• <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
    亚洲欧美精品综合一区二区三区| 免费看十八禁软件| 精品国产乱码久久久久久男人| 极品教师在线免费播放| 国产精品自产拍在线观看55亚洲 | 日韩视频一区二区在线观看| 亚洲九九香蕉| cao死你这个sao货| 久久九九热精品免费| 电影成人av| 午夜精品久久久久久毛片777| 美女高潮到喷水免费观看| 国产三级黄色录像| 国产福利在线免费观看视频| 久久免费观看电影| 两性夫妻黄色片| 日韩大片免费观看网站| 2018国产大陆天天弄谢| 欧美久久黑人一区二区| 王馨瑶露胸无遮挡在线观看| 中文字幕高清在线视频| 亚洲色图综合在线观看| 91精品国产国语对白视频| 亚洲va日本ⅴa欧美va伊人久久| 亚洲色图av天堂| 欧美成人午夜精品| 好男人电影高清在线观看| 悠悠久久av| 成人国产一区最新在线观看| 午夜福利视频在线观看免费| 一区福利在线观看| 在线永久观看黄色视频| 十八禁网站网址无遮挡| 午夜免费成人在线视频| av在线播放免费不卡| 久久亚洲精品不卡| 久久av网站| 一区二区三区激情视频| 国产精品99久久99久久久不卡| 丰满少妇做爰视频| 中文字幕av电影在线播放| 国产av国产精品国产| 久久精品亚洲熟妇少妇任你| 另类精品久久| 国产主播在线观看一区二区| 久久中文字幕人妻熟女| av网站免费在线观看视频| 国产av又大| 无人区码免费观看不卡 | 嫩草影视91久久| 精品乱码久久久久久99久播| 91av网站免费观看| 在线观看免费日韩欧美大片| 国产国语露脸激情在线看| 日韩中文字幕视频在线看片| 精品第一国产精品| 亚洲av片天天在线观看| 精品少妇内射三级| 国产99久久九九免费精品| 亚洲av成人一区二区三| 老熟妇乱子伦视频在线观看| 精品国产超薄肉色丝袜足j| 欧美+亚洲+日韩+国产| tube8黄色片| 午夜精品国产一区二区电影| 亚洲美女黄片视频| 99国产精品免费福利视频| 狠狠婷婷综合久久久久久88av| 国产成人精品无人区| 国产熟女午夜一区二区三区| 777米奇影视久久| 国精品久久久久久国模美| 亚洲色图av天堂| 韩国精品一区二区三区| 国产伦理片在线播放av一区| 精品福利永久在线观看| 成年女人毛片免费观看观看9 | 91成年电影在线观看| 免费高清在线观看日韩| 亚洲七黄色美女视频| 男女边摸边吃奶| 国产熟女午夜一区二区三区| 国产高清国产精品国产三级| 热re99久久国产66热| 黄网站色视频无遮挡免费观看| 精品一区二区三卡| 亚洲性夜色夜夜综合| 日本av免费视频播放| 久久久久精品国产欧美久久久| 国产老妇伦熟女老妇高清| 亚洲精品中文字幕在线视频| 日本精品一区二区三区蜜桃| 亚洲国产欧美一区二区综合| 老司机午夜福利在线观看视频 | 欧美日韩亚洲高清精品| 欧美老熟妇乱子伦牲交| 亚洲欧美一区二区三区黑人| 最近最新免费中文字幕在线| 久久性视频一级片| 在线av久久热| 一区二区三区国产精品乱码| 一级a爱视频在线免费观看| 国产在线观看jvid| 露出奶头的视频| 91国产中文字幕| 国产男女内射视频| 真人做人爱边吃奶动态| 麻豆成人av在线观看| 美女午夜性视频免费| 免费观看人在逋| 国产欧美日韩综合在线一区二区| 国产亚洲午夜精品一区二区久久| 精品少妇内射三级| 一边摸一边做爽爽视频免费| 中文字幕人妻熟女乱码| av片东京热男人的天堂| 欧美大码av| 欧美 亚洲 国产 日韩一| 纯流量卡能插随身wifi吗| avwww免费| 