• <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YOLOv4的遙感影像飛機目標檢測

    2023-01-14 05:58:20張?zhí)祢E劉玉懷李蘇晨
    電光與控制 2022年12期
    關鍵詞:剪枝聚類飛機

    張?zhí)祢E, 劉玉懷, 李蘇晨

    (鄭州大學,a.計算機與人工智能學院; b.信息工程學院; c.電氣工程學院,鄭州 450000)

    0 引言

    遙感影像中飛機目標的檢測是遙感影像智能化信息提取的核心,在海情監(jiān)控和應急救災等軍事與民用方面均有重要且廣泛的應用。國內外學者針對遙感圖像的目標檢測做了大量研究,YI等[1]提出了一種基于隨機區(qū)域提出的概率快速R-CNN遙感圖像目標檢測算法,將概率區(qū)域提出網絡、圖像分類網絡和目標檢測網絡進行融合來檢測目標;VHARKATE等[2]集成了降維(DR)、特征提取(FE)、損失函數優(yōu)化、匹配過程和相關反饋(RF)機制,提出了一種利用混合VGGNet與紅鹿RDA的遙感圖像檢索算法;董永峰等[3]針對不同類型飛機的尺寸比例不固定等特點,提出以Mask R-CNN為基礎框架的目標檢測方法。以上方法均采用基于候選區(qū)的兩階段卷積神經網絡算法,雖然具有較高的精度,但檢測效率低且不適用于移動端。

    基于回歸的單階段目標檢測算法通過縮減人工預處理增加模型契合度,在檢測精度、速度及魯棒性方面均有良好表現。WU等[4]以YOLOv3作為檢測框架,采用多粒度網絡(MGN)提取豐富的目標外觀信息;張欣等[5]對YOLOv4-tiny進行改進,引入Mish激活函數與空間金字塔池化模塊,緩解網絡對飛機目標尺度的敏感程度,使模型具有更好的泛化能力。受以上模型啟發(fā),本文提出了一種改進YOLOv4算法對遙感圖像飛機目標進行識別,采用K-means++獲取與目標擬合度更高的先驗框參數;改進損失函數,解決正負樣本的非平衡性;使用雙向剪枝對模型進行輕量化處理。實驗表明,改進后的算法能夠在保證識別精度的同時提高檢測效率,有效解決了模型不易部署在衛(wèi)星和嵌入式設備等硬件資源受限平臺的問題。

    1 YOLOv4算法

    YOLOv4算法[6]的網絡架構由Input,Backbone,Neck(SPP+PANet)和Head組成。Input通過自對抗訓練策略使神經網絡反向更新圖像,在添加擾動后的圖像上訓練,實現數據擴充。Backbone以CSPDarknet-53作為網絡框架,其中,CSP-ResNet 殘差連接結構消除網絡反向優(yōu)化時梯度信息冗余現象;以Mish激活函數代替Leaky ReLU函數,保證函數在負值的情況下允許較小的負梯度流入。Neck通過空間池化結構SPP對特征層進行4種尺度的最大池化提取上下文特征。為避免在傳遞過程中出現淺層信息丟失的問題,采用實例分割框架下的路徑聚合網絡結構PANet融合深層與淺層的特征信息,使得Neck能夠生成3個更有效的目標檢測特征圖。Head的功能是回歸與分類,沿用YOLOv3的多尺度預測方式,將生成的3個特征圖分別用于小、中、大目標的檢測和預測解碼,圖1分別是52像素×52像素,26像素×26像素,13像素×13像素飛機目標特征圖。

    圖1 多尺度特征圖Fig.1 Multi-scale feature map

    2 改進YOLOv4的遙感飛機檢測

    YOLOv4在檢測精度與速度之間取得了較好的平衡,是目標檢測的首選模型,但由于原始算法的先驗框不符合遙感飛機數據集中檢測目標的尺寸,且高額的計算成本使模型的部署變得困難,因此需要重新擬合先驗框參數、簡化網絡結構并降低參數量,在不影響精度的前提下提高模型檢測速度。

    2.1 先驗框計算的改進

    YOLOv4在劃分網格后的圖像上設置先驗框,通過預測先驗框與真實框之間的距離,確定最終的邊界框回歸。由于遙感影像背景復雜造成算法原始先驗框數據與飛機目標的尺寸無法較好地耦合,因此,本文采用K-means++算法穩(wěn)定初始化聚類中心選擇,使模型獲得最優(yōu)的先驗框參數,提高檢測精度。

