• <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
    男女之事视频高清在线观看| 亚洲成a人片在线一区二区| 亚洲国产中文字幕在线视频| 成年版毛片免费区| 国产免费av片在线观看野外av| 香蕉丝袜av| 最近在线观看免费完整版| 亚洲天堂国产精品一区在线| 亚洲欧美精品综合一区二区三区| www日本黄色视频网| 男女床上黄色一级片免费看| 国模一区二区三区四区视频 | 精品不卡国产一区二区三区| 欧美午夜高清在线| 夜夜爽天天搞| 亚洲欧洲精品一区二区精品久久久| 757午夜福利合集在线观看| 人人妻人人澡欧美一区二区| 精品国产乱码久久久久久男人| 狂野欧美白嫩少妇大欣赏| 天堂网av新在线| 精品不卡国产一区二区三区| 久久精品夜夜夜夜夜久久蜜豆| 制服丝袜大香蕉在线| 99久久国产精品久久久| 亚洲午夜理论影院| 天天躁狠狠躁夜夜躁狠狠躁| 欧美一区二区国产精品久久精品| 无人区码免费观看不卡| 看黄色毛片网站| 久久久久久九九精品二区国产| 亚洲av成人av| 久久久国产成人免费| 久久热在线av| 亚洲精品在线美女| 19禁男女啪啪无遮挡网站| 亚洲色图 男人天堂 中文字幕| 一本精品99久久精品77| 99视频精品全部免费 在线 | 亚洲成av人片在线播放无| 亚洲国产高清在线一区二区三| 国产精品一及| 久久久久九九精品影院| 国产成人aa在线观看| 欧美大码av| 啦啦啦韩国在线观看视频| 黄色日韩在线| 18禁国产床啪视频网站| 香蕉国产在线看| 九色国产91popny在线| 三级男女做爰猛烈吃奶摸视频| 国产又色又爽无遮挡免费看| 亚洲国产欧美一区二区综合| 亚洲在线观看片| 精品国产超薄肉色丝袜足j| 香蕉av资源在线| 99riav亚洲国产免费| 伦理电影免费视频| 我的老师免费观看完整版| АⅤ资源中文在线天堂| 麻豆国产av国片精品| 淫妇啪啪啪对白视频| 国产亚洲av高清不卡| 色综合亚洲欧美另类图片| 国产精品 国内视频| 欧洲精品卡2卡3卡4卡5卡区| 老司机在亚洲福利影院| 最新中文字幕久久久久 | 国产精品亚洲av一区麻豆| 狂野欧美激情性xxxx| 嫩草影院入口| 丝袜人妻中文字幕| 99在线视频只有这里精品首页| 欧美日韩一级在线毛片| 99热6这里只有精品| av片东京热男人的天堂| 欧洲精品卡2卡3卡4卡5卡区| 97超级碰碰碰精品色视频在线观看| 久久久久精品国产欧美久久久| 亚洲 欧美一区二区三区| 免费观看精品视频网站| 亚洲av成人一区二区三| 日本黄大片高清| 巨乳人妻的诱惑在线观看| 久久精品影院6| tocl精华| 国产午夜精品论理片| 亚洲真实伦在线观看| 黄色视频,在线免费观看| 99热6这里只有精品| 亚洲av成人一区二区三| av欧美777| 日本a在线网址| 色综合欧美亚洲国产小说| 亚洲午夜精品一区,二区,三区| 国产一区二区在线观看日韩 | 一个人观看的视频www高清免费观看 | 午夜久久久久精精品| 国产精品一区二区三区四区免费观看 | 97人妻精品一区二区三区麻豆| 俄罗斯特黄特色一大片| 久久精品国产99精品国产亚洲性色| 在线观看舔阴道视频| 久久久久亚洲av毛片大全| 99国产综合亚洲精品| 国产精品亚洲av一区麻豆| 日韩精品中文字幕看吧| 97超视频在线观看视频| 后天国语完整版免费观看| 丁香六月欧美| 美女免费视频网站| 亚洲精品久久国产高清桃花| 日日夜夜操网爽| 日韩免费av在线播放| 久久久国产精品麻豆| 久久久久久九九精品二区国产| 久久久久久久午夜电影| 午夜福利成人在线免费观看| 中文亚洲av片在线观看爽| 