午夜福利在线免费观看网站| 狂野欧美白嫩少妇大欣赏| 夜夜躁狠狠躁天天躁| 熟妇人妻久久中文字幕3abv| 变态另类成人亚洲欧美熟女| 国产乱人视频| 免费av毛片视频| 国产黄色小视频在线观看| 熟女人妻精品中文字幕| 久久伊人香网站| 免费看光身美女| 此物有八面人人有两片| 深夜精品福利| 国产精品 国内视频| 免费在线观看亚洲国产| 久久国产精品人妻蜜桃| 不卡av一区二区三区| 日韩欧美国产一区二区入口| 19禁男女啪啪无遮挡网站| 久久久久国内视频| 婷婷丁香在线五月| 不卡一级毛片| 性色av乱码一区二区三区2| 午夜成年电影在线免费观看| 国产乱人视频| 亚洲av熟女| 一本精品99久久精品77| 久久久久亚洲av毛片大全| 一夜夜www| www.熟女人妻精品国产| 一进一出抽搐gif免费好疼| 欧美性猛交╳xxx乱大交人| 特大巨黑吊av在线直播| 亚洲精华国产精华精| 黄色丝袜av网址大全| 12—13女人毛片做爰片一| 国产精品爽爽va在线观看网站| 又爽又黄无遮挡网站| 在线观看66精品国产| 亚洲精品美女久久久久99蜜臀| 亚洲人成伊人成综合网2020| 成人高潮视频无遮挡免费网站| 久久精品国产清高在天天线| 一级作爱视频免费观看| 国内精品一区二区在线观看| 19禁男女啪啪无遮挡网站| 又爽又黄无遮挡网站| 国产精品亚洲一级av第二区| 99国产综合亚洲精品| 日韩欧美在线二视频| 日韩欧美 国产精品| 亚洲九九香蕉| 国产成人啪精品午夜网站| 999精品在线视频| 中文字幕熟女人妻在线| 亚洲男人的天堂狠狠| 国产一区二区三区视频了| av在线天堂中文字幕| 精品久久久久久成人av| 欧美又色又爽又黄视频| 久久天躁狠狠躁夜夜2o2o| 免费在线观看日本一区| 国内揄拍国产精品人妻在线| 亚洲人成伊人成综合网2020| 国产极品精品免费视频能看的| 天天添夜夜摸| 99热这里只有是精品50| 日本五十路高清| 夜夜爽天天搞| 99久久99久久久精品蜜桃| 男女下面进入的视频免费午夜| 国产精华一区二区三区| 两性午夜刺激爽爽歪歪视频在线观看| 国产一区二区在线av高清观看| 国产成人欧美在线观看| 国产高清视频在线播放一区| 久久天躁狠狠躁夜夜2o2o| 麻豆一二三区av精品| 国产一区二区在线观看日韩 | 国内毛片毛片毛片毛片毛片| 国内精品久久久久精免费| 欧美av亚洲av综合av国产av| 亚洲成人久久爱视频| 婷婷亚洲欧美| 国产一区二区三区在线臀色熟女| 欧美一级a爱片免费观看看| 欧美av亚洲av综合av国产av| 18禁黄网站禁片午夜丰满| 日韩精品中文字幕看吧| 97超视频在线观看视频| 精品日产1卡2卡| 人妻夜夜爽99麻豆av| 两个人视频免费观看高清| 人妻丰满熟妇av一区二区三区| 欧美av亚洲av综合av国产av| 日韩有码中文字幕| 中文亚洲av片在线观看爽| 嫩草影院精品99| 天堂影院成人在线观看| 国产精品久久久久久亚洲av鲁大| 成人无遮挡网站| 亚洲国产欧美网| 精品国产三级普通话版| 欧美中文日本在线观看视频| 人妻夜夜爽99麻豆av| 欧美激情在线99| 国产1区2区3区精品| 久久精品aⅴ一区二区三区四区| 无人区码免费观看不卡| 欧美日韩黄片免| 国产黄色小视频在线观看| 黑人欧美特级aaaaaa片| 国产精品久久久人人做人人爽| 久久这里只有精品19| 亚洲专区国产一区二区| 51午夜福利影视在线观看| 中文字幕久久专区| 18禁国产床啪视频网站| 精品久久久久久成人av| 亚洲欧美日韩无卡精品| 午夜激情福利司机影院| 午夜两性在线视频| 