• <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 ?

    改進(jìn)的YOLOv4-tiny算法及其在無人機(jī)目標(biāo)檢測(cè)中的應(yīng)用

    2023-01-14 05:58:00銳,
    電光與控制 2022年12期
    關(guān)鍵詞:邊框空洞殘差

    楊 銳, 黃 山

    (四川大學(xué)電氣工程學(xué)院,成都 610000)

    0 引言

    無人機(jī)在戰(zhàn)斗中承擔(dān)的任務(wù)比重和權(quán)限越來越大,為應(yīng)對(duì)敵方無人機(jī)的威脅,建立有效的反無人機(jī)系統(tǒng)極具必要性。反無人機(jī)系統(tǒng)主要涉及探測(cè)、跟蹤、干擾和毀傷等技術(shù),其中探測(cè)技術(shù)是關(guān)鍵。相比傳統(tǒng)算法,基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法具有魯棒性強(qiáng)、精度高的優(yōu)點(diǎn),在對(duì)無人機(jī)的探測(cè)過程中可起到重要作用。檢測(cè)中面臨的主要難題有:移動(dòng)設(shè)備算力的限制以及復(fù)雜的背景環(huán)境導(dǎo)致檢測(cè)效果不佳。因此,優(yōu)化出更高精度的輕量級(jí)目標(biāo)檢測(cè)模型是本文的研究目標(biāo)。

    1 相關(guān)工作

    早期的目標(biāo)檢測(cè)算法如R-CNN(Regions with Convolution Neural Network features)系列[1-2]只在單層特征圖上進(jìn)行檢測(cè),其性能落后于使用多尺度進(jìn)行檢測(cè)的算法;YOLO(You Only Look Once)[3]和YOLOv2[4]也只使用主干網(wǎng)絡(luò)提取的最后一層特征來進(jìn)行預(yù)測(cè),雖然速度很快,但是精度并不理想。2016年提出的SSD(Single Shot Multibox Detector)[5]算法首次利用了不同尺度的特征圖進(jìn)行預(yù)測(cè),將不同層的預(yù)測(cè)結(jié)果進(jìn)行匯總后,再通過NMS(Non-Maximum Suppression)濾除低質(zhì)量邊框,由于SSD算法利用了淺層較高分辨率的特征圖,這些特征圖包含豐富的細(xì)節(jié)與位置信息,因而提高了小目標(biāo)的檢測(cè)精度。在SSD算法中,特征圖之間是相互獨(dú)立的,而后來出現(xiàn)的FPN(Feature Pyramid Network)通過融合多個(gè)低分辨率和高分辨率特征圖,進(jìn)一步提高了精度。此后,人們普遍認(rèn)為FPN的成功依賴于多層特征的融合,由此產(chǎn)生了一系列對(duì)于特征融合方法的研究,包括自適應(yīng)空間特征融合(Adaptively Spatial Feature Fusion,ASFF)[6]算法、路徑聚合網(wǎng)絡(luò)(Path Aggregation Network,PANet)[7]、雙向特征融合網(wǎng)絡(luò)(Bidirectional Feature Pyramid Network,BiFPN)[8]等,這些方法大多數(shù)是基于FPN來改進(jìn)的,并且成為最先進(jìn)目標(biāo)檢測(cè)器的重要組成部分,如FCOS(Fully Convolutional detection One-Stage object detection)算法[9]和YOLOv3算法[10]采用了FPN,YOLOv4[11]算法采用了PANet,EfficientDet[8]算法采用了BiFPN。

    近年出現(xiàn)的DETR(DEtection TRansformer)[12]算法通過引入Transformer來進(jìn)行目標(biāo)檢測(cè),它只使用一個(gè)C5特征就可以達(dá)到先進(jìn)的檢測(cè)效果,受此啟發(fā),CHEN等[13]提出了YOLOF(You Only Look One-level Feature)算法,該算法依然采用了傳統(tǒng)的CNN(Convolutional Neural Networks),但只用了一層C5特征,通過針對(duì)性的優(yōu)化,達(dá)到了媲美YOLOv4算法的精度,并且模型結(jié)構(gòu)更簡(jiǎn)單,檢測(cè)速度更快。這給人一個(gè)新的啟發(fā):利用較少的特征層依然可以達(dá)到理想的檢測(cè)精度。然而相比YOLOv4算法,YOLOF算法對(duì)于大目標(biāo)的檢測(cè)精度有所提高,而對(duì)于小目標(biāo)的檢測(cè)精度卻降低了。

    YOLOv4-tiny算法是在YOLOv4算法的基礎(chǔ)上簡(jiǎn)化而來的,其速度快,但精度并不理想。一些文獻(xiàn)通過增加一個(gè)特征層來對(duì)YOLO輕量化網(wǎng)絡(luò)進(jìn)行改進(jìn),但是這樣會(huì)增加大量的錨框使得計(jì)算量增大,影響檢測(cè)速度。而保留YOLOv4-tiny算法的兩個(gè)尺度的特征層能夠保持精度與速度的平衡,起到折衷的效果,因此,本文在不增加特征層的基礎(chǔ)上對(duì)YOLOv4-tiny算法進(jìn)行了特征融合策略的改進(jìn),同時(shí)對(duì)邊框回歸損失函數(shù)進(jìn)行了改進(jìn),以此來提高模型檢測(cè)精度。

    2 YOLOv4-tiny網(wǎng)絡(luò)結(jié)構(gòu)

    圖1所示為YOLOv4-tiny網(wǎng)絡(luò)結(jié)構(gòu)。由圖1可知,YOLOv4-tiny的主干網(wǎng)絡(luò)(backbone)包含3個(gè)基本卷積模塊以及3個(gè)CSP模塊,每個(gè)基本卷積模塊包含卷積層、BN層與LeakyReLU激活函數(shù),其中,步幅為2的卷積用來對(duì)上一層的特征圖進(jìn)行下采樣。CSP模塊中首先通過一個(gè)卷積層對(duì)特征進(jìn)行整合,再將特征層的通道分成兩部分,第2部分分別經(jīng)過3×3卷積層、一個(gè)小的殘差結(jié)構(gòu)和1×1卷積層,將得到的輸出與第1部分拼接,這使得梯度流可以在兩種不同的網(wǎng)絡(luò)路徑上傳播、梯度信息的相關(guān)性差異增加。每個(gè)CSP模塊后接一個(gè)步幅為2的2×2最大池化層進(jìn)行下采樣,形成多尺度的特征。主干網(wǎng)絡(luò)提取特征后,采用FPN結(jié)構(gòu)將不同層級(jí)的特征進(jìn)行融合,在特征融合前先用步幅為1的1×1卷積將通道壓縮到與下一層一致,再采用最近鄰插值法進(jìn)行上采樣。FPN輸出的特征經(jīng)過檢測(cè)頭的3×3卷積,最終得到13×13和26×26兩個(gè)特征圖用于預(yù)測(cè)。

