• <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(jìn)YOLOv4的遙感圖像目標(biāo)檢測算法

    2024-02-02 14:54:22樊永生
    測試技術(shù)學(xué)報 2024年1期
    關(guān)鍵詞:錨框聚類函數(shù)

    劉 敏,樊永生

    (中北大學(xué) 計算機(jī)科學(xué)與技術(shù)學(xué)院,山西 太原 030051)

    0 引言

    遙感圖像目標(biāo)檢測廣泛應(yīng)用于智能監(jiān)控、城市規(guī)劃、港口管理和軍事偵察等。與自然場景圖像不同,遙感圖像通常是從鳥瞰圖中捕獲,這給檢測任務(wù)帶來了額外的挑戰(zhàn):如圖像由復(fù)雜的背景和許多密集的物體組成、位置分布不平衡、范圍廣而目標(biāo)較小等問題,使遙感圖像難以檢測識別。

    早期的目標(biāo)檢測模型是由人工制作的特征提取器組成,如Viola-Jones 檢測器[1]、方向梯度直方 圖(Histogram of Oriented Gradient,HOG)[2]等,這些模型速度慢、準(zhǔn)確率低,應(yīng)用環(huán)境改變后效果不佳。卷積神經(jīng)網(wǎng)絡(luò)(CNNs)的提出改變了視覺感知。AlexNet 在2012 年ImageNet 大規(guī)模視覺識別挑戰(zhàn)賽(ILSVRC)中的應(yīng)用[3],激發(fā)了CNNs在計算機(jī)視覺中應(yīng)用的進(jìn)一步研究。如今,目標(biāo)檢測應(yīng)用在自動駕駛、人臉識別等多領(lǐng)域[4]。

    長期以來,各行各業(yè)的技術(shù)人員都試圖通過計算機(jī)模擬遙感專家,進(jìn)行遙感圖像識別的復(fù)雜過程[5]。然而,他們未能實(shí)現(xiàn)足夠高的信息提取精度和準(zhǔn)確性。由于遙感圖像的復(fù)雜性,最成功的遙感圖像識別方法為視覺判讀,而海量遙感數(shù)據(jù)與人類有限的識別能力之間的矛盾,制約了目前遙感服務(wù)于發(fā)展中社會潛力的發(fā)揮。

    YOLOv4 算法由于其準(zhǔn)確性和速度優(yōu)勢被廣泛用于目標(biāo)檢測,有數(shù)據(jù)顯示,YOLOv4 是YOLO 系列中最佳的目標(biāo)檢測框架。檢測遙感圖像的困難在于目標(biāo)較小、背景復(fù)雜、分布密集,所以應(yīng)該考慮其檢測速度和泛用性,本文將基于深度學(xué)習(xí)的YOLOv4 檢測算法應(yīng)用于遙感目標(biāo)的檢測,通過對數(shù)據(jù)集進(jìn)行重新聚類、重新選擇激活函數(shù)并且對PANet 結(jié)構(gòu)進(jìn)行優(yōu)化,改進(jìn)對遙感圖像中小目標(biāo)的識別準(zhǔn)確率和識別效率。

    1 YOLOv4網(wǎng)絡(luò)結(jié)構(gòu)分析

    1.1 YOLOv4網(wǎng)絡(luò)結(jié)構(gòu)

    YOLOv4 算法主要由三部分組成:用于特征提取的Backbone 結(jié)構(gòu)、用于提取特征語義表示的Neck 結(jié)構(gòu)和用于預(yù)測的Head 結(jié)構(gòu),如圖1 所示。主干采用CSPDarknet53 結(jié)構(gòu),并且應(yīng)用SPP 的思想增加感受野,采用PANet 中的路徑聚合模塊作為Neck 部分。在主干網(wǎng)絡(luò)中使用Mish 激活函數(shù),之后的網(wǎng)絡(luò)中使用的激活函數(shù)都是Leaky_relu激活函數(shù)。

    圖1 YOLOv4網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.1 Network structure diagram of YOLOv4

    1.2 YOLOv4檢測過程

    YOLOv4 算法將輸入圖像大小調(diào)整為608×608×3,然后放入主干網(wǎng)絡(luò)CSPDarknet53 結(jié)構(gòu)中訓(xùn)練進(jìn)行特征提取,得到3 個有效特征層,大小分別為76×76,38×38,19×19,再進(jìn)入Neck進(jìn)行處理,在SPP 模塊中進(jìn)行多尺度融合,3 張?zhí)卣鲌D就是YOLOv4算法的輸出檢測結(jié)果。

    YOLOv4使用K-means聚類得到的先驗(yàn)框適用于自然界中一般圖像的目標(biāo)檢測,但對遙感圖像小目標(biāo)的檢測效果不佳,因此,本文對數(shù)據(jù)集重新聚類;遙感圖像的背景復(fù)雜、分布密集,而YOLOv4在主干中使用的Mish函數(shù)屬于靜態(tài)激活函數(shù),不能自適應(yīng)不同的輸入特征,所以本文把Mish函數(shù)改換為動態(tài)激活函數(shù),自適應(yīng)地學(xué)習(xí)激活函數(shù)的結(jié)構(gòu),決定是否激活神經(jīng)元;遙感圖像的目標(biāo)較小,所以特征融合方法對本文至為重要。因此,本文對YOLOv4算法中的PANet進(jìn)行改進(jìn),以加強(qiáng)淺層特征提取,提高對小目標(biāo)的檢測精度。