    K-means++算法[7]先隨機選取數據集中某一個樣本的目標框區(qū)域作為初始聚類中心,再計算各個樣本到已有的聚類中心的距離D(x)以及每個樣本成為下一個聚類中心的概率P(x),即

    (1)

    選取概率最大的樣本目標框區(qū)域作為新的聚類中心,重復上述步驟直至選出K個聚類中心;重新計算每個樣本到各個聚類中心的距離,把樣本點劃分到與之距離最近的簇中,更新各個簇中所有類的聚類中心,最后迭代至聚類中心不再變化時結束。按照上述步驟對數據集聚類分析,結果如圖2所示。

    圖2 K-means++聚類算法結果Fig.2 Results of K-means++ clustering algorithm

    由圖2可知,平均交并比IoU與候選框的數量呈正相關,為同時兼顧計算精度與耗時,以9作為聚類中心數,聚類效果如圖3所示,其尺寸如表1所示。

    圖3 K-means++聚類效果圖Fig.3 K-means++ clustering diagram

    表1 優(yōu)化聚類后先驗框尺寸Table 1 Priori frame sizes after optimization

    2.2 損失函數的改進

    在進行遙感圖像的目標檢測時,由于背景復雜,一張圖像中真實目標包圍框的數量往往會遠小于預測包圍框,造成正負樣本比例失衡的問題。因此,本文在標準交叉熵損失函數的基礎上增加調節(jié)因子,以focal loss[8]作為改進的YOLOv4的損失函數,該函數表示為

    (2)

    圖4 不同模型的PR曲線Fig.4 PR curves of different models

    由圖4可以看出,focal loss的引入有效降低了簡單負樣本在訓練過程中所占的權重,解決了標準交叉熵損失函數中存在的正樣本輸出概率越大損失越小、負樣本輸出概率越小損失越小的問題,從而提升模型的檢測精度。

    2.3 剪枝壓縮

    由于YOLOv4高額的計算成本使模型部署變得困難,本文在保證檢測精度的前提下,采用融合卷積核剪枝與層間剪枝的剪枝方法[9]對YOLOv4進行壓縮。模型需要通過基礎訓練、稀疏訓練、雙向剪枝以及微調得到合適的壓縮尺度?;A訓練以改進的損失函數Lft作為優(yōu)化目標,對數據集進行迭代訓練,直至0

    (3)

    3 實驗結果與分析

    3.1 實驗數據及環(huán)境

    為了對本文提出的聯合聚類優(yōu)化、focal loss與融合剪枝的YOLOv4-nl算法進行評估,采用UCAS-AOD和RSOD數據集共計1886張飛機遙感圖像進行實驗,其中包含飛機8203架,按照8∶2的比例將圖像分配至訓練集和測試集,樣本標簽示例見圖5。為了提高模型的泛化能力與魯棒性,算法采用Mosaic數據增強方式提高數據集目標豐富度,隨機選取數據集中的4張圖片,通過隨機縮放、隨機裁減、隨機排布的方式將其拼接成一張完整的圖像送入檢測模型。

    本模型在PC端上完成網絡訓練和剪枝模型壓縮實驗,采用以Tensorflow框架為后端的Keras構建遙感影像的飛機檢測模型,詳細實驗平臺配置如表2所示。

    3.2 模型訓練

    本文對遙感影像飛機目標的檢測網絡如圖6所示,將人工標注的飛機數據輸入模型中進行訓練和微調實現模型對目標的快速識別。

    權值按照大小排序,通過控制縮放因子的大小對冗余通道進行篩選,將貢獻率較低的通道剪掉,如圖6中紅線所示,將貢獻率高的通道進行保留,如圖6中藍線所示,修剪后的模型結構更加緊湊。

    圖6 飛機目標的檢測網絡Fig.6 Aircraft target detection network

    為加速訓練,將輸入圖像的分辨率大小統(tǒng)一調整為608像素×608像素,batch大小設為64,動量設為0.000 5,迭代次數設為9000,初始學習率設為0.001,在迭代至6000次時,將學習率降低1/10,權值衰減率設為0.000 6,稀疏訓練的迭代次數設為1000,λ設為0.005,α取0.5,γ取1,τn設為0.1,τl設為0.5。訓練完成后繪制模型的損失函數變化曲線,如圖7所示。

