• <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 ?

    深度融合網(wǎng)絡(luò)在街道場(chǎng)景中的應(yīng)用

    2023-12-01 03:44:34許鴻奎郭文濤李振業(yè)郭旭斌趙京政
    軟件導(dǎo)刊 2023年11期
    關(guān)鍵詞:網(wǎng)絡(luò)結(jié)構(gòu)空洞語義

    許鴻奎,郭文濤,李振業(yè),郭旭斌,趙京政

    (1.山東建筑大學(xué) 信息與電氣工程學(xué)院;2.山東省智能建筑技術(shù)重點(diǎn)實(shí)驗(yàn)室,山東 濟(jì)南 250101)

    0 引言

    圖像語義分割是計(jì)算機(jī)視覺領(lǐng)域的重要研究方向之一,作為像素級(jí)別的分類任務(wù),將圖像中每個(gè)像素分配類別標(biāo)簽。在傳統(tǒng)的語義分割任務(wù)中,通過運(yùn)用數(shù)字圖像處理和數(shù)學(xué)等領(lǐng)域的知識(shí),對(duì)輸入的圖像進(jìn)行特征提取,這些特征包括低層次的屬性,如顏色、紋理和輪廓。在提取過程中,常采用的方法為閾值方法[1]、聚類方法[2]、圖劃分[3]等。但是傳統(tǒng)算法只能提取大量的低級(jí)特征,并且分割后準(zhǔn)確率低。隨著深度學(xué)習(xí)技術(shù)的興起,卷積神經(jīng)網(wǎng)絡(luò)被應(yīng)用于圖像分割,其性能大大優(yōu)于傳統(tǒng)的基于手工特征的圖像分割方法。

    近年來,大量的網(wǎng)絡(luò)模型結(jié)構(gòu)被提出,如AlexNet[4]、GoogLeNet[5]、ResNet[6]、VGG[7]等,使得語義分割領(lǐng)域飛速發(fā)展。2015 年,Long 等[8]提出全卷積神經(jīng)網(wǎng)絡(luò)(Fully Convolutional Networks,F(xiàn)CN),基于VGG 分類網(wǎng)絡(luò),人們通過將全連接層替換為卷積層,開創(chuàng)了全卷積神經(jīng)網(wǎng)絡(luò)在端到端圖像語義分割中的應(yīng)用。然而,僅依賴深層次網(wǎng)絡(luò)特征往往導(dǎo)致邊界粗糙和語義分割不準(zhǔn)確等問題。為解決這一問題,人們開始融合不同層次的信息,采用自上而下的方式精細(xì)化特征,將淺層細(xì)節(jié)信息與深層語義信息相結(jié)合,以提高分割結(jié)果的準(zhǔn)確性。

    1 相關(guān)工作

    在語義分割中,空間細(xì)節(jié)信息和深層語義信息是相互矛盾的。淺層特征提供了豐富的細(xì)節(jié)信息,但語義信息相對(duì)較少;而深層網(wǎng)絡(luò)特征包含豐富的語義信息,但缺乏足夠的空間細(xì)節(jié)信息。因此,如何平衡這兩種信息成為語義分割研究的核心任務(wù),旨在獲取更準(zhǔn)確且細(xì)致的分割結(jié)果。

    1.1 編碼器—解碼器結(jié)構(gòu)

    一般而言,編碼器通常是一個(gè)重復(fù)空間約簡(jiǎn)的深度網(wǎng)絡(luò),為提取上下文信息,解碼器通過插值或轉(zhuǎn)置卷積恢復(fù)分辨率。如2017 年,Badrinarayanan 等[9]提出的SegNet 網(wǎng)絡(luò)就是一個(gè)標(biāo)準(zhǔn)的編碼器解碼器結(jié)構(gòu)。同年提出的Deep-Lab[10]網(wǎng)絡(luò)消除了ResNet 中的一些下采樣操作,以保持高分辨率,并利用具有大膨脹的卷積以擴(kuò)大感受野。從那時(shí)起,一系列如DeepLabV2[11]、DeepLabV3[12]、PSPNet[13]和DenseASPP 等[14]網(wǎng)絡(luò)結(jié)構(gòu)被提出。

    另一方面,編碼器結(jié)構(gòu)可以是在ImageNet 上預(yù)先訓(xùn)練的輕量級(jí)骨干,也可以是從頭訓(xùn)練的高效變體,如ERFNet[15]和ESPNet[16]。FANet[17]通過快速注意模塊和整個(gè)網(wǎng)絡(luò)的額外下采樣實(shí)現(xiàn)了速度和準(zhǔn)確性之間的良好折衷。SFNet[18]提供了一個(gè)流對(duì)齊模塊以對(duì)齊相鄰層的特征映射,以便更好地融合。

    1.2 雙分支結(jié)構(gòu)

    編碼器—解碼器架構(gòu)減少了計(jì)算量,但由于在重復(fù)下采樣過程中會(huì)丟失一些信息,無法準(zhǔn)確地通過反采樣恢復(fù),從而影響了語義分割的準(zhǔn)確性。為了緩解這一問題,曠視科技團(tuán)隊(duì)提出了一種雙路徑結(jié)構(gòu)。網(wǎng)絡(luò)結(jié)構(gòu)為BiseNet[19],一條路徑用來提取空間特征信息,另一條路徑用來提取豐富的語義信息。因?yàn)閮烧叩奶卣骶S度不同,為了空間信息和語義信息更好地融合,提出了特征融合模塊FFM 和注意力優(yōu)化模塊ARM。2019 年,Li 等[20]提出一種通過子網(wǎng)和子級(jí)聯(lián)的方式聚合判別性特征網(wǎng)絡(luò)結(jié)構(gòu)DFANet,采用深度多尺度特征聚合和輕量級(jí)深度可分離卷積。2021 年,Hong 等[21]提出DDRNet 網(wǎng)絡(luò)結(jié)構(gòu),一種雙分支深度融合的網(wǎng)絡(luò)結(jié)構(gòu)用來實(shí)現(xiàn)語義分割。