    2 改進(jìn)的YOLOv4

    YOLOv4 算法是在Microsoft Common Objects in Context(MS COCO)數(shù)據(jù)集上訓(xùn)練來的,并不適用于遙感圖像目標(biāo)檢測[6]。所以,根據(jù)遙感圖像目標(biāo)的特點(diǎn),對YOLOv4 算法進(jìn)行了以下改進(jìn),以提高遙感圖像目標(biāo)檢測的能力。

    1)采用K-means 方法對錨框數(shù)量和尺寸進(jìn)行優(yōu)化,以提升檢測精度和速度;

    2)將YOLOv4 算法干網(wǎng)絡(luò)中的Mish 激活函數(shù)改為動態(tài)激活函數(shù),自適應(yīng)網(wǎng)絡(luò)輸入特征,以提高模型的泛化能力;

    3)對YOLOv4的Neck部分的PANet結(jié)構(gòu)進(jìn)行改進(jìn),豐富淺層網(wǎng)絡(luò),提高對小目標(biāo)的檢測能力。

    2.1 優(yōu)化錨框

    YOLOv4 使用的K-means 聚類算法,將所有樣本分成K個聚類,以歐幾里得距離計算,產(chǎn)生有效的數(shù)據(jù)挖掘結(jié)果[7]。距離計算為

    式中:xn為邊界框中心的標(biāo)準(zhǔn)水平軸;yn為邊界框中心的標(biāo)準(zhǔn)數(shù)軸。不同的數(shù)據(jù)集和錨機(jī)制可能會對檢測器性能產(chǎn)生很大影響。YOLOv4 算法中使用的錨框(anchor box)尺寸主要適用于大自然中一般目標(biāo),不適用于遙感圖像目標(biāo)檢測。因此,本文對遙感圖像目標(biāo)重新聚類出合適的參數(shù),提升檢測精度和速度。

    IoU(Intersection over Union)值是指先驗(yàn)框和真實(shí)框的重合區(qū)域[8],定義為

    從式(2)中可以看出,當(dāng)先驗(yàn)框和預(yù)測框重合度越高時,IoU值越大,說明模型預(yù)測越準(zhǔn)確;當(dāng)重合度越低時,模型性能越差。如圖2 所示,將K的區(qū)間設(shè)置為1~9,錨框數(shù)目為3時是K的拐點(diǎn),平衡了avg IoU和模型復(fù)雜度,因此,聚類中心的數(shù)量設(shè)置為3,并且在此基礎(chǔ)上獲得的增強(qiáng)邊界框的大小分別為(11,11)、(10,51)、(56,10)。

    圖2 不同錨框數(shù)目所對應(yīng)的Avg IoUFig.2 Avg IoU for different number of anchor frames

    原始YOLOv4 算法為 3 個特征圖分別分配3 個邊界框,用于預(yù)測的尺度分別為52×52、26×26 和13×13。26×26 和13×13 是語義豐富信息的深層特征,具有更大的感受野。研究表明,有限的感受野很難檢測到小目標(biāo)[9]。因此,本研究丟棄了小尺度特征圖,保留了52×52的特征圖,這也降低了網(wǎng)絡(luò)的復(fù)雜性。

    2.2 設(shè)計激活函數(shù)

    原YOLOv4 算法中使用的激活函數(shù)是Mish函數(shù),屬于靜態(tài)激活函數(shù),無法通過調(diào)整激活函數(shù)以適應(yīng)不同輸入特征來改善對復(fù)雜數(shù)據(jù)的處理。為了解決這個問題,本文引入了一個動態(tài)激活函數(shù),通過網(wǎng)絡(luò)自適應(yīng)學(xué)習(xí)激活函數(shù)結(jié)構(gòu),決定是否激活神經(jīng)元。

    網(wǎng)絡(luò)可以通過學(xué)習(xí)ε1和ε2自適應(yīng)調(diào)整激活函數(shù)。平滑因子α控制是否激活神經(jīng)元。

    式中:W1和W2為2 個卷積層的參數(shù)。通過此方式形成新的激活層,替換原YOLOv4 算法主干網(wǎng)絡(luò)中的激活層,可以自適應(yīng)不同的輸入特征,使在面對背景復(fù)雜、分布密集的遙感小目標(biāo)時,可以更好分開正負(fù)樣本,提高了模型泛化能力[10]。

    2.3 PANet結(jié)構(gòu)優(yōu)化

    缺乏淺層特征提取會導(dǎo)致小目標(biāo)漏檢并降低檢測精度,因此,改進(jìn)YOLOv4 算法中的PANet以保留淺層特征信息。深度語義豐富的特征可以增強(qiáng)淺層特征信息[11]。特征融合是多個不同特征信息的融合,既可以獲得深層特征信息,也可以獲得淺層特征信息。所以,特征融合方法在本文研究中至為重要。