精品免费久久久久久久清纯| 欧美日本视频| 女生性感内裤真人,穿戴方法视频| 欧美极品一区二区三区四区| 国产三级在线视频| 可以在线观看的亚洲视频| 免费无遮挡裸体视频| 亚洲中文av在线| 黄色丝袜av网址大全| 午夜影院日韩av| 国产淫片久久久久久久久 | 欧洲精品卡2卡3卡4卡5卡区| 国产精品久久久久久亚洲av鲁大| 别揉我奶头~嗯~啊~动态视频| 亚洲色图av天堂| 国产一区二区三区在线臀色熟女| 丁香六月欧美| 亚洲av免费在线观看| 成年免费大片在线观看| 999久久久国产精品视频| 又大又爽又粗| 成人国产综合亚洲| 精品免费久久久久久久清纯| 香蕉久久夜色| 亚洲无线在线观看| 免费观看精品视频网站| 亚洲,欧美精品.| 国产v大片淫在线免费观看| 嫩草影视91久久| 免费观看的影片在线观看| 国产精品国产高清国产av| 中文字幕熟女人妻在线| 免费一级毛片在线播放高清视频| 亚洲激情在线av| 性欧美人与动物交配| 一进一出抽搐gif免费好疼| 一边摸一边抽搐一进一小说| 国产黄片美女视频| 男女之事视频高清在线观看| 成人永久免费在线观看视频| 亚洲av电影在线进入| 久久热在线av| 色吧在线观看| 伦理电影免费视频| 丁香欧美五月| 又爽又黄无遮挡网站| 999久久久国产精品视频| 一本久久中文字幕| av天堂中文字幕网| 色精品久久人妻99蜜桃| h日本视频在线播放| 一个人免费在线观看电影 | 国产成人精品无人区| 在线观看舔阴道视频| 亚洲熟妇熟女久久| 九色国产91popny在线| 男人舔女人下体高潮全视频| 色综合欧美亚洲国产小说| av中文乱码字幕在线| 最近在线观看免费完整版| 国产精品98久久久久久宅男小说| av视频在线观看入口| 国产伦一二天堂av在线观看| 成在线人永久免费视频| 欧美高清成人免费视频www| 久久精品影院6| 伦理电影免费视频| 色综合亚洲欧美另类图片| 99久国产av精品| av中文乱码字幕在线| 女警被强在线播放| 亚洲专区中文字幕在线| 操出白浆在线播放| 好男人电影高清在线观看| 真人一进一出gif抽搐免费| 日本成人三级电影网站| 午夜福利在线观看吧| 在线观看免费午夜福利视频| 在线a可以看的网站| 99国产精品一区二区蜜桃av| 曰老女人黄片| 欧美黑人巨大hd| 欧美精品啪啪一区二区三区| 亚洲av第一区精品v没综合| 好看av亚洲va欧美ⅴa在| 午夜福利免费观看在线| 国产探花在线观看一区二区| 丰满的人妻完整版| 成人18禁在线播放| 色综合亚洲欧美另类图片| 亚洲国产中文字幕在线视频| 久久精品aⅴ一区二区三区四区| 婷婷丁香在线五月| 中文字幕人成人乱码亚洲影| 午夜福利成人在线免费观看| 午夜福利欧美成人| 久久久久国产一级毛片高清牌| 身体一侧抽搐| 亚洲九九香蕉| 一边摸一边抽搐一进一小说| 国产亚洲精品久久久com| 欧美高清成人免费视频www| 丰满的人妻完整版| 免费在线观看成人毛片| 国产精品一区二区精品视频观看| 亚洲18禁久久av| 少妇的丰满在线观看| 成年女人看的毛片在线观看| 欧美性猛交╳xxx乱大交人| 久久伊人香网站| 日韩精品青青久久久久久| 国产精品久久久久久人妻精品电影| 高潮久久久久久久久久久不卡| 欧美日本亚洲视频在线播放| 国产成人影院久久av| 日韩欧美在线乱码| 九九久久精品国产亚洲av麻豆 | 亚洲男人的天堂狠狠| 老熟妇仑乱视频hdxx| 91在线精品国自产拍蜜月 | 香蕉久久夜色| 亚洲18禁久久av| 成熟少妇高潮喷水视频| 成人国产一区最新在线观看| 免费在线观看亚洲国产| 久久国产乱子伦精品免费另类| 