• <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
    日韩国内少妇激情av| 国产三级中文精品| 天堂动漫精品| 99久久精品国产国产毛片| 精品久久久久久成人av| 麻豆av噜噜一区二区三区| 国产不卡一卡二| 欧美日韩一区二区视频在线观看视频在线 | 三级国产精品欧美在线观看| 日韩精品有码人妻一区| 嫩草影院新地址| 国产片特级美女逼逼视频| 最近最新中文字幕大全电影3| 亚洲国产精品合色在线| 国产乱人视频| 18+在线观看网站| 成人av在线播放网站| 春色校园在线视频观看| 亚洲欧美清纯卡通| 男人的好看免费观看在线视频| 又爽又黄无遮挡网站| 97超碰精品成人国产| 亚洲成人久久性| 国产精品免费一区二区三区在线| 高清毛片免费观看视频网站| 淫妇啪啪啪对白视频| 成人特级黄色片久久久久久久| 国产精品久久久久久精品电影| 一级毛片久久久久久久久女| 晚上一个人看的免费电影| 91狼人影院| 波多野结衣高清无吗| 国产国拍精品亚洲av在线观看| 俺也久久电影网| 网址你懂的国产日韩在线| 亚洲av第一区精品v没综合| 女人十人毛片免费观看3o分钟| 性色avwww在线观看| 好男人在线观看高清免费视频| 欧美xxxx性猛交bbbb| 日本黄色片子视频| 欧美色欧美亚洲另类二区| 欧美丝袜亚洲另类| 如何舔出高潮| 十八禁国产超污无遮挡网站| 国产av麻豆久久久久久久| 欧美人与善性xxx| 青春草视频在线免费观看| 尾随美女入室| 小说图片视频综合网站| 男人舔奶头视频| 免费av毛片视频| 亚洲国产欧洲综合997久久,| or卡值多少钱| 岛国在线免费视频观看| 在线免费观看不下载黄p国产| 久久人妻av系列| 久久久久久久久中文| 小说图片视频综合网站| 在线观看av片永久免费下载| 久久这里只有精品中国| 色哟哟·www| 69av精品久久久久久| 狠狠狠狠99中文字幕| 日韩av在线大香蕉| 国产美女午夜福利| 九九爱精品视频在线观看| 精品久久久噜噜| 国产精品野战在线观看| 亚洲欧美日韩高清在线视频| 日韩欧美在线乱码| 淫妇啪啪啪对白视频| 国产又黄又爽又无遮挡在线| 亚洲av中文字字幕乱码综合| 黄色一级大片看看| 欧美日韩综合久久久久久| 欧美日韩一区二区视频在线观看视频在线 | 日本成人三级电影网站| 国产精品国产高清国产av| 日韩欧美 国产精品| 美女大奶头视频| 亚洲18禁久久av| 亚洲精品色激情综合| 免费人成视频x8x8入口观看| 久久99热6这里只有精品| 人妻丰满熟妇av一区二区三区| 中文资源天堂在线| 国产毛片a区久久久久| 精品熟女少妇av免费看| 国产爱豆传媒在线观看| 男人舔奶头视频| 精品国产三级普通话版| 免费高清视频大片| 国产成年人精品一区二区| 露出奶头的视频| 性插视频无遮挡在线免费观看| 欧美xxxx黑人xx丫x性爽| 亚洲va在线va天堂va国产| 久久精品国产亚洲网站| 99热这里只有是精品在线观看| 日本三级黄在线观看| 日韩欧美在线乱码| 亚洲欧美日韩东京热| 变态另类成人亚洲欧美熟女| 国内少妇人妻偷人精品xxx网站| 精品久久久久久久久亚洲| 五月玫瑰六月丁香| 久久久精品欧美日韩精品| 日本爱情动作片www.