• <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 ?

    引入自上向下特征融合的小目標(biāo)檢測(cè)算法*

    2023-11-25 13:08:46劉笑楠武德彬劉振宇
    電訊技術(shù) 2023年11期
    關(guān)鍵詞:語(yǔ)義損失卷積

    劉笑楠,武德彬,劉振宇,戚 雪

    (沈陽(yáng)工業(yè)大學(xué) 信息科學(xué)與工程學(xué)院,沈陽(yáng) 110870)

    0 引 言

    近年來(lái),基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法飛速發(fā)展,已經(jīng)應(yīng)用于醫(yī)療、生活、交通等領(lǐng)域,主要分為兩階段目標(biāo)檢測(cè)算法和一階段目標(biāo)檢測(cè)算法。兩階段目標(biāo)檢測(cè)算法先基于候選區(qū)域生成候選框再進(jìn)行分類和回歸得到檢測(cè)結(jié)果,包括R-CNN[1]、Fast-RCNN[2]、Faster-RCNN[3]等;單階段目標(biāo)檢測(cè)算法直接進(jìn)行預(yù)測(cè)的端到端目標(biāo)檢測(cè),如SSD(Single Shot Multibox Detector)[4]、YOLO[5]、YOLOv2[6]、YOLOv3[7]、YOLOv4[8]等。單階段目標(biāo)檢測(cè)算法相較于兩階段目標(biāo)檢測(cè)算法具有更快的檢測(cè)速度,但是檢測(cè)精度略低于后者。在目標(biāo)檢測(cè)中,將面積尺寸小、分辨率低的目標(biāo)歸為小目標(biāo)。除了以上特征,小目標(biāo)還具備容易被噪聲影響以及被漏檢和誤檢的特點(diǎn),故提高小目標(biāo)檢測(cè)精度成為目標(biāo)檢測(cè)中不可或缺的重要部分。

    雖然傳統(tǒng)SSD算法采用了多尺度特征檢測(cè),但是沒(méi)有考慮到不同卷積層之間的空間關(guān)系,整個(gè)模型傳遞過(guò)程是單向卷積傳遞信息,隨著卷積層數(shù)增多,細(xì)節(jié)語(yǔ)義信息逐漸丟失,所以未充分利用各層之間的關(guān)系,導(dǎo)致不同層的特征信息未得到充分利用,從而影響模型對(duì)小目標(biāo)的檢測(cè)效果。針對(duì)上述問(wèn)題,Li等人[9]和Liu等人[10]利用不同尺度特征融合的思想分別提出FSSD(Feature Fusion Single Shot Multibox Detector)算法和RFB-Net算法。FSSD算法將3個(gè)淺層特征層進(jìn)行拼接融合,有效提高了小目標(biāo)檢測(cè)效果。而RFB-Net算法則是結(jié)合Inception結(jié)構(gòu)構(gòu)造RFB模塊,增強(qiáng)網(wǎng)絡(luò)感受野的同時(shí)增強(qiáng)了檢測(cè)效果。Fu等人[11]將主干網(wǎng)絡(luò)更換成ResNet101并利用反卷積傳遞信息以提高識(shí)別小目標(biāo)的檢測(cè)精度。楊艷紅等人[12]利用特征金字塔(Feature Pyramid Network,FPN)[13]的思想,將特征層上采樣與上一層特征層融合保持了較高的檢測(cè)精度。張震等人[14]利用輕量級(jí)網(wǎng)絡(luò)與層級(jí)特征融合的方法,提高了算法對(duì)小目標(biāo)檢測(cè)的有效性。陳鴻坤等人[15]利用淺層特征重利用模塊將特征進(jìn)行重利用后再進(jìn)行特征融合,旨在強(qiáng)化小目標(biāo)的檢測(cè)效果。

    由于淺層特征層包含許多空間位置信息,深層特征層有豐富的語(yǔ)義信息,而上述方法未充分利用兩者之間的關(guān)系,故本文提出一種改進(jìn)的自上向下進(jìn)行特征融合的TTB-SSD(Top to Bottom SSD)小目標(biāo)檢測(cè)方法。該方法先利用PANet[16]多尺度特征融合網(wǎng)絡(luò)構(gòu)造自低層向高層和自高層向低層的兩條特征提取路徑,并反復(fù)提取淺層特征信息得到豐富的語(yǔ)義信息;再將淺層特征層的位置信息與細(xì)節(jié)信息利用空洞卷積[17]下采樣傳向深層特征層,并在各輸出特征層的外部利用FPN特征金字塔整合不同層的語(yǔ)義信息,構(gòu)造自上向下的特征傳遞路徑;最后進(jìn)行特征融合,獲得新的特征圖。上述方法能將深層特征層豐富的語(yǔ)義信息傳到各層,從而增強(qiáng)對(duì)小目標(biāo)的檢測(cè)效果。

    1 TTB-SSD算法

    針對(duì)傳統(tǒng)SSD算法采用單向傳遞未充分利用各特征層之間關(guān)系的問(wèn)題,本文在原SSD算法的基礎(chǔ)上提出TTB-SSD改進(jìn)算法,整體網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

    圖1 TTB-SSD算法網(wǎng)絡(luò)結(jié)構(gòu)