    圖3 為YOLOv4算法中的PANet結(jié)構(gòu),包含了淺層特征信息和深層特征信息。然而,該結(jié)構(gòu)對于小目標(biāo)檢測有一些缺陷,例如,26×26直接向上采樣到104×104可能會丟失用于預(yù)測的信息,信道數(shù)量從256減少到128也可能丟失信息。

    圖3 YOLOv4的PANet結(jié)構(gòu)Fig.3 PANet structure for YOLOv4

    改進(jìn)的PANet結(jié)構(gòu)如圖4 所示。直接將26×26上采樣到104×104,在SPP之后,分別對具有512個通道的26×26、具有128 個通道的52×52 和具有128個通道的104×104的每個特征圖進(jìn)行特征融合。

    圖4 改進(jìn)的PANet結(jié)構(gòu)Fig.4 Improved PANet structure

    3 實(shí) 驗(yàn)

    3.1 實(shí)驗(yàn)環(huán)境設(shè)置

    本實(shí)驗(yàn)所使用的實(shí)驗(yàn)環(huán)境如表1 所示。

    表1 實(shí)驗(yàn)環(huán)境Tab.1 Experimental setting

    3.2 數(shù)據(jù)集

    為評估實(shí)驗(yàn)方法的有效性,本文使用2 個數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)。

    1)DOTA 數(shù)據(jù)集:用于目標(biāo)檢測的大規(guī)模數(shù)據(jù)集,每個圖像的大小約為4 k×4 k 像素,包含不同尺度、方向和形狀的目標(biāo)。完全注釋的DOTA 數(shù)據(jù)集包含188 282 個實(shí)例,涉及15 個常見目標(biāo)類別:飛機(jī)、棒球場(BD)、橋梁、場地跑道(GFT)、小型車輛(SV)、大型車輛(LV)、網(wǎng)球場(TC)、籃球場(BC)、儲罐(ST)、足球場(SBF)、環(huán)形交叉路口(RA)、游泳池(SP)、以及港口和直升機(jī)(HC)。數(shù)據(jù)集隨機(jī)選擇一半的原始圖像作為訓(xùn)練集,1/6作為驗(yàn)證集,1/3作為測試集[10]。根據(jù)高度將所有目標(biāo)分為3 個部分:10~50 像素范圍為小,50~300 像素范圍為中,300 像素以上為大。因此,將高度范圍為10~50 像素的目標(biāo)定義為小對象。圖5 為訓(xùn)練集和驗(yàn)證集中不同類別的小目標(biāo)的占比。

    圖5 DATO數(shù)據(jù)集中不同類別的小目標(biāo)占比Fig.5 Percentage of small targets in different categories in the DATO dataset

    2)DIOR-R:它包含192 518個實(shí)例和23 463個圖像,分辨率從0.5~30 m不等。DIOR-R共有20個常見類別,包括飛機(jī)、機(jī)場、棒球場、籃球場等。圖像被分成訓(xùn)練和測試數(shù)據(jù)集,比例為9∶1。原始數(shù)據(jù)集使用數(shù)據(jù)增強(qiáng)方法進(jìn)行了擴(kuò)展,包括幾何變換和馬賽克方法。馬賽克數(shù)據(jù)增強(qiáng)基于Cut-Mix理論。不同的是,在Cut-Mix中拼接了2幅圖像,但馬賽克使用了4幅圖像。使用馬賽克的優(yōu)點(diǎn)是它豐富了圖像數(shù)據(jù)集的背景[12]。首先,使用鏡像和旋轉(zhuǎn)將數(shù)據(jù)集擴(kuò)展到原始大小的8倍;然后,使用馬賽克方法合并圖像。

    為降低CO2在合成氣中比例,CaO強(qiáng)化的CO2捕集技術(shù)也在化學(xué)鏈氣化、制氫、重整等工藝中被研究[23-24]。通常利用CaO對含碳原料氣化的粗燃?xì)膺M(jìn)行CO2捕集,提升H2產(chǎn)率[25-26]。CaO強(qiáng)化的直接固體原料化學(xué)鏈氣化相關(guān)研究較少。

    3.3 評價指標(biāo)

    本文使用真實(shí)數(shù)據(jù)(Ground Truth)和預(yù)測邊界框(IOU)之間的平均精度(AP)和平均精度均值(mAP)、準(zhǔn)確率(Precision)、召回率(Recall)來評估目標(biāo)檢測性能[13]。計算公式為

    3.4 實(shí)驗(yàn)結(jié)果

    根據(jù)上式驗(yàn)證優(yōu)化的特征融合網(wǎng)絡(luò)的結(jié)果,本研究在DIOR-R 數(shù)據(jù)集和DOTA 數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)。

    表2 展示了本文方法和其他方法在DOTA數(shù)據(jù)集上的mAP比較,實(shí)驗(yàn)證明,本文方法在DOTA數(shù)據(jù)集上的mAP較其他方法都有所提高,證明了本文方法對于遙感小目標(biāo)圖像的有效性。