    3 對(duì)特征金字塔網(wǎng)絡(luò)的改進(jìn)

    本文保留了YOLOv4-tiny頸部模塊兩輸入兩輸出的結(jié)構(gòu),旨在保證檢測(cè)速度,在這個(gè)基礎(chǔ)上提出了YOLO-L2網(wǎng)絡(luò)。首先通過主干網(wǎng)絡(luò)生成C5和C4兩種不同尺度的特征圖,C5經(jīng)過ResBlock-L2模塊后得到的特征和C4作為輸入來構(gòu)建PACAN (Path Aggregation with Coordinate Attention Network)特征金字塔,如圖2所示,Conv3是用來將通道數(shù)從512降為256的1×1卷積;Upsampling中,采用最近鄰插值進(jìn)行上采樣;Downsampling中,采用雙線性插值進(jìn)行下采樣。Head1與Head2中,首先采用3×3卷積,保持通道數(shù)為256,再采用1×1卷積將通道數(shù)壓縮為(5+n)×3,其中,n為類別數(shù)。

    圖2 YOLO-L2網(wǎng)絡(luò)結(jié)構(gòu)Fig.2 Network structure of YOLO-L2

    3.1 PACAN路徑聚合網(wǎng)絡(luò)

    (1)

    (2)

    (3)

    式中:fattention表示協(xié)調(diào)注意力操作;fresize表示上采樣以及1×1卷積操作,用于使兩個(gè)待融合特征圖的分辨率和通道數(shù)一致;λ1和λ2是可學(xué)習(xí)的變量,在進(jìn)行加權(quán)時(shí),借鑒了EfficientDet的思想,先使用ReLU激活函數(shù)將λ1和λ2的值限定為非負(fù)數(shù),再將λ1和λ2分別除以λ1+λ2+ε得到加權(quán)系數(shù)α和β,這樣能夠保證系數(shù)和為1,這種簡(jiǎn)單的歸一化方式具有比Softmax函數(shù)更小的計(jì)算開銷;ε是一個(gè)極小的常數(shù),本文取1×10-4,用來防止分母為0。

    3.2 協(xié)調(diào)注意力機(jī)制

    采用協(xié)調(diào)注意力機(jī)制對(duì)相加融合后的特征進(jìn)一步整合,通過利用兩個(gè)坐標(biāo)方向的池化特征來整合空間信息,不僅能捕獲跨通道的信息,還能捕獲方向和位置的信息。對(duì)于一個(gè)輸入特征圖,用C,W和H分別表示其通道數(shù),寬和高,在每個(gè)通道上采用H×1和1×W大小的池化核分別沿著W方向和H方向進(jìn)行平均池化操作,此過程可以表示為

    (4)

    (5)

    f=δ(F1([zh,zw]))

    (6)

    式中:[·]表示沿著空間維度進(jìn)行拼接操作;f的通道數(shù)為(C/r)·(H+W);非線性激活函數(shù)使用了H-Swish。下一步是分離操作,沿著空間維度把f分離成為兩個(gè)張量,并分別通過1×1卷積把通道數(shù)擴(kuò)展為輸入特征圖的通道數(shù)C,經(jīng)過Sigmoid函數(shù)處理后,將得到的結(jié)果與輸入特征圖相乘,起到加權(quán)的作用。

    3.3 級(jí)聯(lián)瓶頸殘差模塊

    受YOLOF的啟發(fā),本文提出了級(jí)聯(lián)的瓶頸殘差模塊ResBlock-L2(L表示大尺寸卷積核,2表示級(jí)聯(lián)模塊的個(gè)數(shù))用來增大感受野,如圖3所示,輸入端為C5,輸出端為P5,ResBlock-L2由兩個(gè)殘差模塊(Residual Block)組成。

    圖3 ResBlock-L2結(jié)構(gòu)Fig.3 Structure of the ResBlock-L2

    每一個(gè)殘差模塊是一個(gè)瓶頸結(jié)構(gòu),在第i個(gè)(i∈{1,2})殘差模塊中,首先使用逐點(diǎn)卷積降維為原來的一半以減少計(jì)算量,再經(jīng)過卷積核大小為i×2+3的逐通道卷積提取具有大感受野的特征,最后使用逐點(diǎn)卷積升高維度,卷積層后面均有一個(gè)BN層和ReLU層。第1個(gè)殘差模塊中逐通道卷積核大小為5×5,第2個(gè)模塊中的逐通道卷積核大小為7×7。使用殘差結(jié)構(gòu)的目的在于:1) 通過短路連接可以確保具有小感受野的特征也能保留,這樣得到的特征圖融合了多種具有不同感受野的特征,因此本質(zhì)上ResBlock-L2也是一種特征融合結(jié)構(gòu);2) 殘差結(jié)構(gòu)能克服增加深度帶來的退化問題,更容易優(yōu)化。沒有在殘差結(jié)構(gòu)中采用空洞卷積的原因在于:空洞卷積具有網(wǎng)格效應(yīng),卷積核的不連續(xù)會(huì)導(dǎo)致部分輸入像素沒有得到計(jì)算,為了克服這個(gè)問題需要多次堆疊不同空洞率的空洞卷積層(如YOLOF采用了4個(gè)空洞殘差塊),而堆疊過多的網(wǎng)絡(luò)模塊會(huì)導(dǎo)致計(jì)算開銷增加,不利于輕量級(jí)模型,但如果減少空洞卷積次數(shù),比如只使用兩個(gè)級(jí)聯(lián)的空洞殘差模塊,就難以克服網(wǎng)格效應(yīng)帶來的問題。本文使用了具有大尺寸卷積核的逐通道卷積而不是空洞卷積,最大的 7×7 卷積具有的參數(shù)量?jī)H有0.013×106,占整個(gè)模型的比例低于 0.22%,因此增加的參數(shù)量可以忽略不計(jì)。

