• <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 ?

    基于集中注意力接受場(chǎng)網(wǎng)絡(luò)的偏振成像偽裝目標(biāo)檢測(cè)

    2024-11-04 00:00:00徐國(guó)明陳奇志劉綦馬健王峰

    摘 要:

    針對(duì)偽裝物體分割中圖像識(shí)別魯棒性較差,模型泛化性不強(qiáng)的問(wèn)題,受神經(jīng)科學(xué)中人類(lèi)視覺(jué)系統(tǒng)接受場(chǎng)結(jié)構(gòu)的啟發(fā),提出一種基于集中注意力接受場(chǎng)網(wǎng)絡(luò)的偏振成像偽裝目標(biāo)檢測(cè)方法。根據(jù)偏振成像目標(biāo)探測(cè)需要,構(gòu)建了能有效遏制背景噪聲以及獲取目標(biāo)細(xì)節(jié)特征的偏振成像數(shù)據(jù)集。方法基于識(shí)別與定位網(wǎng)絡(luò)框架,通過(guò)改進(jìn)特征提取模塊和解碼器模塊,該模塊利用了偏心度和感受野大小之間的關(guān)系,涵蓋多尺度的目標(biāo)信息,可以有效提高偽裝目標(biāo)特征的可分辨性和魯棒性。實(shí)驗(yàn)驗(yàn)證利用自建數(shù)據(jù)集在多個(gè)典型目標(biāo)上進(jìn)行,并與經(jīng)典算法進(jìn)行分割結(jié)果的主觀(guān)視覺(jué)與客觀(guān)評(píng)價(jià)指標(biāo)對(duì)比,對(duì)比實(shí)驗(yàn)結(jié)果驗(yàn)證了該方法的有效性。

    關(guān)鍵詞:偏振成像;偽裝目標(biāo)分割;機(jī)器視覺(jué);卷積神經(jīng)網(wǎng)絡(luò);數(shù)據(jù)集

    中圖分類(lèi)號(hào):TP391.41 文獻(xiàn)標(biāo)志碼:A 文章編號(hào):1001-3695(2024)09-040-2854-06

    doi: 10.19734/j.issn.1001-3695.2023.10.0574

    Polarization imaging camouflage target detection based on focused attention receptive field network

    Xu Guoming1,2,3, Chen Qizhi1, Liu Qi1,2, Ma Jian1,2, Wang Feng3

    (1.School of Internet, Anhui University, Hefei 230039, China; 2.National Engineering Research Center for Agro-Ecological Big Data Analysis & Application, Anhui University, Hefei 230601, China; 3.Anhui Province Key Laboratory of Polarized Imaging Detecting Technology, Hefei 230031, China)

    Abstract:

    Aiming at the problems of poor image recognition robustness and poor model generalization in camouflaged object segmentation, inspired by the receptive field structure of the human visual system in neuroscience, this paper proposed a polarization imaging camouflage target detection method based on the receptive field network of focused attention. According to the polarization imaging target detection needs, it constructed the polarization imaging dataset that could effectively contain the background noise as well as obtain the detailed features of the target. The proposed method based on the recognition and localization network framework, which could effectively improve the discriminability and robustness of camouflaged target features by improving the feature extraction module and the decoder module, which exploited the relationship between the eccentricity and the size of the receptive field to cover multi-scale target information. The experimental validation carries out using a self-constructed dataset on multiple typical targets and comparing the subjective visual and objective evaluation metrics of the segmentation results with classical algorithms, and the results of the ablation experiments validate the effectiveness of the present segmentation method.

    Key words:polarization image; camouflaged object segmentation; machine vision; convolutional neural network; dataset

    0 引言

    偏振、干涉、衍射都是光的重要物理特性,其中偏振是指相對(duì)于光的傳播方向,光的振動(dòng)方向是不對(duì)稱(chēng)的,地表或者大氣層的物體在受到光的反射、散射、投射和電磁輻射的時(shí)候會(huì)產(chǎn)生相對(duì)應(yīng)的偏振信息,偏振信息可用于分析物體的形狀、表面粗糙程度、紋理走向以及材料的理化特性等。偏振成像技術(shù)相對(duì)于傳統(tǒng)的成像技術(shù),提供了二維空間的光強(qiáng)分布、光譜譜線(xiàn)和偏振信息,不僅可以完整解析出物體的特征信息,而且可以抑制噪聲,對(duì)環(huán)境有更好的適應(yīng)性。在20世紀(jì),西方國(guó)家開(kāi)始進(jìn)行偏振成像的相關(guān)實(shí)驗(yàn),Tooley[1]提出將偏振成像應(yīng)用于復(fù)雜環(huán)境中的目標(biāo)識(shí)別,并對(duì)人造目標(biāo)和自然環(huán)境的偏振特征進(jìn)行描述;Chenault等人[2]通過(guò)實(shí)驗(yàn)提出了偏振圖像有利于降低散射光對(duì)成像的影響;Boffety等人[3]提出了適用于多波段的偏振圖像的對(duì)比度優(yōu)化方法,進(jìn)一步提高了目標(biāo)和背景的對(duì)比度;Short等人[4]提出用于提取偏振圖像的局部梯度幅度值和方向特征的人臉識(shí)別算法。在實(shí)際應(yīng)用于偽裝目標(biāo)檢測(cè)過(guò)程中,偏振光在和目標(biāo)發(fā)生作用后,根據(jù)反射和透射光可以提取目標(biāo)的表面粗糙程度、邊緣細(xì)化差異以及內(nèi)部結(jié)構(gòu)的情況,從而獲得更具優(yōu)勢(shì)的被測(cè)目標(biāo)的圖像特征和相關(guān)信息。

    最近幾年,偽裝目標(biāo)檢測(cè)研究出現(xiàn)了爆炸式增長(zhǎng),部分原因是對(duì)警戒色和模仿的研究越來(lái)越多,同時(shí)也是視覺(jué)感知和目標(biāo)檢測(cè)等相關(guān)領(lǐng)域快速發(fā)展的必然趨勢(shì)。傳統(tǒng)意義上的偽裝識(shí)別是指試圖了解不同形式的偽裝所涉及的近似機(jī)制,還需要綜合考慮心理和生態(tài)環(huán)境的因素,這可以理解自然選擇和施加在偽裝上的約束,它們都影響偽裝策略的優(yōu)化和進(jìn)化。從更廣泛的意義上說(shuō),偽裝已經(jīng)被人類(lèi)所采用,最顯著的是應(yīng)用于軍隊(duì)和獵人,同時(shí)它也影響了社會(huì)的其他部分,例如,醫(yī)學(xué)診斷(如息肉分割[5]和肺部感染分割[6])、工業(yè)(如在自動(dòng)生產(chǎn)線(xiàn)上檢查不合格產(chǎn)品)、農(nóng)業(yè)(如蝗蟲(chóng)檢測(cè),以防止入侵)、安全和監(jiān)視(如搜索和救援任務(wù)以及惡劣天氣中針對(duì)自動(dòng)駕駛的行人或障礙物的檢測(cè))、科學(xué)研究(如稀有物種發(fā)現(xiàn))和藝術(shù)(如逼真的融合和娛樂(lè)藝術(shù))等不同領(lǐng)域,具有廣泛且有價(jià)值的應(yīng)用。目前,越來(lái)越多的研究人員對(duì)偽裝感興趣,在生物學(xué)、視覺(jué)心理學(xué)、計(jì)算機(jī)科學(xué)和藝術(shù)之間產(chǎn)生了更多的跨學(xué)科聯(lián)系。