    表2 本文方法和其他方法在DOTA數(shù)據(jù)集上的mAP比較Tab.2 Comparison of the mAP of the method in this paper with other methods on the DOTA dataset

    表3 為YOLOv4 和本文方法在DIOR-R 數(shù)據(jù)集的性能比較。

    表3 YOLOv4和改進(jìn)YOLOv4比較Tab.3 Comparison of YOLOv4 and improved YOLOv4

    如表3 所示,mAP從82.59% 增加到86.76%,根據(jù)之前的錨框的選擇,改進(jìn)的YOLOv4 的IoU 低于YOLOv4。改進(jìn)的YOLOv4具有更好的性能,并且平衡了精度和速度。

    表格中數(shù)據(jù)顯示,本文方法在DOTA數(shù)據(jù)集的各個類別上都優(yōu)于其他方法,證明本文方法的有效性。

    3.5 消融實(shí)驗(yàn)

    表4 消融實(shí)驗(yàn)結(jié)果對比Tab.4 Comparison of results of ablation experiments

    方法1)和方法2)對比表明,K-means 對遙感圖像小目標(biāo)重新聚類,對錨框的數(shù)量和尺寸進(jìn)行優(yōu)化,有效提高了實(shí)驗(yàn)的精度和速度;方法1)和方法3)對比表明,使用動態(tài)激活函數(shù)自適應(yīng)不同的輸入特征,提高了YOLOv4 算法的性能;YOLOv4 和本文方法對比,mAP 提高了3.7%,檢測速度達(dá)到了23.5 fps,對比結(jié)果證明了本文改進(jìn)算法的合理性和有效性。

    3.6 檢測結(jié)果對比

    實(shí)際檢測效果對比如圖6 所示。其中圖6(a)為原版YOLOv4 的檢測效果,圖6(b)為本文改進(jìn)后的YOLOv4的檢測效果。

    圖6 改進(jìn)前后的YOLOv4算法檢測效果對比Fig.6 Comparison of detection effects before and after improving YOLOv4 algorithm

    由圖6 可以直觀看出:原版的YOLOv4 算法對目標(biāo)的檢測效果不佳,改進(jìn)后的YOLOv4 算法提高了特征提取能力,檢測效果有了很大的提高。

    4 結(jié)論

    針對遙感圖像小目標(biāo)檢測效果不佳的問題,對YOLOv4 算法的K-means 重新聚類,優(yōu)化了錨框的數(shù)量和尺寸,提升檢測的精度和速度;將激活函數(shù)改為了動態(tài)激活函數(shù),自適應(yīng)輸入特征,提高了模型的泛化能力;同時,對PANet 結(jié)構(gòu)進(jìn)行改進(jìn),豐富了淺層網(wǎng)絡(luò),更好地提高對小目標(biāo)的檢測能力。實(shí)驗(yàn)結(jié)果表明,改進(jìn)的YOLOv4 在檢測遙感小目標(biāo)時,在參數(shù)數(shù)量、檢測精度方面優(yōu)于原始的YOLOv4模型。