在线观看 | 日韩精品中文字幕看吧| 国产精品嫩草影院av在线观看| 男插女下体视频免费在线播放| 啦啦啦啦在线视频资源| 精品一区二区三区av网在线观看| 精品国内亚洲2022精品成人| 国产激情偷乱视频一区二区| av在线亚洲专区| 不卡视频在线观看欧美| 看免费成人av毛片| 亚洲av二区三区四区| 白带黄色成豆腐渣| 国产av麻豆久久久久久久| 国产在视频线在精品| 99热这里只有是精品50| 免费av观看视频| 中文字幕人妻熟人妻熟丝袜美| 亚洲av免费高清在线观看| 性插视频无遮挡在线免费观看| 精品人妻熟女av久视频| 中文字幕免费在线视频6| 老师上课跳d突然被开到最大视频| 精品日产1卡2卡| 校园春色视频在线观看| 亚洲国产精品久久男人天堂| 国产乱人偷精品视频| 国产高清三级在线| 国产伦一二天堂av在线观看| 日日摸夜夜添夜夜添av毛片| 国产成人一区二区在线| 欧美人与善性xxx| 人人妻人人澡人人爽人人夜夜 | 一级av片app| 午夜精品一区二区三区免费看| 看黄色毛片网站| 国产黄片美女视频| 麻豆一二三区av精品| 又爽又黄a免费视频| 久久草成人影院| 韩国av在线不卡| 国产aⅴ精品一区二区三区波| 国产激情偷乱视频一区二区| 国产探花极品一区二区| 欧美区成人在线视频| 午夜日韩欧美国产| 国产毛片a区久久久久| 日本-黄色视频高清免费观看| 91av网一区二区| 亚洲熟妇熟女久久| 精品久久久久久久久亚洲| 欧美又色又爽又黄视频| 国产精品综合久久久久久久免费| 在线观看免费视频日本深夜| 亚洲欧美日韩东京热| 18+在线观看网站| 国产老妇女一区| 亚洲真实伦在线观看| 亚洲美女视频黄频| 精品久久久久久久久av| 少妇猛男粗大的猛烈进出视频 | 99在线人妻在线中文字幕| 午夜激情福利司机影院| 欧美日韩综合久久久久久| 色哟哟·www| 国产v大片淫在线免费观看| 亚洲中文字幕日韩| 天美传媒精品一区二区| 国产成人a区在线观看| 男人舔奶头视频| 色播亚洲综合网| 精品久久久久久久久久免费视频| ponron亚洲| 欧美性猛交╳xxx乱大交人| 国产淫片久久久久久久久| 国产精品一二三区在线看| 中文字幕人妻熟人妻熟丝袜美| 国产亚洲精品av在线| 在线a可以看的网站| 亚洲第一区二区三区不卡| 色噜噜av男人的天堂激情| 亚洲va在线va天堂va国产| 日韩欧美在线乱码| 五月玫瑰六月丁香| 国产久久久一区二区三区| 欧美一区二区精品小视频在线| 天美传媒精品一区二区| 亚洲精品456在线播放app| 日韩大尺度精品在线看网址| 免费av观看视频| 国产精品福利在线免费观看| 国产真实乱freesex| 看免费成人av毛片| 嫩草影院精品99| 国产乱人偷精品视频| 嫩草影视91久久| 男女视频在线观看网站免费| 麻豆一二三区av精品| 久久精品夜夜夜夜夜久久蜜豆| av女优亚洲男人天堂| 久久久久国产网址| 欧美一区二区国产精品久久精品| 午夜久久久久精精品| 久久欧美精品欧美久久欧美| 久久久久九九精品影院| 久久鲁丝午夜福利片| www.色视频.com| 毛片一级片免费看久久久久| 国产美女午夜福利| 丝袜喷水一区| 黄色一级大片看看| 久久久精品94久久精品| 久久精品国产鲁丝片午夜精品| 日韩人妻高清精品专区| 日韩欧美精品免费久久| 国产成人freesex在线 | 91在线观看av| 99在线人妻在线中文字幕| 国内精品宾馆在线| 美女 人体艺术 gogo| 久久久久精品国产欧美久久久| 婷婷精品国产亚洲av| 狂野欧美激情性xxxx在线观看| 尤物成人国产欧美一区二区三区| 18禁黄网站禁片免费观看直播| 久久久久国内视频| 老熟妇乱子伦视频在线观看| 中国国产av一级| 国产精品一区二区免费欧美| 一区福利在线观看| 麻豆乱淫一区二区| 麻豆久久精品国产亚洲av| а√天堂www在线а√下载| 99精品在免费线老司机午夜| 香蕉av资源在线| 