• <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 ?

    改進YOLOv7的煤巖圖像檢測算法

    2024-03-11 09:10:36趙艷芹鄧虎誠
    關(guān)鍵詞:煤巖準(zhǔn)確率卷積

    趙艷芹, 鄧虎誠

    (黑龍江科技大學(xué) 計算機與信息工程學(xué)院, 哈爾濱 150022)

    0 引 言

    能源問題緊密聯(lián)系著國家的經(jīng)濟社會全局發(fā)展,保障煤炭穩(wěn)定供應(yīng)就是維持社會穩(wěn)定運行。降本增效,就是礦山智能化追求的重要目標(biāo)[1],而煤巖圖像檢測技術(shù)就是制約煤炭智能開采的關(guān)鍵難題。

    早期煤巖識別包括超聲波檢測、雷達檢測、紅外線檢測[2-4],這些檢測方法需要額外的物理傳感器,檢測裝置僅能分析出煤炭和巖石不同的物理特征,識別效果不理想。隨著深度學(xué)習(xí)技術(shù)發(fā)展,圖像分析技術(shù)邁入蓬勃發(fā)展時期。司壘等[5]通過改進U-net網(wǎng)絡(luò)模型,有效提升了煤巖圖像分割性能。高峰等[6]提出了一種基于塔式池化架構(gòu)和卷積網(wǎng)絡(luò)的模型,提高了煤巖檢測精度。孫傳猛等[7]針對煤巖界面連續(xù)和貫穿的特點,采用改進YOLOv3算法加快了測試時間。雖然這些深度學(xué)習(xí)方法能夠取得較好的實驗結(jié)果,但是距離真正應(yīng)用還有一定差距。其中最主要的問題就是檢測精度不夠高,模型體量過大。針對以上問題,文中基于YOLOv7模型[8],引入高效卷積模塊ConvNeXt[9]來增強算法對煤巖圖像全局信息的獲取,然后用SimAM[10]機制取代1×1大小的卷積,使算法更加關(guān)注煤炭信息在整個煤巖圖像上的分布,最后將原始算法中的CIoU置換為αIoU[11],分析增強算法不同環(huán)境下煤巖圖像的適用性,通過這些改進,降低模型計算量,實現(xiàn)對煤巖圖像的精準(zhǔn)高效檢測。

    1 YOLOv7網(wǎng)絡(luò)

    YOLOv7是YOLOv4作者團隊提出的最新YOLO系列算法,它在保持高檢測精度的同時,檢測速度也超越相同體量下的YOLO系列算法。YOLOv7結(jié)構(gòu)如圖1所示。YOLOv7模型主要由Backbone、Neck和Head三部分構(gòu)成。三部分分別由CBS卷積模塊、ELAN模塊、MP模塊和RepConv模塊組成。其中,CBS模塊通過不同卷積核完成縮減采樣、特征提取以及更改通道數(shù)的目的。ELAN模塊是創(chuàng)新性的新型高效主干網(wǎng)絡(luò),它通過控制最短最長的梯度路徑使模型網(wǎng)絡(luò)學(xué)習(xí)到更充分的特征信息,有效提升了整個模型的魯棒性。YOLOv7模型的MP模塊使用兩條通道并行思想:一條使用最大池化層;另一條為步長為2的卷積層,有效避免了傳統(tǒng)方法所造成的圖像信息含糊不清問題,達到高效下采樣的效果。RepConv模塊是吸收了RepVGG[12]思想創(chuàng)新后的重卷積模塊,訓(xùn)練網(wǎng)絡(luò)時,多分支模型相比單分支會有更高性能,模型推理時,單分支結(jié)構(gòu)速度更快,更節(jié)省內(nèi)存,RepConv模塊通過重構(gòu)網(wǎng)絡(luò)結(jié)構(gòu),應(yīng)用卷積合并、多分支融合思想,使模型獲得高速高效推理性能。

    圖1 YOLOv7網(wǎng)絡(luò)結(jié)構(gòu)Fig. 1 YOLOv7 network structure

    2 改進算法

    2.1 改進后YOLOv7網(wǎng)絡(luò)結(jié)構(gòu)

    YOLOv7算法性能的優(yōu)越性有目共睹,特別是針對一些常規(guī)任務(wù),例如行人車輛檢測、動物植物檢測等,但是將YOLOv7直接應(yīng)用到煤巖圖像檢測上卻還是存在一些問題。通過多次實驗發(fā)現(xiàn)YOLOv7對于煤巖圖像中一些淺色煤炭區(qū)域信息提取不夠充分,對于煤炭與深色巖石混合圖像容易造成漏檢現(xiàn)象的情況,因此在網(wǎng)絡(luò)結(jié)構(gòu)上,文中決定通過引入ConvNeXt模塊和改進MP模塊提高模型對于煤巖圖像特征提取效率,與此同時降低模型規(guī)模,實現(xiàn)小巧且精準(zhǔn)。改進后YOLOv7網(wǎng)絡(luò)結(jié)構(gòu),如圖2所示。