    4 對(duì)邊框回歸損失函數(shù)的改進(jìn)

    YOLOv4-tiny使用的CIoU(Complete loU)[15]損失函數(shù)中的ν只是反映了寬高比的差異,而不是hgt和h,wgt和w之間的真實(shí)關(guān)系,因此提出了MEIoU (More Efficient IoU),其表達(dá)式為

    (7)

    式中:ρ2(b,bgt)為預(yù)測(cè)框與真實(shí)框中心距的平方;D為真實(shí)框與預(yù)測(cè)框之間的最小包圍框的對(duì)角線長(zhǎng)度;max(w,wgt)項(xiàng)不會(huì)超過最小包圍框的寬度;懲罰項(xiàng)的目的在于使得預(yù)測(cè)框和目標(biāo)框的長(zhǎng)寬差值減小,讓預(yù)測(cè)框能夠快速接近真實(shí)框;系數(shù)設(shè)置為0.5是為了平衡重疊面積、中心點(diǎn)和邊長(zhǎng)這3個(gè)幾何因素的權(quán)重,使得它們的取值范圍都在0與1之間。

    為了模擬邊框回歸過程,設(shè)置初始框中心點(diǎn)坐標(biāo)為x=4,y=5.5,寬和高為w=2.5,h=1;目標(biāo)框固定不變,其中心點(diǎn)坐標(biāo)為x=0,y=0,寬和高為w=0.5,h=0.5;實(shí)驗(yàn)采用Adam優(yōu)化器,學(xué)習(xí)率設(shè)置為0.002,共迭代6000次。圖4用了9組子圖來表示在模擬迭代過程中分別采用CIoU、EIoU[16]和MEIoU 3種損失函數(shù)時(shí)在第100次、第1000次和第5200次迭代時(shí)的邊框狀態(tài)。

    圖4 不同損失函數(shù)下的邊框位置變化Fig.4 The change of the bounding box when using different loss functions

    圖4中,每組子圖右上角的深色框代表初始框,左下角方框代表目標(biāo)框,虛線框代表迭代過程中的邊框位置,w和h表示當(dāng)前step下邊框的寬和高。

    圖5所示為迭代過程中邊框回歸損失對(duì)比情況。

    圖5 迭代過程中邊框回歸損失對(duì)比Fig.5 Comparison of BBR loss during iteration

    圖5中,MEIoU用了最少的迭代次數(shù)將回歸損失值減到了最小,結(jié)合圖4可知,由于考慮了hgt和h,wgt和w之間的真實(shí)關(guān)系,MEIoU明顯能使預(yù)測(cè)框更快地接近真實(shí)框。此外,相比EIoU,當(dāng)兩個(gè)框相距較遠(yuǎn)時(shí)MEIoU能產(chǎn)生更大的懲罰項(xiàng);當(dāng)一個(gè)框被另一個(gè)框包含時(shí),MEIoU相當(dāng)于在EIoU的基礎(chǔ)上將懲罰項(xiàng)變?yōu)樵瓉淼?/2,此時(shí)MEIoU的值介于EIoU和DIoU之間。

    5 消融實(shí)驗(yàn)

    5.1 實(shí)驗(yàn)參數(shù)設(shè)置

    本文實(shí)驗(yàn)訓(xùn)練環(huán)境如下:操作系統(tǒng)為Windows10,GPU為NVIDIA GeForce GTX1660,CPU為英特爾酷睿i5-9400F,Pytorch版本為1.2.0,CUDA版本為10.1,內(nèi)存大小為16 GiB。訓(xùn)練策略:訓(xùn)練時(shí)主干網(wǎng)絡(luò)加載在COCO數(shù)據(jù)集上預(yù)訓(xùn)練好的模型并且凍結(jié)這部分參數(shù),這樣可加快訓(xùn)練速度;Batchsize設(shè)置為32;采用余弦退火學(xué)習(xí)率,初始值為0.003,70個(gè)Epoch后下降到最小值0.000 1并保持;優(yōu)化器采用Adam;采用標(biāo)簽平滑策略,平滑因子設(shè)置為0.01;NMS中置信度閾值取0.01,IoU閾值取0.5;輸入圖像縮放為416像素×416像素。

    5.2 數(shù)據(jù)集

    1) 自制數(shù)據(jù)集:UAV-L。

    UAV-L數(shù)據(jù)集包含固定翼無人機(jī)、單旋翼無人機(jī)、多旋翼無人機(jī)3個(gè)類別,圖片通過互聯(lián)網(wǎng)以及實(shí)地拍攝獲得,共有2300張。采用K-means算法對(duì)標(biāo)注好的數(shù)據(jù)集進(jìn)行聚類可以得到6個(gè)先驗(yàn)框,其大小分別為(25,21),(54,43),(101,69),(176,115),(276,184)和(368,292),平均IoU為71.7%。

    2) 公開數(shù)據(jù)集:PASCAL VOC。

    該數(shù)據(jù)集一共有20個(gè)類別,在VOC數(shù)據(jù)集上進(jìn)行的實(shí)驗(yàn),是將VOC2007的trainval部分(共5011張)和VOC2012的trainval部分(共11 540張)的并集作為訓(xùn)練集,VOC2007的test部分(共4952張)作為測(cè)試集。先驗(yàn)框的設(shè)置和官方開源代碼保持一致。

    訓(xùn)練過程中,分別采用光度畸變和幾何畸變進(jìn)行數(shù)據(jù)增強(qiáng),其中,光度畸變采用了色域變換以及隨機(jī)調(diào)整亮度、對(duì)比度、飽和度等操作,幾何畸變采用了隨機(jī)水平翻轉(zhuǎn)、裁剪和隨機(jī)尺度縮放等操作。

    5.3 評(píng)價(jià)指標(biāo)

    UAV-L和VOC數(shù)據(jù)集的平均精度均值(mAP)均按照VOC 2012對(duì)mAP的計(jì)算方法:對(duì)每一個(gè)召回率,找到該召回率下最大的準(zhǔn)確率,然后求其均值得到AP(Average Precision),將所有類別的AP取平均得到mAP。通過模型進(jìn)行前向推理所花費(fèi)的時(shí)間來評(píng)估速度,該值不包含檢測(cè)后的其他處理過程,由多次測(cè)量取平均值得到,測(cè)量時(shí)間采用的GPU為NVIDIA GeForce RTX 2060,CPU為英特爾酷睿i5-10200H。

