• <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 ?

    鑄體薄片圖像孔隙自動分割方法優(yōu)選

    2023-04-06 04:07:03李天平李功權
    電腦知識與技術 2023年5期
    關鍵詞:語義分割遷移學習孔隙

    李天平 李功權

    關鍵詞:鑄體薄片;遷移學習;孔隙;語義分割

    鑄體薄片中孔隙分析是分析儲層孔隙結構的重要方法,薄片中孔隙分割是進行孔隙分析的關鍵一步。傳統(tǒng)做法是利用目測法、計數(shù)法和圖像處理算法對孔隙進行分割。但是目測法和計數(shù)法不僅要求研究人員具有專業(yè)的地質(zhì)知識而且效率低下分割結果受主觀因素影響。

    傳統(tǒng)的圖像處理技術中用于孔隙分割的方法有閾值法、邊緣檢測法、區(qū)域生長算法、分裂合并法和聚類分割法[1]。但這些傳統(tǒng)方法只依賴顏色特征且需要大量的人工交互,無法實現(xiàn)自動化分割孔隙。

    人工神經(jīng)網(wǎng)絡的快速發(fā)展,為解決鑄體薄片孔隙分割問題提供了新方法。蔡宇恒等人基于Unet模型完成孔隙分割任務,但不足在于模型單一數(shù)據(jù)量少[2]。

    鑄體薄片圖像孔隙結構形態(tài)各異,空間分布復雜,如何獲取更高級的孔隙抽象特征;受采樣的影響,鑄體薄片圖像數(shù)量并不多,如何提高模型精度;如何縮短深度學習模型的訓練周期。針對以上問題,本研究對比主要的語義分割模型用于鑄體薄片圖像孔隙分割的效果,采取遷移學習方法減少訓練所需的鑄體薄片數(shù)據(jù)量,并采取召回率、準確率、精確度和F1值對各個模型進行評價,以優(yōu)選鑄體薄片孔隙分割模型。

    1 深度學習圖像分割原理對比

    1.1 經(jīng)典語義分割模型分析

    在語義分割領域內(nèi)常用的卷積網(wǎng)絡模型是全卷積神經(jīng)網(wǎng)絡(FCN)、Unet模型、特征金字塔模型(FPN)和SegNet模型。因此本文選擇這四種經(jīng)典的語義分割模型作為孔隙分割模型的基本網(wǎng)絡結構。

    1.1.1 全卷積神經(jīng)網(wǎng)絡模型

    全卷積神經(jīng)網(wǎng)絡是卷積神經(jīng)網(wǎng)絡的一種擴展,是首個用于語義分割任務中的模型,廣泛用于語義分割,特別是用于醫(yī)學圖像分割[3],該網(wǎng)絡分為編碼器和解碼器兩部分。編碼器主要用于特征提取,編碼器后擴展了一個解碼器部分,該解碼器采用上采樣層恢復圖像尺寸得到最后的分割圖。關于全卷積神經(jīng)網(wǎng)絡的編碼層和解碼層的示意圖如圖1所示。全卷積網(wǎng)絡的編碼層用于收集圖像中的各種特征,而解碼層實現(xiàn)精確定位。為了避免空間信息的丟失,使用跳躍連接保證解碼層可以從編碼層獲得這些空間信息。

    1.1.2 Unet 網(wǎng)絡模型

    Unet作為全卷積網(wǎng)絡的一種重要擴展結構如圖2所示,在全卷積層的基礎上增加了上采用層和跳躍連接的數(shù)量,保證模型將特征信息整合到具有更高分辨率的網(wǎng)絡層[4]。模型的解碼器部分與編碼器部分形成對稱結構,產(chǎn)生了一個U型結構。Unet的編碼器是多個卷積塊組成,每個卷積塊由兩個3×3卷積層接著進行RuLU進行非線性化,最后一個2×2的最大池化層。Unet的解碼器部分,每個卷積塊后面跟著一個反卷積層。這個反卷積層對圖像進行上采樣,這意味著圖像的大小加倍,特征通道的數(shù)量減半。最后一個反卷積層可以將圖像恢復到原始圖像的大小。最后,一個1×1的卷積層并使用sigmoid激活函數(shù)產(chǎn)生圖像每個像素的最終預測。Unet網(wǎng)絡一共有23個卷積層,編碼器和解碼器之間的同等級卷積塊通過跳躍連接合并。