    猜你喜歡
    錨框聚類函數(shù)
    基于YOLOv3錨框優(yōu)化的側(cè)掃聲吶圖像目標(biāo)檢測
    信號處理(2022年11期)2022-12-26 13:22:06
    錨框策略匹配的SSD飛機(jī)遙感圖像目標(biāo)檢測
    基于SSD算法的輕量化儀器表盤檢測算法*
    基于GA-RoI Transformer的遙感圖像任意方向目標(biāo)檢測
    二次函數(shù)
    第3講 “函數(shù)”復(fù)習(xí)精講
    二次函數(shù)
    函數(shù)備考精講
    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
    基于改進(jìn)的遺傳算法的模糊聚類算法
    亚洲久久久国产精品| 我要看黄色一级片免费的| 国产精品成人在线| 免费高清在线观看视频在线观看| 在线观看免费午夜福利视频| 久9热在线精品视频| 少妇的丰满在线观看| 一级毛片电影观看| 50天的宝宝边吃奶边哭怎么回事| 亚洲av片天天在线观看| 97人妻天天添夜夜摸| 亚洲精品在线美女| 动漫黄色视频在线观看| 亚洲av成人一区二区三| 在线 av 中文字幕| 少妇 在线观看| 国产亚洲精品第一综合不卡| 日韩三级视频一区二区三区| 国产精品久久久久久人妻精品电影 | 亚洲av片天天在线观看| 久久午夜综合久久蜜桃| 色视频在线一区二区三区| 99久久99久久久精品蜜桃| 亚洲午夜精品一区,二区,三区| 九色亚洲精品在线播放| 午夜精品国产一区二区电影| 老熟女久久久| 久久久国产欧美日韩av| 国产xxxxx性猛交| 日韩欧美一区视频在线观看| 人人妻人人爽人人添夜夜欢视频| 欧美日韩中文字幕国产精品一区二区三区 | 丁香六月欧美| 欧美少妇被猛烈插入视频| 精品一区二区三区av网在线观看 | 精品久久蜜臀av无| 91精品伊人久久大香线蕉| 欧美日韩亚洲高清精品| 国产欧美日韩精品亚洲av| 汤姆久久久久久久影院中文字幕| 亚洲一区二区三区欧美精品| 老熟女久久久| 亚洲av成人不卡在线观看播放网 | 男女之事视频高清在线观看| 国产有黄有色有爽视频| 大香蕉久久网| 久久99一区二区三区| 国产精品成人在线| 99久久精品国产亚洲精品| 伦理电影免费视频| 亚洲avbb在线观看| www.av在线官网国产| 1024香蕉在线观看| 美女中出高潮动态图| 纯流量卡能插随身wifi吗| 久久久久久久国产电影| 免费少妇av软件| 亚洲精品美女久久久久99蜜臀| 精品国产一区二区三区久久久樱花| 久久精品成人免费网站| 亚洲av日韩在线播放| 韩国高清视频一区二区三区| 丰满饥渴人妻一区二区三| 久久久精品区二区三区| 欧美+亚洲+日韩+国产| 精品一区二区三卡| 国产精品自产拍在线观看55亚洲 | 午夜免费鲁丝| 欧美黄色片欧美黄色片| 99精品欧美一区二区三区四区| 国产一区二区三区综合在线观看| 人人妻人人澡人人爽人人夜夜| 亚洲av国产av综合av卡| e午夜精品久久久久久久| 夜夜夜夜夜久久久久| 丰满迷人的少妇在线观看| 两性午夜刺激爽爽歪歪视频在线观看 | 久久久精品区二区三区| 亚洲专区国产一区二区| 国产免费一区二区三区四区乱码| 人人妻,人人澡人人爽秒播| 91成年电影在线观看| 精品久久久久久电影网| 久久久久网色| 精品少妇黑人巨大在线播放| 日韩一卡2卡3卡4卡2021年| 精品国产国语对白av| 精品亚洲乱码少妇综合久久| 99国产精品一区二区蜜桃av | 国产精品av久久久久免费| 精品少妇内射三级| 搡老乐熟女国产| 国产99久久九九免费精品| av天堂久久9| 热re99久久国产66热| 九色亚洲精品在线播放| 十八禁高潮呻吟视频| 亚洲精品美女久久久久99蜜臀| 中文字幕人妻熟女乱码| 一区二区三区乱码不卡18| 亚洲第一av免费看| 伊人亚洲综合成人网| av天堂久久9| 欧美日韩黄片免| 大香蕉久久网| 十分钟在线观看高清视频www| 午夜福利影视在线免费观看| 国产不卡av网站在线观看| 在线观看免费日韩欧美大片| 国产99久久九九免费精品| 亚洲精品国产区一区二| 久久女婷五月综合色啪小说| 国产男女内射视频| 妹子高潮喷水视频| 国产亚洲精品久久久久5区| 美女扒开内裤让男人捅视频| 999久久久精品免费观看国产| 精品人妻熟女毛片av久久网站| 国产熟女午夜一区二区三区| 精品高清国产在线一区| 国产亚洲精品第一综合不卡| 母亲3免费完整高清在线观看| 伦理电影免费视频| 亚洲伊人色综图| 国产有黄有色有爽视频| √禁漫天堂资源中文www| 久久人人爽人人片av| 精品人妻熟女毛片av久久网站| 