    5.4 定量分析

    5.4.1 改進(jìn)前后對(duì)比

    在YOLO-L2的網(wǎng)絡(luò)結(jié)構(gòu)上去掉ResBlock-L2模塊即可得到PACAN,采用相加的特征融合方式比拼接得到的特征通道數(shù)更少,因此參數(shù)量得以減少,整個(gè)PACAN模型的參數(shù)量只有4.99×106。在VOC和UAV-L數(shù)據(jù)集上,PACAN相比YOLOv4-tiny,mAP分別提高了2.07 %和1.92%,如表1所示。本實(shí)驗(yàn)環(huán)境下測(cè)得YOLOv4-tiny的mAP為75.72%;使用CPU測(cè)試時(shí),PACAN的速度和精度均超過YOLOv4-tiny;YOLO-L2在對(duì)比實(shí)驗(yàn)中的mAP最高,比YOLOv4-tiny提高3.19%;雖然在GPU上前向推理耗時(shí)比YOLOv4-tiny多了0.8 ms,但也滿足實(shí)時(shí)性。

    表1 算法性能對(duì)比(VOC數(shù)據(jù)集)Table 1 Performance camparison of algorithms(VOC dataset)

    表2所示為UAV-L數(shù)據(jù)集中各類別的AP值。

    表2 各類別的AP值(UAV-L數(shù)據(jù)集)Table 2 AP values of each category (UAV-L dataset) %

    從表2可看到,改進(jìn)后模型的mAP提升了3.95%,對(duì)于各個(gè)類別來說,模型對(duì)多旋翼無人機(jī)的檢測(cè)效果最好,而單旋翼無人機(jī)的AP值不高,這在一定程度上是由訓(xùn)練樣本較少導(dǎo)致的。

    實(shí)驗(yàn)中還對(duì)比了幾種不同的損失函數(shù)。文獻(xiàn)[16]認(rèn)為邊框回歸應(yīng)該聚焦于高質(zhì)量邊框,因此在EIoU損失前乘了一個(gè)動(dòng)態(tài)系數(shù)Iγ(I代表交并比),得到了Focal-EIoU。實(shí)驗(yàn)過程中本文將動(dòng)態(tài)系數(shù)中的變量設(shè)置為不更新梯度,γ取值為1。結(jié)果表明,在本文模型中Focal-EIoU的精度均超過了CIoU,而采用MEIoU效果更佳,能夠帶來mAP 0.2%~0.4%的提升。

    5.4.2 級(jí)聯(lián)殘差模塊

    1) 卷積核大小的影響。

    首先,為了驗(yàn)證ResBlock-L2模塊對(duì)于模型性能具有進(jìn)一步的提升效果,在公開數(shù)據(jù)集VOC上進(jìn)行了如下消融實(shí)驗(yàn):在PACAN的基礎(chǔ)上,只在C5特征層加入ResBlock-L2模塊,而其他部分保持不變。

    表3所示為VOC數(shù)據(jù)集中ResBlock-L2設(shè)置不同參數(shù)時(shí)的實(shí)驗(yàn)結(jié)果。

    表3 ResBlock-L2設(shè)置不同參數(shù)時(shí)的實(shí)驗(yàn)結(jié)果(VOC數(shù)據(jù)集)Table 3 Experimental results of the ResBlock-L2 with different parameters (VOC dataset)

    表3中,大尺寸是指本文提出的ResBlock-L2模塊,其特點(diǎn)是殘差結(jié)構(gòu)中逐通道卷積的核尺寸分別為5×5和7×7,可以看到mAP值為78.62%,相比CIoU的75.72%(見表1)提高了2.90%,對(duì)精度具有明顯改善效果。

    其次,為了驗(yàn)證卷積核尺寸大小的影響,將每個(gè)殘差模塊中的卷積全部替換成3×3卷積再次進(jìn)行實(shí)驗(yàn),結(jié)果對(duì)應(yīng)表3中的小尺寸,此時(shí),相比基礎(chǔ)模型mAP只提高了2.39%,而二者的計(jì)算量并無明顯區(qū)別,不同之處在于大尺寸卷積能夠提取具有更大感受野的特征。由此說明,增大感受野是導(dǎo)致該模型精度提升的關(guān)鍵因素之一。

    2) 卷積類型的影響。

    正如前文提到的,由于空洞卷積具有網(wǎng)格效應(yīng),要解決這個(gè)問題需要多次堆疊空洞卷積,表3中的空洞卷積是指在殘差結(jié)構(gòu)中的逐通道卷積的基礎(chǔ)上設(shè)置大于1的空洞率,因?yàn)槿绻捎闷胀斩淳矸e,參數(shù)量會(huì)顯著增大(輸入、輸出通道數(shù)為256的情況下,每增加一個(gè)普通空洞卷積參數(shù)量大約增加0.86×106),殘差模塊數(shù)目為2時(shí),空洞率依次設(shè)置為2和3;殘差模塊數(shù)目為4時(shí),空洞率依次設(shè)置為2,3,4,5;殘差模塊數(shù)目為6時(shí),空洞率依次設(shè)置為2,3,4,5,6,7。實(shí)驗(yàn)結(jié)果表明:只級(jí)聯(lián)2個(gè)空洞卷積時(shí),mAP只有77.36%,即加入該模塊后模型的性能反而降低了;當(dāng)級(jí)聯(lián)4個(gè)空洞卷積時(shí),mAP提升到了77.87%;級(jí)聯(lián)6個(gè)空洞卷積后,mAP進(jìn)一步提升到了78.32%,然而依然沒能超過采用大尺寸普通卷積時(shí)的78.62%,并且參數(shù)量提升到了6.60×106,超過了YOLO-L2的5.54×106,這體現(xiàn)了ResBlock-L2在設(shè)計(jì)上的合理性。實(shí)驗(yàn)結(jié)果表明,采用具有大尺寸卷積核的殘差結(jié)構(gòu)不能有效提高對(duì)小目標(biāo)的檢測(cè)精度;過少的空洞卷積會(huì)導(dǎo)致性能降低,而空洞卷積過多會(huì)導(dǎo)致參數(shù)量的提升,不利于輕量級(jí)模型。