    偽裝物體分割(camouflaged object segmentation,COS)[7]的目的是分割檢測(cè)出偽裝在環(huán)境中的目標(biāo)。傳統(tǒng)的偽裝檢測(cè)是根據(jù)物體的一些低級(jí)的特征信息(如紋理等)來(lái)區(qū)分偽裝目標(biāo)和背景,與其他的檢測(cè)目標(biāo)相比,檢測(cè)效果的魯棒性較低。偽裝目標(biāo)的檢測(cè)與通用目標(biāo)檢測(cè)(generic object detection,GOD)[8]有所區(qū)別,GOD的目標(biāo)更加廣泛,既可以是偽裝的,也可以是顯著的。COS和顯著性目標(biāo)檢測(cè)(salient object detection,SOD)[9]的檢測(cè)目的有點(diǎn)相似,COS是對(duì)偽裝目標(biāo)把輸入的特征分成偽裝目標(biāo)和背景的二分類(lèi)分割,SOD則把輸入特征分為顯著物體和背景,從某種程度上來(lái)說(shuō)COS和SOD分割的目標(biāo)是完全相反的。

    利用人類(lèi)識(shí)別目標(biāo)時(shí)的直接目標(biāo)特征,多種基于傳統(tǒng)特征提取的偽裝目標(biāo)檢測(cè)方法被提出。1998年,Tankus等人[10]提出的非邊緣感興趣區(qū)域機(jī)制,是針對(duì)偽裝目標(biāo)檢測(cè)最早的算法,被應(yīng)用于自然環(huán)境中的人工偽裝目標(biāo)。Zhang等人[11]通過(guò)引入前景和背景建模,提出了在貝葉斯框架下執(zhí)行完整的偽裝目標(biāo)檢測(cè);Beiderman等人[12]提出通過(guò)空間相干光束(如激光)照射分類(lèi)、識(shí)別或識(shí)別的被遮擋物體的景物,從物體反射出二次散斑圖案,基于隨機(jī)散斑圖案的時(shí)間跟蹤,提取物體的時(shí)間特征;Galun等人[13]提出自下而上的聚合框架來(lái)解決偽裝紋理分割,該框架將紋理元素的結(jié)構(gòu)特征與過(guò)濾器響應(yīng)相結(jié)合;Hall等人[14]研究了不同偽裝對(duì)人類(lèi)計(jì)算機(jī)任務(wù)中捕食檢測(cè)、識(shí)別和捕獲三個(gè)階段的影響。

    然而,傳統(tǒng)的偽裝檢測(cè)方法難以有效地區(qū)分對(duì)比度較低的偽裝場(chǎng)景,存在特征提取耗時(shí)、特征表征能力弱、檢測(cè)效果差等問(wèn)題。隨著基于深度學(xué)習(xí)的目標(biāo)檢測(cè)成為當(dāng)前研究的熱門(mén),偽裝目標(biāo)檢測(cè)方法開(kāi)始在特征提取和檢測(cè)效果上獲得更好的結(jié)果,能夠有效地增強(qiáng)偽裝目標(biāo)檢測(cè)模型的魯棒性?,F(xiàn)有的大部分基于深度學(xué)習(xí)的偽裝目標(biāo)檢測(cè)方法首先采用卷積神經(jīng)網(wǎng)絡(luò),如VGG(visual geometry group)[15]、ResNet(residual neural network)[16]、Res2Net[17]等進(jìn)行特征提取,然后通過(guò)增強(qiáng)特征,提高偽裝目標(biāo)檢測(cè)的性能[18]。Fan等人[19]通過(guò)搜索注意力機(jī)制和部分解碼器組件對(duì)偽裝目標(biāo)的前景和背景的模糊區(qū)域進(jìn)行定位和提取。Lyu等人[20]提出使用LSR(localization,segmentation and ranking)來(lái)對(duì)目標(biāo)進(jìn)行定位,并在不同圖像的偽裝級(jí)別,按照預(yù)設(shè)評(píng)價(jià)指標(biāo)劃分偽裝目標(biāo)。Mei等人[7]提出基于分心挖掘的 PFNet(positioning and focus network)模型,能夠有效地去除前景和背景中異質(zhì)干擾,提取含有更加豐富信息的偽裝目標(biāo)的特征。Mao等人[21]使用Swin Transformer作為backbone提取偽裝目標(biāo)的特征,通過(guò)將結(jié)合殘差注意力和密集金字塔池化的監(jiān)督結(jié)構(gòu)來(lái)降低主干網(wǎng)絡(luò)不直接提供空間監(jiān)督的影響。Zhu等人[22]提出基于雙流式分散注意力網(wǎng)絡(luò)BSANet,通過(guò)區(qū)分前景和背景以獲得更加細(xì)化的邊緣特征,減少目標(biāo)的丟失。Pang等人[23]提出使用三重結(jié)構(gòu)獲取偽裝目標(biāo)的差異化特征的網(wǎng)絡(luò)ZOOMNet,利用不同的尺度聚合模塊和分層混合尺度模塊增強(qiáng)特征,獲取更加準(zhǔn)確的預(yù)測(cè)。

    在神經(jīng)科學(xué)相關(guān)的領(lǐng)域,人們發(fā)現(xiàn)在視覺(jué)皮層中人體接受場(chǎng)的大小是視網(wǎng)膜圖中呈正相關(guān)的偏心率函數(shù)。根據(jù)這個(gè)發(fā)現(xiàn)可以認(rèn)為,越接近中心的區(qū)域更容易識(shí)別物體的特征,并且大腦在對(duì)于小的空間變化時(shí)具有不敏感性[24]。因此,本文基于目標(biāo)與背景的偏振特性差異,設(shè)計(jì)一種人類(lèi)視覺(jué)相關(guān)融合物理結(jié)構(gòu)的接受場(chǎng)模塊來(lái)增強(qiáng)輕量級(jí)網(wǎng)絡(luò)的特征表示,采用自建的基于偽裝的偏振數(shù)據(jù)集,充分利用偏振圖像增強(qiáng)物體的對(duì)比度、降低背景噪聲并獲取豐富細(xì)節(jié)特征的特性,提高偽裝物體的識(shí)別率。