    圖2 改進后YOLOv7網(wǎng)絡(luò)結(jié)構(gòu)Fig. 2 Improved YOLOv7 network structure

    2.2 ConvNeXt模塊

    煤巖圖像的來源大部分來自井下,受限于缺少自然光照和粉塵飛舞的條件,煤巖圖像的清晰度總是會受到影響,從而降低目標(biāo)檢測算法的準(zhǔn)確性。相比于直接添加多層注意力機制或者加入特征提取網(wǎng)絡(luò)會帶來的模型增大,文中通過ConvNeXt替換YOLOv7網(wǎng)絡(luò)中的一部分CBS結(jié)構(gòu),做到了檢測精度提高的同時縮小了模型大小。

    ConvNeXt是一種純卷積神經(jīng)網(wǎng)絡(luò),它對標(biāo)的是Swin Transformer,通過一系列實驗比對,在相同的FLOPs下,ConvNeXt相比Swin Transformer擁有更快的推理速度以及更高的準(zhǔn)確率。ConvNeXt Block如圖3所示。

    圖3 ConvNeXt 模塊Fig. 3 ConvNeXt block

    ConvNeXt模塊雖然是純卷積結(jié)構(gòu),但是卻與傳統(tǒng)卷積網(wǎng)絡(luò)有很多區(qū)別,這也是它取得高效率的關(guān)鍵所在。在處理同樣的圖像信息時,傳統(tǒng)卷積使用3×3或者1×1大小的卷積核提取信息,而ConvNeXt模塊考慮到注意力模型由于全局信息獲取帶來的高準(zhǔn)確率,使用7×7的大卷積核來提高全局信息獲取能力。

    2.3 改進的MP_SAM模塊

    相對于其他經(jīng)典注意力機制的一維、二維注意力,SimAM注意力同等地對待圖像中的位置和通道信息,從而獲得更多目標(biāo)信息。借鑒神經(jīng)科學(xué)中信息豐富的神經(jīng)元通常表現(xiàn)出與周圍神經(jīng)元不同放電模式的特點,賦予具有激活效應(yīng)神經(jīng)元更高的重要性,從而使模型獲知與檢測目標(biāo)更相關(guān)的信息。SimAM原理如圖4所示。

    由于煤巖圖像的復(fù)雜性,圖片中煤炭和巖石并不是相互間隔開,反而是相互交融,有時肉眼都難以分辨。為了進一步提高模型識別準(zhǔn)確性,文中引用了SimAM注意力機制,創(chuàng)新出MP_SAM模塊,將原來的1×1大小卷積替換為SimAM注意力,從而讓上分支輸入信息得到特征加強,使輸出后的信息更加專注于煤炭區(qū)域,加強了模型的特征獲取能力。MP_SAM結(jié)構(gòu)如圖5所示。

    圖4 SimAM原理Fig. 4 Principle of SimAM

    圖5 MP_SAM結(jié)構(gòu)Fig. 5 MP_SAM structure

    2.4 αIoU

    YOLOv7損失函數(shù)對于常規(guī)任務(wù)有相當(dāng)好的表現(xiàn),但是當(dāng)任務(wù)具體到煤巖圖像檢測時,由于煤巖圖像單調(diào)灰黑的特質(zhì),YOLOv7自帶的CIoU損失函數(shù)并沒有取得很好的效果。文中選取了αIoU來替換原模型的CIoU,從而使新模型更加適配煤巖圖像數(shù)據(jù)集,檢測效果更好。

    αIoU將現(xiàn)有的基于IoU 的損失進行了一個推廣,使αIoU可以有著超越現(xiàn)有基于IoU的損失,通過調(diào)節(jié)α,使探測器更靈活地實現(xiàn)不同水平的bbox回歸精度,并且αIoU對小數(shù)據(jù)集和噪聲的魯棒性更強。αIoU計算公式為

    式中:a——αIOU的參數(shù);

    ρ——兩個矩形框之間的歐氏距離;

    b、bgt——兩個矩形框的中心點坐標(biāo);

    c——兩個矩形框的閉包區(qū)域的對角線的距離;

    β——權(quán)重系數(shù);