男女床上黄色一级片免费看| xxxwww97欧美| 欧美不卡视频在线免费观看| 日韩欧美三级三区| 免费观看的影片在线观看| 国产成人av激情在线播放| 久久久久久人人人人人| 亚洲欧美一区二区三区黑人| 久久国产精品人妻蜜桃| 99国产极品粉嫩在线观看| 制服丝袜大香蕉在线| 可以在线观看的亚洲视频| 国产成人精品久久二区二区免费| 国产主播在线观看一区二区| 无人区码免费观看不卡| 亚洲欧美精品综合一区二区三区| 成人特级av手机在线观看| 成年免费大片在线观看| 全区人妻精品视频| 日韩欧美免费精品| 久久国产精品人妻蜜桃| 亚洲自拍偷在线| 亚洲欧美一区二区三区黑人| 日本在线视频免费播放| 久久久久亚洲av毛片大全| 欧美成人性av电影在线观看| 国产综合懂色| 男人舔女人的私密视频| cao死你这个sao货| 免费一级毛片在线播放高清视频| 在线观看一区二区三区| 好男人在线观看高清免费视频| 精品国内亚洲2022精品成人| 巨乳人妻的诱惑在线观看| 国产成人影院久久av| 一级毛片女人18水好多| 五月伊人婷婷丁香| 精品一区二区三区视频在线 | 91字幕亚洲| 少妇裸体淫交视频免费看高清| www.精华液| 精品国产超薄肉色丝袜足j| 淫秽高清视频在线观看| 高清在线国产一区| 午夜影院日韩av| 免费搜索国产男女视频| 99国产精品99久久久久| 黄色女人牲交| 午夜精品久久久久久毛片777| 99久久99久久久精品蜜桃| 久久国产乱子伦精品免费另类| 男女视频在线观看网站免费| 午夜日韩欧美国产| 99久久精品热视频| 国内精品久久久久久久电影| 亚洲中文字幕日韩| 男女之事视频高清在线观看| 丁香六月欧美| 午夜免费观看网址| 免费看日本二区| 欧美日韩综合久久久久久 | 久久人妻av系列| 国产乱人视频| 母亲3免费完整高清在线观看| 高潮久久久久久久久久久不卡| av天堂在线播放| 亚洲欧美日韩卡通动漫| 中文字幕高清在线视频| 免费电影在线观看免费观看| 欧美中文日本在线观看视频| 两个人的视频大全免费| 亚洲欧美日韩卡通动漫| 欧美高清成人免费视频www| 国产不卡一卡二| 1024手机看黄色片| av天堂中文字幕网| 久久中文字幕人妻熟女| 最近最新中文字幕大全电影3| 国产精品久久久久久亚洲av鲁大| 桃红色精品国产亚洲av| 婷婷亚洲欧美| 欧美日韩中文字幕国产精品一区二区三区| 亚洲国产色片| 国产乱人视频| 给我免费播放毛片高清在线观看| 国产精品乱码一区二三区的特点| 真实男女啪啪啪动态图| 国产成人欧美在线观看| 久久久水蜜桃国产精品网| 欧美+亚洲+日韩+国产| 成人精品一区二区免费| 熟女少妇亚洲综合色aaa.| 色精品久久人妻99蜜桃| 成年女人永久免费观看视频| 欧美三级亚洲精品| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲欧美精品综合久久99| 最新在线观看一区二区三区| 黄色片一级片一级黄色片| 午夜福利免费观看在线| 黄色成人免费大全| 免费在线观看视频国产中文字幕亚洲| 久久久久国产精品人妻aⅴ院| 香蕉久久夜色| 小说图片视频综合网站| 亚洲av成人不卡在线观看播放网| 国产成人系列免费观看| 亚洲,欧美精品.