欧美色欧美亚洲另类二区| 亚洲精品在线观看二区| 中文字幕精品亚洲无线码一区| 久久久久久九九精品二区国产| 在线观看日韩欧美| 亚洲av成人不卡在线观看播放网| 欧美色欧美亚洲另类二区| 国产av在哪里看| 最新在线观看一区二区三区| 国产一区在线观看成人免费| 国产精品永久免费网站| 色吧在线观看| 精品国产乱子伦一区二区三区| 国产精品一区二区三区四区久久| 欧美最黄视频在线播放免费| 国产一区二区激情短视频| 天堂av国产一区二区熟女人妻| 琪琪午夜伦伦电影理论片6080| 国产伦精品一区二区三区四那| АⅤ资源中文在线天堂| 看片在线看免费视频| 国产精品日韩av在线免费观看| 人人妻人人看人人澡| 最近视频中文字幕2019在线8| 亚洲国产日韩欧美精品在线观看 | 国产午夜精品久久久久久| 精品久久久久久久久久免费视频| 国产免费av片在线观看野外av| 亚洲欧美激情综合另类| 亚洲人成网站在线播放欧美日韩| 国产精品精品国产色婷婷| 日本一本二区三区精品| 精华霜和精华液先用哪个| 亚洲人成电影免费在线| 免费av不卡在线播放| 日韩欧美免费精品| 啦啦啦韩国在线观看视频| 黄色女人牲交| 国产单亲对白刺激| 悠悠久久av| 这个男人来自地球电影免费观看| 国产午夜精品论理片| 国产午夜精品久久久久久| 精品久久久久久久久久久久久| 亚洲自拍偷在线| 午夜精品久久久久久毛片777| 亚洲欧美精品综合一区二区三区| 俄罗斯特黄特色一大片| 窝窝影院91人妻| 亚洲,欧美精品.| 成人三级做爰电影| 久久精品国产亚洲av香蕉五月| av黄色大香蕉| 亚洲国产欧洲综合997久久,| 亚洲国产欧美网| 日本免费a在线| 白带黄色成豆腐渣| 禁无遮挡网站| 国产三级中文精品| 特大巨黑吊av在线直播| 国产91精品成人一区二区三区| 精品久久久久久久久久免费视频| 欧美一区二区国产精品久久精品| 无限看片的www在线观看| 欧美在线一区亚洲| 熟女电影av网| 欧美日韩福利视频一区二区| 2021天堂中文幕一二区在线观| 特大巨黑吊av在线直播| 色吧在线观看| 波多野结衣巨乳人妻| 极品教师在线免费播放| 精品福利观看| 国产亚洲精品久久久com| 日韩免费av在线播放| 国产视频内射| 国产伦精品一区二区三区视频9 | 欧美日本视频| 一个人观看的视频www高清免费观看 | 亚洲专区字幕在线| 99久久无色码亚洲精品果冻| 国产一区二区三区视频了| 国产成人av教育| 亚洲欧美日韩无卡精品| 久久久久久国产a免费观看| 少妇的逼水好多| 制服丝袜大香蕉在线| 日韩精品中文字幕看吧| 禁无遮挡网站| 久久欧美精品欧美久久欧美| 欧美成人免费av一区二区三区| 亚洲激情在线av| 日日夜夜操网爽| 国产精品自产拍在线观看55亚洲| 手机成人av网站| 亚洲五月婷婷丁香| 99国产极品粉嫩在线观看| 精品日产1卡2卡| 黄片小视频在线播放| 真人做人爱边吃奶动态| 国产成人精品无人区| 成人特级黄色片久久久久久久| 女警被强在线播放| 国产一区在线观看成人免费| 黑人欧美特级aaaaaa片| 成在线人永久免费视频| 变态另类成人亚洲欧美熟女| 在线观看免费午夜福利视频| 啦啦啦免费观看视频1| 国产aⅴ精品一区二区三区波| 国产精品日韩av在线免费观看| 日韩国内少妇激情av| 俺也久久电影网| 午夜福利高清视频| 色综合欧美亚洲国产小说| 国产精品免费一区二区三区在线| 日韩欧美在线乱码| 嫩草影院入口| 99久久久亚洲精品蜜臀av| 首页视频小说图片口味搜索| 国产私拍福利视频在线观看| 欧美高清成人免费视频www| 