• <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 ?

    基于機(jī)器學(xué)習(xí)的HEVC快速幀內(nèi)預(yù)測(cè)算法研究進(jìn)展

    2018-09-12 07:30:36艾達(dá)盧雪磊高陽(yáng)董久軍
    現(xiàn)代電子技術(shù) 2018年18期
    關(guān)鍵詞:機(jī)器學(xué)習(xí)

    艾達(dá) 盧雪磊 高陽(yáng) 董久軍

    摘 要: 高效率視頻編碼(HEVC)存在幀內(nèi)預(yù)測(cè)計(jì)算復(fù)雜度過(guò)高的情況,而機(jī)器學(xué)習(xí)方法在HEVC快速幀內(nèi)預(yù)測(cè)算法的研究取得了一定的進(jìn)展。對(duì)近年來(lái)常用的機(jī)器學(xué)習(xí)算法在幀內(nèi)預(yù)測(cè)快速深度決策和模式?jīng)Q策兩方面的應(yīng)用進(jìn)行詳述,總結(jié)比較不同文獻(xiàn)提出的機(jī)器學(xué)習(xí)方法在編碼性能上的優(yōu)劣,最后分析機(jī)器學(xué)習(xí)算法在幀內(nèi)編碼應(yīng)用中存在的問(wèn)題,為下一步研究提供參考性建議。

    關(guān)鍵詞: 高效視頻編碼; 幀內(nèi)預(yù)測(cè); 深度決策; 模式?jīng)Q策; 機(jī)器學(xué)習(xí); 計(jì)算復(fù)雜度

    中圖分類(lèi)號(hào): TN919.81?34 文獻(xiàn)標(biāo)識(shí)碼: A 文章編號(hào): 1004?373X(2018)18?0178?04

    Advances in research of HEVC fast intra?frame prediction algorithm

    based on machine learning

    AI Da1, LU Xuelei1, GAO Yang2, DONG Jiujun2

    (1. The Key Laboratory of Electronic Information Site?Survey Application Technology of The Ministry of Public Security, Xian University of Posts and Telecommunications, Xian 710121, China;

    2. School of Communications and Information Engineering, Xian University of Posts and Telecommunications, Xian 710121, China)

    Abstract: In view of the high computational complexity of intra?frame prediction in high efficiency video coding (HEVC), and a certain progress that the machine learning method has made in research of the HEVC fast intra?frame prediction algorithm, the application of common machine learning algorithms in recent years to the depth decision and mode decision of fast intra?frame prediction is discussed in detail. The coding performance advantages and disadvantages of the machine learning methods proposed in different literatures are summarized and compared. The intra?frame coding application problems of machine learning algorithm are analyzed, which can provide reference suggestions for further research.

    Keywords: HEVC; intra?frame prediction; depth decision; mode decision; machine learning; computational complexity

    0 引 言

    為了適應(yīng)高清視頻在應(yīng)用中對(duì)數(shù)據(jù)處理能力的迫切需求,新一代視頻壓縮編碼標(biāo)準(zhǔn)高效視頻編碼(High Efficiency Video Coding,HEVC)[1]應(yīng)運(yùn)而生。HEVC引入了一些新的編碼技術(shù):基于四叉樹(shù)劃分的編碼單元(CU)、預(yù)測(cè)單元(PU)和變換單元(TU)[2]、35種幀內(nèi)預(yù)測(cè)方向[3]、先進(jìn)的運(yùn)動(dòng)矢量預(yù)測(cè)技術(shù)(AMVP)和運(yùn)動(dòng)信息融合技術(shù)(Merge)以及像素自適應(yīng)補(bǔ)償技術(shù)等,這些新技術(shù)的應(yīng)用使HEVC可節(jié)省近50%比特率[4] 。但在提供相同視頻質(zhì)量前提下比上一代視頻編碼標(biāo)準(zhǔn)H.264,相應(yīng)的編碼復(fù)雜度[5]提高了2~4倍。如何在保證視頻質(zhì)量前提下降低HEVC編碼復(fù)雜度問(wèn)題已成為研究熱點(diǎn)。

    幀內(nèi)編碼作為高效視頻編碼中一個(gè)重要環(huán)節(jié),采用了靈活的四叉樹(shù)分割[6]技術(shù)和多角度幀內(nèi)預(yù)測(cè)技術(shù),導(dǎo)致幀內(nèi)編碼復(fù)雜度極高。目前國(guó)內(nèi)外關(guān)于快速幀內(nèi)編碼算法研究主要是從CU快速劃分決策和快速幀內(nèi)預(yù)測(cè)模式?jīng)Q策[7]兩方面進(jìn)行的。傳統(tǒng)方法根據(jù)圖像相鄰塊的紋理特性與時(shí)空域相關(guān)性跳過(guò)或終止當(dāng)前不必要的深度劃分,在最優(yōu)模式的選擇上主要也是利用此方法,從而減少了大量率失真代價(jià)的計(jì)算。

    近年來(lái)隨著人工智能的興起,機(jī)器學(xué)習(xí)已成為一個(gè)熱點(diǎn),其廣泛應(yīng)用于人工智能、模式識(shí)別和信號(hào)處理。它能從復(fù)雜情況的大數(shù)據(jù)中學(xué)習(xí)[8],并給出最優(yōu)的解決方案。有了這些優(yōu)良的特性,國(guó)內(nèi)外從事視頻編碼的研究人員,將機(jī)器學(xué)習(xí)的理論和方法應(yīng)用到HEVC幀內(nèi)編碼的研究領(lǐng)域。用機(jī)器學(xué)習(xí)的方法替代復(fù)雜的率失真計(jì)算過(guò)程,從而起到保證視頻質(zhì)量的前提下,降低了編碼計(jì)算的復(fù)雜度,取得了一定的成果。

    本文詳細(xì)敘述了常用的機(jī)器學(xué)習(xí)方法在HEVC幀內(nèi)CU快速劃分決策和快速預(yù)測(cè)模式?jīng)Q策兩方面的應(yīng)用。對(duì)各種方法取得編碼性能做了總結(jié)與比較,提出了機(jī)器學(xué)習(xí)方法在快速幀內(nèi)編碼應(yīng)用中面臨的一些問(wèn)題,為下一步研究提供參考性建議。