    1.1.3 FPN 網(wǎng)絡模型

    另一類重要分割模型特征金字塔網(wǎng)絡模型(FPN) 是2017年提出來的一種網(wǎng)絡如圖3所示,F(xiàn)PN主要是用來解決物體分割多尺度問題[5]。其主要特征是既不增加模型計算量又提高小物體分割正確率。FPN構建了一個從下到上模塊、從上到下模塊和橫向連接模塊的特征金字塔。從下到上模塊主要作用是產(chǎn)生一個由幾個不同尺度特征圖組成的特征層次結構。從上到下模塊對特征金字塔更高層的特征圖進行反卷積得到分辨率特征圖,特征金字塔越高層的特征圖分辨率越低,語義特征強。這些特征圖與從下到上模塊的特征圖進行融合,來自從下到上的特征圖都經(jīng)過1×1的卷積操作以減少特征通道。最后,在橫向連接路徑上對每個特征圖進行3×3的卷積操作,最后這些特征圖都將進行融合產(chǎn)生最后的預測圖,F(xiàn)PN的結構圖如圖3所示。但是FPN在解碼器中每一階段都會獨立產(chǎn)生預測并且在最后合并這些預測,Unet只在最后階段產(chǎn)生預測。

    1.1.4 SegNet 網(wǎng)絡模型

    SegNet另一類非常重要的語義分割模型,在模型結構上與Unet非常相似,只是在解碼器部分中的上采樣不同[6]。SegNet的特點是對解碼器部分的低分辨率特征圖上采樣方式做了改進。具體做法是編碼器中每一個最大池化過程中保存其池化索引即最大值的索引,在解碼器部分利用這些索引做非線性上采樣。這些經(jīng)過上采樣的特征圖是稀疏的,再對其做可訓練的卷積操作產(chǎn)生密集的特征圖。采用這種方法的上采樣可以避免FCN中學習上采樣帶來的消耗,再使用卷積操作特征圖,避免保存特征圖產(chǎn)生的額外空間消耗。

    1.2 模型融合

    為提高孔隙分割效果,要求孔隙分割模型能提取到更抽象的特征用于孔隙分割。為提高孔隙分割模型的特征提取能力,將經(jīng)典的分類模型與語義分割模型進行融合。本文選取經(jīng)典的分類模型有Vgg、Mo?bilenet 和ResNet50,這些模型在圖像分類上表現(xiàn)優(yōu)秀,證明了這些模型的特征提取能力很強。各種主流語義分割網(wǎng)絡模型中的編碼器與分類模型類似,只需將分類模型中的全連接層替換成卷積層就可以作為編碼器使用。這些優(yōu)秀分類模型與經(jīng)典的語義分割模型相結合,孔隙分割模型的編碼器更容易抽取特征。結合后的語義分割模型命名就使用下連接線將兩部分模型名稱連接起來,比如VGG_FCN表示FCN 的編碼器部分采用VGG模型。通過分類模型與語義分割模型結合,得到孔隙分割模型,分別是Vgg_FCN_8、Vgg_FCN_32、Mobilenet_FCN_8、Mobilenet_FCN_32、Vgg_Unet、Resnet50_Unet、Mobilenet_Unet、Vgg_SegNet 和Resnet50_SegNet。

    1.3 模型初始化

    從零開始訓練一個語義分割模型,需要大量的圖像數(shù)據(jù)和對應的標簽數(shù)據(jù)。鑄體薄片中孔隙遍布全圖而且形狀不規(guī)則,在這種情況下進行孔隙標注效率低下,很難完成大規(guī)模數(shù)據(jù)標記工作。遷移學習為解決孔隙標注提供了一種有效的方法。

    遷移學習是將已訓練的模型運用到相關聯(lián)問題的一種新的機器學習方法,目的是遷移已訓練模型來解決目標領域中僅有少量甚至沒有標簽樣本數(shù)據(jù)的學習問題[7]。相對于隨機賦值權重訓練模型,利用遷移學習微調(diào)模型效率更快。張軍軍等人利用遷移學習完成道路提取模型的訓練,先在開源大型數(shù)據(jù)庫ImageNet上預訓練模型并保存最優(yōu)模型,再遷移預訓練保存的模型利用道路數(shù)據(jù)集對模型,進行微調(diào)加速模型訓練[8]。祝一諾等人利用遷移學習方法訓練了Inception-V3 模型,用來識別遙感圖像中的建筑垃圾[9]。上述研究說明,遷移學習的可行性和高效性。

    使用遷移學習的方法將已經(jīng)在ImageNet上完成圖像分類的VGG16、Resnet50和Mobilenet的權重,作為本文中語義分割模型編碼器參數(shù)的初始化,然后在訓練中微調(diào)模型參數(shù)[10]。