国产精品秋霞免费鲁丝片| 欧美人与性动交α欧美软件| 国产精品久久久人人做人人爽| 国产黄频视频在线观看| 久久国产亚洲av麻豆专区| 精品亚洲成国产av| 超色免费av| 国产1区2区3区精品| 免费黄频网站在线观看国产| a级毛片在线看网站| 久久国产精品人妻蜜桃| 国产野战对白在线观看| 亚洲人成电影观看| 欧美乱码精品一区二区三区| h视频一区二区三区| 亚洲精品自拍成人| 大片免费播放器 马上看| 国产精品麻豆人妻色哟哟久久| 老鸭窝网址在线观看| 国产日韩一区二区三区精品不卡| 激情视频va一区二区三区| 国产91精品成人一区二区三区 | 美女扒开内裤让男人捅视频| 91字幕亚洲| 性色av乱码一区二区三区2| 亚洲成国产人片在线观看| 老熟妇乱子伦视频在线观看 | 国产亚洲午夜精品一区二区久久| 午夜精品国产一区二区电影| 日本a在线网址| 国产精品欧美亚洲77777| 国产亚洲一区二区精品| 日本a在线网址| 久久影院123| 亚洲av成人不卡在线观看播放网 | 欧美亚洲日本最大视频资源| 国产成人精品久久二区二区91| 中文字幕最新亚洲高清| 午夜福利视频在线观看免费| 男人操女人黄网站| 美女国产高潮福利片在线看| 国产三级黄色录像| 久久久精品94久久精品| 自线自在国产av| 狠狠狠狠99中文字幕| 中文字幕最新亚洲高清| 在线观看一区二区三区激情| 免费人妻精品一区二区三区视频| 一本大道久久a久久精品| 久久天堂一区二区三区四区| 中国美女看黄片| 99精品久久久久人妻精品| 日韩电影二区| 一二三四社区在线视频社区8| 黄片小视频在线播放| 国产男女超爽视频在线观看| 男女边摸边吃奶| 2018国产大陆天天弄谢| 亚洲自偷自拍图片 自拍| av天堂在线播放| 久久人妻福利社区极品人妻图片| 精品国产一区二区久久| 国产精品久久久久成人av| 亚洲,欧美精品.| 日本一区二区免费在线视频| 99热全是精品| 最近最新中文字幕大全免费视频| 精品一区二区三区av网在线观看 | 99国产极品粉嫩在线观看| a级毛片在线看网站| 黄色毛片三级朝国网站| 久久国产精品男人的天堂亚洲| 免费高清在线观看视频在线观看| 热99国产精品久久久久久7| 人人妻人人爽人人添夜夜欢视频| 最新在线观看一区二区三区| 亚洲国产成人一精品久久久| 日韩大码丰满熟妇| 超碰成人久久| 美女高潮到喷水免费观看| 午夜久久久在线观看| 久久久久久人人人人人| 视频在线观看一区二区三区| 亚洲专区字幕在线| 美女高潮到喷水免费观看| 国产精品久久久久久精品古装| 午夜福利在线免费观看网站| 淫妇啪啪啪对白视频 | 一区二区av电影网| 不卡一级毛片| 亚洲国产欧美一区二区综合| 色播在线永久视频| 男女床上黄色一级片免费看| 丰满人妻熟妇乱又伦精品不卡| 午夜精品国产一区二区电影| 国产精品偷伦视频观看了| 国产在视频线精品| 成人亚洲精品一区在线观看| 亚洲欧美日韩高清在线视频 | 男女免费视频国产| 亚洲av片天天在线观看| 久久久水蜜桃国产精品网| 2018国产大陆天天弄谢| 亚洲成人免费av在线播放| 亚洲人成电影观看| 欧美精品亚洲一区二区| 免费观看av网站的网址| 91精品伊人久久大香线蕉| 国产又色又爽无遮挡免| 少妇人妻久久综合中文| 12—13女人毛片做爰片一| 大型av网站在线播放| 窝窝影院91人妻| 久久精品aⅴ一区二区三区四区| 一区二区av电影网| 欧美 日韩 精品 国产| 国产精品久久久久久人妻精品电影 | 天天躁日日躁夜夜躁夜夜| 国产不卡av网站在线观看| 首页视频小说图片口味搜索| 久久精品国产a三级三级三级| 亚洲人成电影观看| 亚洲一区中文字幕在线| 美女脱内裤让男人舔精品视频| 久久久久久久久免费视频了| 国产精品国产av在线观看| 99久久精品国产亚洲精品| 在线观看www视频免费| 男女之事视频高清在线观看| 99九九在线精品视频| 国产精品二区激情视频| 久久久久精品国产欧美久久久 | 在线观看免费午夜福利视频| 又紧又爽又黄一区二区| 满18在线观看网站| 欧美日韩国产mv在线观看视频| 精品乱码久久久久久99久播| 丰满人妻熟妇乱又伦精品不卡| 一个人免费看片子| 99久久精品国产亚洲精品| 老汉色∧v一级毛片| 亚洲av欧美aⅴ国产| 91九色精品人成在线观看| 十八禁网站网址无遮挡| 欧美久久黑人一区二区| 日韩欧美一区二区三区在线观看 | 久久中文字幕一级| 色播在线永久视频| 女性生殖器流出的白浆| xxxhd国产人妻xxx| 99精品欧美一区二区三区四区| 午夜久久久在线观看| 91成人精品电影| 日韩有码中文字幕| 欧美亚洲日本最大视频资源| 1024视频免费在线观看| 国产精品免费视频内射| 国产精品 