| a级毛片a级免费在线| 欧美zozozo另类| 日日干狠狠操夜夜爽| 51午夜福利影视在线观看| 国产蜜桃级精品一区二区三区| 老汉色av国产亚洲站长工具| 成年女人永久免费观看视频| 国产伦人伦偷精品视频| 亚洲aⅴ乱码一区二区在线播放| 精品久久久久久久末码| 亚洲欧美日韩高清专用| 国产v大片淫在线免费观看| 欧美色欧美亚洲另类二区| 久久久久性生活片| 亚洲人成伊人成综合网2020| 久久久久国内视频| 观看美女的网站| 观看美女的网站| 国产成人影院久久av| a级毛片在线看网站| 国产成人精品无人区| 叶爱在线成人免费视频播放| 亚洲欧美一区二区三区黑人| 90打野战视频偷拍视频| 最近视频中文字幕2019在线8| 一边摸一边抽搐一进一小说| 99久久国产精品久久久| 久久这里只有精品19| 亚洲精品456在线播放app | 岛国在线免费视频观看| 最近最新免费中文字幕在线| 淫秽高清视频在线观看| 视频区欧美日本亚洲| 中文字幕人妻丝袜一区二区| 亚洲精品美女久久久久99蜜臀| 噜噜噜噜噜久久久久久91| 亚洲欧美日韩高清专用| av片东京热男人的天堂| 男女那种视频在线观看| 亚洲国产精品久久男人天堂| 国产综合懂色| 可以在线观看毛片的网站| 亚洲人成伊人成综合网2020| 日韩欧美在线二视频| 高潮久久久久久久久久久不卡| 好看av亚洲va欧美ⅴa在| 三级国产精品欧美在线观看 | 最近最新免费中文字幕在线| xxxwww97欧美| 亚洲欧洲精品一区二区精品久久久| 亚洲欧洲精品一区二区精品久久久| 亚洲av片天天在线观看| 午夜两性在线视频| 日韩欧美精品v在线| 亚洲激情在线av| 色综合站精品国产| 极品教师在线免费播放| 中亚洲国语对白在线视频| 18禁黄网站禁片午夜丰满| 久久热在线av| av福利片在线观看| 99久久久亚洲精品蜜臀av| 美女午夜性视频免费| 香蕉丝袜av| 成人无遮挡网站| 色av中文字幕| 亚洲午夜理论影院| 夜夜看夜夜爽夜夜摸| 国产欧美日韩一区二区三| 亚洲av熟女| 国产精品亚洲av一区麻豆| 亚洲av片天天在线观看| 国产三级中文精品| 国产精品九九99| 日韩av在线大香蕉| 亚洲第一欧美日韩一区二区三区| 亚洲一区高清亚洲精品| 午夜精品一区二区三区免费看| 三级男女做爰猛烈吃奶摸视频| 日韩中文字幕欧美一区二区| 亚洲激情在线av| 亚洲精华国产精华精| 亚洲第一欧美日韩一区二区三区| 免费在线观看视频国产中文字幕亚洲| ponron亚洲| 亚洲av美国av| 嫩草影院入口| 欧洲精品卡2卡3卡4卡5卡区| 黑人巨大精品欧美一区二区mp4| 久久精品国产清高在天天线| 1024香蕉在线观看| 九色成人免费人妻av| 美女高潮喷水抽搐中文字幕| 久久这里只有精品中国| 少妇人妻一区二区三区视频| 精品久久久久久,| 草草在线视频免费看| 国产精品免费一区二区三区在线| 欧美xxxx黑人xx丫x性爽| 免费人成视频x8x8入口观看| 69av精品久久久久久| 亚洲国产精品成人综合色| 色精品久久人妻99蜜桃| 久久草成人影院| 国产av麻豆久久久久久久| 在线十欧美十亚洲十日本专区| 麻豆一二三区av精品| 成人一区二区视频在线观看| 在线播放国产精品三级| 非洲黑人性xxxx精品又粗又长| x7x7x7水蜜桃| 成人亚洲精品av一区二区| www.熟女人妻精品国产| 91麻豆av在线| 国产精品乱码一区二三区的特点| 精品久久久久久,| 日本免费a在线| xxxwww97欧美| 两性午夜刺激爽爽歪歪视频在线观看| 人人妻人人澡欧美一区二区| 精华霜和精华液先用哪个| 成在线人永久免费视频| tocl精华| 久久热在线av| 黑人巨大精品欧美一区二区mp4| av国产免费在线观看| 视频区欧美日本亚洲| 久9热在线精品视频| 久久久久久久久免费视频了| 日本成人三级电影网站| 国产一区在线观看成人免费| 黄频高清免费视频| 国产精品亚洲av一区麻豆| 久久久久国产精品人妻aⅴ院| 久久这里只有精品中国| 69av精品久久久久久| 亚洲国产中文字幕在线视频| 