    1 機(jī)器學(xué)習(xí)方法在HEVC幀內(nèi)CU快速劃分決策中的應(yīng)用

    機(jī)器學(xué)習(xí)是一門(mén)多領(lǐng)域交叉融合的學(xué)科,其是人工智能的核心,主要使用歸納、綜合,而不是演繹。常見(jiàn)的機(jī)器學(xué)習(xí)算法有許多,根據(jù)算法的功能和形式的類(lèi)似性,把算法分類(lèi)為支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)、決策樹(shù)算法、回歸算法、聚類(lèi)算法、樸素貝葉斯算法等。以上算法已廣泛應(yīng)用在HEVC幀內(nèi)預(yù)測(cè)快速算法的研究中。本節(jié)具體介紹了幾種常用的機(jī)器學(xué)習(xí)方法在CU快速劃分決策中的應(yīng)用。

    1.1 CU快速劃分SVM算法

    由Vapnik提出的支持向量機(jī)(Support Vector Machine,SVM)算法是一種解決模式識(shí)別的方法[9]。該算法將樣本點(diǎn)映射到一個(gè)高維特征空間中,通過(guò)最大化兩個(gè)類(lèi)之間的邊界來(lái)尋找最佳的分離超平面。將SVM用在幀內(nèi)編碼CU快速劃分決策中,主要舍去復(fù)雜的率失真計(jì)算,降低編碼的復(fù)雜度。

    文獻(xiàn)[10]中首先分析了HEVC中CU深度決策過(guò)程,將CU深度決策過(guò)程建模為三級(jí)分層決策問(wèn)題;其次提出了一種改進(jìn)的CU深度決策結(jié)構(gòu),允許每個(gè)CU深度決策的性能在編碼復(fù)雜度和RD性能之間取得均衡;最后,針對(duì)最優(yōu)訓(xùn)練參數(shù)確定得到了復(fù)雜的RD復(fù)雜度模型。該算法比特率增加了1.98%,平均編碼時(shí)間減少了51.45%。

    文獻(xiàn)[11]對(duì)CU多重紋理信息分析進(jìn)而對(duì)CU四叉樹(shù)劃分進(jìn)行了剪枝,從而縮小深度劃分的區(qū)間。第一步應(yīng)用自定義的圖像紋理提取方法提取出編碼單元多重紋理特征;第二步利用SVM訓(xùn)練提取的特征參數(shù)得到?jīng)Q策函數(shù),在訓(xùn)練過(guò)程對(duì)訓(xùn)練數(shù)集進(jìn)行標(biāo)記;第三步使用決策函數(shù)對(duì)測(cè)試集進(jìn)行預(yù)測(cè),根據(jù)決策函數(shù)跳過(guò)前面不必要的劃分和提前終止劃分。該算法比特率增加了0.84%,平均編碼時(shí)間減少43.23%。

    文獻(xiàn)[12]應(yīng)用SVM將CU分區(qū)決策建模為一個(gè)二進(jìn)制分類(lèi)問(wèn)題。為了減少異常值的影響以及在發(fā)生錯(cuò)誤分類(lèi)時(shí)保持率失真(RD)性能,由于錯(cuò)誤分類(lèi)引起的RD損失將作為SVM訓(xùn)練中的權(quán)重引入。該算法在隨機(jī)訪問(wèn)模式(RA)下比特率增加了1.35%,平均編碼時(shí)間減少44.7%,低延時(shí)模式(LD)模式下比特率增加了1.66%,平均編碼時(shí)間減少了41.9%。

    文獻(xiàn)[13]應(yīng)用SVM提取圖像有效特征后,SVM將每個(gè)CU分類(lèi)為均勻、復(fù)雜和不確定三類(lèi)。然后,均勻CU可以提前終止,復(fù)雜的CU可以跳過(guò),這大大降低了幀內(nèi)編碼的計(jì)算復(fù)雜度。該算法比特率增加了1.2%,平均編碼時(shí)間減少了53%。

    文獻(xiàn)[14]通過(guò)使用拉普拉斯透明復(fù)合模型(LPTCM)從原始幀中提取二值化異常值系數(shù)(SBOC)向量的特征,然后發(fā)送到在線(xiàn)訓(xùn)練SVM。 將兩個(gè)SVM組合以預(yù)測(cè)CU分區(qū)決策,使得編碼過(guò)程可以顯著加快。在全幀內(nèi)模式(AI)下該算法比特率增加了0.78%,平均編碼時(shí)間減少了48%。

    通過(guò)上述對(duì)不同文獻(xiàn)應(yīng)用SVM算法編碼性能的比較分析可以得到,文獻(xiàn)[14]利用SVM將提取的圖像特征直接分為三類(lèi),從而根據(jù)三類(lèi)不同圖像特征確定CU劃分情況。與其他技術(shù)比較,比特率增加最少,平均編碼時(shí)間減少符合預(yù)期。而文獻(xiàn)[10]平均編碼時(shí)間減少最多,但其比特率增加相應(yīng)最多。

    1.2 CU快速劃分決策樹(shù)算法

    決策樹(shù)算法廣泛應(yīng)用在CU快速分區(qū)決策中。決策樹(shù)算法與支持向量機(jī)和邏輯回歸算法類(lèi)似,都是經(jīng)典的分類(lèi)方法。前期對(duì)收集到的數(shù)據(jù)處理,利用歸納算法得到?jīng)Q策樹(shù),利用生成的決策樹(shù)對(duì)數(shù)據(jù)進(jìn)行分析。

    文獻(xiàn)[15]使用低復(fù)雜度屬性(例如CU塊的均值和方差)實(shí)現(xiàn)決策樹(shù),提前終止CU劃分,避免對(duì)整個(gè)大小的RDO評(píng)估。該算法比特率增加少于0.6%,平均編碼時(shí)間減少了28%。

    文獻(xiàn)[16]針對(duì)視頻紋理特征,選擇灰度差分統(tǒng)計(jì)(GDS)的熵和絕對(duì)轉(zhuǎn)換差值(SATD)的最小值作為兩個(gè)重要特征,可以在計(jì)算復(fù)雜度和分類(lèi)性能之間取得平衡。根據(jù)所選擇的特征,可以通過(guò)離線(xiàn)訓(xùn)練為不同大小的CU構(gòu)建自適應(yīng)決策樹(shù)。所提出的算法在編碼效率幾乎無(wú)損失的情況下,比特率增加忽略不計(jì),平均編碼時(shí)間減少了34%。

    文獻(xiàn)[17]使用了一個(gè)加權(quán)和方法來(lái)進(jìn)行分區(qū)決策。利用鄰近的CU作為一個(gè)參考分區(qū),為當(dāng)前的CU設(shè)置尺寸大小范圍。然后,引入隨機(jī)森林來(lái)預(yù)測(cè)CU尺寸64×64或32×32。在編碼之前,在隨機(jī)森林方案中輸入圖像塊中的像素,并輸出決策過(guò)程是否停留在當(dāng)前深度,或者直接跳過(guò)當(dāng)前的CU大小,并開(kāi)始預(yù)測(cè)更高的深度。該算法比特率增加了0.80%,平均編碼時(shí)間減少了48.31%。