    圖7 模型的損失函數變化曲線Fig.7 Loss function curve of model

    模型在經過1000次迭代后損失值大幅下降,5000次迭代后穩(wěn)定收斂在0.16左右,改進后模型的損失值明顯低于原模型,因此所提的YOLOv4-nl模型超參數設置合理,學習效果較為理想。

    3.3 算法對比

    為了評估YOLOv4-nl算法的性能,從測試集中選取3張具有代表性的遙感飛機圖片,分別是沙塵天氣圖像、部分目標重疊圖像以及小尺度密集分布圖像。通過兩階段Faster R-CNN[10],YOLOv3,YOLOv4,卷積核剪枝模型YOLOv4-n,層間剪枝模型YOLOv4-l與本文算法YOLOv4-nl進行對比分析,實驗結果如圖8所示。圖8中,第1行圖像是受沙塵天氣影響的成像質量較差、目標較為模糊的圖像,各個算法均有一定程度上的漏檢,YOLOv4與YOLOv4-nl算法漏檢數量最少。第2行圖像中目標飛機有重疊部分且方向各異,與背景環(huán)境的顏色較為相近,由于YOLOv4-nl算法引入了focal loss,更加關注難分類的目標,因此其目標框更接近于飛機真實輪廓大小。第3行圖像中,YOLOv3,YOLOv4-n與YOLOv4-l對于小尺度密集分布圖像的語義丟失嚴重,YOLOv4-nl算法幾乎檢測到了所有目標,優(yōu)勢更為明顯。

    圖8 算法對比結果Fig.8 Algorithm comparison results

    為了進一步評估YOLOv4-nl算法的性能,以準確率P、召回率R、平均準確率(mAP)、模型存儲空間V與檢測速度作為性能評價依據對模型優(yōu)劣進行客觀對比分析,結果如表3所示。

    表3 模型性能對比Table 3 Model performance comparison

    其中,

    (4)

    式中:PT為將正類預測為正類的數量;PF為將負類預測為正類的數量;NF為將正類預測為負類的數量;NT為將負類預測為負類的數量。準確率P是指對于預測結果中確實為正類的樣本占被預測為正類的樣本的比例。召回率R是指被正確預測的正類樣本占原樣本的比例。

    由表3可知,Faster R-CNN以RPN代替窮舉法Selective Search生成候選框,精度相對較高,但檢測速度仍遠低于單階段檢測算法。對YOLOv4模型進行多種剪枝壓縮處理后,存儲空間得到明顯壓縮,運算速度均有所提升,并且微調后的精度與剪枝前模型差距不大,YOLOv4-nl算法的mAP僅比YOLOv4原始模型下降了0.11%,而較Faster R-CNN,YOLOv3,YOLOv4-n和YOLOv4-l分別高出2.19%,5.84%,4.62%和3.81%;存儲空間壓縮至14.3 MiB,運算速度也有所提升。實驗證明,該模型識別準確率高、檢測速度快,能夠為遙感影像中的飛機目標檢測任務提供技術支持。

    4 結論

    針對遙感影像中飛機目標尺寸偏小、檢測精度較低且無法實現輕量化應用的問題,本文提出了一種改進的YOLOv4-nl檢測模型。采用K-means++聚類算法優(yōu)化錨框數據以適應數據集中目標尺寸,使模型預測性能與網絡訓練收斂速度得到有效提升。以focal loss作為本文算法的損失函數,緩解由于數據樣本失衡造成的交叉熵損失函數向多樣本類別傾斜的問題。為了在保證檢測精度的同時節(jié)省存儲空間并加快運算速度,提出一種融合卷積核剪枝與層間剪枝的壓縮算法對模型剪枝壓縮,以簡化模型結構,節(jié)省計算成本。實驗結果表明,相較于原始YOLOv4模型,本文算法在保證平均準確率的同時,模型存儲空間減少了94.4%,運算速度提高了15.76 幀/s,基本滿足遙感影像目標檢測的實時處理需求,為后續(xù)的移動平臺部署提供依據。

