• <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
    国产不卡一卡二| 国产男人的电影天堂91| 丝瓜视频免费看黄片| 狂野欧美白嫩少妇大欣赏| 精品久久久久久久末码| 欧美成人一区二区免费高清观看| 春色校园在线视频观看| 亚洲欧美中文字幕日韩二区| 日本欧美国产在线视频| 久久精品夜色国产| 秋霞在线观看毛片| 午夜精品国产一区二区电影 | 国产av国产精品国产| 欧美日韩国产mv在线观看视频 | 汤姆久久久久久久影院中文字幕 | 在线观看人妻少妇| 精品熟女少妇av免费看| 777米奇影视久久| 春色校园在线视频观看| 免费观看精品视频网站| 精品人妻偷拍中文字幕| 国产高清国产精品国产三级 | 国产亚洲精品久久久com| 久久久久久久久久久丰满| 99久久九九国产精品国产免费| 国产真实伦视频高清在线观看| 91久久精品国产一区二区三区| 一区二区三区乱码不卡18| 国产国拍精品亚洲av在线观看| 综合色av麻豆| 国产视频内射| 熟妇人妻久久中文字幕3abv| 最新中文字幕久久久久| 国模一区二区三区四区视频| 日本一本二区三区精品| 插阴视频在线观看视频| 国产一级毛片在线| 天天一区二区日本电影三级| 男女下面进入的视频免费午夜| 日本av手机在线免费观看| 干丝袜人妻中文字幕| 18+在线观看网站| 亚洲精品亚洲一区二区| 青青草视频在线视频观看| 青春草国产在线视频| 国产精品不卡视频一区二区| 日本午夜av视频| 观看美女的网站| 成年免费大片在线观看| 伦理电影大哥的女人| 少妇丰满av| 最近中文字幕高清免费大全6| 国产单亲对白刺激| 欧美+日韩+精品| 久久99蜜桃精品久久| 青春草亚洲视频在线观看| 99热6这里只有精品| 欧美变态另类bdsm刘玥| 国产极品天堂在线| 我要看日韩黄色一级片| 18禁动态无遮挡网站| 亚洲最大成人中文| 国产精品久久久久久精品电影| 男女视频在线观看网站免费| 天堂网av新在线| 亚洲欧美一区二区三区黑人 | 亚洲最大成人中文| 亚洲av.av天堂| 国语对白做爰xxxⅹ性视频网站| 乱码一卡2卡4卡精品| 国产有黄有色有爽视频| 一级a做视频免费观看| 人妻少妇偷人精品九色| 免费av观看视频| 日本与韩国留学比较| 国产综合精华液| 亚洲精品中文字幕在线视频 | 国产高清国产精品国产三级 | 最近的中文字幕免费完整| 少妇的逼水好多| 婷婷色麻豆天堂久久| 国产精品爽爽va在线观看网站| 少妇人妻精品综合一区二区| 国内精品一区二区在线观看| 久久久久久久久久黄片| 免费黄色在线免费观看| 黄色配什么色好看| 国产一区亚洲一区在线观看| 国产老妇伦熟女老妇高清| 国产高清三级在线| 日产精品乱码卡一卡2卡三| 欧美性猛交╳xxx乱大交人| 麻豆av噜噜一区二区三区| 一个人看视频在线观看www免费| 综合色av麻豆| 最后的刺客免费高清国语| 久久6这里有精品| 国产亚洲5aaaaa淫片| 永久免费av网站大全| 天天躁夜夜躁狠狠久久av| 亚洲精品,欧美精品| 亚洲伊人久久精品综合| 国产亚洲91精品色在线| 69av精品久久久久久| 国产亚洲av嫩草精品影院| 国产单亲对白刺激| 一级毛片aaaaaa免费看小| 岛国毛片在线播放| 午夜日本视频在线| 国产成人91sexporn| 欧美性猛交╳xxx乱大交人| 男人和女人高潮做爰伦理| 亚洲av电影不卡..