    ν——兩個矩形框的相對比例。

    3 實驗結(jié)果與分析

    3.1 實驗環(huán)境與準(zhǔn)備

    實驗的硬件配置為:Intel Xeon(R) Gold 6240 CPU,NVIDIA Tesla V100 32 G顯卡,內(nèi)存32 G,軟件配置為CUDA 10.1,Ubuntu 18.04,Python 3.7。數(shù)據(jù)集使用的是從黑龍江科技大學(xué)礦業(yè)工程學(xué)院收集的煤巖圖像數(shù)據(jù),共計3 425張。3 243張用于訓(xùn)練,172張用于測試。訓(xùn)練過程中Epoch值為300,Batch size為16,輸入尺寸為640。

    3.2 實驗評價指標(biāo)

    實驗使用算法精度評價指標(biāo)為識別準(zhǔn)確率P、召回率R、平均準(zhǔn)確率AP、平均準(zhǔn)確率均值mAP,一般使用mAP來對整個目標(biāo)檢測網(wǎng)絡(luò)模型的檢測性能進行評價。計算公式分別為

    式中:TP——檢測正確樣本數(shù)量;

    FP——檢測錯誤樣本數(shù)量;

    FN——漏檢樣本數(shù)量;

    AP——P-R曲線面積;

    c——類別數(shù)量。

    3.3 消融與對比實驗

    為了驗證ConvNeXt模塊,MP_SAM模塊,αIoU 對YOLOv7原版模型的影響,文中設(shè)計了八組消融實驗,采用了相同的數(shù)據(jù)集和軟硬件設(shè)備。所得模型運算規(guī)模、準(zhǔn)確率、召回率和mAP結(jié)果見表1,其中“√”表示使用了該模塊。

    第一組為YOLOv7原版結(jié)果,將其作為基準(zhǔn)。第二組單獨引入ConvNeXt模塊雖然準(zhǔn)確率有所下降,但是模型大小降低0.2 G。第三組單獨結(jié)合MP_SAM模塊,模型規(guī)模下降0.5 G,召回率提升2.5%。第四組改進損失函數(shù)后,召回率和mAP提升了2.9%和0.4%。第五組同時引入兩種增加模型信息獲取能力的模塊,各項數(shù)據(jù)都有了提升。第六組在第三組基礎(chǔ)上改進了損失函數(shù),準(zhǔn)確率提升2.3%。第七組引入ConvNeXt模塊,改進了損失函數(shù),召回率提升1.6%。第八組為改進后的YOLOv7模型,與原版YOLOv7模型對比:通過融合高效卷積模塊ConvNeXt,利用7×7大小的卷積核取代了普通大小卷積,一方面減少了卷積運算次數(shù)降低了模型計算量,另一方面大卷積核的全局視野提升了模型的精確度;通過改進后的MP_SAM模塊,將無參注意力機制SimAM替換普通卷積,使該模塊計算量大大降低,同時提升了模型特征提取效果;改進損失函數(shù),提升了模型高效處理信息能力。通過以上改進,文中模型相比YOLOv7模型計算規(guī)模降低了0.7 G,準(zhǔn)確率提升3.9%,mAP增加 1.5%,更好地實現(xiàn)了對煤巖圖像的精準(zhǔn)檢測。常用幾種模型的精度和大小對比結(jié)果見表2。其中,F為運算量。

    表1 消融實驗結(jié)果對比

    表2 不同模型結(jié)果對比

    為了驗證文中改進YOLOv7模型的有效性,在保持配置環(huán)境和訓(xùn)練參數(shù)一致的情況下,與其他模型對比試驗,訓(xùn)練過程如圖6所示。

    圖6 訓(xùn)練過程Fig. 6 Training process

    從表2可以看出,相比較于其他模型準(zhǔn)確率有所提升導(dǎo)致模型大小增加,或者模型大小下降隨之準(zhǔn)確率下降的情況,改進后的YOLOv7模型保持了精度和模型規(guī)模的平衡,在進行實驗的所有模型中,文中算法平均精度最高,規(guī)模相對較小。改進后的文中模型與原版YOLOv7模型相比雖然召回率降低了0.3 %,但其準(zhǔn)確率提升了3.9 %,mAP提升了1.5%;相對于YOLOv5l模型,召回率提升10.4 %,mAP提升3.8 %,FLOPs下降了13.4 G,模型大小減少了104.8 MB,參數(shù)量減少了10.7 M。結(jié)合訓(xùn)練過程綜合來看,由于文中改進模型增加了高效卷積模塊ConvNeXt和引入注意力機制的MP_SAM,提高了煤炭特征識別區(qū)分能力,使模型在煤巖圖像檢測任務(wù)中表現(xiàn)優(yōu)異。