    該算法采用與SSD算法相同的VGG16主干網(wǎng)絡(luò),其6個(gè)特征層分別命名為Conv4_3、Conv5_3、Fc7、Conv8_2、Conv9_2、Conv10_2。為了克服原網(wǎng)絡(luò)淺層特征層對(duì)小目標(biāo)檢測(cè)精度不高的問(wèn)題,先將Conv4_3、Conv5_3、Fc7、Conv8_2這4個(gè)不同尺度的特征層經(jīng)過(guò)PANet模塊進(jìn)行特征融合,將更多多尺度語(yǔ)義信息傳遞到淺層特征層,從而使提取到的特征具有更多的細(xì)節(jié)信息。為了增強(qiáng)深層特征信息,將Conv9_2特征層進(jìn)行3×3卷積特征提取,并與PANet自下向上傳播路徑中的特征信息進(jìn)行Concat特征拼接,使深層特征層獲得淺層特征層的空間信息和多尺度語(yǔ)義信息。為了強(qiáng)化每一層小目標(biāo)的語(yǔ)義信息,本文方法利用FPN的思想,將Conv4_3、Fc7、Conv8_2、Conv9_2和Conv10_2這5個(gè)特征層融合后的特征圖結(jié)果進(jìn)行1×1卷積平滑,并得到平滑后的新特征圖。Conv11_2層特征圖由于已經(jīng)具有豐富的語(yǔ)義信息則直接輸出。最后,進(jìn)行分類回歸預(yù)測(cè)并利用非極大值抑制篩選預(yù)測(cè)框得到最終預(yù)測(cè)結(jié)果。

    1.1 自上向下特征融合結(jié)構(gòu)

    PANet多尺度特征融合模塊僅針對(duì)Conv4_3、Conv5_3、Fc7、Conv8_2這4個(gè)特征層進(jìn)行特征反復(fù)提取以及融合,未考慮利用全局語(yǔ)義信息。為了增強(qiáng)小目標(biāo)特征信息,TTB-SSD算法利用FPN思想構(gòu)建了一種自上向下的特征融合結(jié)構(gòu),即將高層特征層的語(yǔ)義信息逐層傳遞到低層特征層中,如圖1所示。Conv11_2深層特征層豐富的語(yǔ)義信息通過(guò)雙線性插值上采樣,再進(jìn)行3×3卷積特征提取,然后依次與前一個(gè)特征層進(jìn)行特征融合。通過(guò)上述方法構(gòu)造一個(gè)自上向下的特征傳播路徑,旨在將深層語(yǔ)義信息傳遞到每一個(gè)輸出特征層,從而增強(qiáng)每一個(gè)輸出特征層對(duì)小目標(biāo)檢測(cè)的準(zhǔn)確率。最后,在特征信息傳遞到每一個(gè)特征層后進(jìn)行Concat特征拼接得到特征融合后的新特征圖。

    1.2 PANet特征融合模塊

    為了解決淺層特征層缺少語(yǔ)義信息的問(wèn)題,TTB-SSD算法引入了PANet多尺度特征融合模塊,如圖2所示。首先將Conv4_3、Conv5_3、Fc7、Conv8_2這4個(gè)特征層進(jìn)行3×3卷積特征提取。為了增強(qiáng)多尺度語(yǔ)義信息,將卷積后的Conv8_2的特征圖進(jìn)行上采樣并進(jìn)行3×3卷積,構(gòu)造自上向下的特征增強(qiáng)路徑,并與卷積后的Fc7、Conv4_3的特征圖進(jìn)行特征融合,旨在將深層特征層的語(yǔ)義信息保留并傳遞到淺層特征層。而為了將淺層特征層的空間信息傳遞到深層特征層,構(gòu)造自下向上的正向傳遞路徑,為保證融合的特征圖尺寸相同,將Conv4_3層的新特征圖利用空洞卷積進(jìn)行下采樣,擴(kuò)大感受野的同時(shí)能夠獲得多尺度的上下文語(yǔ)義信息,并在Fc7和Conv8_2特征層進(jìn)行特征融合得到新的特征圖。

    圖2 PANet多尺度特征融合模塊

    1.3 深層特征融合模塊

    Conv9_2深層特征層雖然在多層卷積后具備豐富的語(yǔ)義信息,但是容易造成小目標(biāo)的位置空間信息的損失。本文使用多尺度特征信息避免這種損失,先對(duì)Conv9_2的特征圖進(jìn)行3×3卷積來(lái)減少通道數(shù)從而提取上下文信息,再將PANet特征提取網(wǎng)絡(luò)中自下向上路徑中的多尺度語(yǔ)義信息與空間信息通過(guò)空洞卷積下采樣與批歸一化(Batch Normalization,BN)層并經(jīng)過(guò)ReLU激活函數(shù)激活,將兩者進(jìn)行Concat特征拼接融合。深層特征融合模塊結(jié)構(gòu)如圖3所示,該結(jié)構(gòu)在增強(qiáng)了Conv9_2的位置空間信息與多尺度語(yǔ)義信息的同時(shí)增強(qiáng)了自下向上的特征傳播路徑,有助于提高對(duì)目標(biāo)位置和分類的檢測(cè)準(zhǔn)確率。