    猜你喜歡
    剪枝聚類飛機
    人到晚年宜“剪枝”
    飛機失蹤
    基于YOLOv4-Tiny模型剪枝算法
    “拼座飛機”迎風飛揚
    當代陜西(2019年11期)2019-06-24 03:40:28
    基于DBSACN聚類算法的XML文檔聚類
    電子測試(2017年15期)2017-12-18 07:19:27
    乘坐飛機
    剪枝
    天津詩人(2017年2期)2017-03-16 03:09:39
    神奇飛機變變變
    基于改進的遺傳算法的模糊聚類算法
    一種層次初始的聚類個數自適應的聚類方法研究
    欧美日韩亚洲高清精品| 99国产精品一区二区蜜桃av | 九色亚洲精品在线播放| 啦啦啦免费观看视频1| 成年人免费黄色播放视频| 中亚洲国语对白在线视频| 亚洲精品乱久久久久久| 无限看片的www在线观看| 国产精品综合久久久久久久免费 | 精品少妇一区二区三区视频日本电影| 黄色女人牲交| 一级片免费观看大全| 狂野欧美激情性xxxx| netflix在线观看网站| 国产精品综合久久久久久久免费 | 久久婷婷成人综合色麻豆| 久久久精品免费免费高清| 男女之事视频高清在线观看| 国产精品亚洲av一区麻豆| 亚洲av片天天在线观看| 国产精品综合久久久久久久免费 | 激情视频va一区二区三区| 亚洲国产看品久久| 国产精品 国内视频| 国产成人欧美在线观看 | 亚洲国产欧美一区二区综合| 一级片'在线观看视频| 91九色精品人成在线观看| 精品电影一区二区在线| 亚洲性夜色夜夜综合| 国产极品粉嫩免费观看在线| 亚洲成人手机| 亚洲美女黄片视频| 黄频高清免费视频| 欧美另类亚洲清纯唯美| 麻豆乱淫一区二区| 99国产精品免费福利视频| 免费看十八禁软件| 国产精品一区二区免费欧美| 女人被躁到高潮嗷嗷叫费观| 视频区欧美日本亚洲| 在线观看免费午夜福利视频| 久久精品国产综合久久久| 亚洲 国产 在线| 五月开心婷婷网| 麻豆国产av国片精品| 色尼玛亚洲综合影院| 亚洲精品av麻豆狂野| 精品国内亚洲2022精品成人 | 久久久国产成人免费| 亚洲精品国产区一区二| 好男人电影高清在线观看| 国产真人三级小视频在线观看| av在线播放免费不卡| 国产不卡av网站在线观看| 啦啦啦 在线观看视频| 99国产综合亚洲精品| 99riav亚洲国产免费| 精品国产一区二区久久| 大片电影免费在线观看免费| 久久国产精品人妻蜜桃| 午夜日韩欧美国产| 激情在线观看视频在线高清 | 国产精华一区二区三区| e午夜精品久久久久久久| 制服人妻中文乱码| 成人永久免费在线观看视频| 免费少妇av软件| 亚洲七黄色美女视频| 色综合欧美亚洲国产小说| 老司机深夜福利视频在线观看| 欧美av亚洲av综合av国产av| a级毛片在线看网站| 黑人猛操日本美女一级片| 成年版毛片免费区| 亚洲精品一二三| a在线观看视频网站| 中文字幕最新亚洲高清| 激情视频va一区二区三区| 男女床上黄色一级片免费看| 一进一出抽搐动态| 女人爽到高潮嗷嗷叫在线视频| 精品久久久久久,| 精品免费久久久久久久清纯 | 99re6热这里在线精品视频| 国产精华一区二区三区| 亚洲av片天天在线观看| 国产精品久久久av美女十八| 一边摸一边抽搐一进一小说 | videosex国产| 中出人妻视频一区二区| 午夜激情av网站| 1024香蕉在线观看| 18禁黄网站禁片午夜丰满| 一级毛片高清免费大全| 一级a爱片免费观看的视频| 国产成人精品久久二区二区91| 国产精品久久电影中文字幕 | 亚洲av日韩在线播放| 熟女少妇亚洲综合色aaa.