    將測試數(shù)據(jù)輸入三種模型中進行對比,測試結(jié)果如圖7所示。

    圖7 不同模型測試結(jié)果Fig. 7 Testing results of different models

    由圖7可見,改進后YOLOv7模型由于使用ConvNeXt模塊和MP_SAM模塊,對于煤炭特征信息的獲取更加準(zhǔn)確,對于深色背景融合在一起的煤巖圖像,文中模型不僅準(zhǔn)確識別出了中間的大塊煤炭區(qū)域,而且檢測出原模型和YOLOv5沒有檢測到的上方小型煤炭區(qū)域。從其他三張測試圖中也可以看出,文中算法識別準(zhǔn)確率更高,識別效果優(yōu)于其他算法。

    4 結(jié) 論

    (1)文中針對煤巖圖像識別中精度和模型計算規(guī)模難以平衡的問題,提出了一種通過替換原模型一部分普通卷積模塊從而改進YOLOv7的煤巖圖像檢測算法。

    (2)利用高效純卷積模塊ConvNeXt,在降低模型計算規(guī)模同時提高特征提取效果。使用SimAM注意力機制,創(chuàng)新出MP_SAM模塊,使改進后模型提取與煤炭更相關(guān)的圖像信息。對損失函數(shù)進行了優(yōu)化,利用αIoU損失函數(shù)更強泛用性,更高魯棒性的特點,代替了原模型的CIoU損失函數(shù),以此使模型更適用于煤礦中提取的煤巖圖像,增加模型抗干擾能力。實驗結(jié)果表明,文中算法檢測效果優(yōu)于YOLOv7和其他目標(biāo)檢測算法。對比YOLOv7,改進后算法準(zhǔn)確率提升了3.9 %,平均準(zhǔn)確率提升了1.5%,FLOPs下降了0.7 G。