    1.3 上下文信息

    語義分割的另一個(gè)關(guān)鍵是如何捕捉更豐富的上下文信息。分層空間金字塔池(ASPP)由不同速率的分層卷積層組成,可處理多尺度的上下文信息。PSPNet[13]中的金字塔池化模塊采用4 個(gè)不同大小的全局池化層以聚合多尺度特征。DANet[22]同時(shí)利用了位置注意和通道注意,進(jìn)一步改進(jìn)了特征表示。OCNet[23]利用自注意力機(jī)制探索對(duì)象上下文,對(duì)象上下文被定義為屬于同一對(duì)象類別的一組像素。以上工作都在探索如何獲得更加豐富的上下文信息和空間信息與上下文信息之間的有效融合。

    本文主要貢獻(xiàn)包括兩個(gè)部分:①提出了一種深度融合空洞金子塔(Deep Fusion Atrous Spatial Pyramid Pooling,DFASPP),通過此模塊捕獲豐富的上下文信息;②為了高效地整合淺層空間細(xì)節(jié)信息和深層語義信息,提出了一個(gè)“語義融合模塊”(Semantic Fusion Module,SFM)。通過構(gòu)建不同層次特征像素之間的位置對(duì)應(yīng)關(guān)系,這個(gè)模塊能夠自底向上地逐級(jí)融合深淺層次特征,從而實(shí)現(xiàn)更全面的信息利用。

    2 本文方法

    如圖1 所示,本文方法整體網(wǎng)絡(luò)結(jié)構(gòu)為雙分支。主干網(wǎng)絡(luò)為DDRNet-23slim,詳細(xì)信息如表1所示。其中,“RB”表示順序剩余基本塊;“RBB”表示單個(gè)剩余瓶頸塊;“Seg.Head”表示分割頭;“DASPP”表示深度融合空洞金字塔;“SFM”表示語義融合模塊;黑色實(shí)線表示有數(shù)據(jù)處理的信息路徑(包括上采樣和下采樣),黑色虛線表示沒有數(shù)據(jù)處理的信息路徑。

    Table 1 Structure of DDRNet-23slim表1 DDRNet-23slim結(jié)構(gòu)

    Fig.1 Network structure圖1 網(wǎng)絡(luò)結(jié)構(gòu)

    在網(wǎng)絡(luò)結(jié)構(gòu)中,先通過兩個(gè)順序剩余基本塊將圖片提取到原圖片的1/4、1/8,然后產(chǎn)生平行分支。在主干網(wǎng)絡(luò)結(jié)構(gòu)中繼續(xù)通過順序剩余基本塊提取圖片到1/16、1/32,再通過一個(gè)剩余瓶頸塊將圖片壓縮到原圖像的1/64。通過設(shè)計(jì)一個(gè)深度融合空洞金字塔提取多尺度的上下文信息。本文所設(shè)計(jì)的深度融合空洞金字塔中擴(kuò)張率分別采用1、5、7。在另一分支結(jié)構(gòu)中不再改變圖片的分辨率,一直保持原圖片大小的1/8,讓圖像保留豐富的空間信息。在空間信息與語義信息融合階段,采用了一個(gè)語義融合模塊指導(dǎo)融合,以確保融合的有效性。將融合后的特征圖采用雙線性插值方法上采樣到原始圖片大小,再通過Softmax 分類器將其分類,得到最終分割結(jié)果,完成語義分割任務(wù)。

    2.1 深度融合空洞金字塔

    空洞卷積在語義分割網(wǎng)絡(luò)結(jié)構(gòu)中有著廣泛應(yīng)用,它能夠在擴(kuò)大感受野的同時(shí)降低其計(jì)算量。在語義分割檢測(cè)任務(wù)中,一方面感受野大了可以檢測(cè)分割大目標(biāo),另一方面分辨率高了可以精確定位目標(biāo),還能捕獲多尺度上下文信息,設(shè)置不同的膨脹率時(shí)其感受野不同,能夠獲得多尺度信息。

    空洞卷積又名擴(kuò)張卷積,向卷積層引入了一個(gè)稱為“擴(kuò)張率(Dilation Rate)”的新參數(shù),該參數(shù)定義了卷積核參數(shù)之間的間距。換句話說,相比原來的標(biāo)準(zhǔn)卷積,擴(kuò)張卷積多了一個(gè)超參數(shù)稱之為擴(kuò)張率,指卷積核各點(diǎn)之間的間隔數(shù)量。正常卷積的擴(kuò)張率為1,膨脹卷積的感受野計(jì)算公式如下:

    其中,F(xiàn)i代表膨脹卷積的感受野大小,i表示膨脹因子大小。

    圖2(a)展示了一個(gè)標(biāo)準(zhǔn)的3×3 卷積模型,其擴(kuò)張率為1,感受野大小為3×3。圖2(b)描繪了擴(kuò)張率為2 的3×3 卷積模型,其感受野擴(kuò)展為7×7。而圖2(c)呈現(xiàn)了一個(gè)擴(kuò)張率為3的3×3卷積模型,其感受野進(jìn)一步增大為15×15。這些模型通過調(diào)整擴(kuò)張率來改變感受野大小,從而影響了卷積操作的局部感知范圍。