国产精品一二三区在线看| 国产午夜福利久久久久久| 两个人视频免费观看高清| 99热精品在线国产| 97超视频在线观看视频| 99久久成人亚洲精品观看| 人人妻,人人澡人人爽秒播| 高清毛片免费观看视频网站| 一个人看的www免费观看视频| 一级毛片电影观看 | 日韩欧美精品免费久久| 久久鲁丝午夜福利片| 亚洲国产欧美人成| 色视频www国产| 欧美绝顶高潮抽搐喷水| 亚洲中文日韩欧美视频| 韩国av在线不卡| 免费av观看视频| 亚洲成人久久性| 欧美一区二区亚洲| 成熟少妇高潮喷水视频| 中文资源天堂在线| 午夜福利高清视频| 久久久久久大精品| 国产精品一区二区免费欧美| 色噜噜av男人的天堂激情| 久久6这里有精品| 国产av一区在线观看免费| 网址你懂的国产日韩在线| 久久国产乱子免费精品| 搡老妇女老女人老熟妇| 欧美另类亚洲清纯唯美| 欧美区成人在线视频| 最近视频中文字幕2019在线8| 亚洲第一电影网av| 小说图片视频综合网站| 国产高清激情床上av| 亚洲精品国产av成人精品 | 黄色日韩在线| 久久亚洲精品不卡| 久久久久九九精品影院| 可以在线观看毛片的网站| 亚洲真实伦在线观看| 亚洲国产精品成人综合色| 午夜久久久久精精品| 国产爱豆传媒在线观看| 麻豆成人午夜福利视频| 色哟哟哟哟哟哟| videossex国产| 欧美人与善性xxx| a级毛片免费高清观看在线播放| 又黄又爽又刺激的免费视频.| 亚洲成人中文字幕在线播放| 成人二区视频| 亚洲成人精品中文字幕电影| 99热这里只有是精品在线观看| 一区二区三区高清视频在线| 久久久国产成人免费| 高清午夜精品一区二区三区 | 亚洲久久久久久中文字幕| 久久人人精品亚洲av| 成人性生交大片免费视频hd| 不卡一级毛片| 久久午夜亚洲精品久久| 亚洲电影在线观看av| 亚洲精品影视一区二区三区av| 伊人久久精品亚洲午夜| 色综合站精品国产| 中文字幕av在线有码专区| 97超视频在线观看视频| 一卡2卡三卡四卡精品乱码亚洲| av天堂在线播放| 国产片特级美女逼逼视频| 国产熟女欧美一区二区| 在线观看午夜福利视频| 小说图片视频综合网站| 性色avwww在线观看| 亚洲av二区三区四区| 成人午夜高清在线视频| 婷婷亚洲欧美| 一个人观看的视频www高清免费观看| 亚洲性久久影院| 丰满乱子伦码专区| 久久久久久久久中文| 国产一区二区在线av高清观看| 天堂网av新在线| 我的女老师完整版在线观看| 国产色爽女视频免费观看| 日韩制服骚丝袜av| 在线播放国产精品三级| 一进一出好大好爽视频| 国产av一区在线观看免费| 精品国产三级普通话版| 色尼玛亚洲综合影院| 日本 av在线| 午夜精品国产一区二区电影 | 丰满人妻一区二区三区视频av| 亚洲人成网站在线播| 美女免费视频网站| 极品教师在线视频| 亚洲成人中文字幕在线播放| 精品久久久久久成人av| 久久99热这里只有精品18| 午夜精品国产一区二区电影 | 黑人高潮一二区| 国产av一区在线观看免费| 搡女人真爽免费视频火全软件 | 人人妻,人人澡人人爽秒播| 最近2019中文字幕mv第一页| 中文字幕av成人在线电影| 好男人在线观看高清免费视频| 亚洲第一区二区三区不卡| 亚洲精品国产av成人精品 | 99热全是精品| 亚洲精品一区av在线观看| 麻豆乱淫一区二区| 国产一区二区三区av在线 | 亚洲欧美日韩东京热| 国产黄色小视频在线观看| 成人永久免费在线观看视频| av在线播放精品| 人妻制服诱惑在线中文字幕| 欧美zozozo另类| 免费看光身美女| 日本免费a在线| 