    圖3 特征融合模塊

    1.4 損失函數(shù)

    本文算法的損失函數(shù)由分類損失函數(shù)和位置損失函數(shù)兩部分構(gòu)成,公式如下:

    (1)

    式中:N表示匹配正樣本候選框的個(gè)數(shù);x表示預(yù)測(cè)框類別信息;c表示該類別置信度;l表示預(yù)測(cè)框的位置信息;g表示實(shí)際框的位置信息;Lconf和Lloc分別表示分類損失函數(shù)和位置損失函數(shù);α通常設(shè)置為1。

    分類損失函數(shù)采用softmax多類別損失函數(shù),如式(2)所示:

    (2)

    (3)

    1.2.1.2.1整理由護(hù)士長(zhǎng)助理每日負(fù)責(zé)對(duì)心血管內(nèi)科治療室所有物品,藥品進(jìn)行整理,采取優(yōu)先合理放置必需品,清理放置在現(xiàn)場(chǎng)的非必需品。根據(jù)用藥頻率由近及遠(yuǎn)的放置,常用藥品使用頻率高,需放置于易取區(qū)域內(nèi),每日及時(shí)補(bǔ)充藥品,經(jīng)常檢查藥品有效期,及時(shí)銷毀將過(guò)期及質(zhì)變藥品。

    位置損失函數(shù)采用smoothL1損失函數(shù),計(jì)算公式如下:

    (4)

    (5)

    (6)

    (7)

    (8)

    2 實(shí)驗(yàn)結(jié)果及分析

    2.1 實(shí)驗(yàn)數(shù)據(jù)集與實(shí)驗(yàn)環(huán)境

    本文實(shí)驗(yàn)配置與環(huán)境條件為Windows10操作系統(tǒng),NVIDIA GeForce RTX3060;編譯環(huán)境為torch-1.8.0,torchvision-0.9.0,python3.8。

    實(shí)驗(yàn)根據(jù)PASCAL官方劃分的PASCAL VOC2007和PASCAL VOC2012兩個(gè)訓(xùn)練數(shù)據(jù)集共16 551張圖片進(jìn)行混合訓(xùn)練,在PASCAL VOC2007test數(shù)據(jù)集共4 952張圖片進(jìn)行算法性能評(píng)估,并在輸入圖像尺寸為300 pixel×300 pixel大小下進(jìn)行實(shí)驗(yàn)。該數(shù)據(jù)集包含aeroplane、bicycle、boat、bus、car、motorbike、train、bird、cat、cow、dog、horse、sheep、bottle、chair、diningtable、potteplant、sofa、tvmonitor、person共20個(gè)類別。

    2.2 訓(xùn)練過(guò)程及分析

    實(shí)驗(yàn)使用的預(yù)訓(xùn)練模型為VGG16模型。訓(xùn)練采用SGD優(yōu)化器,模型總共迭代120 000次共116個(gè)訓(xùn)練周期。模型訓(xùn)練Batch size為16,初始學(xué)習(xí)率設(shè)為0.001,并在迭代80 000次和100 000次學(xué)習(xí)率依次下降10倍生成新的學(xué)習(xí)率0.000 1和0.000 01,最后在120 000次得到最終的模型。整個(gè)訓(xùn)練過(guò)程中根據(jù)分類損失函數(shù)和位置損失函數(shù)以及總損失繪制的損失函數(shù)曲線如圖4所示,可以發(fā)現(xiàn)TTB-SSD的分類損失值、位置損失值以及總損失值都小于SSD損失值,證明TTB-SSD預(yù)測(cè)目標(biāo)更接近于真實(shí)目標(biāo),從而證明了本文算法性能的優(yōu)越性。

    圖4 損失函數(shù)曲線

    2.3 實(shí)驗(yàn)結(jié)果及分析

    2.3.1 PASCAL VOC2007測(cè)試集性能檢測(cè)對(duì)比

    為驗(yàn)證模型的有效性,表1展示了TTB-SSD算法與近些年流行的目標(biāo)檢測(cè)算法在PASCAL VOC2007測(cè)試集上的實(shí)驗(yàn)結(jié)果,采用整體平均精度(Mean Average Precision,mAP)作為評(píng)價(jià)指標(biāo),公式如下:

    表1 在PASCAL VOC2007測(cè)試集本方法與其他方法對(duì)比(IOU=0.5)

    (9)

    (10)

    式中:r表示選取的閾值;P表示各閾值下的精度;N表示類別總數(shù)量。通過(guò)表1可以發(fā)現(xiàn),TTB-SSD算法相較于Faster R-CNN[3]目標(biāo)檢測(cè)算法在VGG16和ResNet101的主干網(wǎng)絡(luò)下,mAP分別提高了5.7%和2.5%;相較于目標(biāo)檢測(cè)算法YOLOv1[5]和YOLOv2[6],mAP分別提高了15.5%和5.2%,而與原始SSD[4]算法相比提高了1.7%;與其他改進(jìn)的SSD算法如FSSD[9]、DSSD[11]、RSSD[18]相比都有所提高,分別提升0.1%,0.3%和0.4%。通過(guò)以上實(shí)驗(yàn)對(duì)比,證明TTB-SSD算法在目標(biāo)檢測(cè)精度上有明顯優(yōu)勢(shì)。