    Fig.2 Schematic diagram of cavity convolution圖2 空洞卷積示意圖

    在Chen 等[12]的語義分割模型DeepLabv2 中,提出了一種空洞金字塔結(jié)構(gòu),通過不同的膨脹率同時(shí)對(duì)輸入圖片進(jìn)行上下文信息提取,然后將其拼接融合。傳統(tǒng)的空洞金字塔結(jié)構(gòu)內(nèi)部之間的關(guān)聯(lián)性小,于是本文提出一種深度融合空洞金字塔(見圖3),所設(shè)計(jì)的深度融合空洞金字塔,通過不同膨脹率的空洞卷積對(duì)圖像進(jìn)行多尺度的信息提取,同時(shí)輸入特征圖和全局平均池化生成的語義信息也被加以利用。在多尺度信息融合過程中,采用多個(gè)3×3 的卷積以層次殘差的方式將不同尺度的上下文信息進(jìn)行融合。以原圖像的1/64 分辨率作為輸入,通過3 個(gè)膨脹率分別為1、5、7 的空洞卷積,然后采用層次殘差的方式將輸入特征圖、池化圖和空洞卷積圖融合,將不同尺度的上下文信息更加緊密地融合,其輸入寫為x,輸出為y:

    Fig.3 Pyramid structure of deep fusion cavity圖3 深度融合空洞金字塔結(jié)構(gòu)

    其中,C1×1為1×1 卷積,C3×3為3×3 卷積,U 為上采樣操作,DC 為空洞卷積,rate 為膨脹率,Pglobɑl為全局平均池。最后,使用1×1 卷積將所有特征映射連接和壓縮。此外,還添加了1×1投影快捷方式,便于優(yōu)化。

    2.2 語義融合模塊

    在語義分割網(wǎng)絡(luò)中,深層特征雖然富含語義信息,但圖像分辨率較低;相反,淺層特征包含豐富的空間細(xì)節(jié)信息,卻缺乏足夠的語義信息。這兩種信息對(duì)分割任務(wù)而言至關(guān)重要,因此如何有效利用這兩種信息成為語義分割研究的關(guān)鍵所在。

    在融合不同分辨率的特征時(shí),通常需要對(duì)低分辨率特征進(jìn)行上采樣。然而,簡(jiǎn)單的雙線性插值上采樣操作往往導(dǎo)致不同分辨率特征之間的像素?zé)o法有效“對(duì)齊”,從而使得深層次的高語義特征在向淺層次的高分辨率特征傳遞時(shí)產(chǎn)生無效語義信息,融合效果不盡人意。為了解決這一問題,Li 等[18]提出了一種名為SFNet 的特征融合網(wǎng)絡(luò)。該網(wǎng)絡(luò)通過自主學(xué)習(xí)預(yù)測(cè)不同分辨率特征之間的“語義流”信息,能夠?qū)⒋致缘奶卣鞒C正為具有更高分辨率的精細(xì)特征,從而實(shí)現(xiàn)不同分辨率特征之間的像素“對(duì)齊”。通過這種方式,SFNet 能夠有效地將語義信息從深層傳輸?shù)綔\層,實(shí)現(xiàn)不同分辨率特征之間的有效融合,進(jìn)而提升語義分割性能。

    基于以上工作,本文設(shè)計(jì)了一個(gè)語義融合模塊將深層次的語義信息與淺層次的空間特征進(jìn)行多層次、深層次的融合。如圖4 所示,語義融合模塊中以原圖像的1/64 作為深層輸入,記為Fd;以原圖像的1/8作為淺層輸入,記為Fh。首先,將深層次特征Fd進(jìn)行一個(gè)1×1 的卷積進(jìn)行通道降維,然后通過上采樣恢復(fù)到Fh尺寸大小。而Fh是通過一個(gè)3×3 的卷積后與Fd進(jìn)行拼接融合,經(jīng)過3×3 的卷積預(yù)測(cè),獲得二維偏移量Ff,其尺寸是原圖像的1/8。在Ff 中,每個(gè)像素位置都包含水平和豎直方向的偏移信息,通過這些二維偏移量,可以確定不同分辨率特征間像素的相對(duì)位置關(guān)系。接下來,利用二維偏移量Ff 對(duì)深層次特征進(jìn)行Warp 操作,得到新的特征Fw,然后將Fw 與Fh 進(jìn)行拼接融合。這種融合方式有效地整合了不同分辨率的特征,進(jìn)一步提升了模型性能。最后,將拼接后的特征利用1×1 的卷積融合以完成最后的輸出。其操作可表示如下:

    Fig.4 Structure of semantic fusion module圖4 語義融合模塊結(jié)構(gòu)

    其中,Upsample 表示以雙線性插值的方式進(jìn)行上采樣;f3×3、f1×1表示3×3和1x×1的卷積操作;Concat是指對(duì)兩個(gè)特征進(jìn)行通道上的拼接操作,將它們的通道維度合并在一起。Warp 是一種空間變換操作,它根據(jù)偏移量生成空間網(wǎng)格,并利用這個(gè)網(wǎng)格對(duì)圖像進(jìn)行重新采樣,從而實(shí)現(xiàn)圖像的空間變換。這種Warp 操作可以有效地對(duì)圖像進(jìn)行對(duì)齊和校準(zhǔn),從而提升特征融合效果。

    將深層特征Fd通過1×1 卷積和雙線性插值上采樣后與3×3 卷積的淺層特征Fh進(jìn)行拼接融合,再經(jīng)過3×3 的卷積得到二維偏移量Ff。

    將得到的二維偏移量Ff對(duì)深層次的特征進(jìn)行空間變換上采樣得到特征Fw。

    將原始的淺層特征Fh與變換后的Fw進(jìn)行拼接融合,然后通過一個(gè)1×1 卷積進(jìn)行輸出。通過這樣的操作使得淺層次的空間信息與深層次的語義信息融合得更加充分,加強(qiáng)了特征通道的信息表達(dá)。