    2 實驗過程及結果

    2.1 實驗前的準備工作

    2.1.1 模型參數(shù)及孔隙標注

    模型損失函數(shù)采用分類交叉熵函數(shù)(categori?cal_crossentropy loss) 。模型優(yōu)化函數(shù)采用Adam,經(jīng)過大量的實踐證明,Adam的工作表現(xiàn)良好,并優(yōu)于其他隨機優(yōu)化算法[11]。表1是其參數(shù)設置,模型訓練過程中利用tensorflow提供的數(shù)據(jù)增強方法增加數(shù)據(jù)量。

    孔隙標注采取半人工手段對鑄體薄片中孔隙進行分割。標簽數(shù)據(jù)的制作借助ImageJ完成,ImageJ是一款專業(yè)的、開源的圖像處理軟件。利用ImageJ提供的閾值法完成對大部分孔隙的分割,再利用ImageJ提供的Paintbrush Tool 手動選擇閾值法無法識別的孔隙。將所有的標簽數(shù)據(jù)分割成224×224×3作為模型輸入數(shù)據(jù),分割后一共得到圖像1403張。

    2.1.2 模型評價指標

    利用準確率(Accuracy)、精確度(Precision)、召回率(Recall)和F1 分數(shù)(F1-score)評價分割網(wǎng)絡模型的優(yōu)劣。有部分鑄體薄片中巖石占了絕大部分,在這種情況下,即使把圖中所有孔隙全部分類為巖石顆粒,此時的模型準確率依然會很高。因此只用準確率無法客觀評價模型的優(yōu)劣,又引入精確度、召回率和F1分數(shù)。精確度和召回率是一對矛盾的性能度量指標,精確度越高時召回率往往會很低。F1-score綜合了Re?call和Precision,對模型優(yōu)劣進行更客觀的評價。

    2.2 孔隙分割結果

    表2將展示在測試集上表現(xiàn)最優(yōu)的各類模型。在表2 中,F(xiàn)1 分數(shù)最高的是由Mobilenet_unet 所獲96.2%,緊隨其后的是Resnet50_unet獲得的96.19%,兩種模型的性能幾乎一樣。在召回率上的表現(xiàn),Mo?bilenet_uent 達到了96.87%,認為該模型正確預測了96.87% 的孔隙。在精確度上的表現(xiàn),Resnet50_unet 達到了96.02%,認為所有被模型預測為孔隙的像素中有96.02% 的像素是孔隙。在準確率上的表現(xiàn),Mo?bilenet_unet 達到了97.95%,認為模型的預測中有97.95%的像素被正確分類。Mobilenet_Segnet的模型文件是所有模型中最小的,只有63.3M,模型文件小,意味對計算機存儲要求低,模型的加載速度快。模型訓練時間最短的模型是Mobilenet_unet,模型訓練時間越短,對計算機的計算壓力就越小。

    3 討論

    由表2可知,Mobilenet_unet 的F1分數(shù)最高達到了96.20%,緊隨其后的便是Resnet50_unet的96.19%。在本部分需要討論Resnet50_unet和Mobilenet_unet這兩種模型哪個更適合用于對鑄體薄片孔隙進行語義分割。圖4 和圖5 分別展示了Mobilenet_unet 和Resnet50_unet 在驗證集上的F1分數(shù)、召回率、精確度和準確率。兩種模型在測試集中各張圖片的分割效果相差不大,Mobilenet_unet在驗證集中有14張圖片的F1分數(shù)達到了0.95以上,而Resnet50_unet有15張圖片的F1分數(shù)達到了0.95以上。圖6展示了驗證集中幾張圖片、真實分割圖片以及Mobilenet_unetResnet50_unet兩種模型的預測圖。圖6可以說明這兩種模型對鑄體薄片中的大部分孔隙實現(xiàn)了有效的分割,但是對于圖6的圖d中粒間孔隙的分割效果不好。從圖6 可以得出一個結論:Mobilenet_unet 和Resnet50_unet兩種模型對粒間孔隙以及溶蝕孔隙分割效果不好,其他類型的孔隙都可以進行有效分割。通過對以上幾種模型預測結果的分析,認為Mo?bilenet_unet和Resnet50_unet兩種模型對鑄體薄片孔隙分割的效果幾乎一樣,沒有發(fā)現(xiàn)明顯的差距。但是在模型大小方面,Mobilenet_unet的一個模型參數(shù)文件才72.1MB,Resnet50_unet 的一個模型參數(shù)文件已經(jīng)達到了187MB。在模型參數(shù)文件大小方面,Mo?bilenet_unet相對Resnet50_unet具有很大的優(yōu)勢。模型越小,在訓練過程中對計算機的GPU要求就越低,模型較小不會占用過多的內(nèi)存資源。一般認為,在模型的分割性能差不多的情況下,模型越小越好。Mo?bilenet_unet不僅在模型文件大小方面具有優(yōu)勢,而且在模型訓練時間方面,也比Resnet50_unet更短,Mo?bilenet_unet和Resnet50_unet的模型訓練時間分別是1.6h和6.32h。不管是從模型預測性能、模型參數(shù)文件大小還是模型訓練時間,Mobilenet_unet是最適合進行鑄體薄片孔隙分割的模型。從圖4 觀察,Mo?bilenet_unet對測試集圖片進行預測,大部分預測圖的F1值達到0.95以上,與表1中模型在驗證集中平均F1 為0.9620非常接近,證明Mobilenet_unet泛化能力強。