    2.3.2 小目標(biāo)檢測(cè)性能評(píng)估

    為了更全面驗(yàn)證TTB-SSD算法性能,以及對(duì)小目標(biāo)檢測(cè)精度進(jìn)行評(píng)估,實(shí)驗(yàn)沿用了MS COCO數(shù)據(jù)集的評(píng)價(jià)指標(biāo),面積小于32 pixel×32 pixel的物體為小目標(biāo),面積大于96 pixel×96 pixel的為大目標(biāo),而面積介于兩者之間的為中等目標(biāo)。

    實(shí)驗(yàn)使用在IOU閾值為0.5條件下檢測(cè)整體平均精度和在IOU=0.5∶0.05∶0.95的條件下檢測(cè)小目標(biāo)的平均精度兩個(gè)評(píng)價(jià)指標(biāo)對(duì)原始SSD算法、基于ResNet50主干網(wǎng)絡(luò)的SSD算法以及TTB-SSD算法進(jìn)行了對(duì)比,結(jié)果如表2所示,可見(jiàn)在IOU閾值為0.5的條件下,TTB-SSD整體檢測(cè)精度較原始SSD算法和基于ResNet50主干網(wǎng)絡(luò)的SSD算法的精度分別提高了2%和6.7%,有明顯的提升優(yōu)勢(shì)。而對(duì)于小目標(biāo)的檢測(cè)精度,TTB-SSD較原始SSD算法和基于ResNet50主干網(wǎng)絡(luò)的SSD算法的精度分別提升了5.7%和6.8%,證明TTB-SSD算法對(duì)小目標(biāo)檢測(cè)精度有較大提高。

    表2 小目標(biāo)算法性能比較

    2.3.3 單類別實(shí)驗(yàn)結(jié)果及分析

    為驗(yàn)證TTB-SSD方法對(duì)各類別目標(biāo),尤其是小目標(biāo)的檢測(cè)效果,本文對(duì)數(shù)據(jù)集中20個(gè)類別進(jìn)行了單類別比較,實(shí)驗(yàn)結(jié)果如表3所示。由表3可以發(fā)現(xiàn)TTB-SSD算法對(duì)16個(gè)類別物體的檢測(cè)精度都超過(guò)原始SSD算法以及基于ResNet50主干網(wǎng)絡(luò)的SSD算法,其余4個(gè)類別僅以微弱的差距落后,尤其對(duì)于bird、bottle、potteplant、chair等這樣的小目標(biāo)檢測(cè)結(jié)果有著明顯優(yōu)勢(shì)。其可視化對(duì)比結(jié)果如圖5所示。

    表3 單類別精度比較

    圖5 單類別檢測(cè)結(jié)果可視化

    2.3.4 定性結(jié)果分析

    為了更直觀地說(shuō)明TTB-SSD算法的有效性,圖6展示了原始SSD算法與TTB-SSD算法在PASCAL VOC2007測(cè)試集的部分檢測(cè)效果圖,可以發(fā)現(xiàn)SSD算法對(duì)小目標(biāo)檢測(cè)精度并不理想,圖(a)所示圖例中均存在漏檢的小目標(biāo)船只、遠(yuǎn)處的車輛或小盆栽,而這些目標(biāo)在圖(b)所示的結(jié)果圖中均被正確檢出。由此可見(jiàn),TTB-SSD算法在復(fù)雜背景下對(duì)小目標(biāo)具有更強(qiáng)的檢測(cè)能力。

    3 結(jié)束語(yǔ)

    為了解決原始SSD算法對(duì)小目標(biāo)檢測(cè)效果不夠理想的問(wèn)題,本文將PANet多尺度特征提取網(wǎng)絡(luò)和深層特征融合模塊相結(jié)合,并構(gòu)造了一種采用自上向下語(yǔ)義信息傳播路徑的TTD-SSD算法。實(shí)驗(yàn)結(jié)果表明,該方法在原數(shù)據(jù)集評(píng)價(jià)指標(biāo)下目標(biāo)檢測(cè)精度高達(dá)78.9%,在COCO數(shù)據(jù)集中的小尺寸目標(biāo)的評(píng)價(jià)指標(biāo)下小目標(biāo)檢測(cè)精度高達(dá)16.3%,較原始SSD算法提高5.7%,可見(jiàn)TTD-SSD算法在小目標(biāo)檢測(cè)方面具有明顯優(yōu)勢(shì)。但是,由于本文方法引入了多尺度特征融合模塊,造成模型變大,故今后還需在保證精度的條件下研究模型輕量化問(wèn)題。