    3 實(shí)驗(yàn)與結(jié)果分析

    3.1 實(shí)驗(yàn)環(huán)境

    實(shí)驗(yàn)環(huán)境選擇CPU 為Intel 處理器,內(nèi)存為16GB,GPU 為RTX3060,深度學(xué)習(xí)框架為Pytorch。具體實(shí)驗(yàn)配置如表2所示。

    Table 2 Software and hardware experiment configuration environment表2 軟硬件實(shí)驗(yàn)配置環(huán)境

    3.2 實(shí)驗(yàn)數(shù)據(jù)集

    本文采用大規(guī)模城市街道場(chǎng)景語義分割數(shù)據(jù)集Cityscapes[24]作為實(shí)驗(yàn)數(shù)據(jù)。Cityscapes 數(shù)據(jù)集主要針對(duì)自動(dòng)駕駛領(lǐng)域,包含了50 個(gè)不同城市街道場(chǎng)景的圖像,其中5 000 幅圖像具有精確標(biāo)注,20 000 幅圖像具有粗略標(biāo)注。該數(shù)據(jù)集涵蓋了34 個(gè)不同的街景類別,本實(shí)驗(yàn)中只專注于19 個(gè)類別的檢測(cè)和評(píng)估。對(duì)于實(shí)驗(yàn)評(píng)估,僅使用精確標(biāo)注的5 000 幅圖像,并將其劃分為3 個(gè)部分:2 975 幅用于訓(xùn)練,500 幅用于驗(yàn)證,以及1 525 幅用于測(cè)試。所有圖像的分辨率均為1 024×2 048。

    3.3 評(píng)估指標(biāo)

    在本次實(shí)驗(yàn)評(píng)估中,采用了平均交并比(Mean Intersection over Union,mIoU)作為評(píng)估算法性能的主要指標(biāo),mIoU 是圖像語義分割任務(wù)中的標(biāo)準(zhǔn)度量方法。對(duì)于單個(gè)類別,交并比(Intersection over Union,IoU)計(jì)算的是真實(shí)標(biāo)簽與預(yù)測(cè)值之間的交集和并集之比。而mIoU 則是所有類別IoU 的平均值,用于全面評(píng)估算法在所有類別上的性能。采用mIoU 作為評(píng)估指標(biāo),可以更準(zhǔn)確地衡量算法在語義分割任務(wù)中的效果。具體計(jì)算公式如下:

    3.4 網(wǎng)絡(luò)參數(shù)設(shè)置

    本次實(shí)驗(yàn)的網(wǎng)絡(luò)結(jié)構(gòu)為雙分支,其提取特征信息的主干網(wǎng)絡(luò)結(jié)構(gòu)為DDRNet-23slim,圖像預(yù)處理將圖片大小都調(diào)整為1 024×1 024 作為網(wǎng)絡(luò)輸入。采用隨機(jī)梯度下降法(Stochastic Gradient Descent,SGD),學(xué)習(xí)率初始值設(shè)為0.01,動(dòng)量為0.9,權(quán)重衰減為0.000 5,batchsize 設(shè)置大小為32,進(jìn)行500 個(gè)epoch 進(jìn)行訓(xùn)練。測(cè)試采用的輸入圖片尺寸為2 048×1 024。

    3.5 對(duì)比試驗(yàn)

    在Citycapes 數(shù)據(jù)集上將本文方法同ICNet、BiSeNet、SFNet、MFSNet 等一系列先進(jìn)的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行對(duì)比。為保證實(shí)驗(yàn)公平性,采用相同的實(shí)驗(yàn)設(shè)備和實(shí)驗(yàn)環(huán)境。輸入圖片的尺寸均為2 048×1 024。性能比對(duì)采用平均交并比加以衡量。

    通過表3 可以看出,所設(shè)計(jì)的深度融合網(wǎng)絡(luò)結(jié)構(gòu)相較于SeNet、ICNet、BiSeNet、SFNet、MFSNet 等輕量級(jí)網(wǎng)絡(luò)結(jié)構(gòu)有著較大提升,在Citycapes 數(shù)據(jù)集上得了77.6%的平均交并比。

    Table 3 Performance comparison of each method表3 各方法性能比較

    Table 4 Comparison of ablation experiments表4 消融實(shí)驗(yàn)比較

    3.6 消融實(shí)驗(yàn)

    為了檢驗(yàn)各模塊對(duì)分割精度的影響,本文基于相同的實(shí)驗(yàn)環(huán)境和實(shí)驗(yàn)參數(shù),在Citycapes 數(shù)據(jù)集上做了消融實(shí)驗(yàn)。通過對(duì)比發(fā)現(xiàn),在不加任何模塊時(shí),其產(chǎn)生的平均交并比為66.7%,而加上設(shè)計(jì)的深度融合空洞金字塔模塊進(jìn)行進(jìn)一步的語義信息提取后平均交并比達(dá)76.3%,再加上一個(gè)語義融合模塊進(jìn)行指導(dǎo)空間信息與語義信息的有效融合,其平均交并比達(dá)77.6%。

    3.7 分割結(jié)果可視化

    為了更加直觀地展示本文方法所帶來精度上的提升,在Citycapeas 數(shù)據(jù)集上進(jìn)行分割可視化。圖5 中,(a)為原圖,(b)為標(biāo)簽,(c)為不加任何模塊,(d)為加上深度融合空洞金字塔,(e)為加上深度融合空洞金字塔和語義融合模塊??梢钥闯?,在不添加模塊時(shí),其分割的物體邊緣信息不明顯,物體之間容易混合;加上本文所設(shè)計(jì)的模塊后,其分割精度有明顯提升。