    4 結論

    為了實現(xiàn)鑄體薄片圖像孔隙自動分割的目標,本文對比了經(jīng)典語義分割模型,利用遷移學習解決鑄體薄片數(shù)據(jù)量少,而影響孔隙分割準確率的問題。實驗結果表明,Mobilenet_unet和Resnet50_unet兩種模型在準確率、召回率、精確率和F1分數(shù)表現(xiàn)上非常接近,因此認為兩個模型在孔隙分割效果幾乎一樣。但是Mo?bilenet_unet在訓練時間和模型大小上占據(jù)優(yōu)勢,所以Mobilenet_unet更適合用于鑄體薄片孔隙分割。

    猜你喜歡
    語義分割遷移學習孔隙
    二氧化碳在高嶺石孔隙中吸附的分子模擬
    基于積神經(jīng)網(wǎng)絡的圖像著色方法研究
    基于全卷積網(wǎng)絡FCN的圖像處理
    基于語義分割的車道線檢測算法研究
    基于語義分割的增強現(xiàn)實圖像配準技術
    Preparation of bimodal grain size 7075 aviation aluminum alloys and the ir corrosion properties
    基于多特征融合的跨域情感分類模型研究
    奇異值分解與移移學習在電機故障診斷中的應用
    頁巖孔隙結構研究進展
    一種基于遷移極速學習機的人體行為識別模型
    国产一级毛片在线| 成年女人在线观看亚洲视频 | 一区二区三区免费毛片| 一夜夜www| 在线观看免费高清a一片| 欧美激情在线99| 国模一区二区三区四区视频| 91久久精品国产一区二区成人| 久久综合国产亚洲精品| 深爱激情五月婷婷| 国产高潮美女av| 日本一本二区三区精品| 亚洲四区av| 亚洲欧洲日产国产| 成年女人看的毛片在线观看| 国产 一区 欧美 日韩| 国产69精品久久久久777片| 插阴视频在线观看视频| 亚洲av.av天堂| 国产精品福利在线免费观看| 中文欧美无线码| 日韩精品有码人妻一区| 国产成年人精品一区二区| 亚洲最大成人av| 卡戴珊不雅视频在线播放| 午夜老司机福利剧场| 久久久久精品性色| 91精品国产九色| 在线观看人妻少妇| 成人午夜精彩视频在线观看| 久久亚洲国产成人精品v| 人妻制服诱惑在线中文字幕| 久久久久久久久久久免费av| av在线蜜桃| 国产三级在线视频| 亚洲伊人久久精品综合| 色哟哟·www| 一级毛片久久久久久久久女| 欧美成人一区二区免费高清观看| 亚洲欧美清纯卡通| 一本一本综合久久| 亚洲最大成人手机在线| 大香蕉97超碰在线| 毛片女人毛片| 欧美三级亚洲精品| 成人亚洲精品一区在线观看 | 久久久久久久久大av| 2018国产大陆天天弄谢| 日本免费a在线| 欧美成人a在线观看| 久久久久网色| 成人二区视频| 在线观看人妻少妇| 成人午夜精彩视频在线观看| 黄色一级大片看看| 欧美xxⅹ黑人| 人人妻人人澡欧美一区二区| 26uuu在线亚洲综合色| 国产精品国产三级国产av玫瑰| 日韩大片免费观看网站| 久久久久久久久久成人| 精品欧美国产一区二区三| 亚洲av男天堂| 国产国拍精品亚洲av在线观看| 日本免费a在线| 听说在线观看完整版免费高清| 97人妻精品一区二区三区麻豆| 美女cb高潮喷水在线观看| 一级毛片久久久久久久久女| 国产亚洲最大av| 搡老妇女老女人老熟妇| 亚洲欧美清纯卡通| 国产美女午夜福利| 久久久久久久久久久丰满| 秋霞伦理黄片| 国产精品.