| 老司机在亚洲福利影院| 天堂动漫精品| 性少妇av在线| 欧美精品亚洲一区二区| 捣出白浆h1v1| 中出人妻视频一区二区| 精品国产亚洲在线| 欧美日韩亚洲综合一区二区三区_| 久久久久久亚洲精品国产蜜桃av| 激情在线观看视频在线高清 | 亚洲成人手机| 在线观看免费视频网站a站| 亚洲五月天丁香| 亚洲精品国产色婷婷电影| 天堂俺去俺来也www色官网| 亚洲精品美女久久久久99蜜臀| 99精品久久久久人妻精品| 一区二区三区国产精品乱码| 久久精品熟女亚洲av麻豆精品| 亚洲一区二区三区欧美精品| 啦啦啦视频在线资源免费观看| 99久久人妻综合| 狠狠狠狠99中文字幕| √禁漫天堂资源中文www| 黑人巨大精品欧美一区二区mp4| 99精品欧美一区二区三区四区| 中文字幕人妻熟女乱码| 欧美国产精品va在线观看不卡| av在线播放免费不卡| 国产成人影院久久av| 亚洲欧美日韩高清在线视频| 免费少妇av软件| 中国美女看黄片| 我的亚洲天堂| 免费少妇av软件| 18在线观看网站| av国产精品久久久久影院| 国产深夜福利视频在线观看| 大型av网站在线播放| 亚洲精品国产色婷婷电影| 少妇粗大呻吟视频| 亚洲精品中文字幕一二三四区| 男女高潮啪啪啪动态图| av中文乱码字幕在线| 人成视频在线观看免费观看| 精品一区二区三区av网在线观看| 丁香欧美五月| 国产熟女午夜一区二区三区| 色老头精品视频在线观看| 性色av乱码一区二区三区2| 亚洲国产中文字幕在线视频| 伊人久久大香线蕉亚洲五| 午夜亚洲福利在线播放| av天堂久久9| 午夜精品国产一区二区电影| 亚洲av欧美aⅴ国产| 人人妻人人添人人爽欧美一区卜| 国产在线观看jvid| 又大又爽又粗| 午夜91福利影院| 精品视频人人做人人爽| 午夜老司机福利片| 久热爱精品视频在线9| 天堂动漫精品| 亚洲avbb在线观看| 不卡一级毛片| 免费人成视频x8x8入口观看| 丝袜美足系列| 午夜免费观看网址| 久久久国产成人精品二区 | 宅男免费午夜| 国产97色在线日韩免费| 欧美亚洲日本最大视频资源| 国产成人精品久久二区二区91| 夜夜躁狠狠躁天天躁| 婷婷精品国产亚洲av在线 | 纯流量卡能插随身wifi吗| 午夜亚洲福利在线播放| 免费在线观看日本一区| 久久精品国产亚洲av香蕉五月 | 免费在线观看影片大全网站| 在线免费观看的www视频| 色94色欧美一区二区| 午夜福利在线观看吧| 日本撒尿小便嘘嘘汇集6| 久久 成人 亚洲| 精品国产超薄肉色丝袜足j| 精品视频人人做人人爽| 国产成人精品无人区| 国产97色在线日韩免费| 搡老熟女国产l中国老女人| 亚洲精品在线观看二区| 亚洲九九香蕉| 久久久国产成人精品二区 | 久久久精品区二区三区| 啦啦啦 在线观看视频| 久久久久国内视频| 天天躁日日躁夜夜躁夜夜| 少妇被粗大的猛进出69影院| 精品久久久久久电影网| 999久久久精品免费观看国产| 久久中文字幕人妻熟女| 欧美最黄视频在线播放免费 | 亚洲第一青青草原| 91麻豆av在线| 十八禁高潮呻吟视频| 在线观看午夜福利视频| 免费在线观看视频国产中文字幕亚洲| 亚洲,欧美精品.| 欧美黄色淫秽网站| 亚洲精品中文字幕在线视频| a级毛片在线看网站| 99国产精品99久久久久| 黄片小视频在线播放| 色婷婷av一区二区三区视频| 久久香蕉精品热| 久久国产精品大桥未久av| 欧美精品av麻豆av| 在线观看一区二区三区激情| 视频区图区小说| 在线观看66精品国产| 岛国毛片在线播放| 国产日韩一区二区三区精品不卡| 午夜福利欧美成人| 精品国产一区二区久久| 黄色 视频免费看| 大型av网站在线播放| 99精品在免费线老司机午夜| 18禁国产床啪视频网站| 免费久久久久久久精品成人欧美视频| 