    3) ResBlock-L2嵌入位置的影響。

    為了驗(yàn)證ResBlock-L2嵌入位置對(duì)模型性能的影響,在YOLO-L2的基礎(chǔ)上改變ResBlock-L2模塊的位置,保持其他結(jié)構(gòu)不變進(jìn)行了如下實(shí)驗(yàn)。首先,將ResBlock-L2模塊單獨(dú)嵌入到C4處(設(shè)置輸入輸出通道數(shù)為256,中間通道數(shù)為128),然后,將其同時(shí)嵌入到C5和C4處。結(jié)果顯示同時(shí)嵌入到第5層和第4層時(shí)起到反作用,mAP降到了78.46%,并且此時(shí)參數(shù)量更大了;單獨(dú)嵌入到第4層時(shí)效果最差,mAP僅有77.73%,因?yàn)檫@會(huì)導(dǎo)致該層特征丟失部分細(xì)節(jié)信息。只將ResBlock-L2嵌入到第5層而不是其他層的原因在于:不是每一層特征都需要增大感受野,根據(jù)尺度匹配規(guī)則,不同層級(jí)的特征負(fù)責(zé)預(yù)測(cè)不同尺度的目標(biāo),最深層級(jí)的特征是用來檢測(cè)大目標(biāo)的,需要足夠大的感受野,而淺層的特征并不需要。

    5.5 定性分析

    為了更直觀地說明檢測(cè)算法的效果,選取了一些典型的樣張進(jìn)行對(duì)比分析。圖6所示為UAV-L數(shù)據(jù)集訓(xùn)練的結(jié)果。

    圖6 YOLOv4-tiny算法與本文算法的檢測(cè)效果對(duì)比(UAV-L數(shù)據(jù)集)Fig.6 Comparison of detection effects of YOLOv4- tiny and the proposed method (UAV-L dataset)

    圖6中:從左往右第1組對(duì)比圖中YOLOv4-tiny算法對(duì)大目標(biāo)造成了誤檢;第2組對(duì)比圖反映了本文算法對(duì)于小目標(biāo)的檢測(cè)能力與YOLOv4-tiny算法基本一致,但二者都漏掉了最小的目標(biāo);第6組對(duì)比圖中YOLOv4-tiny算法出現(xiàn)了漏檢;其他幾組圖反映了本文算法檢測(cè)出的目標(biāo)置信度更高、邊框定位更加準(zhǔn)確。

    6 結(jié)束語(yǔ)

    為了進(jìn)一步提升模型的精度,本文改進(jìn)YOLOv4-tiny算法后提出了YOLO-L2模型,并用來對(duì)無人機(jī)進(jìn)行檢測(cè),該模型保留2個(gè)尺度的特征圖,采用一種基于協(xié)調(diào)注意力機(jī)制與路徑聚合策略的特征融合網(wǎng)絡(luò),同時(shí)使用了一個(gè)殘差模塊ResBlock-L2來增大感受野以及融合具有不同感受野的特征。改進(jìn)后的模型相比YOLOv4-tiny算法顯著地提高了檢測(cè)精度;采用MEIoU邊框損失函數(shù)來替換CIoU后,精度也有所提升。本文所提UAV-L數(shù)據(jù)集樣本數(shù)還比較少,未來需要對(duì)其進(jìn)一步擴(kuò)充。另外,輕量級(jí)模型對(duì)弱小目標(biāo)的檢測(cè)效果不佳,如何在保證實(shí)時(shí)性的基礎(chǔ)上提升對(duì)小目標(biāo)的檢測(cè)精度也是未來需要探索的方向。