在线观看| 成人一区二区视频在线观看| 国产男女超爽视频在线观看| 中文欧美无线码| 亚洲av成人av| av在线播放精品| 99热6这里只有精品| 精品国内亚洲2022精品成人| 国产男女超爽视频在线观看| 在线观看av片永久免费下载| 国产三级在线视频| av在线亚洲专区| 国产有黄有色有爽视频| 只有这里有精品99| 我的女老师完整版在线观看| 在线观看美女被高潮喷水网站| 成年人午夜在线观看视频 | 国产伦精品一区二区三区四那| 三级男女做爰猛烈吃奶摸视频| av播播在线观看一区| 一级a做视频免费观看| videossex国产| 婷婷色av中文字幕| kizo精华| av免费观看日本| 18禁在线无遮挡免费观看视频| 国产成人a区在线观看| 久久久亚洲精品成人影院| 久久综合国产亚洲精品| 国产亚洲av片在线观看秒播厂 | 18禁在线无遮挡免费观看视频| 天堂网av新在线| 2022亚洲国产成人精品| 能在线免费看毛片的网站| 精品久久久噜噜| freevideosex欧美| 午夜福利在线观看吧| 免费观看精品视频网站| 精品人妻视频免费看| 69av精品久久久久久| 乱码一卡2卡4卡精品| 91久久精品电影网| 大片免费播放器 马上看| 天堂网av新在线| 男人舔奶头视频| 一级二级三级毛片免费看| 日本黄色片子视频| 最近中文字幕2019免费版| 国产黄a三级三级三级人| 色视频www国产| .国产精品久久| 国产精品人妻久久久影院| 国产中年淑女户外野战色| 欧美+日韩+精品| 日韩精品有码人妻一区| 亚洲人与动物交配视频| 网址你懂的国产日韩在线| 国产男人的电影天堂91| 中文字幕制服av| 日本-黄色视频高清免费观看| 搡老乐熟女国产| 特大巨黑吊av在线直播| 亚洲第一区二区三区不卡| 激情 狠狠 欧美| 蜜桃久久精品国产亚洲av| 亚洲欧美精品自产自拍| av在线播放精品| 亚洲在线观看片| 久久99蜜桃精品久久| 18禁裸乳无遮挡免费网站照片| 午夜视频国产福利| 婷婷六月久久综合丁香| 国产乱来视频区| h日本视频在线播放| 一级a做视频免费观看| 女的被弄到高潮叫床怎么办| 亚洲欧美精品自产自拍| 一二三四中文在线观看免费高清| 午夜视频国产福利| 免费电影在线观看免费观看| 在线免费观看不下载黄p国产| 九草在线视频观看| 精品久久国产蜜桃| 高清在线视频一区二区三区| 国产精品无大码| 高清欧美精品videossex| 在线播放无遮挡| 久久久久久久久大av| 在线免费观看不下载黄p国产| 久久久久久久久久久免费av| 亚洲最大成人av| 日韩欧美国产在线观看| 97人妻精品一区二区三区麻豆| 亚洲四区av| 伦精品一区二区三区| 我的女老师完整版在线观看| 国产精品久久久久久久久免| 日本熟妇午夜| 91av网一区二区| 免费观看av网站的网址| 七月丁香在线播放| 亚洲最大成人av| 一级黄片播放器| av在线老鸭窝| 日本黄色片子视频| 成人二区视频| 内射极品少妇av片p| 婷婷色麻豆天堂久久| 国产男人的电影天堂91| 18禁裸乳无遮挡免费网站照片| av线在线观看网站| 欧美激情国产日韩精品一区| 中文欧美无线码| 精品一区在线观看国产| 在线免费十八禁| 秋霞伦理黄片| 欧美精品一区二区大全| 亚洲18禁久久av| 欧美xxxx黑人xx丫x性爽| 99久久人妻综合| 精品国产露脸久久av麻豆 | 毛片女人毛片| 夫妻性生交免费视频一级片| 免费观看性生交大片5| 精品国内亚洲2022精品成人| 国产伦精品一区二区三区视频9| 秋霞在线观看毛片| 欧美xxⅹ黑人| 嫩草影院入口| 黄色一级大片看看| 亚洲欧洲日产国产| 国产日韩欧美在线精品| 