国产男靠女视频免费网站| 久久精品成人免费网站| 不卡av一区二区三区| 老汉色av国产亚洲站长工具| √禁漫天堂资源中文www| 黑人巨大精品欧美一区二区蜜桃| 欧美日韩视频精品一区| 久久国产精品影院| 亚洲国产精品一区二区三区在线| 亚洲欧美一区二区三区久久| 五月开心婷婷网| 黄色丝袜av网址大全| 亚洲美女黄片视频| 国产麻豆69| 丰满饥渴人妻一区二区三| 天堂中文最新版在线下载| 高潮久久久久久久久久久不卡| 一a级毛片在线观看| 国产精品秋霞免费鲁丝片| 一级黄色大片毛片| 在线看a的网站| 亚洲精品av麻豆狂野| 他把我摸到了高潮在线观看| 国产男女内射视频| 天天影视国产精品| 国产97色在线日韩免费| 国产在线一区二区三区精| 久久精品亚洲av国产电影网| 免费在线观看视频国产中文字幕亚洲| 99精国产麻豆久久婷婷| 色综合婷婷激情| 亚洲成人国产一区在线观看| 丰满人妻熟妇乱又伦精品不卡| 91成人精品电影| 午夜精品在线福利| 亚洲欧美激情在线| 麻豆av在线久日| 一本大道久久a久久精品| 99re6热这里在线精品视频| 国产成人啪精品午夜网站| av中文乱码字幕在线| 男人操女人黄网站| 亚洲成人免费电影在线观看| 最近最新免费中文字幕在线| 国产精品国产高清国产av | 久热爱精品视频在线9| 中文字幕另类日韩欧美亚洲嫩草| 免费一级毛片在线播放高清视频 | 一级a爱片免费观看的视频| 日本一区二区免费在线视频| 婷婷成人精品国产| 两性夫妻黄色片| 色老头精品视频在线观看| 大陆偷拍与自拍| 人人妻人人添人人爽欧美一区卜| 亚洲男人天堂网一区| 国产精品久久电影中文字幕 | 日韩有码中文字幕| 女人被躁到高潮嗷嗷叫费观| 一区在线观看完整版| 亚洲精品一卡2卡三卡4卡5卡| 99国产综合亚洲精品| 国产激情欧美一区二区| 国产欧美日韩一区二区三| 中出人妻视频一区二区| 在线视频色国产色| 夜夜夜夜夜久久久久| 久久久久久久国产电影| 免费看十八禁软件| 亚洲色图综合在线观看| 精品久久久久久,| 99国产精品一区二区蜜桃av | 国产91精品成人一区二区三区| 丰满饥渴人妻一区二区三| 精品久久久久久久毛片微露脸| 黄色a级毛片大全视频| 人妻 亚洲 视频| 成人国语在线视频| av中文乱码字幕在线| tocl精华| 亚洲三区欧美一区| 亚洲人成电影观看| 午夜两性在线视频| 18在线观看网站| 精品福利观看| 亚洲五月天丁香| 亚洲国产精品合色在线| 狠狠狠狠99中文字幕| 好看av亚洲va欧美ⅴa在| 久久精品人人爽人人爽视色| 看黄色毛片网站| 在线天堂中文资源库| 丰满迷人的少妇在线观看| 国产主播在线观看一区二区| 黑人猛操日本美女一级片| 精品国产一区二区三区四区第35| 中文字幕色久视频| 国产一区在线观看成人免费| 91麻豆av在线| 国产精品香港三级国产av潘金莲| 校园春色视频在线观看| 欧美黑人精品巨大| 国产精品免费大片| 久热这里只有精品99| 校园春色视频在线观看| 久久精品熟女亚洲av麻豆精品| 中出人妻视频一区二区| 亚洲国产看品久久| √禁漫天堂资源中文www| 午夜福利欧美成人| √禁漫天堂资源中文www| av在线播放免费不卡| 婷婷丁香在线五月| 午夜福利欧美成人| 法律面前人人平等表现在哪些方面| 涩涩av久久男人的天堂| 这个男人来自地球电影免费观看| 看片在线看免费视频| 婷婷精品国产亚洲av在线 | 天天躁日日躁夜夜躁夜夜| av在线播放免费不卡| 99香蕉大伊视频| 欧美人与性动交α欧美软件| 精品乱码久久久久久99久播| 久久久久久亚洲精品国产蜜桃av| 丰满饥渴人妻一区二区三| 久久中文字幕一级| 亚洲欧洲精品一区二区精品久久久| 久久久久久人人人人人| 