    猜你喜歡
    煤巖準(zhǔn)確率卷積
    煤巖顯微組分分選研究進展
    基于3D-Winograd的快速卷積算法設(shè)計及FPGA實現(xiàn)
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    2015—2017 年寧夏各天氣預(yù)報參考產(chǎn)品質(zhì)量檢驗分析
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    高速公路車牌識別標(biāo)識站準(zhǔn)確率驗證法
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    半煤巖巷金屬支架錨桿聯(lián)合支護在白源礦應(yīng)用
    綜掘機在大坡度半煤巖巷中的應(yīng)用
    亚洲国产精品专区欧美| 亚洲在久久综合| 亚洲精品aⅴ在线观看| www.色视频.com| 高清不卡的av网站| 91精品国产九色| 熟女av电影| 日本黄大片高清| 国产极品粉嫩免费观看在线 | 99热网站在线观看| 欧美日韩国产mv在线观看视频| 免费看av在线观看网站| 精品人妻熟女毛片av久久网站| 在线天堂最新版资源| 日韩精品有码人妻一区| 精品国产国语对白av| 极品教师在线视频| 看十八女毛片水多多多| 国产一区二区在线观看av| 偷拍熟女少妇极品色| 日韩 亚洲 欧美在线| 亚洲三级黄色毛片| 男的添女的下面高潮视频| 国产精品人妻久久久影院| 插阴视频在线观看视频| 黄色欧美视频在线观看| 久久久亚洲精品成人影院| 2018国产大陆天天弄谢| 少妇人妻精品综合一区二区| 少妇被粗大的猛进出69影院 | 欧美97在线视频| 夜夜看夜夜爽夜夜摸| 亚洲国产av新网站| 大香蕉97超碰在线| 亚洲丝袜综合中文字幕| 日产精品乱码卡一卡2卡三| 亚洲av福利一区| 亚洲国产最新在线播放| 精品亚洲成国产av| 国产成人精品无人区| 亚洲自偷自拍三级| 亚洲人与动物交配视频| 蜜桃在线观看..| 亚洲一区二区三区欧美精品| 大片电影免费在线观看免费| 免费观看无遮挡的男女| 99久久人妻综合| 一级爰片在线观看| 永久网站在线| 在线观看三级黄色| 国产精品99久久99久久久不卡 | 日韩av在线免费看完整版不卡| 午夜久久久在线观看| 久久久久精品性色| 午夜视频国产福利| 欧美日韩在线观看h| 综合色丁香网| 亚洲av在线观看美女高潮| 久久久久久久久久久免费av| 我的女老师完整版在线观看| av不卡在线播放| av在线老鸭窝| 日韩一本色道免费dvd| 欧美另类一区| 国产一级毛片在线| 久久久久久久久久人人人人人人| 亚洲精品色激情综合| 夜夜骑夜夜射夜夜干| 观看免费一级毛片| 成年美女黄网站色视频大全免费 | 性色avwww在线观看| 久久久久久久久久久丰满| 一级二级三级毛片免费看| 一本大道久久a久久精品| 精品亚洲成国产av| 男女啪啪激烈高潮av片| av天堂久久9| 99热这里只有是精品在线观看| 久久亚洲国产成人精品v| 国产亚洲5aaaaa淫片| 9色porny在线观看| 久久久久久久国产电影| 亚洲欧美精品自产自拍| 伦理电影免费视频| 免费看日本二区| 国产成人freesex在线| 日韩中字成人| 嫩草影院入口| 美女中出高潮动态图| 天天操日日干夜夜撸| 有码 亚洲区| 久久精品夜色国产| 久久精品国产亚洲av涩爱| 亚洲天堂av无毛| 啦啦啦视频在线资源免费观看| 内地一区二区视频在线| 91久久精品电影网| 国产亚洲最大av| 三级国产精品片| 国产成人一区二区在线| 亚洲欧美成人综合另类久久久| 好男人视频免费观看在线| 日本91视频免费播放| 天堂中文最新版在线下载| 大片电影免费在线观看免费| 国产亚洲一区二区精品| 国产精品一区二区在线观看99| 亚洲av.av天堂| 热99国产精品久久久久久7| 日韩电影二区| 国产精品无大码| 日日爽夜夜爽网站| 久久久久久久亚洲中文字幕| 国产精品国产三级专区第一集| 免费大片18禁| 91成人精品电影| 两个人的视频大全免费| 观看美女的网站| 一本久久精品| 大又大粗又爽又黄少妇毛片口| 色网站视频免费| 亚洲精品乱码久久久久久按摩| 少妇人妻一区二区三区视频| 国产国拍精品亚洲av在线观看| 午夜福利影视在线免费观看| 丰满饥渴人妻一区二区三| 亚洲丝袜综合中文字幕| 日本黄大片高清| 菩萨蛮人人尽说江南好唐韦庄| 91精品国产国语对白视频| 伊人久久国产一区二区| 婷婷色麻豆天堂久久| 搡老乐熟女国产| 