日日撸夜夜添| 亚洲图色成人| 成人毛片a级毛片在线播放| 久久久久久久午夜电影| 日韩制服骚丝袜av| 色综合站精品国产| 国产亚洲精品久久久com| 特大巨黑吊av在线直播| 精品酒店卫生间| 亚洲美女视频黄频| 春色校园在线视频观看| 十八禁国产超污无遮挡网站| 免费观看av网站的网址| 亚洲熟妇中文字幕五十中出| 国产精品熟女久久久久浪| 日韩视频在线欧美| 人妻夜夜爽99麻豆av| 亚洲av福利一区| 简卡轻食公司| 亚洲,欧美,日韩| 热99在线观看视频| 禁无遮挡网站| 欧美变态另类bdsm刘玥| 久久久久久久久久黄片| 国产在视频线在精品| 欧美日韩在线观看h| 久久久久精品性色| av在线蜜桃| 欧美xxxx黑人xx丫x性爽| 熟妇人妻久久中文字幕3abv| 乱人视频在线观看| 欧美高清成人免费视频www| 亚洲18禁久久av| 亚洲久久久久久中文字幕| 汤姆久久久久久久影院中文字幕 | 精品国内亚洲2022精品成人| 亚洲av免费在线观看| 中文字幕制服av| 国产亚洲5aaaaa淫片| 精品一区二区三区视频在线| 亚洲国产高清在线一区二区三| 免费观看无遮挡的男女| 免费大片黄手机在线观看| 激情五月婷婷亚洲| 联通29元200g的流量卡| 777米奇影视久久| 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| 亚洲成人一二三区av| 成人毛片a级毛片在线播放| 丰满少妇做爰视频| 亚洲成色77777| 91在线精品国自产拍蜜月| 91精品一卡2卡3卡4卡| 国产av不卡久久| 天堂影院成人在线观看| 婷婷六月久久综合丁香| 高清毛片免费看| 免费观看a级毛片全部| 麻豆精品久久久久久蜜桃| 天堂中文最新版在线下载 | 亚洲精品影视一区二区三区av| 日韩一区二区视频免费看| 亚洲av免费在线观看| 高清毛片免费看| 精华霜和精华液先用哪个| 建设人人有责人人尽责人人享有的 | 亚洲精品自拍成人| 成人av在线播放网站| 全区人妻精品视频| 婷婷色综合www| 夫妻性生交免费视频一级片| 两个人视频免费观看高清| 亚洲无线观看免费| 国产精品女同一区二区软件| 高清视频免费观看一区二区 | 色综合色国产| 国精品久久久久久国模美| 91精品一卡2卡3卡4卡| 97在线视频观看| 国产色婷婷99| 国产成人福利小说| 99久久精品一区二区三区| 日日撸夜夜添| 丝袜喷水一区| 亚洲精品色激情综合| av线在线观看网站| 国产成人免费观看mmmm| 久久久久久久久久久丰满| 又大又黄又爽视频免费| 如何舔出高潮| 欧美bdsm另类| 亚洲美女搞黄在线观看| 热99在线观看视频| 伊人久久国产一区二区| 九九久久精品国产亚洲av麻豆| 亚洲av电影不卡..在线观看| 亚洲av成人精品一二三区| 国产v大片淫在线免费观看| 国产真实伦视频高清在线观看| 韩国高清视频一区二区三区| 亚洲自拍偷在线| 免费黄色在线免费观看| 亚洲真实伦在线观看| 国产老妇伦熟女老妇高清| 少妇高潮的动态图| 欧美成人a在线观看| 女人久久www免费人成看片| 女人十人毛片免费观看3o分钟| 人妻一区二区av| 搡老乐熟女国产| 免费看不卡的av| 成人特级av手机在线观看| 久久这里有精品视频免费| 精品久久国产蜜桃| 免费av观看视频| or卡值多少钱| 久久久久久久久久成人| 天美传媒精品一区二区| 少妇高潮的动态图| 国模一区二区三区四区视频| 一个人看视频在线观看www免费| 中文精品一卡2卡3卡4更新| 久久久久久久久大av| 