两性午夜刺激爽爽歪歪视频在线观看| 搡老妇女老女人老熟妇| 老熟妇乱子伦视频在线观看| 欧美成人一区二区免费高清观看| 99视频精品全部免费 在线| 国产成人影院久久av| 高清午夜精品一区二区三区 | 午夜精品一区二区三区免费看| 国产精品人妻久久久影院| 久久人妻av系列| 在线免费观看的www视频| 久久久a久久爽久久v久久| 免费电影在线观看免费观看| 青春草视频在线免费观看| 亚洲内射少妇av| 99久久精品一区二区三区| 国产精品日韩av在线免费观看| 美女被艹到高潮喷水动态| 国产精品日韩av在线免费观看| 少妇的逼水好多| 中国国产av一级| 国产伦一二天堂av在线观看| 99国产精品一区二区蜜桃av| 亚洲经典国产精华液单| 最后的刺客免费高清国语| 你懂的网址亚洲精品在线观看 | 色播亚洲综合网| 国产黄片美女视频| 日本一二三区视频观看| 老熟妇仑乱视频hdxx| 美女 人体艺术 gogo| 亚洲真实伦在线观看| 性欧美人与动物交配| 一级a爱片免费观看的视频| 一卡2卡三卡四卡精品乱码亚洲| 搡女人真爽免费视频火全软件 | eeuss影院久久| 九九爱精品视频在线观看| 丰满的人妻完整版| 精品一区二区三区av网在线观看| 久久久久久国产a免费观看| 亚洲精华国产精华液的使用体验 | 欧美中文日本在线观看视频| 最新中文字幕久久久久| 国产又黄又爽又无遮挡在线| 国产黄a三级三级三级人| 天堂av国产一区二区熟女人妻| 一级毛片电影观看 | 蜜桃亚洲精品一区二区三区| 男女做爰动态图高潮gif福利片| 国产在视频线在精品| 国产成年人精品一区二区| 成人欧美大片| 在线观看美女被高潮喷水网站| 看免费成人av毛片| 日韩高清综合在线| 国产高潮美女av| 韩国av在线不卡| 亚洲精品日韩av片在线观看| 亚洲美女搞黄在线观看 | 在线国产一区二区在线| 亚洲av一区综合| 亚洲欧美日韩东京热| 嫩草影院入口| 午夜福利在线观看免费完整高清在 | 日本欧美国产在线视频| 国产三级中文精品| 精品日产1卡2卡| 一进一出好大好爽视频| 成人欧美大片| 午夜亚洲福利在线播放| 人人妻人人澡人人爽人人夜夜 | 亚洲精品一卡2卡三卡4卡5卡| 成人无遮挡网站| 国产一级毛片七仙女欲春2| 乱系列少妇在线播放| 最好的美女福利视频网| 亚洲美女搞黄在线观看 | 91狼人影院| 丝袜美腿在线中文| 不卡一级毛片| 国产视频内射| 色噜噜av男人的天堂激情| 国产大屁股一区二区在线视频| 国产av不卡久久| 日韩在线高清观看一区二区三区| 成人午夜高清在线视频| 人人妻人人澡人人爽人人夜夜 | 精品不卡国产一区二区三区| 国产片特级美女逼逼视频| 欧美又色又爽又黄视频| 欧美极品一区二区三区四区| 国产成年人精品一区二区| 中文字幕av在线有码专区| 69人妻影院| 精品不卡国产一区二区三区| 国产黄色视频一区二区在线观看 | 国产精品久久久久久亚洲av鲁大| 色av中文字幕| 色综合亚洲欧美另类图片| 免费人成在线观看视频色| 久久综合国产亚洲精品| 日产精品乱码卡一卡2卡三| 免费看日本二区| 久久久久久久久大av| 国产欧美日韩精品一区二区| 亚洲av第一区精品v没综合| 在线观看免费视频日本深夜| 三级毛片av免费| 亚洲国产精品sss在线观看| 精品久久久久久久久久久久久| 少妇的逼好多水| 欧美人与善性xxx| 国模一区二区三区四区视频| 国产一级毛片七仙女欲春2| 国产中年淑女户外野战色| 国产不卡一卡二| 国产在线精品亚洲第一网站| 综合色av麻豆| 婷婷精品国产亚洲av| 麻豆成人午夜福利视频| 美女免费视频网站| 亚洲在线观看片| 