    猜你喜歡
    語(yǔ)義損失卷積
    少問(wèn)一句,損失千金
    基于3D-Winograd的快速卷積算法設(shè)計(jì)及FPGA實(shí)現(xiàn)
    胖胖損失了多少元
    語(yǔ)言與語(yǔ)義
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    玉米抽穗前倒伏怎么辦?怎么減少損失?
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    “上”與“下”語(yǔ)義的不對(duì)稱性及其認(rèn)知闡釋
    一般自由碰撞的最大動(dòng)能損失
    認(rèn)知范疇模糊與語(yǔ)義模糊
    黑人高潮一二区| 国产熟女午夜一区二区三区| 嫩草影院入口| 成年美女黄网站色视频大全免费| 国产日韩欧美在线精品| 在线 av 中文字幕| 亚洲综合精品二区| 欧美精品国产亚洲| 免费观看av网站的网址| 久久久国产欧美日韩av| 我要看黄色一级片免费的| 高清av免费在线| 成年女人在线观看亚洲视频| 亚洲精品色激情综合| 精品国产一区二区三区久久久樱花| 久久久精品免费免费高清| 欧美3d第一页| 国产综合精华液| 香蕉丝袜av| 国产色婷婷99| 国产精品一二三区在线看| 91在线精品国自产拍蜜月| 搡女人真爽免费视频火全软件| 在线看a的网站| 国产深夜福利视频在线观看| 最近中文字幕高清免费大全6| 久久久精品免费免费高清| 国产精品人妻久久久影院| 国产av码专区亚洲av| 国产av一区二区精品久久| 国产精品国产三级国产专区5o| 久久 成人 亚洲| 免费不卡的大黄色大毛片视频在线观看| 亚洲av日韩在线播放| 少妇的逼水好多| 丝瓜视频免费看黄片| 中文乱码字字幕精品一区二区三区| 久久综合国产亚洲精品| 亚洲欧美成人综合另类久久久| 90打野战视频偷拍视频| 亚洲三级黄色毛片| av女优亚洲男人天堂| 一级毛片 在线播放| 国产精品人妻久久久久久| a级毛色黄片| 亚洲婷婷狠狠爱综合网| 大片电影免费在线观看免费| 日本色播在线视频| 亚洲av.av天堂| av线在线观看网站| 国产精品熟女久久久久浪| 免费久久久久久久精品成人欧美视频 | 一区二区日韩欧美中文字幕 | 精品国产国语对白av| 免费久久久久久久精品成人欧美视频 | 一二三四在线观看免费中文在 | 久久精品人人爽人人爽视色| 久久久久久久亚洲中文字幕| 日韩欧美精品免费久久| 99热网站在线观看| 伊人亚洲综合成人网| 午夜福利视频在线观看免费| a级毛片黄视频| 亚洲熟女精品中文字幕| 夫妻性生交免费视频一级片| 日韩精品免费视频一区二区三区 | 建设人人有责人人尽责人人享有的| 精品一区二区三区视频在线| 一级毛片我不卡| 欧美精品国产亚洲| 在线观看三级黄色| 天堂8中文在线网| 2018国产大陆天天弄谢| 黄片无遮挡物在线观看| 欧美xxⅹ黑人| 亚洲国产欧美日韩在线播放| 又黄又粗又硬又大视频| www日本在线高清视频| 国精品久久久久久国模美| 国产精品免费大片| 亚洲综合色网址| av免费观看日本| 少妇的丰满在线观看| 极品人妻少妇av视频| 日本与韩国留学比较| 免费观看在线日韩| 国产精品国产av在线观看| 妹子高潮喷水视频| 2021少妇久久久久久久久久久| 国产成人精品婷婷| 日韩不卡一区二区三区视频在线| 满18在线观看网站| 免费在线观看完整版高清| 97在线人人人人妻| 中文字幕制服av| 欧美日韩av久久| 久久精品国产综合久久久 | 一级a做视频免费观看| 国产男女超爽视频在线观看| 久久毛片免费看一区二区三区| 国产无遮挡羞羞视频在线观看| 热re99久久国产66热| 国产男人的电影天堂91| 看非洲黑人一级黄片| 久久久亚洲精品成人影院| 久久精品熟女亚洲av麻豆精品| 亚洲美女视频黄频| 日本-黄色视频高清免费观看| 夫妻性生交免费视频一级片| 国产色爽女视频免费观看| 纯流量卡能插随身wifi吗| 色婷婷久久久亚洲欧美| 欧美人与性动交α欧美软件 | 免费少妇av软件| 18在线观看网站| 精品国产露脸久久av麻豆| 国产精品一区二区在线观看99| 国产精品国产av在线观看| 考比视频在线观看| 少妇的逼水好多| 在线精品无人区一区二区三| 99re6热这里在线精品视频| 岛国毛片在线播放| av有码第一页| 国产av精品麻豆| 一级毛片黄色毛片免费观看视频| 成人免费观看视频高清| 91成人精品电影| 日本91视频免费播放| 在线亚洲精品国产二区图片欧美| 乱码一卡2卡4卡精品| 