亚洲四区av| 观看免费一级毛片| 亚洲激情五月婷婷啪啪| 热re99久久国产66热| 免费黄网站久久成人精品| 你懂的网址亚洲精品在线观看| 国产成人精品婷婷| 亚洲国产成人一精品久久久| 国产成人精品无人区| 中国国产av一级| 特大巨黑吊av在线直播| 欧美日韩综合久久久久久| 在线观看三级黄色| 亚洲国产成人一精品久久久| 亚洲精品aⅴ在线观看| 美女xxoo啪啪120秒动态图| 特大巨黑吊av在线直播| 国内少妇人妻偷人精品xxx网站| 亚洲av电影在线观看一区二区三区| 国产一级毛片在线| 纵有疾风起免费观看全集完整版| 亚洲,一卡二卡三卡| 一个人免费看片子| 哪个播放器可以免费观看大片| 美女内射精品一级片tv| 91精品一卡2卡3卡4卡| 少妇被粗大猛烈的视频| 国产美女午夜福利| 99视频精品全部免费 在线| 2018国产大陆天天弄谢| 高清毛片免费看| 欧美xxⅹ黑人| 91在线精品国自产拍蜜月| 观看免费一级毛片| 69精品国产乱码久久久| 亚洲欧美中文字幕日韩二区| 久久久国产精品麻豆| av又黄又爽大尺度在线免费看| 最近的中文字幕免费完整| 免费大片黄手机在线观看| 丰满人妻一区二区三区视频av| 水蜜桃什么品种好| 久久久国产精品麻豆| 亚洲内射少妇av| 国产一级毛片在线| 精品熟女少妇av免费看| 久久影院123| 亚洲精品中文字幕在线视频 | 久久人人爽人人爽人人片va| 极品教师在线视频| 亚洲精品亚洲一区二区| av卡一久久| 亚洲三级黄色毛片| 亚洲欧洲国产日韩| 国产精品国产三级国产专区5o| 看十八女毛片水多多多| 噜噜噜噜噜久久久久久91| 国产91av在线免费观看| 91午夜精品亚洲一区二区三区| 亚洲精品久久午夜乱码| 人妻 亚洲 视频| 精品久久久久久久久亚洲| 成年人午夜在线观看视频| 午夜福利,免费看| 亚洲怡红院男人天堂| 在线 av 中文字幕| 看免费成人av毛片| 免费久久久久久久精品成人欧美视频 | 日韩,欧美,国产一区二区三区| 中国三级夫妇交换| 三上悠亚av全集在线观看 | 在线观看www视频免费| 美女脱内裤让男人舔精品视频| 伦理电影免费视频| 精品人妻一区二区三区麻豆| 亚洲熟女精品中文字幕| 男人和女人高潮做爰伦理| 久久久久久久久久成人| 色哟哟·www| 亚洲人成网站在线播| 成人毛片a级毛片在线播放| 久久久久久久精品精品| 国产淫语在线视频| 国产成人免费观看mmmm| 18禁动态无遮挡网站| 国产女主播在线喷水免费视频网站| 日本av手机在线免费观看| 免费少妇av软件| 哪个播放器可以免费观看大片| 色婷婷久久久亚洲欧美| 免费av不卡在线播放| 久久久精品94久久精品| 国产一区有黄有色的免费视频| 国产黄频视频在线观看| 人妻少妇偷人精品九色| 精品国产露脸久久av麻豆| 成人漫画全彩无遮挡| 久久久国产欧美日韩av| 精品久久久久久久久亚洲| 久久久久精品性色| 色94色欧美一区二区| 成人特级av手机在线观看| av黄色大香蕉| 国产极品粉嫩免费观看在线 | 狠狠精品人妻久久久久久综合| 国产女主播在线喷水免费视频网站| 国精品久久久久久国模美| 秋霞伦理黄片| 亚洲精品色激情综合| 亚洲国产成人一精品久久久| 国产精品福利在线免费观看| 欧美精品亚洲一区二区| 亚洲av日韩在线播放| 高清不卡的av网站| 亚洲在久久综合| 国产男女内射视频| 亚洲国产毛片av蜜桃av| 亚洲精品日韩av片在线观看| 国产精品一二三区在线看| 亚洲第一区二区三区不卡| 日日摸夜夜添夜夜爱| 99久久人妻综合| 日本免费在线观看一区| 国产精品免费大片| 新久久久久国产一级毛片| 亚洲精品乱码久久久久久按摩| videossex国产| 久久av网站| 国产欧美另类精品又又久久亚洲欧美| 久久久久久人妻| 蜜臀久久99精品久久宅男| 国内精品宾馆在线| 免费久久久久久久精品成人欧美视频 | 精品国产乱码久久久久久小说| 欧美精品亚洲一区二区| 亚洲国产精品一区二区三区在线| av卡一久久| 亚洲国产精品999| 在线观看三级黄色| 国产精品久久久久久久久免| 一个人看视频在线观看www免费| 美女脱内裤让男人舔精品视频| 成人午夜精彩视频在线观看| 最近中文字幕2019免费版| 日韩精品有码人妻一区| 欧美 亚洲 国产 日韩一| 美女中出高潮动态图| 久久热精品热| 啦啦啦中文免费视频观看日本| 国产精品麻豆人妻色哟哟久久| 日韩av不卡免费在线播放| 精品少妇久久久久久888优播| 亚洲国产欧美日韩在线播放 | 精品国产乱码久久久久久小说| 一级毛片我不卡| 老女人水多毛片| 99精国产麻豆久久婷婷| 