    猜你喜歡
    邊框空洞殘差
    一模六產(chǎn)品篩板模具的設(shè)計(jì)與應(yīng)用
    智能制造(2022年4期)2022-08-18 16:21:14
    基于雙向GRU與殘差擬合的車輛跟馳建模
    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
    用Lightroom添加寶麗來邊框
    給照片制作專業(yè)級(jí)的邊框
    空洞的眼神
    擺脫邊框的束縛優(yōu)派
    用事實(shí)說話勝過空洞的說教——以教育類報(bào)道為例
    新聞傳播(2015年20期)2015-07-18 11:06:46
    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
    精品国产乱码久久久久久小说| 巨乳人妻的诱惑在线观看| 看免费av毛片| 波多野结衣一区麻豆| 欧美老熟妇乱子伦牲交| 成人二区视频| 亚洲欧美日韩卡通动漫| 亚洲av中文av极速乱| 18禁国产床啪视频网站| 欧美成人精品欧美一级黄| 久久ye,这里只有精品| 国产有黄有色有爽视频| 亚洲精品国产av蜜桃| 成人18禁高潮啪啪吃奶动态图| 婷婷色麻豆天堂久久| 国产免费又黄又爽又色| 老司机影院成人| xxx大片免费视频| 精品人妻偷拍中文字幕| 国产又色又爽无遮挡免| 在线免费观看不下载黄p国产| 五月玫瑰六月丁香| 天堂中文最新版在线下载| 久久狼人影院| 青春草国产在线视频| 一区二区三区四区激情视频| 欧美日韩视频精品一区| 国产一区有黄有色的免费视频| 午夜福利影视在线免费观看| 国产免费视频播放在线视频| 人人澡人人妻人| 欧美人与善性xxx| 日韩制服丝袜自拍偷拍| 精品亚洲成a人片在线观看| 一区二区日韩欧美中文字幕 | 欧美精品国产亚洲| 久久精品人人爽人人爽视色| 女人被躁到高潮嗷嗷叫费观| 国产一区有黄有色的免费视频| 亚洲av男天堂| 女性生殖器流出的白浆| 免费黄网站久久成人精品| 热re99久久国产66热| 国产一区二区在线观看av| 色94色欧美一区二区| videos熟女内射| 亚洲av免费高清在线观看| 国产男人的电影天堂91| 日韩一本色道免费dvd| 99国产精品免费福利视频| 如何舔出高潮| 热re99久久国产66热| 日本vs欧美在线观看视频| 香蕉国产在线看| 国产精品国产三级专区第一集| 宅男免费午夜| 中文字幕制服av| 欧美 亚洲 国产 日韩一| 国产男人的电影天堂91| 视频在线观看一区二区三区| 你懂的网址亚洲精品在线观看| 伊人久久国产一区二区| 欧美xxxx性猛交bbbb| 成人漫画全彩无遮挡| 少妇被粗大猛烈的视频| 黑丝袜美女国产一区| 少妇精品久久久久久久| 欧美 亚洲 国产 日韩一| 中文字幕av电影在线播放| 国产欧美另类精品又又久久亚洲欧美| 日韩一本色道免费dvd| 少妇高潮的动态图| 又黄又爽又刺激的免费视频.| 人妻少妇偷人精品九色| 亚洲欧洲精品一区二区精品久久久 | 国产亚洲一区二区精品| 一区二区三区四区激情视频| 好男人视频免费观看在线| 一区二区三区乱码不卡18| 国产精品国产三级国产av玫瑰| av网站免费在线观看视频| 91精品三级在线观看| 午夜福利乱码中文字幕| 欧美成人午夜免费资源| 韩国av在线不卡| a级毛片黄视频| 黑人欧美特级aaaaaa片| 亚洲国产av影院在线观看| 中文欧美无线码| 一级毛片黄色毛片免费观看视频| 欧美激情 高清一区二区三区| 久久久国产欧美日韩av| 99热这里只有是精品在线观看| 中文乱码字字幕精品一区二区三区| 美女福利国产在线| 青青草视频在线视频观看| 日韩三级伦理在线观看| 国产精品无大码| 国产成人精品无人区| 午夜福利,免费看| 亚洲国产毛片av蜜桃av| 少妇 在线观看| 日韩 亚洲 欧美在线| 又黄又粗又硬又大视频| 天美传媒精品一区二区| 国国产精品蜜臀av免费| 国产亚洲欧美精品永久| 69精品国产乱码久久久| 男女边摸边吃奶| 免费女性裸体啪啪无遮挡网站| 亚洲精品美女久久av网站| 久久av网站| 蜜桃在线观看..| 久久这里有精品视频免费| 日本欧美视频一区| 久久久久久人人人人人| 性色av一级| 美女福利国产在线| 久久人人爽av亚洲精品天堂| 免费不卡的大黄色大毛片视频在线观看| 国产极品粉嫩免费观看在线| 最近最新中文字幕大全免费视频 | 国产精品久久久久久精品电影小说| 久久久久久人妻| 一二三四中文在线观看免费高清| 天美传媒精品一区二区| 亚洲美女黄色视频免费看| 在线天堂最新版资源| 国产又色又爽无遮挡免| 国产精品麻豆人妻色哟哟久久| 亚洲精品中文字幕在线视频| 免费日韩欧美在线观看| 在线观看免费高清a一片| 搡老乐熟女国产| 免费av中文字幕在线| 日韩制服骚丝袜av| 这个男人来自地球电影免费观看 | 亚洲婷婷狠狠爱综合网| 精品一区在线观看国产| 一本色道久久久久久精品综合| 国产一区二区三区av在线| 亚洲一区二区三区欧美精品| 边亲边吃奶的免费视频| 日韩人妻精品一区2区三区| 日韩av不卡免费在线播放| 成人毛片a级毛片在线播放| 亚洲精品aⅴ在线观看| 国产成人精品久久久久久| av.在线天堂| 大陆偷拍与自拍| 你懂的网址亚洲精品在线观看| 亚洲成色77777| 亚洲成色77777| av有码第一页| 午夜免费观看性视频| 丝瓜视频免费看黄片| 日韩免费高清中文字幕av| 人人妻人人澡人人看| 一级,二级,三级黄色视频| 老司机影院毛片| 成年美女黄网站色视频大全免费| 九九在线视频观看精品| 亚洲av日韩在线播放| 国产免费福利视频在线观看| 永久网站在线| 亚洲精品自拍成人| 大香蕉久久成人网| 亚洲精品,欧美精品| 久久99精品国语久久久| 最黄视频免费看| 亚洲欧洲国产日韩| 极品人妻少妇av视频| 国产精品秋霞免费鲁丝片| 精品一区二区三区四区五区乱码 | 免费黄网站久久成人精品| 一级黄片播放器| 人妻少妇偷人精品九色| 国产亚洲一区二区精品| 国产精品久久久久久久久免| 午夜精品国产一区二区电影| 如何舔出高潮| 久久久久久久国产电影| 久热久热在线精品观看| 97人妻天天添夜夜摸| 丝袜脚勾引网站| 老司机影院成人| 热99国产精品久久久久久7| 亚洲四区av| 老司机亚洲免费影院| 亚洲综合精品二区| 美国免费a级毛片| 日本爱情动作片www.