    1 相關(guān)工作

    1.1 群接受場(chǎng)模塊

    接受場(chǎng)建模是神經(jīng)科學(xué)領(lǐng)域一種重要的感官科學(xué)工具,用于預(yù)測(cè)人的生理反應(yīng)和構(gòu)建大腦的計(jì)算模型。接受場(chǎng)這一概念原先是由視覺(jué)神經(jīng)領(lǐng)域?qū)<襍herrington[25]描述皮膚上可以引起撓抓反射的區(qū)域,提出接受場(chǎng)可以方便地用于指定所有的感受點(diǎn)的集合,在適當(dāng)?shù)拇碳は?,一種特殊的反射運(yùn)動(dòng)可以被喚起。Hartline[26]最先將這一概念引入視覺(jué)神經(jīng)元。在過(guò)去的幾十年里,許多研究者應(yīng)用接受場(chǎng)模型來(lái)表征人類(lèi)視覺(jué)皮層的反應(yīng)。人類(lèi)通過(guò)使用神經(jīng)科學(xué)儀器經(jīng)常能觀(guān)測(cè)到多個(gè)神經(jīng)元產(chǎn)生集合反應(yīng),因此這些模型通常被稱(chēng)為群接受場(chǎng)模型,即pRF(population receptive field properties)模型。

    在視網(wǎng)膜中,視覺(jué)系統(tǒng)實(shí)現(xiàn)了偏心和感受野大小之間的關(guān)系。這種關(guān)系也可以在非人靈長(zhǎng)類(lèi)動(dòng)物的單位測(cè)量中觀(guān)察到。利用功能磁共振成像和pRF模型,可以在皮層的許多視野映射中測(cè)量這種關(guān)系。在每個(gè)皮層圖中,pRF的大小和偏心量一起增加。不同視野圖的pRF大小增加速率不同(圖1),pRF的大小與不同實(shí)驗(yàn)的偏心率呈正相關(guān),不同映射的pRF的大小有較大的差異,V1的最小,TO1和TO2的群接受場(chǎng)要大得多。pRF大小作為視網(wǎng)膜位圖偏心的函數(shù)。這一觀(guān)察結(jié)果已經(jīng)被重復(fù)證明了很多次[27]。

    接受場(chǎng)模型有兩個(gè)有價(jià)值的特性。首先,關(guān)鍵pRF參數(shù)(接受場(chǎng)位置和大?。┚哂性诖碳兄付ǖ目山忉寙挝?,這使得能夠直接比較使用不同儀器估計(jì)的模型參數(shù)。第二,接受場(chǎng)可以在個(gè)體被試者中進(jìn)行估計(jì)。因此,有意義地比較兩個(gè)被試者之間的模型參數(shù)是可能的,相同的被試者在不同的條件下,或者相同的被試者用不同的儀器測(cè)量。這兩個(gè)特性提供了堅(jiān)實(shí)的科學(xué)基礎(chǔ),并支持實(shí)際應(yīng)用?;谏鲜鎏匦?,在深度學(xué)習(xí)中,為偽裝目標(biāo)的特征提取提供了一種新的思路,根據(jù)人眼在每個(gè)刺激幀中對(duì)于不同目標(biāo)的不同反應(yīng),使用大量數(shù)據(jù)集進(jìn)行訓(xùn)練,可以有效地建立網(wǎng)絡(luò)模型模擬真實(shí)人眼的識(shí)別架構(gòu)。

    1.2 偏振成像

    強(qiáng)度、波長(zhǎng)和偏振是光的三個(gè)基本特性。光波是橫波,其矢量的振動(dòng)方向垂直于光的傳播方向,而偏振光的光矢量的振動(dòng)方向不變或規(guī)則變化。偏振照相機(jī)用于在多偏振狀態(tài)下捕捉光的強(qiáng)度。

    自然界中,光在傳輸過(guò)程中電矢量振動(dòng)的空間分布具有一定的對(duì)稱(chēng)性,如圖2所示。當(dāng)橫波的振動(dòng)矢量偏向于某些方向產(chǎn)生的現(xiàn)象被稱(chēng)為偏振。當(dāng)電矢量的振動(dòng)在某些固定方向的時(shí)候,可以得到四個(gè)方向(0°,45°,90°和135°)的線(xiàn)偏振光,如圖3所示。

    2.2 接受場(chǎng)模塊

    接受場(chǎng)模塊(focus attention module,F(xiàn)AM)包括6個(gè)分支來(lái)對(duì)ResNet50的各個(gè)特征圖進(jìn)行特征提取,6個(gè)分支先進(jìn)行1×1的卷積降維(包括批正則化BatchNormal和激活函數(shù)ReLU),以第一個(gè)分支為例,將3×3的卷積核分解成1×3和3×1兩個(gè)卷積核,在這之后加入卷積率為3的空洞卷積,不僅可以降低計(jì)算量,還可以增大感受野。將包含四個(gè)膨脹卷積的分支和包含原始信息的特征圖進(jìn)行拼接相加,并使用1×1的卷積進(jìn)行降維操作,輸出增強(qiáng)后的特征圖。接受場(chǎng)模塊如圖5所示。

    該模塊由inception改進(jìn)而來(lái),受到膨脹卷積和分支結(jié)構(gòu)影響,本文根據(jù)偏振圖像的特點(diǎn)以及擴(kuò)大感受野的角度,新增加了一個(gè)9×9的分支結(jié)構(gòu)。經(jīng)過(guò)實(shí)驗(yàn)驗(yàn)證發(fā)現(xiàn),多尺度特征的豐富性有助于特征提取,場(chǎng)景中的偽裝目標(biāo)在更加優(yōu)化的特征提取模塊的作用下,各項(xiàng)結(jié)果指標(biāo)有明顯提高。

    2.3 部分解碼器組件

    從FAM中獲取的候選特征輸入到部分解碼器組件(partial decoder components,PDC)組件中,分別對(duì)輸入的不同層的特征進(jìn)行上采樣和下采樣,以獲得相同大小的中間層特征圖,逐元素相乘的方式降低相鄰元素之間的差距。考慮到底層特征和高層特征的特性,本文將含有更多邊界信息的底層特征通過(guò)降維加入到有更多語(yǔ)義信息的底層特征進(jìn)行元素乘法,以獲得更好的輸出結(jié)果。改進(jìn)的部分解碼器組件如圖6所示。

    2.4 損失函數(shù)

    本文模型的損失函數(shù)使用交叉熵(cross entropy loss)[27],CELoss能夠更好地收斂,傳遞的梯度信息能夠更均勻,能夠有效地比較不同的分布概率在同一個(gè)隨機(jī)變量下的差異程度,在機(jī)器學(xué)習(xí)中就表示為真實(shí)概率分布(即輸出特征圖)與預(yù)測(cè)概率分布(手動(dòng)打標(biāo)的GT圖像)之間的差異。模型的預(yù)測(cè)結(jié)果與CELoss的值呈負(fù)相關(guān),CELoss的值越小,模型預(yù)測(cè)效果就越好。對(duì)Ci和Cj上采樣后,本文的總損失函數(shù)定義為

    L=LiCE(Ci,G)+LsCE(Cj,G)(5)

    其中:LCE為FARFNet定義的損失函數(shù);L為總損失函數(shù);G為Ground Truth圖像對(duì)應(yīng)的特征圖;Ci、Cj為輸出放大的特征圖。