狠狠精品人妻久久久久久综合| 黄色 视频免费看| 99热全是精品| 侵犯人妻中文字幕一二三四区| 日韩在线高清观看一区二区三区| 女的被弄到高潮叫床怎么办| 狂野欧美激情性bbbbbb| 欧美 亚洲 国产 日韩一| 王馨瑶露胸无遮挡在线观看| 中文字幕av电影在线播放| 在线观看美女被高潮喷水网站| 亚洲情色 制服丝袜| 国产一区二区在线观看av| 日本wwww免费看| 国产 一区精品| 国产成人精品久久久久久| av网站免费在线观看视频| 精品熟女少妇av免费看| 母亲3免费完整高清在线观看 | 亚洲情色 制服丝袜| 精品一区二区三区四区五区乱码 | 纯流量卡能插随身wifi吗| 国产精品一区www在线观看| 免费观看性生交大片5| 亚洲综合色网址| 国产麻豆69| 国产极品天堂在线| 91午夜精品亚洲一区二区三区| 日韩av在线免费看完整版不卡| 91国产中文字幕| 美女大奶头黄色视频| 两性夫妻黄色片 | 亚洲国产av新网站| 如日韩欧美国产精品一区二区三区| 老司机影院毛片| a级片在线免费高清观看视频| 久久毛片免费看一区二区三区| 伦精品一区二区三区| 亚洲国产精品999| 黄色配什么色好看| 国产免费现黄频在线看| 最近中文字幕2019免费版| 亚洲欧美一区二区三区黑人 | 欧美激情国产日韩精品一区| 国产高清不卡午夜福利| 久久久久久久久久久免费av| 亚洲av电影在线进入| 午夜日本视频在线| 只有这里有精品99| 极品人妻少妇av视频| 国产男女内射视频| 丰满乱子伦码专区| 男女高潮啪啪啪动态图| 久久热在线av| 黄色毛片三级朝国网站| 亚洲,一卡二卡三卡| 咕卡用的链子| 欧美成人精品欧美一级黄| 三上悠亚av全集在线观看| 天天影视国产精品| 极品少妇高潮喷水抽搐| 又黄又爽又刺激的免费视频.| 欧美日本中文国产一区发布| 成人亚洲欧美一区二区av| 精品国产一区二区三区四区第35| 夜夜爽夜夜爽视频| 国产午夜精品一二区理论片| 国产精品不卡视频一区二区| 日韩,欧美,国产一区二区三区| 中文字幕人妻丝袜制服| 国产熟女欧美一区二区| 最近最新中文字幕大全免费视频 | 亚洲精品成人av观看孕妇| 久久精品久久久久久久性| 亚洲成人一二三区av| 午夜精品国产一区二区电影| av在线老鸭窝| 久久国产精品男人的天堂亚洲 | 国产精品一国产av| 日韩不卡一区二区三区视频在线| 亚洲国产av影院在线观看| 一级毛片 在线播放| 中国三级夫妇交换| 久久久久久伊人网av| 日本vs欧美在线观看视频| 啦啦啦在线观看免费高清www| 亚洲国产精品一区三区| 欧美日韩视频高清一区二区三区二| 日韩成人av中文字幕在线观看| 在线 av 中文字幕| 激情视频va一区二区三区| 一二三四在线观看免费中文在 | 一个人免费看片子| 97超碰精品成人国产| 久久久久久久久久久免费av| 交换朋友夫妻互换小说| 26uuu在线亚洲综合色| 最近中文字幕高清免费大全6| 亚洲国产精品成人久久小说| 丝瓜视频免费看黄片| 乱人伦中国视频| 欧美变态另类bdsm刘玥| 亚洲成色77777| 久久99一区二区三区| 国产 一区精品| 一本—道久久a久久精品蜜桃钙片| 有码 亚洲区| 亚洲欧洲国产日韩| 国产麻豆69| 国产精品国产三级国产av玫瑰| 爱豆传媒免费全集在线观看| 欧美另类一区| 男男h啪啪无遮挡| 国产亚洲一区二区精品| 婷婷成人精品国产| 久久精品aⅴ一区二区三区四区 | 亚洲成人手机| 51国产日韩欧美| 欧美3d第一页| 日韩精品免费视频一区二区三区 | 成人毛片a级毛片在线播放| 精品久久蜜臀av无| 精品国产国语对白av| 熟女人妻精品中文字幕| 久久久久久人妻| tube8黄色片| 欧美日本中文国产一区发布| 边亲边吃奶的免费视频| 免费高清在线观看视频在线观看| 婷婷色综合大香蕉| 午夜久久久在线观看| 精品国产国语对白av| 麻豆精品久久久久久蜜桃| 丝袜喷水一区| 国产午夜精品一二区理论片| 精品国产一区二区三区久久久樱花| 亚洲精品自拍成人| 国产成人91sexporn| 丰满迷人的少妇在线观看| 夜夜骑夜夜射夜夜干| 18禁观看日本| 亚洲成人av在线免费| 边亲边吃奶的免费视频| 免费在线观看黄色视频的| 一级片'在线观看视频| 久久韩国三级中文字幕| 亚洲精品成人av观看孕妇| 国产一区有黄有色的免费视频| 亚洲在久久综合| 亚洲激情五月婷婷啪啪| 亚洲欧美成人综合另类久久久| 久久影院123| 久久久久精品性色| 如何舔出高潮| 欧美变态另类bdsm刘玥| 最近中文字幕2019免费版| 国产 一区精品| 一级毛片电影观看| 中文字幕精品免费在线观看视频 | 