    通過(guò)對(duì)不同文獻(xiàn)應(yīng)用SVM算法編碼性能的比較分析可以得到,文獻(xiàn)[17]通過(guò)相鄰CU作為參考與隨機(jī)森林預(yù)測(cè)相結(jié)合。與其他技術(shù)比較,比特率增加與平均編碼時(shí)間減少均達(dá)到最優(yōu)。文獻(xiàn)[16]雖然編碼比特率增加小于0.6%,但平均編碼時(shí)間減少最少。

    1.3 CU快速劃分神經(jīng)網(wǎng)絡(luò)算法

    神經(jīng)網(wǎng)絡(luò) (Neural Networks) 是一種非參量化的分析技術(shù),使用自適應(yīng)學(xué)習(xí)技術(shù)來(lái)提取異常行為的特征,通過(guò)對(duì)廣泛數(shù)據(jù)集的訓(xùn)練與測(cè)試得出計(jì)算機(jī)能識(shí)別的正常行為。神經(jīng)網(wǎng)絡(luò)由大量的處理單元組成,單元間通過(guò)帶有權(quán)值的連接來(lái)進(jìn)行交互。目前,神經(jīng)網(wǎng)絡(luò)已有多種模型在HEVC幀內(nèi)預(yù)測(cè)中應(yīng)用。

    文獻(xiàn)[18]為了預(yù)測(cè)最佳的編碼樹(shù)單元(CTU)分區(qū),采用3個(gè)小神經(jīng)網(wǎng)絡(luò)分別應(yīng)用在各個(gè)分區(qū)層級(jí)上,由各自的有限狀態(tài)機(jī)控制。神經(jīng)網(wǎng)絡(luò)從編碼線(xiàn)程中經(jīng)過(guò)不斷的訓(xùn)練,并在訓(xùn)練完成后立即應(yīng)用。由于計(jì)算復(fù)雜度的降低,采用準(zhǔn)牛頓訓(xùn)練法[19],為了減少訓(xùn)練時(shí)間,采樣采用非零CU深度層次。該算法比特率增加可以忽略不計(jì),編碼時(shí)間最大可減少65%。

    文獻(xiàn)[20]利用當(dāng)前塊豐富的圖像紋理,因此能夠提高預(yù)測(cè)當(dāng)前塊的準(zhǔn)確性。與此同時(shí),對(duì)最近三個(gè)塊的重建也可以加以改進(jìn)。該算法比特率增加0.70%。

    2 機(jī)器學(xué)習(xí)方法在HEVC快速幀內(nèi)預(yù)測(cè)模式?jīng)Q策中的應(yīng)用

    2.1 幀內(nèi)快速預(yù)測(cè)模式?jīng)Q策樹(shù)算法

    決策樹(shù)算法已經(jīng)在幀內(nèi)CU劃分中廣泛應(yīng)用,同樣的在幀內(nèi)編碼快速模式選擇上也取得了一定研究進(jìn)展。

    文獻(xiàn)[21]利用參考像素的方差表示平滑程度,并根據(jù)PU參考像素值的平滑程度,自定義三種不同的情況,并根據(jù)不同的情況規(guī)定其對(duì)應(yīng)的預(yù)測(cè)模式數(shù)量,然后使用機(jī)器學(xué)習(xí)軟件平臺(tái)Weka運(yùn)行出模式選擇的決策樹(shù)。在訓(xùn)練過(guò)程中將PU塊作為輸入信息,利用所生成的分類(lèi)決策樹(shù)預(yù)測(cè)出各個(gè)PU塊需要遍歷的預(yù)測(cè)模式,從而不必要每一個(gè)PU都遍歷35種預(yù)測(cè)模式,降低了幀內(nèi)編碼的計(jì)算復(fù)雜度。該算法在高碼率情況下,比特率增加了0.25%,平均編碼時(shí)間減少了大約16.18%,相當(dāng)于BD?PSNR平均降低大約0.02 dB;在低碼率情況下,比特率增加了0.04%,平均編碼時(shí)間減少了大約20.75%,相當(dāng)于BD?PSNR平均降低大約0 dB。

    2.2 幀內(nèi)快速預(yù)測(cè)模式邏輯回歸算法

    回歸算法是采用對(duì)誤差的衡量來(lái)探索變量之間的關(guān)系的一類(lèi)算法。應(yīng)用邏輯回歸算法將幀內(nèi)編碼復(fù)雜的幀內(nèi)運(yùn)算過(guò)程化為分類(lèi)問(wèn)題區(qū)解決,從而減少了計(jì)算量。

    文獻(xiàn)[22]將CU劃分建模為二進(jìn)制分類(lèi)問(wèn)題。邏輯回歸方法為劃分和不劃分提供合適的分類(lèi),邏輯回歸分類(lèi)器是通過(guò)離線(xiàn)學(xué)習(xí)預(yù)先構(gòu)建的。此外,考慮了不同的特征,應(yīng)用基于F?分?jǐn)?shù)的特征選擇方法來(lái)選擇最佳特征。該算法比特率增加了1.29%,平均編碼計(jì)算復(fù)雜度降低了55.5%。

    2.3 幀內(nèi)快速預(yù)測(cè)模式神經(jīng)網(wǎng)絡(luò)算法

    卷積神經(jīng)網(wǎng)絡(luò)是神經(jīng)網(wǎng)絡(luò)中一種高效的識(shí)別方法。卷積神經(jīng)網(wǎng)絡(luò)已經(jīng)成為眾多科學(xué)領(lǐng)域的研究熱點(diǎn)之一。由于該網(wǎng)絡(luò)避免了對(duì)圖像的復(fù)雜前期預(yù)處理,可以直接輸入原始圖像內(nèi)容,利用卷積神經(jīng)網(wǎng)絡(luò)對(duì)其進(jìn)行特征提取,以達(dá)到更高的神經(jīng)網(wǎng)絡(luò)識(shí)別準(zhǔn)確率,因而得到更為廣泛的應(yīng)用。近年來(lái)學(xué)者將卷積神經(jīng)網(wǎng)絡(luò)這一特征與幀內(nèi)編碼結(jié)合,取得了一定成果。