久久久| 午夜福利高清视频| 少妇丰满av| 久久久久久久午夜电影| 欧美成人a在线观看| 久久精品夜色国产| 国产在线一区二区三区精| 久久久欧美国产精品| 亚洲av二区三区四区| av网站免费在线观看视频 | 午夜福利视频1000在线观看| 国产精品美女特级片免费视频播放器| 亚洲最大成人手机在线| 高清欧美精品videossex| 国产淫片久久久久久久久| 日本一二三区视频观看| 2021少妇久久久久久久久久久| 久99久视频精品免费| 狂野欧美白嫩少妇大欣赏| 久久人人爽人人片av| 极品教师在线视频| 成人亚洲精品av一区二区| 成人综合一区亚洲| 一级毛片aaaaaa免费看小| 丰满少妇做爰视频| 国产精品熟女久久久久浪| 内地一区二区视频在线| 欧美变态另类bdsm刘玥| 成人亚洲欧美一区二区av| 99re6热这里在线精品视频| 国产有黄有色有爽视频| 99re6热这里在线精品视频| 老司机影院毛片| 亚洲欧美精品专区久久| 五月玫瑰六月丁香| 日韩av在线大香蕉| 久久久久精品性色| 欧美高清性xxxxhd video| 看黄色毛片网站| 国产av码专区亚洲av| 精品人妻偷拍中文字幕| 国产精品国产三级国产av玫瑰| 91久久精品国产一区二区成人| 秋霞在线观看毛片| 亚洲人成网站高清观看| 成人亚洲精品一区在线观看 | 91精品伊人久久大香线蕉| 成人鲁丝片一二三区免费| 中文字幕久久专区| 色网站视频免费| 亚洲乱码一区二区免费版| 国产成人免费观看mmmm| 日本爱情动作片www.在线观看| 久99久视频精品免费| 丰满少妇做爰视频| 久久99蜜桃精品久久| 中文欧美无线码| 免费av毛片视频| 国产精品爽爽va在线观看网站| 最后的刺客免费高清国语| 干丝袜人妻中文字幕| 欧美潮喷喷水| 熟女电影av网| www.色视频.com| 18禁在线播放成人免费| 亚洲精品国产av成人精品| 国产单亲对白刺激| av黄色大香蕉| 成人一区二区视频在线观看| 色5月婷婷丁香| 精品人妻偷拍中文字幕| 国产精品人妻久久久影院| 一个人观看的视频www高清免费观看| 啦啦啦啦在线视频资源| 99久久精品一区二区三区| 人妻夜夜爽99麻豆av| 日本wwww免费看| 最近中文字幕高清免费大全6| 99热全是精品| 成年女人在线观看亚洲视频 | 色综合色国产| 国产黄频视频在线观看| 国国产精品蜜臀av免费| 好男人在线观看高清免费视频| 精品亚洲乱码少妇综合久久| 女人久久www免费人成看片| 精华霜和精华液先用哪个| 偷拍熟女少妇极品色| 国产精品嫩草影院av在线观看| 免费黄频网站在线观看国产| 国产伦一二天堂av在线观看| 七月丁香在线播放| 亚洲成人久久爱视频| 亚洲,欧美,日韩| 婷婷六月久久综合丁香| 成人性生交大片免费视频hd| 网址你懂的国产日韩在线| 五月玫瑰六月丁香| 18禁动态无遮挡网站| 国产av码专区亚洲av| av一本久久久久| 蜜桃亚洲精品一区二区三区| 你懂的网址亚洲精品在线观看| 成人特级av手机在线观看| 晚上一个人看的免费电影| 日本免费在线观看一区| 免费观看性生交大片5| 国产乱人偷精品视频| 三级国产精品欧美在线观看| 少妇猛男粗大的猛烈进出视频 | 在线a可以看的网站| 一边亲一边摸免费视频| 欧美成人精品欧美一级黄| 在线a可以看的网站| 成人特级av手机在线观看| 久久久久久久国产电影| 亚洲精品久久久久久婷婷小说| 男女视频在线观看网站免费| 中文字幕制服av| 一个人看视频在线观看www免费| 日产精品乱码卡一卡2卡三| 亚洲最大成人av| 大片免费播放器 马上看| 久久久久久久大尺度免费视频| 国产伦在线观看视频一区| 国产黄频视频在线观看| 深爱激情五月婷婷| 秋霞在线观看毛片| 午夜免费男女啪啪视频观看| 午夜福利在线在线| or卡值多少钱| 秋霞在线观看毛片| 中文资源天堂在线| 亚洲熟女精品中文字幕| 精品一区在线观看国产| 午夜视频国产福利| 激情 狠狠 欧美| 高清欧美精品videossex| 又黄又爽又刺激的免费视频.