    CELoss采用了類(lèi)間競(jìng)爭(zhēng)機(jī)制,擅長(zhǎng)學(xué)習(xí)不同標(biāo)簽之間的分類(lèi)信息,相對(duì)于其他傳統(tǒng)語(yǔ)義分割的多標(biāo)簽不同種類(lèi)的預(yù)測(cè),COS不用考慮非正確的標(biāo)簽預(yù)測(cè)概率的準(zhǔn)確性,能夠更加專(zhuān)注于正確的標(biāo)簽預(yù)測(cè)概率。針對(duì)偽裝的二分類(lèi)問(wèn)題只有目標(biāo)和背景的情況,只需要識(shí)別偽裝的目標(biāo)信息,所以有效地減少或者避免了CELoss的不足與缺點(diǎn)。

    3 實(shí)驗(yàn)結(jié)果與分析

    3.1 實(shí)驗(yàn)數(shù)據(jù)集

    由于種種原因,當(dāng)前基于偽裝的偏振數(shù)據(jù)集公開(kāi)極少,為支持本文偽裝目標(biāo)檢測(cè)算法,構(gòu)建基于偽裝迷彩的偏振數(shù)據(jù)集,利用該數(shù)據(jù)集對(duì)FARFNet進(jìn)行訓(xùn)練。

    偏振偽裝圖像由偏振相機(jī)采集,如圖7所示,采集的圖像分辨率為5.0 MP,2448×2048 px,幀率為24 fps,采用CMOS單聲道傳感器,如圖7所示。該傳感器能同時(shí)采集0°、45°、90°和135°四個(gè)偏振方向的圖像。

    本文的數(shù)據(jù)集包括2 800張自建圖像和從網(wǎng)絡(luò)上搜集的200張與偽裝相關(guān)的圖像,3 000張數(shù)據(jù)通過(guò)翻轉(zhuǎn)、旋轉(zhuǎn)、平移和抖動(dòng)四種幾何變換進(jìn)行增強(qiáng),擴(kuò)充到15 000張,數(shù)據(jù)集按照9∶1劃分為訓(xùn)練集和測(cè)試集,數(shù)據(jù)集中所有的偽裝目標(biāo)包括迷彩服、裝甲車(chē)、坦克車(chē)和部分小動(dòng)物的自然偽裝,包含有較豐富的環(huán)境特點(diǎn):a)不同時(shí)間段,早晨、正中午、傍晚、夜晚;b)不同場(chǎng)景,枯草坪、綠草坪、小樹(shù)林、林間小道、水泥地等;c)偽裝目標(biāo),針對(duì)不同環(huán)境,制造更適合目標(biāo)偽裝的角度,獲取包含各個(gè)尺度偽裝目標(biāo)的數(shù)據(jù)集,偏振偽裝數(shù)據(jù)集部分圖像標(biāo)注與解析如圖8所示。

    3.2 實(shí)驗(yàn)環(huán)境

    本文設(shè)計(jì)的實(shí)驗(yàn)環(huán)境參數(shù)具體如表1所示。

    3.3 評(píng)價(jià)指標(biāo)和實(shí)驗(yàn)參數(shù)設(shè)置

    為了更好地驗(yàn)證FARFNet的算法性能,評(píng)估改進(jìn)后的算法模型,本文選用了6個(gè)常見(jiàn)的評(píng)價(jià)指標(biāo),具體指標(biāo)描述如表2所示。

    本文算法的模型由Adam optimizer訓(xùn)練,初始學(xué)習(xí)率設(shè)置為0.000 1,每30個(gè)epoch迭代反向傳播學(xué)習(xí)的速率降低10%,網(wǎng)絡(luò)共迭代1 200次,批處理大小為16。

    3.4 實(shí)現(xiàn)結(jié)果分析

    本文使用表2中的PA、mIOU、MAE、Sm、adpEm、adpFm作為評(píng)價(jià)指標(biāo),分別與UNet、DANet、SINet、PFNet和ZOOMNet進(jìn)行比較,得到的實(shí)驗(yàn)結(jié)果如表3所示。

    從表中可以看出,本文算法在所有指標(biāo)上均有一定提升,相對(duì)于UNet、DANet、SINet、PFNet和ZOOMNet的PA值提升了0.182、0.156、0.072、0.048和0.018,mIOU提升了0.282、0.259、0.086、0.031和0.006,MAE減小了0.033、0.04、0.008、0.005和0.001,Sm提升了0.386、0.421、0.046、0.027和0.004,adpEm值提升了0.502、0.3、0.097、0.085和0.007,adpFm值提升了0.655、0.775、0.07、0.039和0.01,從數(shù)據(jù)上可以直觀(guān)地看出效果提升。圖9是方法對(duì)比的預(yù)測(cè)圖,從圖中也可以看出預(yù)測(cè)圖接近GT真值圖。

    3.5 對(duì)比實(shí)驗(yàn)

    本文對(duì)采集到的偽裝偏振數(shù)據(jù)集使用Stokes參量進(jìn)行解析后,對(duì)獲得的偏振參量圖像進(jìn)行實(shí)驗(yàn)。為驗(yàn)證偏振圖像在本文算法中的有效性,將采集的原始圖像同樣放入網(wǎng)絡(luò)中測(cè)試并進(jìn)行對(duì)比,結(jié)果如表4和圖10所示。根據(jù)表中實(shí)驗(yàn)數(shù)據(jù)可知,偏振參量圖像在測(cè)試后的結(jié)果上總體優(yōu)于原圖,PA、mIOU、MAE、Sm和adpEm分別提升了0.016、0.01、0.005、0.003和0.01,adpFm降低了0.007。除了adpFm,總體較原圖都有所提升,而adpFm的差值很小,對(duì)于整體模型的實(shí)驗(yàn)效果沒(méi)有很大的影響。由此可以得出結(jié)論,偏振解析后的圖像在本文的偽裝目標(biāo)檢測(cè)算法中有較好的實(shí)驗(yàn)效果,這對(duì)偏振成像技術(shù)與深度學(xué)習(xí)目標(biāo)檢測(cè)方法相結(jié)合進(jìn)行智能探測(cè)研究具有重要的參考價(jià)值。實(shí)驗(yàn)結(jié)果對(duì)比如圖10所示。

    4 結(jié)束語(yǔ)

    本文提出一種基于接受場(chǎng)模型的偏振成像偽裝目標(biāo)檢測(cè)方法,其在各個(gè)評(píng)價(jià)指標(biāo)上都優(yōu)于其他算法,充分說(shuō)明該方法能夠?qū)崿F(xiàn)更好的檢測(cè)和識(shí)別效果,為基于偽裝的偏振圖像的目標(biāo)檢測(cè)研究提供了一種數(shù)據(jù)支撐和新的思路。本文主要考慮偽裝數(shù)據(jù)集和接受場(chǎng)模塊對(duì)于網(wǎng)絡(luò)模型的改進(jìn)與提升,充分利用了偏振圖像的優(yōu)點(diǎn),獲取更加豐富的圖像特征。下一階段的主要任務(wù)是減少網(wǎng)絡(luò)模型參數(shù)量,在保證利用目標(biāo)偏振特性的同時(shí),提高算法檢測(cè)效率并改進(jìn)網(wǎng)絡(luò)以增加邊緣檢測(cè)的效果,這對(duì)該領(lǐng)域研究的應(yīng)用轉(zhuǎn)換具有重要意義,相關(guān)工作正在進(jìn)行中。

    參考文獻(xiàn):

    [1]Tooley R D. Man-made target detection using infrared polarization [J]. Proc of SPIE-The International Society for Optical Engineering, 1990, 1166: 52-59.