国内视频| 又黄又粗又硬又大视频| 久久人妻福利社区极品人妻图片| 99九九在线精品视频| 成年人免费黄色播放视频| 亚洲欧洲精品一区二区精品久久久| 一个人免费看片子| 国产精品亚洲av一区麻豆| 91字幕亚洲| 日本av免费视频播放| 久久国产精品影院| 色精品久久人妻99蜜桃| 精品福利观看| cao死你这个sao货| 欧美激情久久久久久爽电影 | 狂野欧美激情性xxxx| 亚洲专区中文字幕在线| 亚洲一卡2卡3卡4卡5卡精品中文| 黄色 视频免费看| 一区二区三区精品91| a 毛片基地| 男女之事视频高清在线观看| 老司机深夜福利视频在线观看 | 亚洲精品一卡2卡三卡4卡5卡 | 精品少妇内射三级| 女人久久www免费人成看片| 亚洲情色 制服丝袜| 在线永久观看黄色视频| 国产精品欧美亚洲77777| 国产xxxxx性猛交| 成人国语在线视频| 免费黄频网站在线观看国产| 18禁裸乳无遮挡动漫免费视频| 18禁观看日本| 热99re8久久精品国产| 黄色 视频免费看| 国产色视频综合| 久久人人爽人人片av| 欧美精品人与动牲交sv欧美| 国产精品久久久久久精品电影小说| 午夜福利免费观看在线| 亚洲精品av麻豆狂野| www.999成人在线观看| 中文字幕最新亚洲高清| 黄片小视频在线播放| 精品一区在线观看国产| 两个人免费观看高清视频| 亚洲第一欧美日韩一区二区三区 | 亚洲精品一二三| 一级毛片电影观看| 在线永久观看黄色视频| 91大片在线观看| 精品一品国产午夜福利视频| 亚洲avbb在线观看| av视频免费观看在线观看| 免费久久久久久久精品成人欧美视频| 青春草视频在线免费观看| 国产男人的电影天堂91| 午夜福利乱码中文字幕| 欧美另类一区| 久久中文看片网| 国产精品一区二区在线不卡| 高清视频免费观看一区二区| 精品国产乱子伦一区二区三区 | 久久国产亚洲av麻豆专区| 日本黄色日本黄色录像| 欧美另类一区| 91成人精品电影| 男人操女人黄网站| 99久久99久久久精品蜜桃| 999久久久精品免费观看国产| 久久久欧美国产精品| 久久久久国内视频| 亚洲国产精品一区三区| 午夜免费成人在线视频| 麻豆av在线久日| 欧美乱码精品一区二区三区| 欧美黑人精品巨大| 一进一出抽搐动态| 侵犯人妻中文字幕一二三四区| 午夜福利在线免费观看网站| 丰满人妻熟妇乱又伦精品不卡| 亚洲av成人不卡在线观看播放网 | 一级a爱视频在线免费观看| 一个人免费在线观看的高清视频 | 美女视频免费永久观看网站| 国产免费福利视频在线观看| 精品少妇久久久久久888优播| av欧美777| 精品久久久久久电影网| 亚洲精品在线美女| 丁香六月天网| 久久久久国内视频| 国产精品久久久久成人av| 亚洲精品粉嫩美女一区| 亚洲精品国产色婷婷电影| 美女中出高潮动态图| 十分钟在线观看高清视频www| 午夜精品国产一区二区电影| 超色免费av| 在线观看免费高清a一片| av有码第一页| 欧美乱码精品一区二区三区| 亚洲七黄色美女视频| 亚洲专区字幕在线| 人成视频在线观看免费观看| 岛国在线观看网站| 国产精品 国内视频| 少妇 在线观看| 亚洲一区二区三区欧美精品| 国产精品一二三区在线看| 香蕉国产在线看| 女人被躁到高潮嗷嗷叫费观| 性少妇av在线| 美女午夜性视频免费| 欧美另类亚洲清纯唯美| av欧美777| 国产人伦9x9x在线观看| 国产精品二区激情视频| 美女福利国产在线| 国产伦人伦偷精品视频| 午夜福利影视在线免费观看| 交换朋友夫妻互换小说| 日韩中文字幕欧美一区二区| av福利片在线| 91成人精品电影| 欧美一级毛片孕妇| 国产精品久久久人人做人人爽| 91大片在线观看| 亚洲精品美女久久久久99蜜臀| 日日摸夜夜添夜夜添小说| 亚洲av日韩精品久久久久久密| 丝袜美足系列| 日韩欧美免费精品| 老司机影院成人| 久久天躁狠狠躁夜夜2o2o| 久久久精品区二区三区| 人人妻人人澡人人看| 午夜免费成人在线视频| 欧美日韩亚洲国产一区二区在线观看 | 久久热在线av| 啦啦啦 在线观看视频| 亚洲av片天天在线观看| 满18在线观看网站| 一区二区三区激情视频| 十八禁网站网址无遮挡| 国产1区2区3区精品| 黑丝袜美女国产一区| 两性午夜刺激爽爽歪歪视频在线观看 | 精品卡一卡二卡四卡免费| 91av网站免费观看| 咕卡用的链子| 亚洲av欧美aⅴ国产| 亚洲熟女毛片儿| 久久久国产成人免费| 国产精品影院久久| 高清av免费在线| 另类亚洲欧美激情| 亚洲精品av麻豆狂野| 国产av精品麻豆| 成年人午夜在线观看视频| 亚洲av国产av综合av卡| 午夜精品国产一区二区电影| 老司机午夜福利在线观看视频 | 大香蕉久久网| 超碰成人久久| 