    文獻(xiàn)[23]應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)(CNN)來(lái)分析源圖像塊的紋理結(jié)構(gòu),然后減少CU模式的最大數(shù)量。在CNN的結(jié)構(gòu)設(shè)計(jì)中,通過(guò)考慮量化對(duì)編碼成本的影響,引入了量化參數(shù)。進(jìn)一步優(yōu)化了CNN訓(xùn)練策略,提高了預(yù)測(cè)精度。該算法比特率增長(zhǎng)了2.66%,節(jié)省了63%的編碼時(shí)間。

    文獻(xiàn)[24]應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)對(duì)一個(gè)CU的紋理進(jìn)行了分析,經(jīng)過(guò)兩個(gè)卷積層特征提取之后,提高了分類(lèi)的準(zhǔn)確率。最后確定了最優(yōu)的CU/PU模式的候選模式,以進(jìn)行詳盡的率失真優(yōu)化處理。該算法比特率增加3.39%,平均節(jié)省了61.1%的編碼時(shí)間。

    文獻(xiàn)[25]應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)對(duì)源視頻序列像素內(nèi)容的訓(xùn)練得出對(duì)應(yīng)的35種預(yù)測(cè)模式。因此,在沒(méi)有對(duì)所有可用模式進(jìn)行優(yōu)化的情況下,將選定的內(nèi)部預(yù)測(cè)模式作為一種分類(lèi)的問(wèn)題。該算法編碼效率的損失可以忽略不計(jì)。

    文獻(xiàn)[26]應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)分析了一個(gè)CU的紋理特征,然后在32×32/16×16和8×8/4×4 CU/PU模式對(duì)中決定出最可能的候選模式,從而代替了復(fù)雜的率失真代價(jià)計(jì)算過(guò)程。該算法比特率增加了2.67%,平均編碼時(shí)間減少61.1%。通過(guò)上述對(duì)不同文獻(xiàn)應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)的方法可以得知,與其他方法相比,此方法取得平均編碼時(shí)間減少最多。文獻(xiàn)[26]通過(guò)直接訓(xùn)練原始圖像得出預(yù)測(cè)模式的結(jié)果比特率增加最少,平均編碼時(shí)間減少最多,是最優(yōu)方法。

    3 結(jié) 論

    本文詳細(xì)論述了各種典型機(jī)器學(xué)習(xí)方法在幀內(nèi)編碼快速深度決策與模式選擇兩方面的應(yīng)用。通過(guò)對(duì)各種應(yīng)用方法的歸納和比較,總結(jié)得出,機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)算法在HEVC幀內(nèi)編碼應(yīng)用中平均編碼時(shí)間減少最多,省去了前期對(duì)源圖像復(fù)雜特征的分類(lèi),直接對(duì)源圖像進(jìn)行分析。同時(shí)目前方法的應(yīng)用也面臨一些問(wèn)題,如前期對(duì)圖像紋理進(jìn)行分類(lèi)方法仍存在通用性和閾值選擇方面的問(wèn)題;用機(jī)器學(xué)習(xí)方法在訓(xùn)練過(guò)程中存在參數(shù)選擇和個(gè)數(shù)問(wèn)題。為此,在下一步研究提出以下參考性建議:

    1) 神經(jīng)網(wǎng)絡(luò)算法的應(yīng)用關(guān)鍵是提高預(yù)測(cè)準(zhǔn)確率,對(duì)前期輸入網(wǎng)絡(luò)圖像特征要求很高,利用圖像處理方法對(duì)輸入圖像做一些基本處理,有利于提高預(yù)測(cè)的準(zhǔn)確率。

    2) 應(yīng)用深層次的卷積網(wǎng)絡(luò)對(duì)輸入圖像做特征提取也能在一定程度上提高分類(lèi)的準(zhǔn)確性,從而在減少編碼時(shí)間的同時(shí),降低比特率的開(kāi)銷(xiāo)。

    機(jī)器學(xué)習(xí)作為科學(xué)研究的熱門(mén)領(lǐng)域,在眾多研究人員不懈的努力下,更多符合人工智能的快速幀內(nèi)編碼算法會(huì)不斷涌現(xiàn),從而推動(dòng)視頻編碼技術(shù)快速發(fā)展。

    參考文獻(xiàn)

    [1] SULLIVAN G J, OHM J R, HAN W J, et al. Overview of the high efficiency video coding (HEVC) standard [J]. IEEE transactions on circuits and systems for video technology, 2013, 22(12): 1649?1668.

    [2] KIM I K, MIN J, LEE T, et al. Block partitioning structure in the HEVC standard [J]. IEEE transactions on circuits and systems for video technology, 2012, 22(12): 1697?1706.

    [3] LAINEMA J, BOSSEN F, HAN W J, et al. Intra coding of the HEVC standard [J]. IEEE transactions on circuits and systems for video technology, 2012, 22(12): 1792?1801.

    [4] OHM J, SULLIVAN G J, SCHWARZ H, et al. Comparison of the coding efficiency of video coding standards: including high efficiency video coding (HEVC) [J]. IEEE transactions on circuits and systems for video technology, 2013, 22(12): 1669?1684.

    [5] BOSSEN F, BROSS B, SUHRING K, et al. HEVC complexity and implementation analysis [J]. IEEE transactions on circuits and systems for video technology, 2013, 22(12): 1685?1696.

    [6] CORREA G, ASSUNCAO P, AGOSTINI L, et al. Complexity control of HEVC through quadtree depth estimation [C]// Proceedings of EUROCON. Zagreb: IEEE, 2013: 81?86.

    [7] MERCAT A, ARRESTIER F, HAMIDOUCHE W, et al. Constrain the docile CTUs: an in?frame complexity allocator for HEVC intra encoders [C]// Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing. New Orleans: IEEE, 2017: 1163?1167.

    [8] 顏松遠(yuǎn).機(jī)器學(xué)習(xí)理論及應(yīng)用[J].計(jì)算機(jī)工程與科學(xué),2012,34(9):201.

    YAN Songyuan. Theory and application of machine learning [J]. Computer engineering and science, 2012, 34(9): 201.

    [9] CHERKASSKY V. The nature of statistical learning theory [J]. IEEE transactions on neural networks, 1997, 8(6): 1564.

    [10] ZHANG Y, KWONG S, WANG X, et al. Machine learning?based coding unit depth decisions for flexible complexity allocation in high efficiency video coding [J]. IEEE transactions on image processing, 2015, 24(7): 2225?2238.

    [11] 張峻,董蘭芳,余家奎.高效率視頻編碼快速幀內(nèi)預(yù)測(cè)算法[J].計(jì)算機(jī)應(yīng)用,2015,35(8):2327?2331.