日韩av在线大香蕉| 人妻夜夜爽99麻豆av| 亚洲一区高清亚洲精品| 色吧在线观看| 亚洲国产日韩欧美精品在线观看 | 色尼玛亚洲综合影院| 国产成人福利小说| 亚洲国产精品合色在线| 后天国语完整版免费观看| 国产三级在线视频| 精品国产乱子伦一区二区三区| 亚洲av日韩精品久久久久久密| 亚洲欧美日韩东京热| 男插女下体视频免费在线播放| 国产高潮美女av| 中出人妻视频一区二区| 黄色女人牲交| 国产成人精品久久二区二区免费| 免费人成视频x8x8入口观看| 国产精品综合久久久久久久免费| 精品日产1卡2卡| 一二三四社区在线视频社区8| 无限看片的www在线观看| 性色avwww在线观看| 国产精品久久久久久亚洲av鲁大| 亚洲国产精品久久男人天堂| 国产亚洲欧美在线一区二区| 欧美日韩精品网址| 女警被强在线播放| 国产精品av视频在线免费观看| 丁香六月欧美| 啪啪无遮挡十八禁网站| 悠悠久久av| 婷婷丁香在线五月| 国产av不卡久久| 在线十欧美十亚洲十日本专区| 国产亚洲精品久久久com| 色在线成人网| 久久久久久久久免费视频了| 日本免费a在线| 国产午夜福利久久久久久| 成年免费大片在线观看| 99热只有精品国产| 搞女人的毛片| 好男人在线观看高清免费视频| 丁香欧美五月| 99热精品在线国产| 国产精品久久久久久人妻精品电影| 日韩欧美 国产精品| 成人亚洲精品av一区二区| 变态另类丝袜制服| 白带黄色成豆腐渣| 黄色片一级片一级黄色片| 少妇丰满av| 99久久精品一区二区三区| 国产精品久久久久久人妻精品电影| 午夜视频精品福利| www.精华液| 成人特级av手机在线观看| av福利片在线观看| 国产日本99.免费观看| 久久天堂一区二区三区四区| 欧美乱码精品一区二区三区| 免费观看的影片在线观看| 欧美av亚洲av综合av国产av| 日韩大尺度精品在线看网址| 69av精品久久久久久| 日韩欧美 国产精品| 一卡2卡三卡四卡精品乱码亚洲| 麻豆国产97在线/欧美| 国产乱人伦免费视频| 在线免费观看不下载黄p国产 | 国产欧美日韩精品一区二区| 夜夜爽天天搞| 亚洲精品在线观看二区| xxx96com| 国产伦人伦偷精品视频| 黄色 视频免费看| 亚洲欧美精品综合久久99| 国产一区二区在线av高清观看| 国语自产精品视频在线第100页| 午夜激情福利司机影院| 久久中文看片网| 亚洲va日本ⅴa欧美va伊人久久| 一级作爱视频免费观看| 九九久久精品国产亚洲av麻豆 | 日韩三级视频一区二区三区| 白带黄色成豆腐渣| 很黄的视频免费| 免费电影在线观看免费观看| 99国产精品一区二区三区| 真人一进一出gif抽搐免费| avwww免费| 9191精品国产免费久久| 久久性视频一级片| 国产不卡一卡二| 午夜日韩欧美国产| 男插女下体视频免费在线播放| 亚洲国产精品999在线| 国产精品电影一区二区三区| 久久天躁狠狠躁夜夜2o2o| 国产野战对白在线观看| 免费在线观看日本一区| 国产精品 国内视频| 2021天堂中文幕一二区在线观| 天堂网av新在线| 亚洲国产精品成人综合色| 神马国产精品三级电影在线观看| xxx96com| 日韩av在线大香蕉| 亚洲精品一区av在线观看| 91老司机精品| 母亲3免费完整高清在线观看| 男女午夜视频在线观看| 脱女人内裤的视频| 国产精品 国内视频| 村上凉子中文字幕在线| 免费在线观看日本一区| 麻豆av在线久日| 美女大奶头视频| 中文字幕高清在线视频| 禁无遮挡网站| 亚洲片人在线观看| 久久精品国产综合久久久| 国产欧美日韩一区二区精品|