七月丁香在线播放| 国内精品宾馆在线| 秋霞伦理黄片| 国产精品福利在线免费观看| 国产高清国产精品国产三级| 超碰97精品在线观看| 伊人久久精品亚洲午夜| 欧美bdsm另类| 精品久久久精品久久久| 日日啪夜夜爽| 三级国产精品欧美在线观看| 久久久精品94久久精品| 青春草国产在线视频| 精品少妇黑人巨大在线播放| 久久久久久久久大av| 久久国产亚洲av麻豆专区| 欧美97在线视频| 久久久久久久久久久丰满| 国产精品一区二区性色av| 国产免费视频播放在线视频| 日韩视频在线欧美| 国产 一区精品| 色婷婷久久久亚洲欧美| 国产伦在线观看视频一区| 日韩在线高清观看一区二区三区| 国产白丝娇喘喷水9色精品| 色吧在线观看| 韩国av在线不卡| 一级毛片黄色毛片免费观看视频| 男女国产视频网站| 免费看日本二区| 老司机影院毛片| 一区二区av电影网| 国产精品熟女久久久久浪| 日韩成人伦理影院| www.色视频.com| 人妻少妇偷人精品九色| 看免费成人av毛片| 国产成人精品婷婷| 超碰97精品在线观看| 国产熟女欧美一区二区| 国产精品欧美亚洲77777| 极品教师在线视频| 国产免费一级a男人的天堂| 久久久久久久精品精品| 国产成人精品一,二区| 街头女战士在线观看网站| 日韩免费高清中文字幕av| 人人妻人人爽人人添夜夜欢视频 | 丰满乱子伦码专区| 国产成人午夜福利电影在线观看| 久久影院123| 18+在线观看网站| 成人特级av手机在线观看| h视频一区二区三区| 777米奇影视久久| 久久久a久久爽久久v久久| 日日撸夜夜添| 国产成人精品一,二区| 18禁裸乳无遮挡动漫免费视频| 精品人妻一区二区三区麻豆| 一本—道久久a久久精品蜜桃钙片| 国产日韩欧美亚洲二区| 一本—道久久a久久精品蜜桃钙片| 又爽又黄a免费视频| 亚洲国产精品专区欧美| tube8黄色片| 视频区图区小说| 成年av动漫网址| 3wmmmm亚洲av在线观看| 中文字幕制服av| 一级,二级,三级黄色视频| 久久 成人 亚洲| 国精品久久久久久国模美| 国产免费一区二区三区四区乱码| av专区在线播放| 国产伦精品一区二区三区视频9| 人妻人人澡人人爽人人| 国产伦理片在线播放av一区| 日韩av免费高清视频| 精品99又大又爽又粗少妇毛片| 亚洲无线观看免费| 2022亚洲国产成人精品| 亚洲欧美日韩卡通动漫| 麻豆精品久久久久久蜜桃| 国产精品不卡视频一区二区| 精品久久久久久电影网| 一级黄片播放器| 国产av码专区亚洲av| 一个人看视频在线观看www免费| 久久人妻熟女aⅴ| 夜夜骑夜夜射夜夜干| 精品熟女少妇av免费看| 欧美日韩av久久| 伊人亚洲综合成人网| 欧美日韩av久久| 久久久亚洲精品成人影院| 免费黄色在线免费观看| 深夜a级毛片| 免费看日本二区| 五月伊人婷婷丁香| 老熟女久久久| 2022亚洲国产成人精品| 五月天丁香电影| 亚洲精品国产av蜜桃| 亚洲av综合色区一区| .国产精品久久| 2018国产大陆天天弄谢| 国产欧美日韩一区二区三区在线 | av在线app专区| 亚洲激情五月婷婷啪啪| 亚洲av男天堂| 欧美3d第一页| 亚洲av欧美aⅴ国产| 丰满少妇做爰视频| 日韩,欧美,国产一区二区三区| 成人特级av手机在线观看| 免费黄频网站在线观看国产| 五月伊人婷婷丁香| 99热全是精品| 日本黄大片高清| 六月丁香七月| 内射极品少妇av片p| 日本猛色少妇xxxxx猛交久久| av在线app专区| 看非洲黑人一级黄片| 在线免费观看不下载黄p国产| 成年美女黄网站色视频大全免费 | 春色校园在线视频观看| 国产精品一区二区三区四区免费观看| 多毛熟女@视频| av国产久精品久网站免费入址| 久久久久精品性色| 黄色配什么色好看| 爱豆传媒免费全集在线观看| 老司机亚洲免费影院| 国产白丝娇喘喷水9色精品| 久久综合国产亚洲精品| 国产色婷婷99| 亚洲美女视频黄频| 久久人人爽人人片av| 熟女电影av网| 久久久久久久精品精品| 久久久欧美国产精品| 久久人人爽av亚洲精品天堂| 看十八女毛片水多多多| 国产精品熟女久久久久浪| 天天躁夜夜躁狠狠久久av| a级毛色黄片| 欧美日韩精品成人综合77777| 自线自在国产av| 各种免费的搞黄视频| 久久精品熟女亚洲av麻豆精品| 男女国产视频网站| 久久久久国产网址| 99久久精品国产国产毛片| a级毛片在线看网站| 妹子高潮喷水视频| 亚洲综合色惰| 国产在线男女| 成人漫画全彩无遮挡| 国产在线视频一区二区| 成人无遮挡网站| 肉色欧美久久久久久久蜜桃| 国产黄色视频一区二区在线观看| 