    ZHANG Jun, DONG Lanfang, YU Jiakui. Fast intra prediction algorithm for high efficiency video coding [J]. Journal of computer applications, 2015, 35(8): 2327?2331.

    [12] SHEN X, YU L. CU splitting early termination based on weighted SVM [J]. EURASIP journal on image & video processing, 2013(1): 1?11.

    [13] LIU D, LIU X, LI Y. Fast CU size decisions for HEVC intra frame coding based on support vector machines [C]// Proceedings of International Conference on Dependable, Autonomic and Secure Computing. Auckland: IEEE, 2016: 594?597.

    [14] SHAN Y, YANG E H. Fast HEVC intra coding algorithm based on machine learning and Laplacian transparent composite model [C]// Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing. New Orleans: IEEE, 2017: 2642?2646.

    [15] RUIZ?COLL D, ADZIC V, FERN?NDEZ?ESCRIBANO G, et al. Fast partitioning algorithm for HEVC intra frame coding using machine learning [C]// Proceedings of IEEE International Conference on Image Processing. Paris: IEEE, 2015: 4112?4116.

    [16] ZHENG X, ZHAO Y, BAI H, et al. Fast algorithm for intra prediction of HEVC using adaptive decision trees [J]. KSII transactions on internet and information systems, 2016, 10(7): 3286?3300.

    [17] DU B, SIU W C, YANG X. Fast CU partition strategy for HEVC intra?frame coding using learning approach via random forests [C]// Proceedings of Asia?Pacific Signal and Information Processing Association Annual Summit and Conference. Hong Kong: IEEE, 2016: 1085?1090.

    [18] MOMCILOVIC S, ROMA N, SOUSA L, et al. Run?time machine learning for HEVC/H.265 fast partitioning decision [C]// Proceedings of IEEE International Symposium on Multimedia. Miami: IEEE, 2016: 347?350.

    [19] SETIONO R, HUI L C K. Use of a quasi?Newton method in a feedforward neural network construction algorithm [J]. IEEE transactions on neural networks, 1995, 6(1): 273?277.

    [20] CUI W, ZHANG T, ZHANG S, et al. Convolutional neural networks based intra prediction for HEVC [C]// Proceedings of Data Compression Conference. Snowbird: IEEE, 2017: 436.

    [21] 祝世平,張春燕.基于機(jī)器學(xué)習(xí)的HEVC幀內(nèi)模式快速?zèng)Q策算法[J].光電子·激光,2016,27(11):1199?1207.

    ZHU Shiping, ZHANG Chunyan. A fast HEVC intra mode decision algorithm based on machine learning [J]. Journal of optoelectronics·laser, 2016, 27(11): 1199?1207.

    [22] HU Q, SHI Z, ZHANG X, et al. Fast HEVC intra mode decision based on logistic regression classification [C]// Proceedings of IEEE International Symposium on Broadband Multimedia Systems and Broadcasting. Nara: IEEE, 2016: 1?4.

    [23] LIU Z, YU X, CHEN S, et al. CNN oriented fast HEVC intra CU mode decision [C]// Proceedings of IEEE International Symposium on Circuits and Systems. Montreal: IEEE, 2016: 2270?2273.

    [24] YU X, LIU Z, LIU J, et al. VLSI friendly fast CU/PU mode decision for HEVC intra encoding: leveraging convolution neural network [C]// Proceedings of IEEE International Conference on Image Processing. Quebec: IEEE, 2015: 1285?1289.

    [25] LAUDE T, OSTERMANN J. Deep learning?based intra prediction mode decision for HEVC [C]// Proceedings of Picture Coding Symposium. Nuremberg: IEEE, 2017: 1?5.

    [26] LIU Z, YU X, GAO Y, et al. CU partition mode decision for HEVC hardwired intra encoder using convolution neural network [J]. IEEE transactions on image processing, 2016, 25(11): 5088?5103.