啦啦啦中文免费视频观看日本| 色尼玛亚洲综合影院| ponron亚洲| 69人妻影院| 中文字幕亚洲精品专区| 久久久久久久久久久免费av| 国产av不卡久久| 国产一级毛片在线| av在线蜜桃| 亚洲aⅴ乱码一区二区在线播放| 99热这里只有是精品50| 亚洲精品日韩av片在线观看| 日本欧美国产在线视频| 久久鲁丝午夜福利片| 国产成人精品婷婷| 成人亚洲精品av一区二区| av网站免费在线观看视频 | 97精品久久久久久久久久精品| 黄色一级大片看看| a级毛片免费高清观看在线播放| 中文字幕人妻熟人妻熟丝袜美| 亚洲欧美日韩无卡精品| 国内精品宾馆在线| 精品少妇黑人巨大在线播放| 欧美性感艳星| 国产精品一区二区三区四区免费观看| av国产久精品久网站免费入址| 亚洲成人av在线免费| 一区二区三区免费毛片| 在线天堂最新版资源| 国产亚洲av嫩草精品影院| 国产免费一级a男人的天堂| 乱系列少妇在线播放| 国产乱人视频| 婷婷色av中文字幕| 亚洲国产av新网站| 国产精品麻豆人妻色哟哟久久 | 高清视频免费观看一区二区 | 国产午夜福利久久久久久| 毛片女人毛片| 日韩精品青青久久久久久| 最近手机中文字幕大全| 波野结衣二区三区在线| 视频中文字幕在线观看| 成人亚洲精品av一区二区| 欧美日韩亚洲高清精品| 亚洲经典国产精华液单| 久久人人爽人人爽人人片va| 久久久久久久大尺度免费视频| 男女边摸边吃奶| 欧美xxxx黑人xx丫x性爽| 91狼人影院| 国产国拍精品亚洲av在线观看| 精品久久久久久成人av| 国产亚洲5aaaaa淫片| 亚洲av免费高清在线观看| 大香蕉久久网| 国产高清国产精品国产三级 | 精品久久久久久久久av| 日韩欧美国产在线观看| 精华霜和精华液先用哪个| 久久精品夜色国产| av在线蜜桃| 久久久久九九精品影院| 人妻制服诱惑在线中文字幕| 男女国产视频网站| 国产成人一区二区在线| 啦啦啦中文免费视频观看日本| 波野结衣二区三区在线| 国产淫片久久久久久久久| 久久久午夜欧美精品| 久久草成人影院| 成人国产麻豆网| 乱码一卡2卡4卡精品| 少妇的逼好多水| 亚洲无线观看免费| 国产精品久久视频播放| 成人毛片a级毛片在线播放| 国产视频内射| 精品国产三级普通话版| 精品一区二区三卡| 欧美一区二区亚洲| 国产高清不卡午夜福利| 水蜜桃什么品种好| 国产真实伦视频高清在线观看| 亚洲精品乱码久久久v下载方式| 爱豆传媒免费全集在线观看| 亚洲精华国产精华液的使用体验| 色播亚洲综合网| 国产午夜福利久久久久久| 97精品久久久久久久久久精品| 亚洲精品日韩av片在线观看| 老女人水多毛片| 国产精品日韩av在线免费观看| 欧美人与善性xxx| 卡戴珊不雅视频在线播放| 亚洲第一区二区三区不卡| 午夜激情欧美在线| 免费播放大片免费观看视频在线观看| 国产一区有黄有色的免费视频 | 99热这里只有是精品50| 中国国产av一级| 伦理电影大哥的女人| 国内精品宾馆在线| av播播在线观看一区| 99久久人妻综合| 国产成人福利小说| 少妇熟女aⅴ在线视频| 国模一区二区三区四区视频| 国产乱人视频| 中文字幕免费在线视频6| 亚洲精品色激情综合| kizo精华| 国模一区二区三区四区视频| 18禁裸乳无遮挡免费网站照片| 久久久久久久久久久免费av| 午夜老司机福利剧场| 三级国产精品欧美在线观看| 女人被狂操c到高潮| 日韩制服骚丝袜av| 国产在线男女| 天天躁日日操中文字幕| 永久免费av网站大全| 亚洲成人一二三区av| 