    [2]Chenault D B,Pezzaniti J L. Polarization imaging through scattering media [J]. SY Technology,2000,4133: 124-133.

    [3]Boffety M,Hu H,Goudail F. Contrast optimization in broadband passive polarimetric imaging [J]. Optics Letters,2014,39(23): 6759-6762.

    [4]Short N,Hu S,Gurton P K,et al. Changing the paradigm in human identification [J]. Optics & Photonics News,2015,26(12): 40.

    [5]Fan Dengping,Ji Gepeng,Zhou Tao,et al. PraNet: parallel reverse attention network for polyp segmentation [C]// Proc of the 23rd International Conference on Medical Image Computing and Computer Assisted Intervention. Cham:Springer,2020: 263-273.

    [6]Fan Dengping,Zhou Tao,Ji Geping,et al. Inf-Net: automatic Covid-19 lung infection segmentation from CT images [J]. IEEE Trans on Medical Imaging,2020,39(8): 2626-2637.

    [7]Mei Haiyang,Ji Gepeng,Wei Ziqi,et al. Camouflaged object segmentation with distraction mining [C]// Proc of IEEE/CVF Conference on Computer Vision and Pattern Recognition. Piscataway,NJ: IEEE Press,2021: 8768-8777.

    [8]Everingham M,Eslami S A,Van Gool L,et al. The pascal visual object classes challenge: a retrospective [J]. International Journal of Computer Vision,2015,111: 98-136.

    [9]Itti L,Koch C,Niebur E. A model of saliency-based visual attention for rapid scene analysis [J]. IEEE Trans on Pattern Analysis and Machine Intelligence,1998,20(11): 1254-1259.

    [10]Tankus A,Yeshurun Y. Detection of regions of interest and camouflage breaking by direct convexity estimation [C]// Proc of IEEE Workshop on Visual Surveillance. Piscataway,NJ: IEEE Press,1998: 42-48.

    [11]Zhang Xiang,Zhu Ce,Wang Shuai,et al. A Bayesian approach to camouflaged moving object detection [J]. IEEE Trans on Circuits and Systems for Video Technology,2016,27(9): 2001-2013.

    [12]Beiderman Y,Teicher M,Garcia J,et al. Optical technique for classification,recognition and identification of obscured objects [J]. Optics Communications,2010,283(21): 4274-4282.

    [13]Galun M,Sharon E,Basri J,et al. Texture segmentation by multiscale aggregation of filter responses and shape elements [C]// Proc of the 9th IEEE International Conference on Computer Vision. Piscataway,NJ: IEEE Press,2003:716-723.

    [14]Hall J R,Cuthill I C,Baddeley R,et al. Camouflage,detection and identification of moving targets [J]. Biological Sciences,2013,280(1758): 20130064.

    [15]Siminyan K,Zisserman A. Very deep convolutional networks for large-scale image recognition [EB/OL]. (2015-04-10). https://arxiv.org/abs/1409.1556.

    [16]He Kaiming,Zhang Xiangyu,Ren Shaoqing,et al. Deep residual learning for image recognition [C]// Proc of IEEE Conference on Computer Vision and Pattern Recognition. Piscataway,NJ: IEEE Computer Society,2016: 770-778.

    [17]Gao Shanghua,Cheng Mingming,Zhao Kai,et al. Res2Net: a new multi-scale backbone architecture [J]. IEEE Trans on Pattern Analysis and Machine Intelligence,2019,43(2): 652-662.

    [18]史彩娟,任弼娟,王子雯,等. 基于深度學(xué)習(xí)的偽裝目標(biāo)檢測(cè)綜述 [J]. 計(jì)算機(jī)科學(xué)與探索,2022,16(12): 2734-2751. (Shi Caijuan,Ren Bijuan,Wang Ziwen,et al. Overview of camouflage target detection based on deep learning [J]. Computer Science and Exploration,2022,16(12): 2734-2751.)

    [19]Fan Dengping,Ji Gepeng,Sun Guo,et al. Camouflaged object detection [C]// Proc of IEEE/CVF Conference on Computer Vision and Pattern Recognition. Piscataway,NJ: IEEE Press,2020: 2774-2784.

    [20]Lyu Yunqiu,Zhang Jing,Dai Yuchao,et al. Simultaneously localize,segment and rank the camouflaged objects [C]// Proc of IEEE/CVF Conference on Computer Vision and Pattern Recognition. Piscataway,NJ: IEEE Press,2021: 11586-11589.

    [21]Mao Yuxin,Zhang Jing,Wan Zhexiong,et al. Transformer transforms salient object detection and camouflaged object detection [EB/OL]. (2021-04-20). https://export.arxiv.org/abs/2104.10127v2.

    [22]Zhu Hongwei,Li Peng,Xie Haoran,et al. I can find you! Boundary-guided separated attention network for camouflaged object detection [C]// Proc of AAAI Conference on Artificial Intelligence. Palo Alto,CA: AAAI Press,2022: 3608-3616.

    [23]Pang Youwei,Zhao Xiaoqi,Xiang Tianzhu,et al. Zoom in and out: a mixed-scale triplet network for camouflage object detection [C]// Proc of IEEE/CVF Conference on Computer Vision and Pattern Re-cognition. Piscataway,NJ: IEEE Press,2022: 2160-2170.

    [24]Liu Songtao,Huang Di,Wang Yunhong. Receptive field block net for accurate and fast object detection [C]// Proc of the 15th European Conference on Computer Vision. Berlin: Springer,2018: 404-419.

    [25]Sherrington C S. Flexion-reflex of the limb,crossed extension-reflex,and reflex stepping and standing [J]. The Journal of Physiology,1910,40(1-2): 28.

    [26]Hartline H K. The response of single optic nerve fibers of the vertebrate eye to illumination of the retina [J]. American Journal of Physiology-Legacy Content,1938,121(2): 400-415.

    [27]Wandell B A,Winawer J. Computational neuroimaging and population receptive fields [J]. Trends in Cognitive Sciences,2015,19(6): 349-357.

    收稿日期:2023-10-17;修回日期:2024-01-18 基金項(xiàng)目:國(guó)家自然科學(xué)基金資助項(xiàng)目(61906118,62273001);安徽省重大專(zhuān)項(xiàng)(202003A06020016);安徽省自然科學(xué)基金資助項(xiàng)目(1908085MF208,2108085MF230);陸軍裝備部十三五預(yù)研子課題;安徽省高校自然科學(xué)研究重點(diǎn)項(xiàng)目(KJ2019A0906)

    作者簡(jiǎn)介:徐國(guó)明(1979—),男,安徽太和人,教授,博導(dǎo),博士,CCF會(huì)員,主要研究方向?yàn)槠癯上裉綔y(cè)、圖像超分辨率;陳奇志(1999—),男(通信作者),安徽合肥人,碩士研究生,主要研究方向?yàn)槟繕?biāo)檢測(cè)、偏振成像(315969932@qq.com);劉綦(1978—),女,陜西西安人,副教授,碩士,主要研究方向?yàn)橹悄軘?shù)據(jù)處理、無(wú)線(xiàn)傳感器網(wǎng)絡(luò);馬?。?985—),男,安徽潁上人,講師,碩導(dǎo),博士,主要研究方向?yàn)閳D像質(zhì)量評(píng)價(jià)、計(jì)算機(jī)視覺(jué);王峰(1972—),男,教授,博士,主要研究方向?yàn)樾滦凸怆姵上裉綔y(cè)技術(shù).