| a级一级毛片免费在线观看| 永久网站在线| 国产一区二区在线观看日韩| 国精品久久久久久国模美| 国产淫片久久久久久久久| 日韩欧美国产在线观看| 成人高潮视频无遮挡免费网站| freevideosex欧美| 日韩三级伦理在线观看| 两个人的视频大全免费| 久久国产乱子免费精品| 日韩成人av中文字幕在线观看| 少妇熟女欧美另类| 80岁老熟妇乱子伦牲交| 色综合亚洲欧美另类图片| 一二三四中文在线观看免费高清| 99热这里只有精品一区| 亚洲av二区三区四区| 国产成人91sexporn| 久久国内精品自在自线图片| 亚洲人成网站高清观看| 精品人妻偷拍中文字幕| 亚洲欧美成人综合另类久久久| 美女cb高潮喷水在线观看| 亚洲国产成人一精品久久久| 免费av不卡在线播放| 国产欧美另类精品又又久久亚洲欧美| 国产淫片久久久久久久久| 国产又色又爽无遮挡免| 日韩欧美精品v在线| 日本猛色少妇xxxxx猛交久久| 精品久久久久久久久亚洲| 一二三四中文在线观看免费高清| 九九爱精品视频在线观看| 成年女人看的毛片在线观看| 国国产精品蜜臀av免费| 免费黄色在线免费观看| 日韩国内少妇激情av| 日本wwww免费看| 毛片女人毛片| 国产伦在线观看视频一区| 国产真实伦视频高清在线观看| 97在线视频观看| 婷婷色av中文字幕| 国产精品一区二区三区四区免费观看| 亚洲精品日韩av片在线观看| 成人午夜高清在线视频| 丝袜美腿在线中文| 真实男女啪啪啪动态图| 久久久久久九九精品二区国产| av在线天堂中文字幕| 色尼玛亚洲综合影院| 两个人的视频大全免费| 99九九线精品视频在线观看视频| 亚洲不卡免费看| 成人二区视频| 久久精品久久久久久久性| 亚洲av二区三区四区| 高清av免费在线| 国产一级毛片在线| 欧美日韩综合久久久久久| 亚洲内射少妇av| 久久99热6这里只有精品| 99久久精品一区二区三区| 国产精品国产三级专区第一集| 久久精品久久精品一区二区三区| 国产在线一区二区三区精| 国产免费福利视频在线观看| 久久久成人免费电影| 亚洲国产精品成人久久小说| 人人妻人人看人人澡| 又大又黄又爽视频免费| 国产在视频线精品| 国产又色又爽无遮挡免| 国产精品久久久久久精品电影| 国内精品宾馆在线| 91精品一卡2卡3卡4卡| 国产精品一及| 色视频www国产| av.在线天堂| 久久久精品94久久精品| 久久草成人影院| 久久精品综合一区二区三区| 国产精品一二三区在线看| 人妻一区二区av| 亚洲欧洲国产日韩| 精品一区二区三区视频在线| 国产午夜精品一二区理论片| 日韩精品有码人妻一区| 亚洲av免费高清在线观看| 中文资源天堂在线| 热99在线观看视频| 国产在视频线精品| 欧美变态另类bdsm刘玥| 97人妻精品一区二区三区麻豆| av在线天堂中文字幕| 99热这里只有精品一区| 欧美xxⅹ黑人| 久久综合国产亚洲精品| 午夜久久久久精精品| av在线蜜桃| 天美传媒精品一区二区| 天堂影院成人在线观看| 日韩人妻高清精品专区| 亚洲aⅴ乱码一区二区在线播放| 国产 一区 欧美 日韩| 91aial.com中文字幕在线观看| 最后的刺客免费高清国语| 免费看不卡的av| 久久精品夜夜夜夜夜久久蜜豆| 午夜福利视频精品| 免费人成在线观看视频色| 国产女主播在线喷水免费视频网站 | 国产免费一级a男人的天堂| 久久综合国产亚洲精品| 老师上课跳d突然被开到最大视频| 男女边摸边吃奶| 国产精品一二三区在线看| 欧美不卡视频在线免费观看| 五月玫瑰六月丁香| 成人二区视频| 身体一侧抽搐| 欧美性猛交╳xxx乱大交人| 久久精品国产鲁丝片午夜精品| 日韩精品青青久久久久久| 嫩草影院入口| 国产又色又爽无遮挡免| www.