久久久久国内视频| 天天躁夜夜躁狠狠躁躁| 91麻豆av在线| 亚洲av美国av| 国产高清videossex| 99re6热这里在线精品视频| 精品少妇内射三级| 人成视频在线观看免费观看| 超碰97精品在线观看| 操出白浆在线播放| 亚洲第一av免费看| 两个人看的免费小视频| 亚洲人成77777在线视频| 欧美国产精品va在线观看不卡| 久久天躁狠狠躁夜夜2o2o| 美女视频免费永久观看网站| 在线av久久热| 国产不卡av网站在线观看| 啦啦啦在线免费观看视频4| 俄罗斯特黄特色一大片| 久久久久国产精品人妻一区二区| 操出白浆在线播放| 国产又爽黄色视频| 国产精品一区二区免费欧美 | 欧美精品亚洲一区二区| 美女主播在线视频| 午夜影院在线不卡| 91大片在线观看| 国产一区二区激情短视频 | 亚洲五月婷婷丁香| 人人妻,人人澡人人爽秒播| 欧美另类亚洲清纯唯美| 国产一区二区三区综合在线观看| 欧美人与性动交α欧美软件| 超色免费av| 99久久人妻综合| 国产激情久久老熟女| 精品人妻熟女毛片av久久网站| 久久精品国产综合久久久| 国产免费福利视频在线观看| 热re99久久精品国产66热6| 亚洲伊人久久精品综合| 人妻 亚洲 视频| 亚洲色图综合在线观看| 性色av乱码一区二区三区2| 国产视频一区二区在线看| 99久久国产精品久久久| 国产主播在线观看一区二区| 国精品久久久久久国模美| 黄频高清免费视频| 狂野欧美激情性bbbbbb| 女警被强在线播放| 国产淫语在线视频| 窝窝影院91人妻| 男女免费视频国产| 黄色 视频免费看| 一本色道久久久久久精品综合| 久久精品国产亚洲av香蕉五月 | 成人影院久久| 人人妻人人澡人人爽人人夜夜| 丝袜脚勾引网站| 中文字幕人妻熟女乱码| 国产淫语在线视频| 啦啦啦视频在线资源免费观看| 亚洲精品中文字幕一二三四区 | 天天影视国产精品| 欧美一级毛片孕妇| 国产成人精品久久二区二区免费| 精品一品国产午夜福利视频| 亚洲国产中文字幕在线视频| avwww免费| 午夜久久久在线观看| 久久中文看片网| 久久99热这里只频精品6学生| 亚洲精品国产精品久久久不卡| 99久久99久久久精品蜜桃| 91成年电影在线观看| 真人做人爱边吃奶动态| 老汉色av国产亚洲站长工具| 高潮久久久久久久久久久不卡| 久久久水蜜桃国产精品网| 久久青草综合色| 亚洲精品国产精品久久久不卡| 男男h啪啪无遮挡| 成在线人永久免费视频| 女人爽到高潮嗷嗷叫在线视频| 精品免费久久久久久久清纯 | 中文欧美无线码| 中文字幕制服av| 自拍欧美九色日韩亚洲蝌蚪91| 午夜影院在线不卡| 国产亚洲欧美精品永久| 一区二区日韩欧美中文字幕| 久久久精品94久久精品| 午夜福利,免费看| 中文字幕av电影在线播放| 午夜福利免费观看在线| 女人爽到高潮嗷嗷叫在线视频| 男女之事视频高清在线观看| 9热在线视频观看99| 国产黄色免费在线视频| 亚洲精品国产区一区二| 国产熟女午夜一区二区三区| 日韩制服丝袜自拍偷拍| 少妇的丰满在线观看| 国产精品久久久人人做人人爽| 国产成人av激情在线播放| 国产男女超爽视频在线观看| a级毛片黄视频| 黄片大片在线免费观看| 欧美日韩亚洲高清精品| 桃花免费在线播放| 国产免费av片在线观看野外av| 黄色怎么调成土黄色| 18禁国产床啪视频网站| 欧美大码av| 亚洲中文av在线| av电影中文网址| 啪啪无遮挡十八禁网站| 热re99久久精品国产66热6| 国产麻豆69| avwww免费| 天堂8中文在线网| 老司机影院毛片| 亚洲午夜精品一区,二区,三区| 大香蕉久久成人网| 国产深夜福利视频在线观看| 日韩制服骚丝袜av| 午夜影院在线不卡| 欧美另类一区| 国产一区二区激情短视频 | 色94色欧美一区二区| 欧美国产精品va在线观看不卡| 丝袜人妻中文字幕| 男人舔女人的私密视频| 桃花免费在线播放| 日韩电影二区| 欧美久久黑人一区二区| 在线天堂中文资源库| 精品高清国产在线一区| 91av网站免费观看| 老司机在亚洲福利影院| 亚洲人成电影观看| 国产欧美日韩一区二区三区在线| 国产成人免费观看mmmm| 男人添女人高潮全过程视频| av天堂久久9| 国产三级黄色录像| 亚洲va日本ⅴa欧美va伊人久久 | 欧美大码av| 久久精品人人爽人人爽视色| 色婷婷久久久亚洲欧美| 在线观看免费日韩欧美大片| 嫩草影视91久久| 高清av免费在线| 亚洲成av片中文字幕在线观看| 王馨瑶露胸无遮挡在线观看| 99国产精品一区二区蜜桃av | 国产亚洲午夜精品一区二区久久| 中文字幕人妻丝袜一区二区| 欧美日韩国产mv在线观看视频| 老鸭窝网址在线观看| 少妇粗大呻吟视频| 亚洲国产欧美在线一区|