久久久久久久久大av| 午夜视频国产福利| 91精品伊人久久大香线蕉| 麻豆久久精品国产亚洲av| 青春草国产在线视频| 久久99热这里只有精品18| 可以在线观看毛片的网站| 日本免费a在线| 你懂的网址亚洲精品在线观看| 国产片特级美女逼逼视频| 国产三级在线视频| 观看免费一级毛片| 深爱激情五月婷婷| 人体艺术视频欧美日本| 国产精品国产三级国产专区5o| 日韩制服骚丝袜av| 久久久久久久久中文| 69av精品久久久久久| 午夜福利网站1000一区二区三区| 如何舔出高潮| 天堂√8在线中文| 亚洲最大成人中文| 精品一区二区三区视频在线| eeuss影院久久| 国产日韩欧美在线精品| 亚洲精品久久午夜乱码| 三级国产精品欧美在线观看| 特大巨黑吊av在线直播| 亚洲内射少妇av| 国内精品一区二区在线观看| 天天躁日日操中文字幕| 亚洲av国产av综合av卡| 色尼玛亚洲综合影院| 激情五月婷婷亚洲| 久久久久久久久久人人人人人人| 一级黄片播放器| 美女国产视频在线观看| 亚洲精华国产精华液的使用体验| 精品久久久精品久久久| 亚洲真实伦在线观看| 老师上课跳d突然被开到最大视频| 国产亚洲最大av| 在线a可以看的网站| 麻豆乱淫一区二区| 丰满人妻一区二区三区视频av| kizo精华| 午夜福利视频1000在线观看| 91aial.com中文字幕在线观看| 久久久久久久亚洲中文字幕| 国产黄色小视频在线观看| 你懂的网址亚洲精品在线观看| 成年人午夜在线观看视频 | 亚洲av二区三区四区| 欧美精品国产亚洲| 亚洲三级黄色毛片| 免费不卡的大黄色大毛片视频在线观看 | 成人高潮视频无遮挡免费网站| 国产精品嫩草影院av在线观看| 精华霜和精华液先用哪个| 欧美潮喷喷水| 大片免费播放器 马上看| 日日啪夜夜撸| av在线老鸭窝| 久久精品久久精品一区二区三区| 中文天堂在线官网| 别揉我奶头 嗯啊视频| or卡值多少钱| 日本色播在线视频| 午夜精品在线福利| 免费高清在线观看视频在线观看| 麻豆精品久久久久久蜜桃| 亚洲精品乱久久久久久| 不卡视频在线观看欧美| 亚洲国产精品成人久久小说| 日韩伦理黄色片| 免费看a级黄色片| 精品酒店卫生间| 亚洲精品一二三| 天堂√8在线中文| 国产亚洲一区二区精品| 午夜福利在线观看免费完整高清在| 男人舔奶头视频| 国产精品嫩草影院av在线观看| 伊人久久精品亚洲午夜| 午夜福利网站1000一区二区三区| 男女国产视频网站| 亚洲在线自拍视频| 国产不卡一卡二| 亚洲美女搞黄在线观看| 色综合亚洲欧美另类图片| 日韩欧美国产在线观看| 亚洲av免费在线观看| 91精品国产九色| 美女大奶头视频| 亚洲精品乱码久久久v下载方式| 最近最新中文字幕免费大全7| 国产色爽女视频免费观看| av又黄又爽大尺度在线免费看| 亚洲国产精品国产精品| 搡女人真爽免费视频火全软件| 欧美日韩亚洲高清精品| 亚洲欧美日韩东京热| 九色成人免费人妻av| 日韩欧美一区视频在线观看 | 身体一侧抽搐| 国语对白做爰xxxⅹ性视频网站| 看十八女毛片水多多多| 欧美成人一区二区免费高清观看| 国产白丝娇喘喷水9色精品| 免费观看无遮挡的男女| 一个人看的www免费观看视频| 69人妻影院| 国产精品.久久久| 嫩草影院入口| 欧美最新免费一区二区三区| 日韩av在线大香蕉| 少妇高潮的动态图| 午夜福利在线观看吧| 精品国产一区二区三区久久久樱花 | 精品亚洲乱码少妇综合久久| 精品一区二区免费观看| 国产在视频线在精品| 免费不卡的大黄色大毛片视频在线观看 |