    Fig.5 Visualization on Citycapeas dataset圖5 Citycapeas數(shù)據(jù)集上可視化

    4 結(jié)語

    本文設(shè)計(jì)了一個(gè)深度融合的空洞金字塔模塊和一個(gè)語義融合模塊應(yīng)用于語義分割任務(wù)。利用深度融合空洞金字塔捕獲不同尺度目標(biāo)上下文信息,通過層次殘差的方式進(jìn)行深度融合,在保持圖像分辨率不變的前提下,降低網(wǎng)絡(luò)參數(shù)數(shù)量并增強(qiáng)圖像的全局語義信息表達(dá)能力。使用語義融合模塊將淺層空間信息與深層次語義信息進(jìn)行有效融合,通過實(shí)現(xiàn)深層語義信息與淺層細(xì)節(jié)信息的互補(bǔ),在Cityscapes 數(shù)據(jù)集上獲得了優(yōu)異的分割精度,并通過可視化方式展示了本文方法的分割效果。未來,將繼續(xù)致力于提升模型對(duì)不同物體的分割精度,并進(jìn)一步簡(jiǎn)化模型,以增強(qiáng)其在實(shí)際應(yīng)用中的可行性,同時(shí)提高應(yīng)用效率,加快模型訓(xùn)練進(jìn)度。