欧美+日韩+精品| 亚洲精品美女久久久久99蜜臀 | 亚洲一码二码三码区别大吗| 如日韩欧美国产精品一区二区三区| 大片电影免费在线观看免费| 99热6这里只有精品| 久久久欧美国产精品| 国产一区二区三区av在线| 国产1区2区3区精品| 亚洲国产成人一精品久久久| 国产不卡av网站在线观看| 亚洲国产精品一区二区三区在线| 国产欧美日韩综合在线一区二区| 国产男女内射视频| 一本大道久久a久久精品| 成年av动漫网址| 欧美日本中文国产一区发布| freevideosex欧美| 亚洲内射少妇av| av电影中文网址| 美女视频免费永久观看网站| 欧美变态另类bdsm刘玥| 亚洲国产精品一区二区三区在线| 一区二区av电影网| xxxhd国产人妻xxx| 纯流量卡能插随身wifi吗| 成人亚洲精品一区在线观看| 亚洲欧美成人综合另类久久久| 久久综合国产亚洲精品| 超碰97精品在线观看| 97超碰精品成人国产| 大香蕉久久成人网| 夫妻午夜视频| 9热在线视频观看99| 日韩一区二区视频免费看| 纵有疾风起免费观看全集完整版| 精品一区二区三区四区五区乱码 | 久久鲁丝午夜福利片| 亚洲av中文av极速乱| 亚洲精品乱久久久久久| 久久韩国三级中文字幕| 久热久热在线精品观看| 18禁国产床啪视频网站| freevideosex欧美| 国产激情久久老熟女| 女性被躁到高潮视频| 亚洲第一av免费看| 色网站视频免费| 精品国产一区二区久久| 综合色丁香网| 久久久久久久大尺度免费视频| 午夜福利,免费看| 亚洲av欧美aⅴ国产| 九色成人免费人妻av| 欧美人与性动交α欧美软件 | 视频在线观看一区二区三区| 久久人人爽人人爽人人片va| 国产精品熟女久久久久浪| 日本91视频免费播放| 肉色欧美久久久久久久蜜桃| 国产成人91sexporn| 嫩草影院入口| 久久久久久久国产电影| 久久鲁丝午夜福利片| 少妇被粗大猛烈的视频| 国产日韩一区二区三区精品不卡| 人妻少妇偷人精品九色| av视频免费观看在线观看| 免费人妻精品一区二区三区视频| 日韩av免费高清视频| 亚洲欧美清纯卡通| 少妇精品久久久久久久| 国产精品久久久久久久电影| 99香蕉大伊视频| 综合色丁香网| 欧美 日韩 精品 国产| 熟女av电影| 亚洲av日韩在线播放| 少妇的丰满在线观看| 亚洲情色 制服丝袜| 欧美亚洲日本最大视频资源| 亚洲精品美女久久av网站| 亚洲,欧美精品.| 久久久久精品人妻al黑| 国产精品无大码| 日韩成人av中文字幕在线观看| 在线观看www视频免费| 人妻 亚洲 视频| 国产精品久久久久久久电影| av免费观看日本| 最近中文字幕高清免费大全6| 久久影院123| 人妻少妇偷人精品九色| 日韩欧美一区视频在线观看| 精品福利永久在线观看| 亚洲内射少妇av| 亚洲国产最新在线播放| 999精品在线视频| 老司机影院毛片| 亚洲精品色激情综合| 久久久久精品性色| 亚洲精品一区蜜桃| av有码第一页| 满18在线观看网站| 亚洲欧洲国产日韩| 久久精品久久精品一区二区三区| 天堂俺去俺来也www色官网| 久久av网站| 一区二区三区精品91| 日韩av免费高清视频| 一级黄片播放器| av有码第一页| 午夜激情久久久久久久| 午夜激情av网站| 亚洲精品久久午夜乱码| kizo精华| 国产一区亚洲一区在线观看| 女人被躁到高潮嗷嗷叫费观| 天天躁夜夜躁狠狠久久av| 春色校园在线视频观看| 国产在线视频一区二区| 国产成人一区二区在线| 国产精品 国内视频| 欧美精品一区二区免费开放| 亚洲精品乱码久久久久久按摩| 国产亚洲最大av| 国产精品久久久久久精品古装| 久久精品人人爽人人爽视色| 久久午夜综合久久蜜桃| 国产精品成人在线| 亚洲欧美清纯卡通| 亚洲成人av在线免费| 亚洲精品久久午夜乱码| 蜜桃在线观看..| 久久久国产一区二区| 免费黄网站久久成人精品| 男人操女人黄网站| 欧美精品亚洲一区二区| 国产av精品麻豆| 日日爽夜夜爽网站| 亚洲国产精品999| 免费不卡的大黄色大毛片视频在线观看| 18禁动态无遮挡网站| 天堂中文最新版在线下载| 精品少妇久久久久久888优播| 久久久久久久亚洲中文字幕| 国产极品粉嫩免费观看在线| 亚洲精品第二区| 国产乱人偷精品视频| 十八禁高潮呻吟视频| 久久久精品区二区三区| 国产高清不卡午夜福利| 国产精品女同一区二区软件| 丁香六月天网| 街头女战士在线观看网站| 免费观看无遮挡的男女| 18禁动态无遮挡网站| 永久网站在线| 亚洲欧洲国产日韩| 免费观看性生交大片5| 久久精品国产亚洲av天美| 黄色配什么色好看| 国产精品一国产av| av一本久久久久| 