欧美日韩乱码在线| 国产成人av激情在线播放| 无遮挡黄片免费观看| 黄片大片在线免费观看| 黑人操中国人逼视频| 亚洲av美国av| 国产精品亚洲av一区麻豆| 精品人妻1区二区| 精品一区二区三区四区五区乱码| 精品人妻1区二区| 久久这里只有精品19| 欧美日韩亚洲高清精品| 三级毛片av免费| 亚洲av成人不卡在线观看播放网| 国产亚洲欧美98| 国产亚洲精品第一综合不卡| 久久久国产成人精品二区 | 久久精品国产亚洲av高清一级| 两性午夜刺激爽爽歪歪视频在线观看 | 精品人妻熟女毛片av久久网站| 人人妻人人添人人爽欧美一区卜| 美女高潮到喷水免费观看| 国产激情欧美一区二区| 免费高清在线观看日韩| 欧美人与性动交α欧美软件| 亚洲av欧美aⅴ国产| 国产精品1区2区在线观看. | 午夜激情av网站| a级毛片在线看网站| 久热爱精品视频在线9| 日韩大码丰满熟妇| 欧美 日韩 精品 国产| 99热国产这里只有精品6| 大型黄色视频在线免费观看| 女人精品久久久久毛片| 精品国产一区二区三区四区第35| 国产片内射在线| 亚洲成人国产一区在线观看| 国产99久久九九免费精品| 国产亚洲欧美在线一区二区| 久久精品国产综合久久久| 免费观看人在逋| 久久精品亚洲熟妇少妇任你| a级毛片在线看网站| 在线观看免费视频日本深夜| 亚洲色图 男人天堂 中文字幕| 女人被躁到高潮嗷嗷叫费观| 性少妇av在线| 国产xxxxx性猛交| 国产成人啪精品午夜网站| 热99久久久久精品小说推荐| 精品少妇久久久久久888优播| 亚洲精品美女久久av网站| 在线观看免费高清a一片| 日韩视频一区二区在线观看| 欧美 亚洲 国产 日韩一| 欧美在线一区亚洲| 天堂俺去俺来也www色官网| 一区在线观看完整版| 天天躁夜夜躁狠狠躁躁| 国产单亲对白刺激| 黄色女人牲交| 午夜成年电影在线免费观看| 搡老岳熟女国产| 久久精品国产99精品国产亚洲性色 | 丝袜人妻中文字幕| 少妇粗大呻吟视频| 亚洲免费av在线视频| 日韩 欧美 亚洲 中文字幕| 国内久久婷婷六月综合欲色啪| 国产精品免费一区二区三区在线 | 人妻 亚洲 视频| xxx96com| 人人妻人人澡人人爽人人夜夜| 亚洲一区二区三区不卡视频| 国产精品 国内视频| 亚洲精品成人av观看孕妇| 后天国语完整版免费观看| 美女视频免费永久观看网站| x7x7x7水蜜桃| 日韩精品免费视频一区二区三区| 国产精品.久久久| 淫妇啪啪啪对白视频| av有码第一页| 热99国产精品久久久久久7| 一级片免费观看大全| 在线观看免费视频日本深夜| 日韩有码中文字幕| 丁香欧美五月| 成人18禁高潮啪啪吃奶动态图| 亚洲,欧美精品.| 免费一级毛片在线播放高清视频 | 91精品三级在线观看| av国产精品久久久久影院| 国产成人精品在线电影| 成年人午夜在线观看视频| 久久精品91无色码中文字幕| 一进一出抽搐gif免费好疼 | 欧美人与性动交α欧美软件| 夜夜爽天天搞| 12—13女人毛片做爰片一| x7x7x7水蜜桃| 国产又色又爽无遮挡免费看| 国产成人av激情在线播放| 亚洲中文av在线| 欧美 亚洲 国产 日韩一| 亚洲精品自拍成人| 中文字幕制服av| 欧美黄色淫秽网站| av视频免费观看在线观看| 欧美大码av| 日韩熟女老妇一区二区性免费视频| 欧美人与性动交α欧美软件| 丝袜人妻中文字幕| av线在线观看网站| 午夜成年电影在线免费观看| 黄色视频不卡| 色婷婷久久久亚洲欧美| 久久午夜亚洲精品久久| 婷婷精品国产亚洲av在线 | 一本一本久久a久久精品综合妖精| 一级毛片高清免费大全| 天天操日日干夜夜撸| 99久久国产精品久久久| 国产xxxxx性猛交| 久久热在线av| 日韩视频一区二区在线观看| 国产精品一区二区精品视频观看| 99香蕉大伊视频| 亚洲国产毛片av蜜桃av| 制服人妻中文乱码| 国产男女超爽视频在线观看| 亚洲色图av天堂| 制服诱惑二区| 村上凉子中文字幕在线| 人妻久久中文字幕网| 日韩欧美三级三区| 香蕉久久夜色| 日韩大码丰满熟妇| 午夜免费成人在线视频| www.