成人国产综合亚洲| 国产精品av视频在线免费观看| 欧美在线一区亚洲| 欧美日韩亚洲国产一区二区在线观看| h日本视频在线播放| 美女大奶头视频| 亚洲av熟女| 国产人伦9x9x在线观看| 一区二区三区激情视频| 久久久久久大精品| 99久久综合精品五月天人人| 大型黄色视频在线免费观看| 国模一区二区三区四区视频 | 国产毛片a区久久久久| 日韩欧美 国产精品| www.999成人在线观看| 国产精华一区二区三区| 观看免费一级毛片| 国产精品综合久久久久久久免费| 亚洲精品美女久久久久99蜜臀| 别揉我奶头~嗯~啊~动态视频| 最新美女视频免费是黄的| 动漫黄色视频在线观看| 天堂√8在线中文| 免费在线观看亚洲国产| 亚洲无线观看免费| 美女大奶头视频| 中亚洲国语对白在线视频| 高潮久久久久久久久久久不卡| 巨乳人妻的诱惑在线观看| 视频区欧美日本亚洲| 久久草成人影院| 不卡一级毛片| 亚洲性夜色夜夜综合| 熟女少妇亚洲综合色aaa.| 在线观看舔阴道视频| 国产野战对白在线观看| 母亲3免费完整高清在线观看| 成人18禁在线播放| 在线观看66精品国产| 在线免费观看的www视频| 亚洲成av人片免费观看| 一区二区三区国产精品乱码| 国产爱豆传媒在线观看| 免费高清视频大片| 在线观看免费午夜福利视频| 一级毛片高清免费大全| 国产精品久久久久久亚洲av鲁大| 日韩av在线大香蕉| 国产高清videossex| 99视频精品全部免费 在线 | 日韩高清综合在线| 日韩欧美国产在线观看| 亚洲人成网站在线播放欧美日韩| 男女床上黄色一级片免费看| 99精品久久久久人妻精品| 99精品在免费线老司机午夜| 日本免费一区二区三区高清不卡| 国产成人福利小说| 最近在线观看免费完整版| 国产伦精品一区二区三区四那| 日韩免费av在线播放| 久久久久久久精品吃奶| 亚洲avbb在线观看| 激情在线观看视频在线高清| 国产私拍福利视频在线观看| 成人无遮挡网站| 精品一区二区三区av网在线观看| 国产一区二区三区视频了| 亚洲无线在线观看| 一卡2卡三卡四卡精品乱码亚洲| 亚洲熟女毛片儿| 听说在线观看完整版免费高清| 狂野欧美激情性xxxx| 免费av不卡在线播放| 亚洲无线在线观看| 成年女人看的毛片在线观看| 成人av在线播放网站| 麻豆一二三区av精品| 国产真人三级小视频在线观看| 91久久精品国产一区二区成人 | 国产三级黄色录像| 成年女人毛片免费观看观看9| 在线观看66精品国产| 亚洲性夜色夜夜综合| 国内精品久久久久精免费| 色噜噜av男人的天堂激情| 色精品久久人妻99蜜桃| 免费一级毛片在线播放高清视频| 女人高潮潮喷娇喘18禁视频| 国产成人精品无人区| 国产在线精品亚洲第一网站| 欧美一区二区精品小视频在线| 18禁美女被吸乳视频| svipshipincom国产片| 欧美日韩黄片免| 久久中文字幕人妻熟女| 欧洲精品卡2卡3卡4卡5卡区| 亚洲成人久久性| 亚洲狠狠婷婷综合久久图片| 特大巨黑吊av在线直播| 精品不卡国产一区二区三区| 床上黄色一级片| 精品一区二区三区四区五区乱码| 老熟妇乱子伦视频在线观看| 天堂动漫精品| 亚洲成a人片在线一区二区| 国产精品99久久99久久久不卡| 长腿黑丝高跟| 熟女少妇亚洲综合色aaa.