在线观看| 精品第一国产精品| 青青草视频在线视频观看| 精品少妇久久久久久888优播| 久久影院123| 亚洲国产精品一区三区| 丰满迷人的少妇在线观看| 黑人猛操日本美女一级片| 国产日韩一区二区三区精品不卡| 中国国产av一级| 男女高潮啪啪啪动态图| 国产男女内射视频| 亚洲综合色网址| 国国产精品蜜臀av免费| 国产精品三级大全| 亚洲精品乱久久久久久| 亚洲av福利一区| 欧美少妇被猛烈插入视频| 国产精品人妻久久久影院| 色吧在线观看| 成人国产av品久久久| 最近2019中文字幕mv第一页| 日本av手机在线免费观看| xxxhd国产人妻xxx| 精品少妇久久久久久888优播| 亚洲一区二区三区欧美精品| 亚洲精品美女久久av网站| 女人久久www免费人成看片| 精品人妻熟女毛片av久久网站| 久久久久国产网址| 国产av码专区亚洲av| 国产女主播在线喷水免费视频网站| 交换朋友夫妻互换小说| 国产精品成人在线| av免费观看日本| 国产极品粉嫩免费观看在线| 欧美日韩综合久久久久久| 国产一区二区三区综合在线观看 | 最近最新中文字幕大全免费视频 | 人妻少妇偷人精品九色| 丰满迷人的少妇在线观看| 黑人欧美特级aaaaaa片| 最近手机中文字幕大全| 日韩免费高清中文字幕av| 九色亚洲精品在线播放| 熟妇人妻不卡中文字幕| 久久精品熟女亚洲av麻豆精品| 国产午夜精品一二区理论片| 在线观看免费视频网站a站| 考比视频在线观看| videosex国产| 男女啪啪激烈高潮av片| 少妇被粗大猛烈的视频| 99热网站在线观看| 久久久精品94久久精品| 视频中文字幕在线观看| 亚洲综合精品二区| 啦啦啦啦在线视频资源| av黄色大香蕉| 精品一品国产午夜福利视频| 亚洲久久久国产精品| 永久免费av网站大全| 国产熟女午夜一区二区三区| 日韩av免费高清视频| 啦啦啦视频在线资源免费观看| 国产片特级美女逼逼视频| 啦啦啦啦在线视频资源| 免费少妇av软件| 欧美激情国产日韩精品一区| 99国产综合亚洲精品| 街头女战士在线观看网站| 99久久中文字幕三级久久日本| 久久久精品94久久精品| 国精品久久久久久国模美| 女性被躁到高潮视频| 久热久热在线精品观看| 少妇精品久久久久久久| 精品人妻熟女毛片av久久网站| 欧美日韩综合久久久久久| 人成视频在线观看免费观看| 最黄视频免费看| 亚洲精品国产色婷婷电影| 免费观看无遮挡的男女| 亚洲人与动物交配视频| 九九爱精品视频在线观看| 成人午夜精彩视频在线观看| 成人亚洲精品一区在线观看| 日韩av不卡免费在线播放| 少妇人妻久久综合中文| 黑人欧美特级aaaaaa片| av国产久精品久网站免费入址| 一二三四在线观看免费中文在 | av视频免费观看在线观看| 亚洲国产精品999| 亚洲精品久久成人aⅴ小说| 久久亚洲国产成人精品v| 欧美老熟妇乱子伦牲交| 免费观看av网站的网址| 日韩伦理黄色片| 成人漫画全彩无遮挡| 精品一区二区三区视频在线| 天天躁夜夜躁狠狠躁躁| 免费在线观看完整版高清| 亚洲av欧美aⅴ国产| 色吧在线观看| 91精品国产国语对白视频| 少妇 在线观看| 国产精品久久久av美女十八| 大香蕉久久网| 男人操女人黄网站| 成人18禁高潮啪啪吃奶动态图| 老司机亚洲免费影院| 亚洲国产精品国产精品| 亚洲在久久综合| 男女下面插进去视频免费观看 | 水蜜桃什么品种好| 极品少妇高潮喷水抽搐| 成人午夜精彩视频在线观看| 狠狠婷婷综合久久久久久88av| 亚洲色图 男人天堂 中文字幕 | 美女内射精品一级片tv| 丰满饥渴人妻一区二区三| 考比视频在线观看| 亚洲国产精品一区二区三区在线| 午夜免费鲁丝| 欧美xxxx性猛交bbbb| 免费黄频网站在线观看国产| 夫妻性生交免费视频一级片| 日产精品乱码卡一卡2卡三| 日日撸夜夜添| 91精品国产国语对白视频| 丰满饥渴人妻一区二区三| 亚洲精品久久成人aⅴ小说| 高清黄色对白视频在线免费看| 日本vs欧美在线观看视频| 中文字幕av电影在线播放| 婷婷成人精品国产| 精品人妻在线不人妻| 国产av码专区亚洲av| 日韩中字成人| 多毛熟女@视频| 成年人午夜在线观看视频| 久久久久久久亚洲中文字幕| 99视频精品全部免费 在线| www.色视频.com| 精品卡一卡二卡四卡免费| 在线观看一区二区三区激情| 色94色欧美一区二区| 精品一区二区三区四区五区乱码 | 人人妻人人澡人人爽人人夜夜| 亚洲av国产av综合av卡| 国产男人的电影天堂91| 一级毛片我不卡| 亚洲图色成人| 日韩熟女老妇一区二区性免费视频| 亚洲熟女精品中文字幕| 亚洲精品久久午夜乱码| 韩国高清视频一区二区三区| 亚洲精华国产精华液的使用体验| 国产女主播在线喷水免费视频网站| 少妇的丰满在线观看| 精品国产国语对白av| 久久精品国产鲁丝片午夜精品| 人体艺术视频欧美日本| 国产精品人妻久久久影院| 亚洲四区av| 男女无遮挡免费网站观看| 天天操日日干夜夜撸| 中文精品一卡2卡3卡4更新| 97人妻天天添夜夜摸| 精品国产一区二区三区四区第35| 大陆偷拍与自拍| 菩萨蛮人人尽说江南好唐韦庄| 男男h啪啪无遮挡| 韩国高清视频一区二区三区| 亚洲性久久影院| 两性夫妻黄色片 | 亚洲精品久久午夜乱码| 欧美精品亚洲一区二区| 国产色婷婷99| 亚洲国产精品一区二区三区在线| 久久久久视频综合| 国产精品久久久久成人av| 国产精品蜜桃在线观看| 国产av一区二区精品久久| 亚洲av欧美aⅴ国产| 免费久久久久久久精品成人欧美视频 | 亚洲av欧美aⅴ国产| 国产精品三级大全| 2021少妇久久久久久久久久久| 天天躁夜夜躁狠狠躁躁| 久久久久精品人妻al黑| freevideosex欧美| 2018国产大陆天天弄谢| 性色avwww在线观看| av黄色大香蕉| 亚洲成人av在线免费| 日本wwww免费看| 亚洲成人手机| 日韩制服丝袜自拍偷拍| 人人妻人人澡人人爽人人夜夜| 国产极品粉嫩免费观看在线| 免费观看无遮挡的男女| 国产精品久久久久久久久免| a级片在线免费高清观看视频| 日韩av在线免费看完整版不卡| 国产精品欧美亚洲77777| 国产精品一区www在线观看| 精品视频人人做人人爽| 久久人妻熟女aⅴ| xxx大片免费视频| 下体分泌物呈黄色| 久久亚洲国产成人精品v| 亚洲精品,欧美精品| 美女xxoo啪啪120秒动态图| 成人二区视频| 亚洲人成77777在线视频| 欧美日韩精品成人综合77777| 国产精品久久久久久av不卡| 涩涩av久久男人的天堂| 亚洲欧美一区二区三区黑人 | 国产一区二区三区av在线| 日本爱情动作片www.