熟女人妻精品国产| 久久久国产精品麻豆| 成年人午夜在线观看视频| 午夜精品在线福利| 亚洲国产精品sss在线观看 | 天天躁日日躁夜夜躁夜夜| 国产精品久久视频播放| 成人国产一区最新在线观看| 久久草成人影院| 人妻一区二区av| 黄色毛片三级朝国网站| 国产一区二区激情短视频| 精品国内亚洲2022精品成人 | av片东京热男人的天堂| 91成人精品电影| 老司机午夜福利在线观看视频| 波多野结衣av一区二区av| 久久久久国产一级毛片高清牌| 国产xxxxx性猛交| 国产激情久久老熟女| 80岁老熟妇乱子伦牲交| 国产日韩一区二区三区精品不卡| 免费在线观看完整版高清| 亚洲精品久久午夜乱码| 国产午夜精品久久久久久| 亚洲国产精品合色在线| 99香蕉大伊视频| 久久狼人影院| 日日夜夜操网爽| 高清黄色对白视频在线免费看| 欧美日韩精品网址| 中国美女看黄片| 一区二区三区激情视频| 欧美日韩成人在线一区二区| 亚洲专区国产一区二区| 丝袜美腿诱惑在线| 欧美乱码精品一区二区三区| 欧美日韩亚洲综合一区二区三区_| 国产亚洲精品一区二区www | 久久精品国产综合久久久| 亚洲九九香蕉| 老司机亚洲免费影院| av网站免费在线观看视频| 亚洲欧美日韩另类电影网站| 久久久久国内视频| 亚洲精品国产区一区二| 精品熟女少妇八av免费久了| 亚洲av成人不卡在线观看播放网| 99热网站在线观看| 免费少妇av软件| svipshipincom国产片| 亚洲第一青青草原| 亚洲 欧美一区二区三区| 国产免费现黄频在线看| 91在线观看av| 黄频高清免费视频| 麻豆乱淫一区二区| 久久精品国产99精品国产亚洲性色 | 美女福利国产在线| av网站免费在线观看视频| www.自偷自拍.com| 高清在线国产一区| 国内毛片毛片毛片毛片毛片| 国产精品久久久久久精品古装| 亚洲综合色网址| 欧美日本中文国产一区发布| 美女国产高潮福利片在线看| 午夜老司机福利片| 亚洲成人国产一区在线观看| 国产精品久久久久成人av| 香蕉国产在线看| 久久狼人影院| 亚洲av片天天在线观看| 91国产中文字幕| 国产一区在线观看成人免费| 中文字幕av电影在线播放| 久久亚洲真实| 精品人妻1区二区| 亚洲在线自拍视频| 精品福利永久在线观看| 好男人电影高清在线观看| 国产高清国产精品国产三级| 日韩欧美免费精品| 飞空精品影院首页| 欧美中文综合在线视频| 俄罗斯特黄特色一大片| 老司机靠b影院| svipshipincom国产片| 99国产综合亚洲精品| 黄色 视频免费看| 黑人猛操日本美女一级片| 亚洲九九香蕉| 少妇粗大呻吟视频| 国产高清videossex| 久久人妻熟女aⅴ| 午夜视频精品福利| 久久ye,这里只有精品| 18禁美女被吸乳视频| 国产精品综合久久久久久久免费 | 成人手机av| 日韩精品免费视频一区二区三区| 9191精品国产免费久久| 欧美日韩视频精品一区| 两个人免费观看高清视频| 午夜福利影视在线免费观看| 欧美日韩一级在线毛片| 国产精品久久久人人做人人爽| 香蕉久久夜色| 精品熟女少妇八av免费久了| 国产91精品成人一区二区三区| 757午夜福利合集在线观看| 美女 人体艺术 gogo| 亚洲成av片中文字幕在线观看| 欧美精品亚洲一区二区| 亚洲精品乱久久久久久| 日韩熟女老妇一区二区性免费视频|