    欧美区成人在线视频| 国产精品久久久久久亚洲av鲁大| 色综合亚洲欧美另类图片| 国内毛片毛片毛片毛片毛片| 成人鲁丝片一二三区免费| 成人精品一区二区免费| 日韩欧美国产一区二区入口| 国产精品精品国产色婷婷| 亚洲成人久久爱视频| 免费黄网站久久成人精品| 亚洲精华国产精华液的使用体验 | 亚洲精品456在线播放app | av视频在线观看入口| 成人av在线播放网站| 国产精品一区二区免费欧美| 精品一区二区三区视频在线观看免费| 亚洲精品色激情综合| 日韩欧美精品免费久久| 久久国产精品人妻蜜桃| 在线天堂最新版资源| 婷婷色综合大香蕉| 欧美日韩乱码在线| 精品日产1卡2卡| 免费av观看视频| 欧美一区二区精品小视频在线| 97超视频在线观看视频| 中国美女看黄片| 内地一区二区视频在线| 在线a可以看的网站| 色噜噜av男人的天堂激情| 免费看美女性在线毛片视频| 啦啦啦啦在线视频资源| 少妇高潮的动态图| avwww免费| 91在线精品国自产拍蜜月| 成年免费大片在线观看| 国产亚洲精品av在线| 男女啪啪激烈高潮av片| 亚洲精品粉嫩美女一区| 无人区码免费观看不卡| 午夜日韩欧美国产| 国产乱人视频| 一进一出好大好爽视频| 超碰av人人做人人爽久久| 国产精品亚洲一级av第二区| 91午夜精品亚洲一区二区三区 | 三级毛片av免费| 精品久久久久久久久久久久久| 国产精品不卡视频一区二区| 网址你懂的国产日韩在线| 日本免费一区二区三区高清不卡| 在线免费观看的www视频| 两个人视频免费观看高清| 午夜爱爱视频在线播放| 老司机福利观看| 成人美女网站在线观看视频| 天堂av国产一区二区熟女人妻| 国产视频一区二区在线看| 白带黄色成豆腐渣| 亚洲真实伦在线观看| 久久久久久伊人网av| 女生性感内裤真人,穿戴方法视频| 淫秽高清视频在线观看| 九九热线精品视视频播放| 欧美日韩乱码在线| 97热精品久久久久久| 亚洲国产色片| 久久久久性生活片| 女的被弄到高潮叫床怎么办 | 亚洲精品一区av在线观看| 国产 一区精品| 99热网站在线观看| 亚洲无线在线观看| 成人二区视频| 免费av不卡在线播放| 国产免费av片在线观看野外av| 欧美成人a在线观看| 亚洲不卡免费看| 波野结衣二区三区在线| 亚洲内射少妇av| 亚洲国产色片| 国产免费男女视频| 久久久成人免费电影| 最近最新免费中文字幕在线| 成人综合一区亚洲| 自拍偷自拍亚洲精品老妇| 99九九线精品视频在线观看视频| 日本黄色片子视频| av天堂中文字幕网| 久久精品国产清高在天天线| 可以在线观看的亚洲视频| 天堂av国产一区二区熟女人妻| 两个人的视频大全免费| 极品教师在线免费播放| 欧美极品一区二区三区四区| 免费观看在线日韩| or卡值多少钱| 九九爱精品视频在线观看| 亚洲专区国产一区二区| 99在线人妻在线中文字幕| 国产精品一区www在线观看 | 黄色视频,在线免费观看| 99热这里只有是精品在线观看| 欧美潮喷喷水| 亚洲自拍偷在线| 校园人妻丝袜中文字幕| 老师上课跳d突然被开到最大视频| 中文亚洲av片在线观看爽| 五月玫瑰六月丁香| 夜夜夜夜夜久久久久| 伊人久久精品亚洲午夜| 国产精品,欧美在线| 真人一进一出gif抽搐免费| 成人欧美大片| www日本黄色视频网| 日本 欧美在线| 乱码一卡2卡4卡精品| 不卡一级毛片| 国内毛片毛片毛片毛片毛片| 老师上课跳d突然被开到最大视频| 身体一侧抽搐| 亚洲av一区综合| 成熟少妇高潮喷水视频| 身体一侧抽搐| 搡老妇女老女人老熟妇| 成人美女网站在线观看视频| 国产一区二区三区av在线 | 噜噜噜噜噜久久久久久91| 成年免费大片在线观看| 中文亚洲av片在线观看爽| 99在线人妻在线中文字幕| 亚洲人成伊人成综合网2020| 亚洲av二区三区四区| 国产精品免费一区二区三区在线| 精品无人区乱码1区二区| 国产免费男女视频| 精品午夜福利在线看| bbb黄色大片| 赤兔流量卡办理| 色在线成人网| 国产精品久久久久久av不卡| 日日夜夜操网爽| av天堂在线播放| а√天堂www在线а√下载| 亚洲久久久久久中文字幕| 99视频精品全部免费 在线| 波多野结衣高清作品| 三级毛片av免费| 伊人久久精品亚洲午夜| 99在线人妻在线中文字幕| 欧美色欧美亚洲另类二区| 欧美日韩瑟瑟在线播放| 99在线人妻在线中文字幕| 日本黄色片子视频| 国内精品美女久久久久久| 综合色av麻豆| 免费看日本二区| h日本视频在线播放| 天堂动漫精品| 女的被弄到高潮叫床怎么办 | 国产日本99.免费观看| 一个人看视频在线观看www免费| 久久这里只有精品中国| 无人区码免费观看不卡| 99视频精品全部免费 在线| 久久久久久国产a免费观看| 久久精品国产99精品国产亚洲性色| 免费无遮挡裸体视频| 国产精品一区二区三区四区久久| 99热6这里只有精品| 黄色配什么色好看| 亚洲精品色激情综合| 亚洲人成伊人成综合网2020| 日本黄色视频三级网站网址| 国产伦人伦偷精品视频| 欧美最黄视频在线播放免费| 最新中文字幕久久久久| 国产中年淑女户外野战色| 亚洲国产精品合色在线| 国产av不卡久久| 免费看日本二区| 日韩中文字幕欧美一区二区| 狠狠狠狠99中文字幕| 男女那种视频在线观看| 97人妻精品一区二区三区麻豆| 在线观看午夜福利视频| 真人做人爱边吃奶动态| 99热网站在线观看| 麻豆av噜噜一区二区三区| 变态另类成人亚洲欧美熟女| 制服丝袜大香蕉在线| 一本精品99久久精品77| 91av网一区二区| 日本一二三区视频观看| 亚洲va日本ⅴa欧美va伊人久久| 美女黄网站色视频| bbb黄色大片| 老熟妇乱子伦视频在线观看| 舔av片在线| 国内久久婷婷六月综合欲色啪| 91久久精品电影网| 国产精品久久视频播放| 久久久久久久久久成人| 国产黄a三级三级三级人| 久久草成人影院| 日本-黄色视频高清免费观看| 欧美性猛交╳xxx乱大交人| 