    猜你喜歡
    網(wǎng)絡(luò)結(jié)構(gòu)空洞語義
    語言與語義
    空洞的眼神
    “上”與“下”語義的不對(duì)稱性及其認(rèn)知闡釋
    基于互信息的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)
    知識(shí)網(wǎng)絡(luò)結(jié)構(gòu)維對(duì)于創(chuàng)新績(jī)效的作用機(jī)制——遠(yuǎn)程創(chuàng)新搜尋的中介作用
    滬港通下A+ H股票網(wǎng)絡(luò)結(jié)構(gòu)演化的實(shí)證分析
    復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)比對(duì)算法研究進(jìn)展
    用事實(shí)說話勝過空洞的說教——以教育類報(bào)道為例
    新聞傳播(2015年20期)2015-07-18 11:06:46
    認(rèn)知范疇模糊與語義模糊
    臭氧層空洞也是幫兇
    欧美成人一区二区免费高清观看| 欧美日韩精品成人综合77777| 不卡视频在线观看欧美| 国产精华一区二区三区| 国产精品女同一区二区软件| 国产一区二区三区av在线| 欧美三级亚洲精品| 欧美区成人在线视频| 国产老妇伦熟女老妇高清| av在线播放精品| 色综合亚洲欧美另类图片| 少妇人妻一区二区三区视频| 午夜福利在线在线| 日本五十路高清| 国语自产精品视频在线第100页| 亚洲精品一区蜜桃| 欧美丝袜亚洲另类| 狂野欧美激情性xxxx在线观看| 九草在线视频观看| 如何舔出高潮| 大香蕉97超碰在线| 国产黄a三级三级三级人| 美女脱内裤让男人舔精品视频| 欧美激情国产日韩精品一区| 亚洲av中文字字幕乱码综合| 99热6这里只有精品| 男人和女人高潮做爰伦理| 亚洲av熟女| 久久这里只有精品中国| 日本免费在线观看一区| 色综合色国产| 亚洲av成人精品一区久久| 九九爱精品视频在线观看| 1024手机看黄色片| 亚洲av.av天堂| 亚洲婷婷狠狠爱综合网| 亚洲自偷自拍三级| 色综合亚洲欧美另类图片| 成人美女网站在线观看视频| 人妻系列 视频| 亚洲国产精品sss在线观看| 看片在线看免费视频| 日韩欧美 国产精品| 直男gayav资源| 午夜亚洲福利在线播放| 爱豆传媒免费全集在线观看| 久久人人爽人人爽人人片va| 五月玫瑰六月丁香| www.色视频.com| 日产精品乱码卡一卡2卡三| 寂寞人妻少妇视频99o| 插逼视频在线观看| 国产精品1区2区在线观看.| 亚洲av日韩在线播放| 色噜噜av男人的天堂激情| 亚洲乱码一区二区免费版| 国产精品久久久久久精品电影| 亚洲欧洲国产日韩| 国内揄拍国产精品人妻在线| 欧美日韩精品成人综合77777| 国产亚洲午夜精品一区二区久久 | 在现免费观看毛片| 一区二区三区乱码不卡18| 成人性生交大片免费视频hd| 乱码一卡2卡4卡精品| 亚洲国产精品合色在线| 亚洲精品,欧美精品| 国产av不卡久久| 日日干狠狠操夜夜爽| 久久久精品欧美日韩精品| 18禁在线无遮挡免费观看视频| av在线天堂中文字幕| 国产精品国产三级国产av玫瑰| 日本av手机在线免费观看| 日韩欧美精品免费久久| 好男人在线观看高清免费视频| 韩国高清视频一区二区三区| 非洲黑人性xxxx精品又粗又长| 非洲黑人性xxxx精品又粗又长| 建设人人有责人人尽责人人享有的 | 青春草视频在线免费观看| 久久人妻av系列| 岛国毛片在线播放| 欧美日韩在线观看h| 亚洲伊人久久精品综合 | 亚洲精品乱码久久久v下载方式| 久久精品国产亚洲av涩爱| 国产三级中文精品| 久久久久久国产a免费观看| 精品欧美国产一区二区三| 99久久成人亚洲精品观看| 网址你懂的国产日韩在线| 日本午夜av视频| 一级二级三级毛片免费看| 三级毛片av免费| 大又大粗又爽又黄少妇毛片口| a级一级毛片免费在线观看| 欧美激情久久久久久爽电影| 天堂中文最新版在线下载 | 人人妻人人澡欧美一区二区| 午夜福利网站1000一区二区三区| 亚洲欧美成人综合另类久久久 | 性色avwww在线观看| 日本av手机在线免费观看| 日本爱情动作片www.在线观看| 69人妻影院| 美女xxoo啪啪120秒动态图| 国产成人精品婷婷| 中文字幕熟女人妻在线| 亚洲人与动物交配视频| 亚洲精品乱码久久久v下载方式| 99热这里只有是精品50| 国产色婷婷99| 久久久久久久久久久免费av| 亚洲av二区三区四区| 波多野结衣高清无吗| 婷婷色麻豆天堂久久 | 亚洲综合精品二区| 日日干狠狠操夜夜爽| 久久精品夜色国产| 99热全是精品| 热99re8久久精品国产| 成人亚洲精品av一区二区| 国产午夜精品一二区理论片| 天堂中文最新版在线下载 | 韩国高清视频一区二区三区| 国产大屁股一区二区在线视频| 亚洲,欧美,日韩| 在线天堂最新版资源| 欧美日韩综合久久久久久| 日本五十路高清| 亚洲18禁久久av| 欧美zozozo另类| 色播亚洲综合网| 最后的刺客免费高清国语| 免费看日本二区| 可以在线观看毛片的网站| 成人亚洲欧美一区二区av| 人人妻人人澡欧美一区二区| 精品久久久久久久久av| 最近手机中文字幕大全| 亚洲国产成人一精品久久久| 久久精品熟女亚洲av麻豆精品 | 国产69精品久久久久777片| 久久久久久久国产电影| 十八禁国产超污无遮挡网站| 18+在线观看网站| 亚洲中文字幕日韩| 美女脱内裤让男人舔精品视频| 边亲边吃奶的免费视频| 国产私拍福利视频在线观看| 久久精品久久精品一区二区三区| 久久国内精品自在自线图片| 亚洲精品456在线播放app| 国产av一区在线观看免费| 国产免费又黄又爽又色| 三级经典国产精品| 国产白丝娇喘喷水9色精品| 永久网站在线| 免费播放大片免费观看视频在线观看 | 97超视频在线观看视频| 午夜亚洲福利在线播放| 美女cb高潮喷水在线观看| 午夜精品国产一区二区电影 | 长腿黑丝高跟| 国产精品久久视频播放| 少妇熟女欧美另类| 久久久精品大字幕| 中文字幕久久专区| kizo精华| 亚洲中文字幕日韩| 91午夜精品亚洲一区二区三区| 亚洲美女视频黄频| 国产成年人精品一区二区| 变态另类丝袜制服| 性插视频无遮挡在线免费观看| 少妇人妻精品综合一区二区| 日韩三级伦理在线观看| 亚洲最大成人中文| 