免费看美女性在线毛片视频| av福利片在线观看| 51国产日韩欧美| 欧美bdsm另类| 成人综合一区亚洲| 精品免费久久久久久久清纯| 亚洲第一区二区三区不卡| 麻豆精品久久久久久蜜桃| 在线观看一区二区三区| 大又大粗又爽又黄少妇毛片口| 欧美性感艳星| 精品不卡国产一区二区三区| 少妇熟女欧美另类| 色综合亚洲欧美另类图片| 麻豆一二三区av精品| 日韩av在线大香蕉| 午夜福利高清视频| 国产91av在线免费观看| 有码 亚洲区| 国产成人freesex在线 | 少妇人妻一区二区三区视频| 又黄又爽又刺激的免费视频.| 听说在线观看完整版免费高清| 免费av不卡在线播放| 能在线免费观看的黄片| 男女下面进入的视频免费午夜| 免费观看精品视频网站| 成人午夜高清在线视频| 国产精品综合久久久久久久免费| 欧美极品一区二区三区四区| 国产成人福利小说| 成年版毛片免费区| 亚洲人与动物交配视频| 九九久久精品国产亚洲av麻豆| 精品久久久久久久人妻蜜臀av| 免费搜索国产男女视频| 又粗又爽又猛毛片免费看| 亚洲人成网站在线播| 床上黄色一级片| 少妇高潮的动态图| 可以在线观看的亚洲视频| 精品久久久久久久久亚洲| 亚洲三级黄色毛片| 亚洲aⅴ乱码一区二区在线播放| 91久久精品电影网| 亚洲精品456在线播放app| 男人舔女人下体高潮全视频| 九九爱精品视频在线观看| 亚洲电影在线观看av| 国内揄拍国产精品人妻在线| 精品日产1卡2卡| eeuss影院久久| 国产精品久久电影中文字幕| 色在线成人网| 久久精品国产99精品国产亚洲性色| 亚洲自拍偷在线| 成熟少妇高潮喷水视频| 久久这里只有精品中国| 最近最新中文字幕大全电影3| 久久久成人免费电影| 国产在线精品亚洲第一网站| 亚洲av成人av| 午夜免费男女啪啪视频观看 | 乱码一卡2卡4卡精品| АⅤ资源中文在线天堂| 天堂av国产一区二区熟女人妻| 舔av片在线| 亚洲最大成人中文| 久久午夜福利片| 欧美三级亚洲精品| 麻豆国产av国片精品| 日日啪夜夜撸| 成年女人毛片免费观看观看9| 18禁黄网站禁片免费观看直播| 丝袜喷水一区| 日日干狠狠操夜夜爽| 久久久久久九九精品二区国产| 蜜桃久久精品国产亚洲av| 露出奶头的视频| 你懂的网址亚洲精品在线观看 | 热99re8久久精品国产| 草草在线视频免费看| 亚洲人成网站在线观看播放| 欧美xxxx黑人xx丫x性爽| 日本与韩国留学比较| 国产精品一区二区免费欧美| 亚洲欧美日韩卡通动漫| 97碰自拍视频| 十八禁国产超污无遮挡网站| 岛国在线免费视频观看| 嫩草影视91久久| 真实男女啪啪啪动态图| 嫩草影院新地址| 悠悠久久av| 久久久久久久久久久丰满| 免费大片18禁| 国内精品美女久久久久久| 九九爱精品视频在线观看| 欧美性猛交╳xxx乱大交人| 国产精品一区二区性色av| 亚洲美女搞黄在线观看 | 成人亚洲欧美一区二区av| 成人鲁丝片一二三区免费| 国产黄a三级三级三级人| 精品不卡国产一区二区三区| 久久草成人影院| 久久精品综合一区二区三区| 中文亚洲av片在线观看爽| 精品午夜福利视频在线观看一区| 欧美性猛交黑人性爽| 夜夜看夜夜爽夜夜摸| 午夜精品国产一区二区电影 | 亚洲va在线va天堂va国产| 18禁黄网站禁片免费观看直播| 亚洲av中文字字幕乱码综合| 亚洲精品国产av成人精品 | 人妻丰满熟妇av一区二区三区| 69av精品久久久久久| 国产男靠女视频免费网站| 淫妇啪啪啪对白视频| 嫩草影院入口| 亚洲国产精品sss在线观看| 赤兔流量卡办理| 99久久精品国产国产毛片|