    猜你喜歡
    機(jī)器學(xué)習(xí)
    基于詞典與機(jī)器學(xué)習(xí)的中文微博情感分析
    基于機(jī)器學(xué)習(xí)的圖像特征提取技術(shù)在圖像版權(quán)保護(hù)中的應(yīng)用
    基于網(wǎng)絡(luò)搜索數(shù)據(jù)的平遙旅游客流量預(yù)測(cè)分析
    前綴字母為特征在維吾爾語(yǔ)文本情感分類(lèi)中的研究
    下一代廣播電視網(wǎng)中“人工智能”的應(yīng)用
    活力(2016年8期)2016-11-12 17:30:08
    基于支持向量機(jī)的金融數(shù)據(jù)分析研究
    基于Spark的大數(shù)據(jù)計(jì)算模型
    基于樸素貝葉斯算法的垃圾短信智能識(shí)別系統(tǒng)
    基于圖的半監(jiān)督學(xué)習(xí)方法綜述
    機(jī)器學(xué)習(xí)理論在高中自主學(xué)習(xí)中的應(yīng)用
    日韩人妻高清精品专区| 噜噜噜噜噜久久久久久91| 一级毛片电影观看 | 熟女电影av网| 国产熟女欧美一区二区| 日本黄大片高清| 日韩欧美 国产精品| 日韩av不卡免费在线播放| av免费观看日本| 久久99热这里只有精品18| 我要搜黄色片| 干丝袜人妻中文字幕| 成人欧美大片| 成人毛片60女人毛片免费| 国产成人91sexporn| 一个人观看的视频www高清免费观看| 色视频www国产| 成人一区二区视频在线观看| av.在线天堂| 中国国产av一级| 能在线免费观看的黄片| 大又大粗又爽又黄少妇毛片口| 亚洲中文字幕日韩| 国产成人精品婷婷| av女优亚洲男人天堂| 精品久久久久久久久久免费视频| 亚洲人成网站在线播放欧美日韩| 亚洲自偷自拍三级| 亚洲国产色片| 99久久精品一区二区三区| 寂寞人妻少妇视频99o| 色综合亚洲欧美另类图片| 久久6这里有精品| 性欧美人与动物交配| 中国美白少妇内射xxxbb| 亚洲精品日韩在线中文字幕 | 欧美日本视频| 美女大奶头视频| 一级毛片久久久久久久久女| 蜜桃亚洲精品一区二区三区| 黄色一级大片看看| 久久精品国产亚洲av香蕉五月| 欧美性感艳星| 久久久国产成人精品二区| 国产伦理片在线播放av一区 | 久久久久网色| 国产又黄又爽又无遮挡在线| 亚洲色图av天堂| 亚洲精品成人久久久久久| 18禁在线播放成人免费| 午夜激情欧美在线| 91狼人影院| 日韩精品青青久久久久久| 国产精品日韩av在线免费观看| 一区二区三区免费毛片| 国产精品久久视频播放| 人人妻人人澡欧美一区二区| 国产三级在线视频| 变态另类成人亚洲欧美熟女| 国产高潮美女av| 精品国产三级普通话版| 我的女老师完整版在线观看| 国产精品久久久久久亚洲av鲁大| 国产一区二区在线av高清观看| 成人午夜高清在线视频| 国产精品美女特级片免费视频播放器| 晚上一个人看的免费电影| 精品久久久久久久久久免费视频| 国产熟女欧美一区二区| 亚洲真实伦在线观看| 亚洲美女视频黄频| 欧美性猛交黑人性爽| 97热精品久久久久久| 青春草国产在线视频 | 日韩,欧美,国产一区二区三区 | 国产精品无大码| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 亚洲内射少妇av| 亚洲欧洲日产国产| 久久6这里有精品| 国产中年淑女户外野战色| 欧美极品一区二区三区四区| 成人一区二区视频在线观看| 国产免费男女视频| 99视频精品全部免费 在线| 男女啪啪激烈高潮av片| 婷婷色综合大香蕉| 床上黄色一级片| 一个人观看的视频www高清免费观看| 国产精品一区www在线观看| 蜜桃久久精品国产亚洲av| 99精品在免费线老司机午夜| 人妻制服诱惑在线中文字幕| 色哟哟哟哟哟哟| 亚洲欧洲国产日韩| 淫秽高清视频在线观看| 一本久久精品| 久久草成人影院| 日本熟妇午夜| 亚洲一级一片aⅴ在线观看| 欧美色视频一区免费| 日韩一区二区视频免费看| 日本免费一区二区三区高清不卡| 搡老妇女老女人老熟妇| 亚洲美女搞黄在线观看| 欧美日韩一区二区视频在线观看视频在线 | 欧美精品一区二区大全| 国产极品精品免费视频能看的| 久久久久久久久久久免费av| 国产午夜福利久久久久久| 亚洲性久久影院| av在线蜜桃| 少妇丰满av| 国产一区二区在线av高清观看| 毛片一级片免费看久久久久| 精品一区二区三区视频在线| 亚洲久久久久久中文字幕| 久久久久久久久中文| 一级黄色大片毛片| 亚洲真实伦在线观看| 久久精品影院6| 97热精品久久久久久| 精品日产1卡2卡| 成人欧美大片| 免费观看a级毛片全部| 欧美在线一区亚洲| 国产日韩欧美在线精品| 欧美又色又爽又黄视频| 在线观看午夜福利视频| 国产精品不卡视频一区二区| www.色视频.com| 亚洲精华国产精华液的使用体验 | 国产亚洲欧美98| 色综合色国产| www.色视频.com| 精品一区二区三区视频在线| 黄色一级大片看看| 久久久久久久午夜电影| 国产久久久一区二区三区| 人体艺术视频欧美日本| or卡值多少钱| 亚洲第一电影网av| 日产精品乱码卡一卡2卡三| 天美传媒精品一区二区| 又黄又爽又刺激的免费视频.| 国产精品综合久久久久久久免费| 美女xxoo啪啪120秒动态图| 欧美成人免费av一区二区三区| 波野结衣二区三区在线| 精品久久久久久久久av| 欧美成人精品欧美一级黄| 国产高清不卡午夜福利| 狂野欧美激情性xxxx在线观看| 女的被弄到高潮叫床怎么办| av.