色视频.com| 少妇熟女欧美另类| 三级男女做爰猛烈吃奶摸视频| 久久久久久国产a免费观看| 狠狠精品人妻久久久久久综合| 国产免费一级a男人的天堂| 男女国产视频网站| av线在线观看网站| 亚洲激情五月婷婷啪啪| 精品久久久精品久久久| www.av在线官网国产| 搡老乐熟女国产| 国产成人午夜福利电影在线观看| 舔av片在线| kizo精华| 天美传媒精品一区二区| 岛国毛片在线播放| 美女内射精品一级片tv| 99视频精品全部免费 在线| 午夜福利在线观看吧| 国产成人精品福利久久| 亚洲精品久久午夜乱码| 免费无遮挡裸体视频| 成人午夜高清在线视频| 亚洲av二区三区四区| 天天躁日日操中文字幕| 中国美白少妇内射xxxbb| 最近视频中文字幕2019在线8| 80岁老熟妇乱子伦牲交| 舔av片在线| 尾随美女入室| 97在线视频观看| 成人午夜精彩视频在线观看| 青春草亚洲视频在线观看| 亚洲av成人精品一区久久| 黑人高潮一二区| 亚洲在线观看片| 亚洲欧洲国产日韩| 国产大屁股一区二区在线视频| 美女主播在线视频| 亚洲精品乱码久久久v下载方式| 久久久久精品久久久久真实原创| 蜜桃久久精品国产亚洲av| 3wmmmm亚洲av在线观看| av线在线观看网站| 日韩欧美三级三区| 大又大粗又爽又黄少妇毛片口| 国产男人的电影天堂91| 秋霞伦理黄片| or卡值多少钱| 不卡视频在线观看欧美| 一个人观看的视频www高清免费观看| 看十八女毛片水多多多| 欧美日韩国产mv在线观看视频 | 麻豆成人av视频| 视频中文字幕在线观看| 色5月婷婷丁香| 搡老妇女老女人老熟妇| h日本视频在线播放| 国产视频首页在线观看| 日韩国内少妇激情av| 成人午夜高清在线视频| 精品国产一区二区三区久久久樱花 | 熟女电影av网| 亚洲国产精品成人久久小说| 午夜福利在线在线| 欧美 日韩 精品 国产| 国内揄拍国产精品人妻在线| 中文字幕人妻熟人妻熟丝袜美| 最近最新中文字幕免费大全7| 国产又色又爽无遮挡免| 在线观看美女被高潮喷水网站| 人妻一区二区av| 最近中文字幕高清免费大全6| 精品酒店卫生间| 欧美成人一区二区免费高清观看| 日本黄大片高清| 亚洲成人久久爱视频| 国产黄色免费在线视频| 99久国产av精品| 日韩不卡一区二区三区视频在线| av在线老鸭窝| 国产一区二区亚洲精品在线观看| 日日摸夜夜添夜夜添av毛片| 一二三四中文在线观看免费高清| 国产熟女欧美一区二区| 日本一二三区视频观看| 久久久亚洲精品成人影院| 麻豆乱淫一区二区| 国产不卡一卡二| 99久久人妻综合| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 80岁老熟妇乱子伦牲交| 天美传媒精品一区二区| 成人亚洲欧美一区二区av| 亚洲综合精品二区| 日韩av不卡免费在线播放| 麻豆精品久久久久久蜜桃| 婷婷色综合大香蕉| 亚洲天堂国产精品一区在线| 亚洲欧洲日产国产| 久久精品国产亚洲av涩爱| 亚洲欧美日韩卡通动漫| 人体艺术视频欧美日本| 成人性生交大片免费视频hd| 国产精品无大码| 亚洲人成网站在线播| av免费在线看不卡| 日韩一区二区视频免费看| 18禁在线播放成人免费| 黄色日韩在线| 久久久久精品性色| 国产精品无大码| 丝瓜视频免费看黄片| 国产成年人精品一区二区| 久久这里有精品视频免费| 国产中年淑女户外野战色| 亚洲精品乱码久久久久久按摩| 超碰97精品在线观看| 亚洲欧洲国产日韩| 亚洲三级黄色毛片| 国产精品精品国产色婷婷| www.av在线官网国产| 午夜免费激情av| 亚洲av日韩在线播放| 久久久久性生活片| 久久久久精品久久久久真实原创| 一级爰片在线观看| 听说在线观看完整版免费高清| 精品酒店卫生间| 亚洲四区av| 国产黄色免费在线视频| 亚洲久久久久久中文字幕| 亚洲精品乱久久久久久| 国产精品不卡视频一区二区| 亚洲高清免费不卡视频| 中文天堂在线官网| 国产精品久久久久久久久免| av免费在线看不卡| 亚洲精华国产精华液的使用体验| 国精品久久久久久国模美| 欧美日韩一区二区视频在线观看视频在线 | 午夜福利视频精品| 永久免费av网站大全| 美女高潮的动态| 色综合亚洲欧美另类图片| 