国产av一区在线观看免费| 嫩草影视91久久| 国产精品久久久久久av不卡| 国产成人一区二区在线| 精品久久国产蜜桃| 国产aⅴ精品一区二区三区波| 91午夜精品亚洲一区二区三区 | 国产女主播在线喷水免费视频网站 | 国产精品国产三级国产av玫瑰| 在线免费观看不下载黄p国产 | 欧美色视频一区免费| 亚洲va日本ⅴa欧美va伊人久久| 五月玫瑰六月丁香| 欧美高清性xxxxhd video| 国产爱豆传媒在线观看| 俺也久久电影网| 尾随美女入室| 99在线人妻在线中文字幕| 中文字幕免费在线视频6| 1000部很黄的大片| 精品久久久久久久末码| 国产探花极品一区二区| 男女边吃奶边做爰视频| 亚洲人成网站高清观看| 99久久精品热视频| 中出人妻视频一区二区| 欧美又色又爽又黄视频| 欧美色视频一区免费| 又黄又爽又免费观看的视频| 乱人视频在线观看| 中文字幕久久专区| 亚洲av.av天堂| 观看美女的网站| 中文字幕人妻熟人妻熟丝袜美| 午夜免费成人在线视频| 国产人妻一区二区三区在| 一个人看的www免费观看视频| 久久精品综合一区二区三区| 国产av一区在线观看免费| 免费看a级黄色片| 日本 欧美在线| 国产精品不卡视频一区二区| 亚洲内射少妇av| 国产久久久一区二区三区| av天堂在线播放| 免费观看的影片在线观看| 国产免费男女视频| 亚洲内射少妇av| 直男gayav资源| 国产三级在线视频| bbb黄色大片| 久久香蕉精品热| 美女xxoo啪啪120秒动态图| 国产高清三级在线| 一进一出好大好爽视频| 内地一区二区视频在线| 亚洲成人中文字幕在线播放| 无人区码免费观看不卡| 亚洲成人久久性| 毛片一级片免费看久久久久 | 天堂动漫精品| 国产又黄又爽又无遮挡在线| 成人国产麻豆网| 久久久久性生活片| 亚洲精品亚洲一区二区| 成人性生交大片免费视频hd| 欧美三级亚洲精品| 亚洲va在线va天堂va国产| 伊人久久精品亚洲午夜| 一级毛片久久久久久久久女| 国产在线男女| 哪里可以看免费的av片| 久久人妻av系列| 精品久久久久久久久亚洲 | 男女下面进入的视频免费午夜| 三级毛片av免费| 欧美三级亚洲精品| 俺也久久电影网| 婷婷亚洲欧美| 岛国在线免费视频观看| 日韩国内少妇激情av| 国产精品三级大全| 国产色婷婷99| 国产精品一区二区三区四区久久| 久久国产精品人妻蜜桃| 我的女老师完整版在线观看| 又爽又黄a免费视频| 婷婷色综合大香蕉| 中出人妻视频一区二区| 国产精品福利在线免费观看| 亚洲欧美激情综合另类| 男女啪啪激烈高潮av片| 久99久视频精品免费| 精品不卡国产一区二区三区| 国产精品久久视频播放| 波野结衣二区三区在线| 日本 欧美在线| 日韩国内少妇激情av| 噜噜噜噜噜久久久久久91| 欧美最黄视频在线播放免费| 亚洲自偷自拍三级| 国产高清三级在线| 亚州av有码| 黄色丝袜av网址大全| 精华霜和精华液先用哪个| 精品无人区乱码1区二区| 两个人的视频大全免费| 欧美色视频一区免费| 熟女电影av网| 一本久久中文字幕| 一区二区三区激情视频| 啪啪无遮挡十八禁网站| 色综合色国产| 欧美zozozo另类| 国产伦一二天堂av在线观看| 欧美性猛交黑人性爽| 精品一区二区三区av网在线观看| 丰满人妻一区二区三区视频av| 亚洲久久久久久中文字幕| 日本色播在线视频| 成年女人毛片免费观看观看9| 神马国产精品三级电影在线观看| 日本欧美国产在线视频| 久久精品国产亚洲av涩爱 | 欧美日韩黄片免| 校园人妻丝袜中文字幕| 亚洲最大成人中文| 99国产精品一区二区蜜桃av| 伦理电影大哥的女人| 国产伦人伦偷精品视频| 日韩,欧美,国产一区二区三区 | 黄色一级大片看看| 女人十人毛片免费观看3o分钟| 欧美日韩国产亚洲二区| 欧美性猛交╳xxx乱大交人| 少妇的逼水好多| 女生性感内裤真人,穿戴方法视频| 午夜精品一区二区三区免费看| 国产精品免费一区二区三区在线| av在线老鸭窝| 国产欧美日韩精品亚洲av| av在线老鸭窝| 亚洲av成人av| 免费在线观看日本一区| 亚洲内射少妇av| 中文字幕久久专区| 男女边吃奶边做爰视频| 看黄色毛片网站| 久久精品综合一区二区三区| 人人妻人人看人人澡| 精品久久国产蜜桃| 人人妻人人看人人澡| 亚洲av日韩精品久久久久久密| 美女被艹到高潮喷水动态| 国产国拍精品亚洲av在线观看| 亚洲人成网站高清观看| 亚洲熟妇熟女久久| 国产欧美日韩精品一区二区| 有码 亚洲区| 欧美潮喷喷水| 国产精品爽爽va在线观看网站| 亚洲av中文字字幕乱码综合| 亚洲精品国产成人久久av| 日日夜夜操网爽| 国产一区二区在线av高清观看| 免费观看精品视频网站| 色哟哟·www| 国产av麻豆久久久久久久| 精品久久国产蜜桃| 国产精品人妻久久久久久| 欧美性猛交黑人性爽| 在线国产一区二区在线| 99九九线精品视频在线观看视频| 老司机深夜福利视频在线观看| 美女xxoo啪啪120秒动态图| 久久久久免费精品人妻一区二区| 我要搜黄色片| 又黄又爽又免费观看的视频| 午夜福利在线观看吧| 变态另类成人亚洲欧美熟女| 99久久精品国产国产毛片| 欧美三级亚洲精品| 午夜爱爱视频在线播放| 99国产极品粉嫩在线观看| 中文字幕精品亚洲无线码一区| 大型黄色视频在线免费观看| 亚洲欧美激情综合另类| 搡老岳熟女国产| 亚洲av电影不卡..