在线天堂| 97在线视频观看| 免费看日本二区| 免费av不卡在线播放| 久久人人爽人人爽人人片va| 晚上一个人看的免费电影| 全区人妻精品视频| 日韩成人av中文字幕在线观看| 99久久成人亚洲精品观看| 国产精品综合久久久久久久免费| 一个人免费在线观看电影| 亚洲第一电影网av| av在线观看视频网站免费| 激情 狠狠 欧美| 亚洲精品影视一区二区三区av| 久久精品夜夜夜夜夜久久蜜豆| 国产蜜桃级精品一区二区三区| 91久久精品国产一区二区三区| 日韩高清综合在线| 亚洲精品乱码久久久v下载方式| 小蜜桃在线观看免费完整版高清| 一进一出抽搐gif免费好疼| 国产亚洲91精品色在线| 午夜爱爱视频在线播放| 老师上课跳d突然被开到最大视频| 国产欧美日韩精品一区二区| 全区人妻精品视频| 哪个播放器可以免费观看大片| 亚洲精品色激情综合| 校园人妻丝袜中文字幕| 99热全是精品| 亚洲av成人精品一区久久| 看十八女毛片水多多多| 精华霜和精华液先用哪个| 亚洲无线在线观看| 国产精品久久久久久精品电影小说 | 亚洲无线观看免费| 麻豆久久精品国产亚洲av| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 久久久久久久久大av| 青青草视频在线视频观看| 婷婷色av中文字幕| 一个人看视频在线观看www免费| 国产乱人视频| 亚洲一级一片aⅴ在线观看| 欧美zozozo另类| 欧美xxxx性猛交bbbb| 久久久久久久久中文| 欧美日韩一区二区视频在线观看视频在线 | 老司机福利观看| 高清在线视频一区二区三区 | 亚洲精品久久久久久婷婷小说 | 久久国产乱子免费精品| 乱人视频在线观看| 久久精品夜色国产| 久久亚洲国产成人精品v| 26uuu在线亚洲综合色| 久久久久九九精品影院| 日本一本二区三区精品| 成人午夜精彩视频在线观看| 国内少妇人妻偷人精品xxx网站| 国产精品久久久久久精品电影| 男插女下体视频免费在线播放| 亚洲欧美日韩高清专用| 看黄色毛片网站| 久久99蜜桃精品久久| 91久久精品国产一区二区三区| 欧美成人免费av一区二区三区| 成人特级黄色片久久久久久久| 男女边吃奶边做爰视频| 可以在线观看的亚洲视频| 中文字幕久久专区| av在线观看视频网站免费| 亚洲高清免费不卡视频| 日本一本二区三区精品| 国产高潮美女av| 欧美性感艳星| 中文字幕免费在线视频6| 欧美日本视频| 国产一区二区在线观看日韩| 久久午夜亚洲精品久久| 色综合亚洲欧美另类图片| 国产黄色视频一区二区在线观看 | 身体一侧抽搐| 日本免费a在线| 午夜福利成人在线免费观看| 国产精品国产高清国产av| 婷婷六月久久综合丁香| 六月丁香七月| 天堂av国产一区二区熟女人妻| 亚洲精品日韩在线中文字幕 | 国产色婷婷99| 免费观看在线日韩| 久久精品综合一区二区三区| 国产精品伦人一区二区| 精品少妇黑人巨大在线播放 | 中文精品一卡2卡3卡4更新| 干丝袜人妻中文字幕| 欧美日韩综合久久久久久| 精品久久国产蜜桃| 中文字幕免费在线视频6| 亚洲中文字幕一区二区三区有码在线看| 91麻豆精品激情在线观看国产| 欧美成人a在线观看| 国产激情偷乱视频一区二区| 亚洲一区二区三区色噜噜| 国产一区二区在线av高清观看| 国产精品一二三区在线看| 国产黄片美女视频| 97在线视频观看| 国产精品一二三区在线看| 伦精品一区二区三区| 菩萨蛮人人尽说江南好唐韦庄 | 男女做爰动态图高潮gif福利片| 中国美女看黄片| 国内久久婷婷六月综合欲色啪| 永久网站在线| 黄色视频,在线免费观看| 欧美3d第一页| 成年女人看的毛片在线观看| 麻豆国产97在线/欧美| 国产真实乱freesex| 免费观看精品视频网站| 亚洲精品日韩在线中文字幕 | 亚洲人成网站在线播放欧美日韩| 久久久精品欧美日韩精品| 日本在线视频免费播放| 国产女主播在线喷水免费视频网站 | 亚洲精华国产精华液的使用体验 | av视频在线观看入口| 欧美另类亚洲清纯唯美| 欧美精品一区二区大全| 久久久色成人| 亚洲av二区三区四区| 欧美日韩乱码在线| 一级毛片aaaaaa免费看小| 91久久精品电影网| 搡女人真爽免费视频火全软件| 日韩欧美 国产精品| 长腿黑丝高跟| 亚洲最大成人手机在线| 国产成人精品一,二区 | 在线观看美女被高潮喷水网站| 久久草成人影院| 亚洲国产精品合色在线| 少妇被粗大猛烈的视频| 精品免费久久久久久久清纯| 99久国产av精品| 看十八女毛片水多多多| 免费电影在线观看免费观看| 久久午夜亚洲精品久久| 亚洲av中文字字幕乱码综合| 精品人妻视频免费看| 午夜激情福利司机影院| 波多野结衣高清无吗| 麻豆国产av国片精品| 国产精品久久久久久久电影| 性插视频无遮挡在线免费观看| 日本熟妇午夜| 女人十人毛片免费观看3o分钟| 18+在线观看网站| 精品久久国产蜜桃| 天堂av国产一区二区熟女人妻| 五月玫瑰六月丁香| 亚洲国产精品国产精品| 久久久成人免费电影| 蜜桃亚洲精品一区二区三区| 五月伊人婷婷丁香| 一卡2卡三卡四卡精品乱码亚洲| 人人妻人人澡欧美一区二区| 国产69精品久久久久777片| 亚洲激情五月婷婷啪啪| 免费大片18禁| 日韩视频在线欧美| 12—13女人毛片做爰片一| 亚洲av中文av极速乱| 欧美zozozo另类| kizo精华| 久久久精品欧美日韩精品| 乱码一卡2卡4卡精品| 日本五十路高清| 97热精品久久久久久| 精品少妇黑人巨大在线播放 | 美女国产视频在线观看| 少妇猛男粗大的猛烈进出视频 | 久久久久久九九精品二区国产| 淫秽高清视频在线观看| 欧美极品一区二区三区四区| 91午夜精品亚洲一区二区三区| 亚洲高清免费不卡视频| 久久久久久久久久成人| 中文精品一卡2卡3卡4更新| 蜜桃久久精品国产亚洲av| 欧美日韩在线观看h| 少妇猛男粗大的猛烈进出视频 | 国产高清不卡午夜福利| 亚洲精品粉嫩美女一区| 欧美成人精品欧美一级黄| 中文字幕av成人在线电影| 一区二区三区免费毛片| 国产精品不卡视频一区二区| 精品一区二区免费观看| 精品无人区乱码1区二区| 亚洲欧美日韩东京热| АⅤ资源中文在线天堂| 九九爱精品视频在线观看| 国产爱豆传媒在线观看| 色播亚洲综合网| 国产欧美日韩精品一区二区| 亚洲精品成人久久久久久| 午夜福利视频1000在线观看| 国产欧美日韩精品一区二区| 搡女人真爽免费视频火全软件| 秋霞在线观看毛片| 三级男女做爰猛烈吃奶摸视频| 99国产精品一区二区蜜桃av| 国产精品一区二区在线观看99 | 成人国产麻豆网| 欧美高清性xxxxhd video| 久久亚洲精品不卡| 亚洲欧美精品综合久久99| 1000部很黄的大片| 国产中年淑女户外野战色| 午夜福利在线在线| 国产精品伦人一区二区| 日韩中字成人| av黄色大香蕉| 亚洲av成人av| 在线国产一区二区在线| 免费大片18禁| 亚洲色图av天堂| 亚洲五月天丁香| 亚洲成人av在线免费| 国产黄a三级三级三级人| 啦啦啦观看免费观看视频高清| 国产国拍精品亚洲av在线观看| 午夜精品国产一区二区电影 | 床上黄色一级片| 国产麻豆成人av免费视频| 亚洲欧美日韩东京热| 