在线观看| 国产精品久久久久久久久免| 久久久国产精品麻豆| 少妇人妻久久综合中文| av国产久精品久网站免费入址| 国产xxxxx性猛交| 汤姆久久久久久久影院中文字幕| 久久精品久久精品一区二区三区| 丝瓜视频免费看黄片| 免费观看在线日韩| 精品一区二区三区四区五区乱码 | freevideosex欧美| 亚洲精品久久午夜乱码| 日日啪夜夜爽| 天堂中文最新版在线下载| 国产激情久久老熟女| a级毛色黄片| 国产成人精品福利久久| www.色视频.com| av女优亚洲男人天堂| tube8黄色片| 22中文网久久字幕| 久久精品久久精品一区二区三区| 男女午夜视频在线观看 | 久久久精品免费免费高清| 最近最新中文字幕免费大全7| 老熟女久久久| 看非洲黑人一级黄片| 欧美xxxx性猛交bbbb| 亚洲精品美女久久av网站| 爱豆传媒免费全集在线观看| 九色亚洲精品在线播放| 免费大片黄手机在线观看| 一本色道久久久久久精品综合| 亚洲欧美一区二区三区国产| 欧美激情 高清一区二区三区| 国产极品粉嫩免费观看在线| 2021少妇久久久久久久久久久| 免费看光身美女| 夫妻午夜视频| 国产淫语在线视频| 视频区图区小说| 亚洲欧美日韩另类电影网站| 精品国产一区二区三区久久久樱花| 夫妻午夜视频| 韩国精品一区二区三区 | 精品国产国语对白av| 日韩一区二区视频免费看| 最黄视频免费看| 国产老妇伦熟女老妇高清| 亚洲精品一二三| av片东京热男人的天堂| 麻豆精品久久久久久蜜桃| 一级毛片黄色毛片免费观看视频| 黄片播放在线免费| av在线app专区| 欧美日韩成人在线一区二区| 国语对白做爰xxxⅹ性视频网站| 欧美激情 高清一区二区三区| 我的女老师完整版在线观看| 青春草国产在线视频| 欧美最新免费一区二区三区| 男女边吃奶边做爰视频| av在线app专区| 午夜av观看不卡| 在线 av 中文字幕| 欧美激情极品国产一区二区三区 | av黄色大香蕉| 丝袜人妻中文字幕| 91精品伊人久久大香线蕉| 国产精品国产av在线观看| 少妇人妻久久综合中文| 三级国产精品片| 人体艺术视频欧美日本| 中国国产av一级| 久久久久久久亚洲中文字幕| 精品国产乱码久久久久久小说| a 毛片基地| 国产精品一区二区在线观看99| 九色成人免费人妻av| 日日啪夜夜爽| 91国产中文字幕| 2021少妇久久久久久久久久久| 国产一区二区三区综合在线观看 | 午夜福利视频在线观看免费| 国产精品偷伦视频观看了| 国产片特级美女逼逼视频| 黄色配什么色好看| 亚洲内射少妇av| 免费看av在线观看网站| 久久久国产精品麻豆| 美女国产视频在线观看| 中文字幕精品免费在线观看视频 | 亚洲精品久久久久久婷婷小说| 国产国拍精品亚洲av在线观看| 一边摸一边做爽爽视频免费| 欧美激情 高清一区二区三区| 亚洲av.av天堂| 建设人人有责人人尽责人人享有的| 肉色欧美久久久久久久蜜桃| 啦啦啦中文免费视频观看日本| 国产精品国产av在线观看| 成人国语在线视频| 国产精品久久久久久久久免| 精品福利永久在线观看| 性色avwww在线观看| 亚洲在久久综合| 有码 亚洲区| 久久久a久久爽久久v久久| 最黄视频免费看| 麻豆乱淫一区二区| 天天操日日干夜夜撸| 性色avwww在线观看| 99国产精品免费福利视频| √禁漫天堂资源中文www| 精品亚洲成a人片在线观看| 看非洲黑人一级黄片| 99热全是精品| 制服丝袜香蕉在线| 国产成人a∨麻豆精品| 欧美+日韩+精品| 夫妻午夜视频| 丝袜喷水一区| 日韩伦理黄色片| 曰老女人黄片| 亚洲av电影在线进入| 搡老乐熟女国产| 免费人成在线观看视频色| av片东京热男人的天堂| 欧美亚洲日本最大视频资源| 日韩av在线免费看完整版不卡| 亚洲欧美清纯卡通| 日韩熟女老妇一区二区性免费视频| 国产日韩一区二区三区精品不卡| 国产日韩欧美在线精品| 日韩伦理黄色片| 热re99久久精品国产66热6| 亚洲精品自拍成人| 在线 av 中文字幕| 狠狠婷婷综合久久久久久88av| 啦啦啦视频在线资源免费观看| 欧美日本中文国产一区发布| 国产视频首页在线观看| 精品一区二区三卡| 日日撸夜夜添| 国产日韩欧美亚洲二区| 精品久久久久久电影网| 女的被弄到高潮叫床怎么办| 黄片无遮挡物在线观看| 黄网站色视频无遮挡免费观看| 亚洲精品视频女| 免费黄色在线免费观看| 国产永久视频网站| 亚洲四区av| 肉色欧美久久久久久久蜜桃| 一区二区三区乱码不卡18| 少妇高潮的动态图| 高清不卡的av网站| 欧美激情国产日韩精品一区| 人人澡人人妻人| 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 | 久久av网站| 久久久久人妻精品一区果冻| 午夜视频国产福利| 免费av中文字幕在线| 日韩电影二区| 少妇的逼好多水| 久热这里只有精品99| 欧美少妇被猛烈插入视频| 午夜福利乱码中文字幕| 亚洲内射少妇av| 一区二区日韩欧美中文字幕 | 国语对白做爰xxxⅹ性视频网站| 国产精品一区www在线观看| 日本黄大片高清| 老司机影院成人| 永久免费av网站大全| a级毛片黄视频| 久久99一区二区三区| 丝袜脚勾引网站| 日韩av在线免费看完整版不卡| 水蜜桃什么品种好| 精品人妻偷拍中文字幕| 日韩 亚洲 欧美在线| a级毛片在线看网站| 天堂俺去俺来也www色官网| 亚洲精品,欧美精品| 亚洲成人一二三区av| 美女主播在线视频| 韩国精品一区二区三区 | 女的被弄到高潮叫床怎么办| 又大又黄又爽视频免费| 国产在线一区二区三区精| 我的女老师完整版在线观看| 免费少妇av软件| 欧美国产精品一级二级三级| 少妇被粗大的猛进出69影院 | 亚洲欧美日韩另类电影网站| av在线观看视频网站免费| 国产无遮挡羞羞视频在线观看| 日韩伦理黄色片| 乱码一卡2卡4卡精品|