看非洲黑人一级黄片| 亚洲精品视频女| 香蕉国产在线看| 一区二区三区乱码不卡18| 国产精品嫩草影院av在线观看| 午夜91福利影院| 纯流量卡能插随身wifi吗| 1024视频免费在线观看| 亚洲综合色网址| 一边亲一边摸免费视频| 99久久中文字幕三级久久日本| 国产69精品久久久久777片| 久久99一区二区三区| 国产精品女同一区二区软件| 老女人水多毛片| 超色免费av| 亚洲国产最新在线播放| 在线天堂中文资源库| 国产精品人妻久久久影院| 国产亚洲一区二区精品| 人体艺术视频欧美日本| 欧美精品av麻豆av| 国产乱人偷精品视频| 欧美日韩成人在线一区二区| videossex国产| 欧美老熟妇乱子伦牲交| 亚洲精品乱久久久久久| 欧美日韩亚洲高清精品| 日韩av不卡免费在线播放| 啦啦啦中文免费视频观看日本| 少妇的逼水好多| 日日撸夜夜添| 中文字幕亚洲精品专区| 国产黄色免费在线视频| 国产免费视频播放在线视频| 男女无遮挡免费网站观看| 国产极品粉嫩免费观看在线| 熟女人妻精品中文字幕| 亚洲成色77777| 国产日韩一区二区三区精品不卡| 国产精品麻豆人妻色哟哟久久| 91国产中文字幕| 99久国产av精品国产电影| 久久久久国产网址| 久久久国产一区二区| 男女午夜视频在线观看 | 青春草亚洲视频在线观看| 精品亚洲成国产av| 香蕉国产在线看| 亚洲国产色片| 亚洲av电影在线进入| 9色porny在线观看| 亚洲欧美色中文字幕在线| 国产一区二区在线观看日韩| 午夜激情av网站| 成人亚洲欧美一区二区av| 久久午夜综合久久蜜桃| 欧美精品高潮呻吟av久久| 亚洲熟女精品中文字幕| 国产精品99久久99久久久不卡 | 精品第一国产精品| 18+在线观看网站| 亚洲av福利一区| 一级爰片在线观看| 色吧在线观看| 亚洲精品456在线播放app| 国产一区二区三区av在线| 美女视频免费永久观看网站| 午夜av观看不卡| 国产乱来视频区| 男女边摸边吃奶| 午夜福利影视在线免费观看| 国产在线免费精品| av天堂久久9| 一区二区日韩欧美中文字幕 | 久久精品久久精品一区二区三区| 国产精品国产av在线观看| 极品人妻少妇av视频| 国产欧美日韩一区二区三区在线| 国产黄色免费在线视频| 久久久久精品性色| 黑丝袜美女国产一区| 91精品国产国语对白视频| 少妇被粗大的猛进出69影院 | 国产成人a∨麻豆精品| 精品人妻熟女毛片av久久网站| 一级毛片电影观看| 亚洲国产看品久久| 久久久久视频综合| 精品亚洲成a人片在线观看| 一区二区av电影网| 韩国精品一区二区三区 | 一本久久精品| 黄色一级大片看看| 精品一区在线观看国产| 国产又爽黄色视频| 免费高清在线观看视频在线观看| 老司机影院成人| 欧美最新免费一区二区三区| 最近中文字幕高清免费大全6| 欧美人与善性xxx| 人人妻人人添人人爽欧美一区卜| 免费人成在线观看视频色| 街头女战士在线观看网站| 亚洲欧美日韩另类电影网站| 国产福利在线免费观看视频| 啦啦啦视频在线资源免费观看| 91精品三级在线观看| 国产片内射在线| 亚洲丝袜综合中文字幕| 黄片无遮挡物在线观看| 侵犯人妻中文字幕一二三四区| 亚洲人成77777在线视频| 成人无遮挡网站| 国产成人午夜福利电影在线观看| 久久久国产一区二区| 十八禁高潮呻吟视频| 男女啪啪激烈高潮av片| 国内精品宾馆在线| 免费在线观看完整版高清| 欧美精品av麻豆av| 日韩成人伦理影院| 超碰97精品在线观看| 丝袜人妻中文字幕| 亚洲精品成人av观看孕妇| 国产黄色免费在线视频| 欧美精品av麻豆av| 亚洲图色成人| 精品国产露脸久久av麻豆| 亚洲欧美清纯卡通| 插逼视频在线观看| 亚洲国产最新在线播放| 99久久精品国产国产毛片| 99热全是精品| 男女边摸边吃奶| 国产日韩一区二区三区精品不卡| 亚洲人成网站在线观看播放| 人人妻人人澡人人看| 久久99热6这里只有精品| 男女啪啪激烈高潮av片| 91久久精品国产一区二区三区| 巨乳人妻的诱惑在线观看| 中文欧美无线码| 9热在线视频观看99| 亚洲,欧美精品.| 午夜免费鲁丝| 亚洲国产毛片av蜜桃av| 七月丁香在线播放| 最近2019中文字幕mv第一页| 国产永久视频网站| av国产精品久久久久影院| 久久久久精品人妻al黑| 国产国拍精品亚洲av在线观看| 久久精品国产鲁丝片午夜精品| 国产高清三级在线| 99re6热这里在线精品视频| 9色porny在线观看| 在线亚洲精品国产二区图片欧美| 波多野结衣一区麻豆| 高清欧美精品videossex| 制服丝袜香蕉在线|