哪个播放器可以免费观看大片| 日本猛色少妇xxxxx猛交久久| 好男人在线观看高清免费视频| 99热这里只有是精品50| 久久鲁丝午夜福利片| 欧美精品一区二区大全| av福利片在线观看| 国产三级中文精品| 午夜a级毛片| 亚洲国产欧洲综合997久久,| 黑人高潮一二区| 卡戴珊不雅视频在线播放| 午夜激情福利司机影院| 99热这里只有是精品50| 亚洲成人av在线免费| 久久欧美精品欧美久久欧美| av免费在线看不卡| av又黄又爽大尺度在线免费看 | 亚洲av中文av极速乱| 久久久久久久久久久免费av| 国产女主播在线喷水免费视频网站 | 国产久久久一区二区三区| 国产精品永久免费网站| 国产综合懂色| av在线老鸭窝| 伊人久久精品亚洲午夜| 亚洲精品自拍成人| 美女大奶头视频| 亚洲一级一片aⅴ在线观看| 国产黄片视频在线免费观看| 成人无遮挡网站| 免费看a级黄色片| 99在线人妻在线中文字幕| 国产淫片久久久久久久久| 国产精品蜜桃在线观看| 国产又色又爽无遮挡免| 久久99精品国语久久久| 青春草亚洲视频在线观看| 91精品伊人久久大香线蕉| 亚洲欧美日韩高清专用| 久久精品国产亚洲av天美| 免费av不卡在线播放| av免费在线看不卡| 美女cb高潮喷水在线观看| 亚洲三级黄色毛片| 久久久久久九九精品二区国产| 中文精品一卡2卡3卡4更新| 两个人视频免费观看高清| 七月丁香在线播放| 久久久久久伊人网av| 丝袜美腿在线中文| 女的被弄到高潮叫床怎么办| 联通29元200g的流量卡| 人人妻人人澡人人爽人人夜夜 | 桃色一区二区三区在线观看| 在线免费观看不下载黄p国产| 老师上课跳d突然被开到最大视频| 内射极品少妇av片p| 国产精品av视频在线免费观看| 毛片女人毛片| 少妇的逼水好多| 亚洲激情五月婷婷啪啪| 国产高清视频在线观看网站| 日本一二三区视频观看| 国产综合懂色| ponron亚洲| 精品午夜福利在线看| 国产在视频线精品| 国产免费又黄又爽又色| 欧美三级亚洲精品| 狂野欧美激情性xxxx在线观看| 国产精品久久久久久久久免| 黄色一级大片看看| 亚洲成人精品中文字幕电影| 国产高清国产精品国产三级 | 精品久久久噜噜| 22中文网久久字幕| 日本免费a在线| 欧美成人免费av一区二区三区| 黄色一级大片看看| av播播在线观看一区| 午夜亚洲福利在线播放| 如何舔出高潮| 日韩在线高清观看一区二区三区| 边亲边吃奶的免费视频| 成年女人永久免费观看视频| 一个人观看的视频www高清免费观看| 女的被弄到高潮叫床怎么办| 国产精品不卡视频一区二区| 日韩av在线免费看完整版不卡| 全区人妻精品视频| 免费黄色在线免费观看| 亚洲精品456在线播放app| h日本视频在线播放| 亚洲av福利一区| 麻豆av噜噜一区二区三区| 一个人看视频在线观看www免费| 久久亚洲精品不卡| 午夜免费激情av| 久久久久久久久中文| 午夜福利在线在线| 国产一区二区亚洲精品在线观看| 欧美xxxx性猛交bbbb| 国产精品.久久久| 中文精品一卡2卡3卡4更新| 日韩一区二区三区影片| 人妻制服诱惑在线中文字幕| 在线观看一区二区三区| or卡值多少钱| 国产精品一二三区在线看| 国产精品伦人一区二区| 亚洲av成人精品一区久久| 成年版毛片免费区| 亚洲乱码一区二区免费版| 一级毛片久久久久久久久女| 特大巨黑吊av在线直播| 国产白丝娇喘喷水9色精品| 亚洲av成人精品一二三区| 18禁裸乳无遮挡免费网站照片| 亚洲在线观看片| 蜜臀久久99精品久久宅男| 一区二区三区四区激情视频| 成人美女网站在线观看视频| 国产三级在线视频| 一个人免费在线观看电影| 老女人水多毛片| 婷婷色麻豆天堂久久 | 高清在线视频一区二区三区 | 九九热线精品视视频播放| 欧美3d第一页| 熟女电影av网| 亚洲国产欧美人成| 亚洲精品乱码久久久v下载方式| 久久久久久久久久成人| 美女黄网站色视频| 色视频www国产| 日本黄大片高清| 国产精品精品国产色婷婷| 国产精品永久免费网站| 2022亚洲国产成人精品| 天天躁日日操中文字幕| 看黄色毛片网站| 久久久久精品久久久久真实原创| 一边摸一边抽搐一进一小说| 小蜜桃在线观看免费完整版高清| 亚洲成人中文字幕在线播放| 男人和女人高潮做爰伦理| av在线亚洲专区| 国产精品,欧美在线| 午夜精品在线福利| 精品久久久久久久人妻蜜臀av| 日韩人妻高清精品专区| 超碰av人人做人人爽久久| 直男gayav资源| 国产免费福利视频在线观看| 国产成人福利小说| 日本黄色片子视频| 欧美日韩综合久久久久久| 国产精品三级大全| 99久久精品国产国产毛片| 国产色婷婷99| 男女啪啪激烈高潮av片| 精品免费久久久久久久清纯| 亚洲精品一区蜜桃| 1000部很黄的大片| 最近中文字幕高清免费大全6| 夜夜爽夜夜爽视频| av国产免费在线观看| 日本一二三区视频观看| 国产伦理片在线播放av一区| 国产成人福利小说| 免费一级毛片在线播放高清视频| 国产一区二区亚洲精品在线观看| 国产欧美日韩精品一区二区| 国产精品日韩av在线免费观看| 成人美女网站在线观看视频| 国产成人精品婷婷| 欧美潮喷喷水| 国产精品日韩av在线免费观看| 联通29元200g的流量卡| 国产亚洲午夜精品一区二区久久 | 一级av片app| 国产精品福利在线免费观看| 日本黄色片子视频| 成人三级黄色视频| 国产一级毛片在线| 欧美日韩精品成人综合77777| 免费看日本二区| 亚洲成人精品中文字幕电影| 亚洲第一区二区三区不卡| 久久精品综合一区二区三区| 免费看日本二区| av.