在线观看| 草草在线视频免费看| 亚洲不卡免费看| 色综合亚洲欧美另类图片| 亚洲天堂国产精品一区在线| 久久精品影院6| 日韩一区二区视频免费看| 琪琪午夜伦伦电影理论片6080| 精品久久久久久久人妻蜜臀av| 丰满乱子伦码专区| 搡老熟女国产l中国老女人| 亚洲av一区综合| 人妻制服诱惑在线中文字幕| 亚洲五月天丁香| 熟女电影av网| 成人av在线播放网站| 97碰自拍视频| 91精品国产九色| 欧美bdsm另类| 尤物成人国产欧美一区二区三区| 在线免费观看的www视频| 黄色欧美视频在线观看| 狂野欧美激情性xxxx在线观看| 日韩在线高清观看一区二区三区 | av专区在线播放| 色综合站精品国产| 老司机深夜福利视频在线观看| 欧美激情在线99| 在线观看66精品国产| 俺也久久电影网| 人妻夜夜爽99麻豆av| 亚州av有码| 大又大粗又爽又黄少妇毛片口| 国产国拍精品亚洲av在线观看| 小蜜桃在线观看免费完整版高清| 欧美性猛交╳xxx乱大交人| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲五月天丁香| 亚洲国产高清在线一区二区三| 麻豆国产av国片精品| 国产乱人视频| 91精品国产九色| 草草在线视频免费看| 男女那种视频在线观看| 欧美性猛交黑人性爽| 久久久久久久久久成人| 国产精品久久视频播放| 1000部很黄的大片| 麻豆av噜噜一区二区三区| 欧美bdsm另类| 精品久久久久久久久久免费视频| 男女边吃奶边做爰视频| 不卡视频在线观看欧美| 日韩欧美精品免费久久| 国内少妇人妻偷人精品xxx网站| 两人在一起打扑克的视频| 国产真实伦视频高清在线观看 | 精品久久久久久久久av| 国产成人一区二区在线| 久久天躁狠狠躁夜夜2o2o| 亚洲中文字幕一区二区三区有码在线看| 亚洲国产色片| 色在线成人网| 极品教师在线视频| 国产91精品成人一区二区三区| 啦啦啦观看免费观看视频高清| av天堂中文字幕网| 性色avwww在线观看| 熟女电影av网| 非洲黑人性xxxx精品又粗又长| 91av网一区二区| 久久久久精品国产欧美久久久| 五月玫瑰六月丁香| 韩国av一区二区三区四区| 成人午夜高清在线视频| 日本黄色视频三级网站网址| x7x7x7水蜜桃| 在线观看一区二区三区| 成人美女网站在线观看视频| 国产精品精品国产色婷婷| 亚洲av五月六月丁香网| 最近在线观看免费完整版| av中文乱码字幕在线| 国产精品久久电影中文字幕| 天堂√8在线中文| 中文资源天堂在线| videossex国产| 一进一出抽搐gif免费好疼| 51国产日韩欧美| 91av网一区二区| 最近最新中文字幕大全电影3| 亚洲内射少妇av| 欧美绝顶高潮抽搐喷水| www.www免费av| 国产乱人视频| 精品日产1卡2卡| 美女高潮喷水抽搐中文字幕| 日日摸夜夜添夜夜添av毛片 | 成人av一区二区三区在线看| 成人鲁丝片一二三区免费| 国产精品久久久久久精品电影| 成人综合一区亚洲| 天美传媒精品一区二区| 免费观看在线日韩| 麻豆av噜噜一区二区三区| 久久久成人免费电影| 成人欧美大片| 99国产精品一区二区蜜桃av| 1000部很黄的大片| 91麻豆av在线| 亚洲18禁久久av| 在线观看舔阴道视频| 久久天躁狠狠躁夜夜2o2o| 老熟妇仑乱视频hdxx| 婷婷丁香在线五月| 亚洲av成人av| 国产精品乱码一区二三区的特点| 亚洲四区av| 午夜福利18| 国产综合懂色| 国内毛片毛片毛片毛片毛片| 中文亚洲av片在线观看爽| 非洲黑人性xxxx精品又粗又长| 久久精品夜夜夜夜夜久久蜜豆| 国内精品久久久久精免费| 国产精品女同一区二区软件 | 18禁黄网站禁片午夜丰满| 欧美日韩精品成人综合77777| 精品久久久久久久久久免费视频| 制服丝袜大香蕉在线| 夜夜看夜夜爽夜夜摸| 亚洲欧美激情综合另类| 久久久久久伊人网av| 国产亚洲精品综合一区在线观看| 欧美xxxx黑人xx丫x性爽| 精品一区二区三区人妻视频| 日本黄色片子视频| 久久99热这里只有精品18| 一本精品99久久精品77| 噜噜噜噜噜久久久久久91| 在线观看66精品国产| 美女 人体艺术 gogo| 精品国产三级普通话版| 99久久精品一区二区三区| 久久6这里有精品| 日本黄大片高清| 国产v大片淫在线免费观看| 波多野结衣高清作品| 免费看光身美女| 久久午夜亚洲精品久久| 一级a爱片免费观看的视频| 亚洲av成人精品一区久久| 男女之事视频高清在线观看| 国产精品一区二区性色av| 99久国产av精品| АⅤ资源中文在线天堂| 黄色配什么色好看| 国产精品美女特级片免费视频播放器| 最新中文字幕久久久久| 赤兔流量卡办理| videossex国产| 人人妻人人澡欧美一区二区| 观看免费一级毛片| 男女之事视频高清在线观看| 熟女电影av网| 亚洲人成伊人成综合网2020| 91麻豆精品激情在线观看国产| 日韩一区二区视频免费看| 91久久精品国产一区二区成人| av在线蜜桃| 亚洲avbb在线观看| 亚洲国产欧美人成| 在线观看66精品国产| 97超级碰碰碰精品色视频在线观看| 美女黄网站色视频| 日韩国内少妇激情av| av女优亚洲男人天堂| 搡女人真爽免费视频火全软件 | 亚洲最大成人中文| 久99久视频精品免费| 日韩欧美一区二区三区在线观看| 亚洲精华国产精华液的使用体验 | 欧美在线一区亚洲| 国产乱人视频| 中文字幕人妻熟人妻熟丝袜美| 欧美一区二区亚洲| 国产极品精品免费视频能看的| 国产精品久久久久久久久免| 精品久久国产蜜桃| 麻豆成人av在线观看| 成人鲁丝片一二三区免费| 久久人人爽人人爽人人片va| 看免费成人av毛片| 热99re8久久精品国产| 99久久中文字幕三级久久日本| 一个人看视频在线观看www免费| 别揉我奶头~嗯~啊~动态视频| 男女做爰动态图高潮gif福利片| 亚洲国产日韩欧美精品在线观看| 国内精品宾馆在线| 一区福利在线观看| 国产亚洲精品av在线| 在现免费观看毛片| 搡女人真爽免费视频火全软件 | 三级男女做爰猛烈吃奶摸视频| 国产视频内射| 亚洲国产欧洲综合997久久,| 老熟妇乱子伦视频在线观看| 在线看三级毛片| 国产亚洲91精品色在线| 精品福利观看| 日本黄色片子视频| 国产成人福利小说| 国产精品亚洲一级av第二区| 国产精品久久久久久久久免| 亚洲av日韩精品久久久久久密| 国产精品久久久久久久电影| 成熟少妇高潮喷水视频| 亚洲狠狠婷婷综合久久图片| 亚洲一区二区三区色噜噜|