躁到高潮视频| 一级片免费观看大全| 色老头精品视频在线观看| 国产亚洲精品久久久久5区| 一级毛片精品| 精品久久久久久久毛片微露脸| 久久 成人 亚洲| 成年人免费黄色播放视频| 精品国内亚洲2022精品成人 | 亚洲精品在线观看二区| 操出白浆在线播放| 乱人伦中国视频| 亚洲第一欧美日韩一区二区三区 | 久久99一区二区三区| 曰老女人黄片| 天堂中文最新版在线下载| 91九色精品人成在线观看| 黄色视频,在线免费观看| 王馨瑶露胸无遮挡在线观看| 国产午夜精品久久久久久| 久久99热这里只频精品6学生| 十八禁网站网址无遮挡| 人人澡人人妻人| 99re6热这里在线精品视频| 黑人欧美特级aaaaaa片| 亚洲成av片中文字幕在线观看| 日本av手机在线免费观看| 国产成人精品在线电影| 麻豆乱淫一区二区| 一边摸一边抽搐一进一小说 | 考比视频在线观看| 国产片内射在线| 欧美午夜高清在线| 免费看十八禁软件| 欧美日韩黄片免| 欧美日韩福利视频一区二区| 亚洲av成人不卡在线观看播放网| 日韩一卡2卡3卡4卡2021年| 日韩视频在线欧美| 丰满人妻熟妇乱又伦精品不卡| 精品人妻在线不人妻| 男女高潮啪啪啪动态图| 亚洲精品一二三| 国产aⅴ精品一区二区三区波| 日韩欧美一区二区三区在线观看 | 中文字幕色久视频| 高清视频免费观看一区二区| 高清欧美精品videossex| 免费人妻精品一区二区三区视频| 丁香六月天网| 黑人欧美特级aaaaaa片| 国产伦人伦偷精品视频| 精品国产亚洲在线| 国产单亲对白刺激| 亚洲精品美女久久久久99蜜臀| 国产精品久久久久成人av| 国产黄频视频在线观看| 欧美av亚洲av综合av国产av| 亚洲欧美日韩高清在线视频 | 另类精品久久| 亚洲国产欧美在线一区| 19禁男女啪啪无遮挡网站| 老司机亚洲免费影院| 国产熟女午夜一区二区三区| 日韩 欧美 亚洲 中文字幕| av国产精品久久久久影院| 69av精品久久久久久 | 91麻豆av在线| 在线天堂中文资源库| 国产精品久久久久久精品电影小说| 最黄视频免费看| 日韩 欧美 亚洲 中文字幕| 日本av手机在线免费观看| 最近最新中文字幕大全免费视频| 国产高清视频在线播放一区| 国产精品免费大片| 亚洲av日韩精品久久久久久密| 亚洲欧美精品综合一区二区三区| 精品久久久久久电影网| a级片在线免费高清观看视频| 一本久久精品| 久久九九热精品免费| 国产日韩欧美在线精品| 国产精品电影一区二区三区 | 国产高清videossex| 黄色视频,在线免费观看| 亚洲三区欧美一区| 老司机午夜福利在线观看视频 | 久久午夜综合久久蜜桃| 免费观看人在逋| 国产成人欧美| 亚洲avbb在线观看| 露出奶头的视频| 亚洲中文字幕日韩| 老司机午夜福利在线观看视频 | 久久国产精品人妻蜜桃| 男女之事视频高清在线观看| 欧美日韩亚洲高清精品| 欧美国产精品一级二级三级| 成在线人永久免费视频| 妹子高潮喷水视频| 大片电影免费在线观看免费| 成人亚洲精品一区在线观看| 欧美成人午夜精品| 中文字幕色久视频| 国产一区二区激情短视频| 久久国产精品影院| 成人国语在线视频| 在线天堂中文资源库| 黄色成人免费大全| 成人国语在线视频| 久久久水蜜桃国产精品网| av免费在线观看网站| 国产成人免费观看mmmm| 精品人妻熟女毛片av久久网站| 精品福利观看| 女人精品久久久久毛片| 捣出白浆h1v1| 在线观看66精品国产| 欧美黄色淫秽网站| 亚洲精品美女久久av网站| 黄色成人免费大全| 18禁裸乳无遮挡动漫免费视频| 国产欧美亚洲国产| 在线观看免费视频日本深夜| av又黄又爽大尺度在线免费看| 性高湖久久久久久久久免费观看| 少妇 在线观看| 狂野欧美激情性xxxx| 国产精品.久久久| 一区二区三区激情视频| 一级片'在线观看视频| 免费高清在线观看日韩| 蜜桃国产av成人99| 午夜成年电影在线免费观看| 国产一区二区三区在线臀色熟女 | 黑人巨大精品欧美一区二区mp4| 国产精品亚洲av一区麻豆| 国产一区二区激情短视频| 亚洲成人免费电影在线观看| 国产亚洲欧美精品永久| 成在线人永久免费视频|