一边亲一边摸免费视频| 麻豆精品久久久久久蜜桃| 国产精品国产高清国产av| 久久精品影院6| 麻豆av噜噜一区二区三区| 两个人的视频大全免费| 亚洲aⅴ乱码一区二区在线播放| 中国美白少妇内射xxxbb| 床上黄色一级片| 老女人水多毛片| 国产一区亚洲一区在线观看| 国产 一区 欧美 日韩| 国产精品一区二区三区四区久久| 麻豆一二三区av精品| 国产精品,欧美在线| 午夜精品一区二区三区免费看| 国产黄a三级三级三级人| 中文字幕av在线有码专区| 噜噜噜噜噜久久久久久91| 久久久久久久久久成人| 男女视频在线观看网站免费| 熟女电影av网| 国产精品久久久久久精品电影小说 | 欧美高清成人免费视频www| 深夜a级毛片| 国产片特级美女逼逼视频| 免费观看在线日韩| 亚洲精品久久国产高清桃花| 亚洲欧美成人精品一区二区| 国产精品三级大全| 十八禁国产超污无遮挡网站| 色噜噜av男人的天堂激情| 51国产日韩欧美| 三级国产精品欧美在线观看| 国产成人影院久久av| av天堂中文字幕网| 国产高清视频在线观看网站| 老司机福利观看| 精品人妻视频免费看| 欧美丝袜亚洲另类| 亚洲内射少妇av| 国产精品蜜桃在线观看 | 久久精品国产自在天天线| 亚洲aⅴ乱码一区二区在线播放| 丝袜喷水一区| 看非洲黑人一级黄片| 国产日本99.免费观看| 此物有八面人人有两片| 国产麻豆成人av免费视频| 午夜福利高清视频| 亚洲最大成人手机在线| 午夜福利在线观看免费完整高清在 | 亚洲美女搞黄在线观看| eeuss影院久久| 欧美成人免费av一区二区三区| 免费观看a级毛片全部| 性欧美人与动物交配| 久久久午夜欧美精品| 最近的中文字幕免费完整| 精品一区二区三区人妻视频| 亚洲va在线va天堂va国产| 赤兔流量卡办理| 97超视频在线观看视频| 精品无人区乱码1区二区| 欧美高清成人免费视频www| 亚洲电影在线观看av| 97在线视频观看| 好男人在线观看高清免费视频| 精品久久久久久久久久免费视频| 爱豆传媒免费全集在线观看| 国产成人a区在线观看| 日韩欧美三级三区| 亚洲av成人精品一区久久| 长腿黑丝高跟| 天堂网av新在线| 99久久精品热视频| 级片在线观看| 中文亚洲av片在线观看爽| 97超视频在线观看视频| 国产亚洲av嫩草精品影院| 久久久久久久亚洲中文字幕| 身体一侧抽搐| 国产一区二区激情短视频| 熟女人妻精品中文字幕| 99久久精品一区二区三区| 91午夜精品亚洲一区二区三区| 久久精品综合一区二区三区| 午夜激情欧美在线| 中文资源天堂在线| 国产精品福利在线免费观看| 少妇裸体淫交视频免费看高清| 男人狂女人下面高潮的视频| 看免费成人av毛片| 亚洲欧美成人综合另类久久久 | АⅤ资源中文在线天堂| 简卡轻食公司| 久久精品夜色国产| 国产一级毛片七仙女欲春2| 99在线人妻在线中文字幕| 亚洲国产色片| 欧美高清成人免费视频www| 国产精品无大码| 69av精品久久久久久| 午夜福利成人在线免费观看| 婷婷精品国产亚洲av| 搡女人真爽免费视频火全软件| 日韩欧美精品免费久久| 久久久久久久亚洲中文字幕| 22中文网久久字幕| 中文字幕熟女人妻在线| 91精品国产九色| 免费无遮挡裸体视频| 国产精品,欧美在线| 久久久国产成人免费| 日韩一区二区视频免费看| 亚洲真实伦在线观看| 欧美激情在线99| 国产 一区 欧美 日韩| 91久久精品电影网| 18禁在线播放成人免费| 国产精品久久电影中文字幕| 插逼视频在线观看| 变态另类丝袜制服| 免费看av在线观看网站| 白带黄色成豆腐渣| 国产高清视频在线观看网站| 非洲黑人性xxxx精品又粗又长| 免费看光身美女| 久久热精品热| 亚洲av一区综合| 精品久久久久久成人av| 精品熟女少妇av免费看| 久久久久久大精品| 精品日产1卡2卡| 日本-黄色视频高清免费观看| 国产精品日韩av在线免费观看| 久久草成人影院| 日本黄色视频三级网站网址| 综合色av麻豆| 国产v大片淫在线免费观看| 九九在线视频观看精品| 亚洲无线在线观看| 国产精品久久电影中文字幕| 国产极品精品免费视频能看的| 久久午夜亚洲精品久久| 国产精品综合久久久久久久免费| 亚洲欧美日韩高清专用| 悠悠久久av| 丰满的人妻完整版| 日本撒尿小便嘘嘘汇集6| 久久欧美精品欧美久久欧美| 中出人妻视频一区二区| 高清日韩中文字幕在线| 国内精品久久久久精免费| 亚洲精品粉嫩美女一区| av专区在线播放| 久久久精品欧美日韩精品| 国产午夜精品论理片| 在线观看美女被高潮喷水网站| 久久久久国产网址| 一区二区三区免费毛片| 亚洲一区二区三区色噜噜| 在线免费观看不下载黄p国产| 日韩欧美精品v在线| 色尼玛亚洲综合影院| 国产精品一区二区三区四区久久| 在线国产一区二区在线| 精品免费久久久久久久清纯| 99视频精品全部免费 在线| 午夜爱爱视频在线播放| 日本色播在线视频| 国产亚洲av片在线观看秒播厂 | 国产亚洲av嫩草精品影院| 大型黄色视频在线免费观看| 51国产日韩欧美| 3wmmmm亚洲av在线观看| 老师上课跳d突然被开到最大视频| 中文精品一卡2卡3卡4更新| 亚洲性久久影院| 91久久精品国产一区二区成人| 夫妻性生交免费视频一级片| 在现免费观看毛片| 国产午夜精品久久久久久一区二区三区| 欧美另类亚洲清纯唯美| АⅤ资源中文在线天堂| 国产亚洲精品av在线| 亚洲欧美日韩卡通动漫| 亚洲国产高清在线一区二区三| 国内精品宾馆在线| 国产乱人视频| 国产精品久久久久久久久免| 久久精品国产亚洲av香蕉五月| 国产精品电影一区二区三区| 亚洲欧洲日产国产| 伊人久久精品亚洲午夜| 18禁在线无遮挡免费观看视频| 国产老妇女一区| 国产熟女欧美一区二区| 淫秽高清视频在线观看| 精品久久久噜噜| 婷婷六月久久综合丁香| 亚洲精品456在线播放app| 国产女主播在线喷水免费视频网站 | 免费电影在线观看免费观看| 成熟少妇高潮喷水视频| 此物有八面人人有两片| 亚洲国产色片| 欧美三级亚洲精品| 美女内射精品一级片tv| 看免费成人av毛片| 美女xxoo啪啪120秒动态图| 日韩一区二区视频免费看| av又黄又爽大尺度在线免费看 | 国产一区亚洲一区在线观看| 国产乱人偷精品视频| 26uuu在线亚洲综合色| 国产单亲对白刺激| 91午夜精品亚洲一区二区三区| 国产亚洲av嫩草精品影院| 在线观看66精品国产| 卡戴珊不雅视频在线播放|