久久国产乱子免费精品| 乱码一卡2卡4卡精品| 国产亚洲午夜精品一区二区久久| 午夜福利,免费看| 少妇裸体淫交视频免费看高清| 女人久久www免费人成看片| 性色avwww在线观看| 久久人妻熟女aⅴ| 成年人午夜在线观看视频| 欧美亚洲 丝袜 人妻 在线| 国产无遮挡羞羞视频在线观看| 亚洲美女视频黄频| 日韩精品免费视频一区二区三区 | 精品国产露脸久久av麻豆| 人妻少妇偷人精品九色| 久久国产乱子免费精品| 人妻人人澡人人爽人人| 熟女电影av网| av不卡在线播放| 交换朋友夫妻互换小说| 亚洲av综合色区一区| 国产成人91sexporn| 久久久久久久亚洲中文字幕| 在线观看国产h片| h日本视频在线播放| 国内精品宾馆在线| 中文欧美无线码| 又爽又黄a免费视频| 夫妻午夜视频| 看免费成人av毛片| 国产精品嫩草影院av在线观看| 国产黄色免费在线视频| 老熟女久久久| 免费av中文字幕在线| 欧美日本中文国产一区发布| 亚洲av免费高清在线观看| 免费高清在线观看视频在线观看| 亚洲美女搞黄在线观看| 午夜久久久在线观看| 国产一区二区三区综合在线观看 | 天堂8中文在线网| 久久国产精品大桥未久av | 99热国产这里只有精品6| 国产日韩欧美在线精品| 综合色丁香网| 天堂中文最新版在线下载| 麻豆精品久久久久久蜜桃| 亚洲国产av新网站| 少妇的逼水好多| 亚洲,一卡二卡三卡| 亚洲国产精品一区二区三区在线| 婷婷色av中文字幕| 日韩大片免费观看网站| 精品一区二区三卡| 又粗又硬又长又爽又黄的视频| 中文字幕免费在线视频6| 秋霞伦理黄片| 日韩中文字幕视频在线看片| 国产在线一区二区三区精| 又大又黄又爽视频免费| 久久久久久久久久久丰满| 国产精品欧美亚洲77777| 国产成人精品福利久久| 亚洲国产精品成人久久小说| av福利片在线| 亚洲丝袜综合中文字幕| 91久久精品国产一区二区成人| 免费观看av网站的网址| 欧美3d第一页| 在线观看三级黄色| 久久久久国产网址| 简卡轻食公司| 成人国产麻豆网| a级一级毛片免费在线观看| 卡戴珊不雅视频在线播放| av网站免费在线观看视频| 在线亚洲精品国产二区图片欧美 | 久久国产亚洲av麻豆专区| 中文天堂在线官网| 欧美成人午夜免费资源| 亚洲精品国产色婷婷电影| 国产精品99久久久久久久久| 黄色怎么调成土黄色| 久久久久久久国产电影| 久久鲁丝午夜福利片| 精品少妇久久久久久888优播| 中文资源天堂在线| 精品一区在线观看国产| 国产精品不卡视频一区二区| 久久97久久精品| 最近中文字幕2019免费版| 亚洲欧美中文字幕日韩二区| 免费人妻精品一区二区三区视频| 精品99又大又爽又粗少妇毛片| 国产 一区精品| av线在线观看网站| 午夜激情久久久久久久| 午夜免费观看性视频| 国国产精品蜜臀av免费| 日韩在线高清观看一区二区三区| 国产精品一区二区在线不卡| 国产午夜精品一二区理论片| 中国国产av一级| 亚洲欧美日韩东京热| 色婷婷久久久亚洲欧美| 久久精品久久久久久噜噜老黄| 久久久精品免费免费高清| 精品国产国语对白av| 久久99精品国语久久久| 国产高清三级在线| 久久精品久久精品一区二区三区| 我的老师免费观看完整版| 久久久久久久国产电影| 亚洲精品国产色婷婷电影| 国产av码专区亚洲av| 男人狂女人下面高潮的视频| 九色成人免费人妻av| 国产白丝娇喘喷水9色精品| 亚洲精品成人av观看孕妇| 成人国产av品久久久| 亚洲国产日韩一区二区| 简卡轻食公司| 九九久久精品国产亚洲av麻豆| 欧美高清成人免费视频www| 插阴视频在线观看视频| 欧美日韩视频精品一区| 久久精品熟女亚洲av麻豆精品| 在线观看免费高清a一片| 国产黄色免费在线视频| 久久久a久久爽久久v久久| 人人妻人人添人人爽欧美一区卜| 在线天堂最新版资源| 丝袜在线中文字幕| 一级a做视频免费观看| 老司机影院毛片| 久久精品久久久久久久性| 一边亲一边摸免费视频| 黑丝袜美女国产一区| 成人二区视频| 国产精品欧美亚洲77777| 精品国产露脸久久av麻豆| 午夜激情福利司机影院| 免费人妻精品一区二区三区视频| 自线自在国产av| 少妇的逼好多水| 十八禁网站网址无遮挡 | 日韩熟女老妇一区二区性免费视频| 成人无遮挡网站| 男女边摸边吃奶| 精品99又大又爽又粗少妇毛片| xxx大片免费视频| 国产毛片在线视频| 好男人视频免费观看在线| 欧美xxⅹ黑人| 秋霞在线观看毛片| 99热国产这里只有精品6| 99热这里只有是精品50| 91久久精品国产一区二区三区| 国产成人freesex在线| 一本久久精品|