在线天堂| 99国产精品一区二区蜜桃av| 国产精品一区二区三区四区免费观看| 一个人观看的视频www高清免费观看| 国内精品一区二区在线观看| 一个人观看的视频www高清免费观看| 黄色一级大片看看| 亚洲精品影视一区二区三区av| 久久鲁丝午夜福利片| 一夜夜www| 日韩,欧美,国产一区二区三区 | 人人妻人人看人人澡| 国产精品日韩av在线免费观看| 日韩一区二区视频免费看| 日本猛色少妇xxxxx猛交久久| 一级毛片aaaaaa免费看小| 一边亲一边摸免费视频| 赤兔流量卡办理| 国产一区二区亚洲精品在线观看| 免费av观看视频| 我要看日韩黄色一级片| 欧美人与善性xxx| 日本免费a在线| 两性午夜刺激爽爽歪歪视频在线观看| 精品免费久久久久久久清纯| 白带黄色成豆腐渣| 插阴视频在线观看视频| 久久精品91蜜桃| 99久国产av精品国产电影| 欧美三级亚洲精品| 精品人妻熟女av久视频| 婷婷色麻豆天堂久久 | 搡女人真爽免费视频火全软件| 久久久久久久国产电影| 久久久久久伊人网av| 又爽又黄a免费视频| 亚洲av.av天堂| 国产高清三级在线| 国产成人精品婷婷| 人人妻人人看人人澡| 亚洲av电影在线观看一区二区三区 | 欧美一区二区亚洲| 久久精品国产亚洲av涩爱| 天美传媒精品一区二区| 一个人看的www免费观看视频| 天天躁日日操中文字幕| 久久精品91蜜桃| 久久久色成人| 久久久亚洲精品成人影院| 三级毛片av免费| 日产精品乱码卡一卡2卡三| 久久99热6这里只有精品| 亚洲精品日韩av片在线观看| 中文字幕制服av| 热99在线观看视频| 真实男女啪啪啪动态图| 国产精品三级大全| 麻豆成人av视频| 成人午夜高清在线视频| 99视频精品全部免费 在线| 一本久久精品| ponron亚洲| 久久久久性生活片| 哪个播放器可以免费观看大片| 久久久久久久国产电影| 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 | av在线蜜桃| 春色校园在线视频观看| 日韩人妻高清精品专区| 又爽又黄无遮挡网站| 26uuu在线亚洲综合色| 久久精品国产亚洲av天美| 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 | 99久久精品国产国产毛片| 欧美潮喷喷水| 国产成人免费观看mmmm| 一卡2卡三卡四卡精品乱码亚洲| 国产亚洲5aaaaa淫片| 男人狂女人下面高潮的视频| 成人国产麻豆网| 麻豆国产97在线/欧美| 精品久久久噜噜| 一级毛片电影观看 | 亚洲欧美成人综合另类久久久 | 亚洲精品国产成人久久av| 国产伦在线观看视频一区| 最近中文字幕高清免费大全6| 国产精品乱码一区二三区的特点| 最近视频中文字幕2019在线8| 亚洲av中文字字幕乱码综合| 欧美精品国产亚洲| 国产日韩欧美在线精品| 亚洲av男天堂| 亚洲国产精品国产精品| 在线观看一区二区三区| 麻豆精品久久久久久蜜桃| 日本免费一区二区三区高清不卡| 99久国产av精品国产电影| 欧美日韩综合久久久久久| av视频在线观看入口| 亚洲性久久影院| 国产一区二区在线av高清观看| 亚洲在线自拍视频| 我的女老师完整版在线观看| 国产v大片淫在线免费观看| 午夜福利在线在线| 精品无人区乱码1区二区| 午夜日本视频在线| 午夜激情福利司机影院| 亚洲精品自拍成人| 久久精品夜色国产| 国产精品国产三级专区第一集| 午夜激情欧美在线| 91午夜精品亚洲一区二区三区| 好男人在线观看高清免费视频| 熟女电影av网| 午夜老司机福利剧场| 三级男女做爰猛烈吃奶摸视频| 久久韩国三级中文字幕| 九草在线视频观看| 成人午夜高清在线视频| 特级一级黄色大片| 国产高清国产精品国产三级 | 亚洲国产精品久久男人天堂| 亚洲自拍偷在线| 1024手机看黄色片| 国产黄片美女视频| 91在线精品国自产拍蜜月| 久久久欧美国产精品| 国产亚洲午夜精品一区二区久久 | 搡老妇女老女人老熟妇| 欧美高清成人免费视频www| 久久久久久国产a免费观看| 国产探花在线观看一区二区| 在线免费观看的www视频| 99久久成人亚洲精品观看| 在线观看一区二区三区| 久久精品久久久久久久性| 久久久午夜欧美精品| 久久精品久久久久久久性| 国产一区二区三区av在线| 欧美3d第一页| 中文欧美无线码| 麻豆av噜噜一区二区三区| 国产成人精品久久久久久| 久久精品国产自在天天线| 啦啦啦啦在线视频资源| 亚洲精品,欧美精品| 国产精品国产三级国产专区5o | 一边摸一边抽搐一进一小说| 欧美不卡视频在线免费观看| 日韩av在线大香蕉| av天堂中文字幕网| 春色校园在线视频观看| 边亲边吃奶的免费视频| 国产乱来视频区| 国产 一区精品| 欧美极品一区二区三区四区| 色噜噜av男人的天堂激情| 欧美成人午夜免费资源| 精品久久久久久电影网 | 国产三级在线视频| 欧美成人精品欧美一级黄| 97人妻精品一区二区三区麻豆| 亚洲国产成人一精品久久久| 久久亚洲精品不卡| 亚洲久久久久久中文字幕| 美女国产视频在线观看| 日韩视频在线欧美| 成年女人永久免费观看视频| 亚洲精华国产精华液的使用体验| 狂野欧美激情性xxxx在线观看| 亚洲国产日韩欧美精品在线观看| 观看美女的网站| 国产成人freesex在线| 男女啪啪激烈高潮av片| 成年免费大片在线观看| eeuss影院久久| 免费看av在线观看网站| 日韩欧美精品v在线| 成人亚洲精品av一区二区| 亚洲欧美成人综合另类久久久 | 亚洲精品乱久久久久久| 又黄又爽又刺激的免费视频.| 国产高清视频在线观看网站| 国产精品野战在线观看| 国产精品精品国产色婷婷| 看黄色毛片网站| 青春草亚洲视频在线观看| 亚洲久久久国产精品| 免费观看性生交大片5| 女性生殖器流出的白浆| 精品少妇内射三级| av.在线天堂| 国产成人aa在线观看| 久久久亚洲精品成人影院| 亚洲欧美中文字幕日韩二区| 91午夜精品亚洲一区二区三区| 啦啦啦啦在线视频资源| 欧美精品一区二区免费开放| 国产爽快片一区二区三区| 国产成人免费观看mmmm| 巨乳人妻的诱惑在线观看| 亚洲国产av影院在线观看| 国产精品久久久av美女十八| 亚洲欧洲精品一区二区精品久久久 | 久久久久久久久久久免费av| 亚洲国产最新在线播放| 男女下面插进去视频免费观看 | 伦理电影大哥的女人| 夜夜骑夜夜射夜夜干| 亚洲国产精品一区二区三区在线| 少妇人妻精品综合一区二区| 成人黄色视频免费在线看| 亚洲伊人色综图| 日韩av免费高清视频| 熟女av电影| av在线播放精品| 国产av码专区亚洲av| 最近的中文字幕免费完整| 日产精品乱码卡一卡2卡三| 在线亚洲精品国产二区图片欧美| 菩萨蛮人人尽说江南好唐韦庄| 国产精品久久久av美女十八| 精品一区在线观看国产| 高清视频免费观看一区二区| av在线播放精品| 久久国产精品大桥未久av| 日日爽夜夜爽网站| 久久国产精品大桥未久av| 免费日韩欧美在线观看| 中文欧美无线码| 自线自在国产av| 一级片'在线观看视频| 欧美老熟妇乱子伦牲交| 久久国产亚洲av麻豆专区| 国产av码专区亚洲av| 男人爽女人下面视频在线观看| 亚洲精品,欧美精品| 久久久久久人妻| 久久久久视频综合| 国产又色又爽无遮挡免| 久久综合国产亚洲精品| 久久精品人人爽人人爽视色|