| 12—13女人毛片做爰片一| 色精品久久人妻99蜜桃| 老司机深夜福利视频在线观看| 久久久久久国产a免费观看| 日韩欧美在线二视频| 又粗又爽又猛毛片免费看| 香蕉国产在线看| 老熟妇乱子伦视频在线观看| 五月玫瑰六月丁香| 欧美乱妇无乱码| 真人做人爱边吃奶动态| 村上凉子中文字幕在线| 精品国产乱码久久久久久男人| 午夜激情欧美在线| 国产伦一二天堂av在线观看| 亚洲美女黄片视频| 俄罗斯特黄特色一大片| 在线看三级毛片| 久久精品亚洲精品国产色婷小说| 亚洲 国产 在线| 久久精品综合一区二区三区| 久久久国产成人免费| 波多野结衣巨乳人妻| 午夜免费成人在线视频| 我要搜黄色片| 国产成人欧美在线观看| 欧美绝顶高潮抽搐喷水| 18禁黄网站禁片免费观看直播| 中国美女看黄片| 日韩大尺度精品在线看网址| 一区二区三区高清视频在线| 久久久久久久午夜电影| 欧美黄色淫秽网站| 99国产精品一区二区三区| 日韩 欧美 亚洲 中文字幕| 两性夫妻黄色片| 黑人巨大精品欧美一区二区mp4| 啪啪无遮挡十八禁网站| 9191精品国产免费久久| 十八禁网站免费在线| 精品久久久久久久久久久久久| www日本黄色视频网| 久久久久性生活片| 动漫黄色视频在线观看| 亚洲国产欧美一区二区综合| 亚洲专区字幕在线| or卡值多少钱| 丁香六月欧美| 亚洲av美国av| 欧美极品一区二区三区四区| 好男人电影高清在线观看| 男人的好看免费观看在线视频| 久久久久国产精品人妻aⅴ院| 亚洲av日韩精品久久久久久密| 日韩欧美国产在线观看| 日韩成人在线观看一区二区三区| 麻豆国产av国片精品| 曰老女人黄片| 免费观看人在逋| 丁香六月欧美| 久久久久久久久久黄片| 亚洲欧美精品综合久久99| 欧美+亚洲+日韩+国产| 毛片女人毛片| 一二三四在线观看免费中文在| 日韩欧美免费精品| 一级毛片精品| 亚洲av免费在线观看| 人妻久久中文字幕网| 午夜免费成人在线视频| 99精品久久久久人妻精品| 亚洲成人免费电影在线观看| 欧美xxxx黑人xx丫x性爽| 老熟妇乱子伦视频在线观看| 日本a在线网址| 一个人看的www免费观看视频| 中亚洲国语对白在线视频| h日本视频在线播放| 亚洲黑人精品在线| 日韩精品中文字幕看吧| 噜噜噜噜噜久久久久久91| 少妇的逼水好多| 久久久久久国产a免费观看| 亚洲av成人精品一区久久| 国产精品,欧美在线| 亚洲精品乱码久久久v下载方式 | 国语自产精品视频在线第100页| 亚洲黑人精品在线| 亚洲午夜精品一区,二区,三区| 日日干狠狠操夜夜爽| 不卡av一区二区三区| 国产黄色小视频在线观看| 亚洲国产欧美网| 极品教师在线免费播放| 成人永久免费在线观看视频| 黄色视频,在线免费观看| 亚洲一区二区三区不卡视频| 亚洲av电影在线进入| 91九色精品人成在线观看| 中文字幕熟女人妻在线| 中文资源天堂在线| 黄频高清免费视频| 欧美乱色亚洲激情| 欧美性猛交╳xxx乱大交人| 国产 一区 欧美 日韩| 久久久国产欧美日韩av| 嫁个100分男人电影在线观看| 国产熟女xx| 日本精品一区二区三区蜜桃| 精品久久蜜臀av无| 亚洲一区二区三区色噜噜| 欧美大码av| 亚洲一区二区三区色噜噜| 我要搜黄色片| 国产精品一区二区免费欧美| 此物有八面人人有两片| 亚洲七黄色美女视频| 日韩大尺度精品在线看网址| 97人妻精品一区二区三区麻豆| 亚洲五月婷婷丁香| 特级一级黄色大片| 久久天堂一区二区三区四区| 午夜激情福利司机影院| 国产精品1区2区在线观看.| 国产成年人精品一区二区| 亚洲一区高清亚洲精品| 亚洲成人免费电影在线观看| 综合色av麻豆| 国产成人啪精品午夜网站| 色哟哟哟哟哟哟| 香蕉丝袜av| 人妻丰满熟妇av一区二区三区| 搡老岳熟女国产| 国产真实乱freesex| 色老头精品视频在线观看| 男女床上黄色一级片免费看| 亚洲一区高清亚洲精品| 国产午夜福利久久久久久| 国产高清有码在线观看视频| 日韩大尺度精品在线看网址| 午夜a级毛片|