国产欧美日韩精品一区二区| 91在线精品国自产拍蜜月| 国产av码专区亚洲av| 97热精品久久久久久| 国产精品一区二区在线观看99 | 中文在线观看免费www的网站| 久久久久国产网址| 欧美性感艳星| 免费av观看视频| 我的女老师完整版在线观看| 亚洲不卡免费看| 最新中文字幕久久久久| 男人狂女人下面高潮的视频| 久久99蜜桃精品久久| 麻豆精品久久久久久蜜桃| 国产乱人视频| 精品欧美国产一区二区三| 国产高清不卡午夜福利| 国产精品爽爽va在线观看网站| 天堂av国产一区二区熟女人妻| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 欧美日韩国产mv在线观看视频 | 欧美3d第一页| 免费看a级黄色片| 免费黄色在线免费观看| 亚洲电影在线观看av| 免费观看的影片在线观看| 国产av码专区亚洲av| 丰满少妇做爰视频| 女人久久www免费人成看片| 日本爱情动作片www.在线观看| 久久精品国产亚洲av涩爱| 天美传媒精品一区二区| 精品少妇黑人巨大在线播放| 青青草视频在线视频观看| 国产又色又爽无遮挡免| 97在线视频观看| 国产精品不卡视频一区二区| 国产精品女同一区二区软件| 久久久久免费精品人妻一区二区| 日韩成人av中文字幕在线观看| 国产成人freesex在线| 日日摸夜夜添夜夜爱| 一个人看的www免费观看视频| 一级毛片我不卡| 免费观看在线日韩| 日韩 亚洲 欧美在线| 亚洲国产精品sss在线观看| 别揉我奶头 嗯啊视频| 国产精品一区二区三区四区久久| 国产伦精品一区二区三区四那| 中国国产av一级| 久久精品国产亚洲av涩爱| 国产免费视频播放在线视频 | 亚洲婷婷狠狠爱综合网| 日本-黄色视频高清免费观看| 久久久色成人| 国产又色又爽无遮挡免| 亚洲自拍偷在线| 欧美3d第一页| 国内少妇人妻偷人精品xxx网站| 少妇熟女欧美另类| 国产一区二区三区av在线| 亚洲久久久久久中文字幕| 97超视频在线观看视频| 国产淫语在线视频| 精品久久久久久久久av| 亚洲欧美成人精品一区二区| 最近中文字幕高清免费大全6| 十八禁网站网址无遮挡 | 三级毛片av免费| 久久国产乱子免费精品| 别揉我奶头 嗯啊视频| 亚洲精品色激情综合| 精品亚洲乱码少妇综合久久| 国产伦精品一区二区三区视频9| 国产乱来视频区| 欧美不卡视频在线免费观看| 亚洲成人中文字幕在线播放| 水蜜桃什么品种好| 蜜臀久久99精品久久宅男| 亚洲精品456在线播放app| 少妇丰满av| 亚洲精品一区蜜桃| 国产成年人精品一区二区| 天堂av国产一区二区熟女人妻| 狂野欧美激情性xxxx在线观看| 内射极品少妇av片p| 天堂√8在线中文| 国产成人午夜福利电影在线观看| 搡老妇女老女人老熟妇| 一级毛片黄色毛片免费观看视频| 少妇人妻精品综合一区二区| 久久精品国产自在天天线| 99热这里只有是精品50| 中国国产av一级| 国产成人精品福利久久| 老司机影院成人| 2021天堂中文幕一二区在线观| 欧美高清性xxxxhd video| 中文精品一卡2卡3卡4更新| 久久亚洲国产成人精品v| 69av精品久久久久久| 一级毛片黄色毛片免费观看视频| 久久久色成人| 国产亚洲5aaaaa淫片| 又爽又黄无遮挡网站| 男人舔女人下体高潮全视频| 成人美女网站在线观看视频| 男女国产视频网站| 亚洲色图av天堂| 亚洲精品日本国产第一区| 国产亚洲5aaaaa淫片| 亚洲图色成人| 精品午夜福利在线看| 内射极品少妇av片p| 最近手机中文字幕大全| 久久精品人妻少妇| 中文字幕制服av| 一级片'在线观看视频| 高清视频免费观看一区二区 | 成年女人在线观看亚洲视频 | 能在线免费看毛片的网站| 中文天堂在线官网| 亚洲国产精品成人综合色| 亚洲精品国产av蜜桃| 国产精品人妻久久久久久| 草草在线视频免费看|