• <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
    日本欧美视频一区| 亚洲第一av免费看| 好男人视频免费观看在线| 亚洲怡红院男人天堂| 99久久精品一区二区三区| 高清欧美精品videossex| 十分钟在线观看高清视频www| 精品国产乱码久久久久久小说| 国产女主播在线喷水免费视频网站| 九草在线视频观看| 99久久精品一区二区三区| 亚洲国产精品成人久久小说| 在线天堂最新版资源| 中文字幕人妻熟人妻熟丝袜美| videossex国产| 久久人人爽人人爽人人片va| 亚洲中文av在线| 高清毛片免费看| 黑人欧美特级aaaaaa片| 香蕉精品网在线| 国产精品一区二区在线不卡| 成人手机av| 亚洲国产精品999| 欧美日韩亚洲高清精品| 91久久精品国产一区二区三区| 久久久久久久久久久免费av| 久久国产精品男人的天堂亚洲 | 国产毛片在线视频| 精品人妻熟女av久视频| av一本久久久久| 国产一区二区在线观看av| 成人毛片a级毛片在线播放| 久久精品国产亚洲av涩爱| 熟女av电影| 国产 精品1| 亚洲精品国产色婷婷电影| 免费观看在线日韩| 又黄又爽又刺激的免费视频.| 在线观看www视频免费| 精品久久久久久久久亚洲| 中国美白少妇内射xxxbb| 国产日韩欧美视频二区| 青青草视频在线视频观看| 成人手机av| 久久女婷五月综合色啪小说| 精品一品国产午夜福利视频| 国产日韩欧美视频二区| av在线播放精品| 国产亚洲最大av| 免费高清在线观看视频在线观看| 免费少妇av软件| 免费日韩欧美在线观看| 国产成人免费观看mmmm| 欧美xxⅹ黑人| 人妻一区二区av| 在线亚洲精品国产二区图片欧美 | 人妻夜夜爽99麻豆av| 精品人妻一区二区三区麻豆| 久久午夜福利片| 日本wwww免费看| 乱码一卡2卡4卡精品| 最近的中文字幕免费完整| 欧美3d第一页| 高清av免费在线| 美女脱内裤让男人舔精品视频| 国产免费又黄又爽又色| 在线观看免费高清a一片| 18禁裸乳无遮挡动漫免费视频| 欧美+日韩+精品| 日韩视频在线欧美| 少妇熟女欧美另类| 热re99久久精品国产66热6| 纯流量卡能插随身wifi吗| 99热这里只有精品一区| 亚洲国产毛片av蜜桃av| 久热这里只有精品99| 人人妻人人爽人人添夜夜欢视频| 欧美+日韩+精品| 99国产综合亚洲精品| 日韩人妻高清精品专区| 免费观看a级毛片全部| 国产一区二区在线观看日韩| 国产精品嫩草影院av在线观看| 三级国产精品欧美在线观看| 日韩精品免费视频一区二区三区 | 色视频在线一区二区三区| 成人漫画全彩无遮挡| 一区二区三区四区激情视频| 亚洲综合色网址| av一本久久久久| 国产综合精华液| 日本av手机在线免费观看| 大片免费播放器 马上看| 大香蕉97超碰在线| 国产黄色视频一区二区在线观看| 免费黄色在线免费观看| 国产精品久久久久久精品古装| 亚洲人成网站在线播| 国产色爽女视频免费观看| 国产色爽女视频免费观看| 亚洲欧美成人精品一区二区| 在线精品无人区一区二区三| 九草在线视频观看| 夜夜看夜夜爽夜夜摸| 国产永久视频网站| 成人黄色视频免费在线看| 菩萨蛮人人尽说江南好唐韦庄| 在线观看免费日韩欧美大片 | 亚洲国产精品成人久久小说| 一边摸一边做爽爽视频免费| 欧美日韩亚洲高清精品| 新久久久久国产一级毛片| 久热这里只有精品99| 久久国产精品大桥未久av| 成人毛片a级毛片在线播放| 国产黄频视频在线观看| 九九久久精品国产亚洲av麻豆| 精品久久蜜臀av无| 久久久精品94久久精品| 亚洲,一卡二卡三卡| videossex国产| 国产精品一区www在线观看| 啦啦啦啦在线视频资源| 老熟女久久久| 日本欧美视频一区| 亚洲国产精品999| 九九在线视频观看精品| 亚洲av国产av综合av卡| 五月伊人婷婷丁香| 亚洲av.av天堂| 久久久久人妻精品一区果冻| 99久久综合免费| 欧美日韩av久久| 美女视频免费永久观看网站| 18禁观看日本| 亚洲美女搞黄在线观看| 国产老妇伦熟女老妇高清| 日日摸夜夜添夜夜爱| 亚洲av男天堂| 国产精品免费大片| 一区二区三区四区激情视频| 美女国产高潮福利片在线看| 亚洲精品中文字幕在线视频| 亚洲av成人精品一区久久| 欧美日本中文国产一区发布| 伊人亚洲综合成人网| 又大又黄又爽视频免费| 中文精品一卡2卡3卡4更新| av线在线观看网站| 国产精品久久久久久精品古装| 97在线人人人人妻| 伦精品一区二区三区| 日韩一本色道免费dvd| 超色免费av| 在线观看一区二区三区激情| 午夜视频国产福利| 在线 av 中文字幕| 妹子高潮喷水视频| 青春草视频在线免费观看| 亚洲,欧美,日韩| 人人妻人人澡人人爽人人夜夜| 人成视频在线观看免费观看| 三级国产精品欧美在线观看| 久久99蜜桃精品久久| www.色视频.com| 久久久精品94久久精品| 国产在视频线精品| 国产无遮挡羞羞视频在线观看| 又黄又爽又刺激的免费视频.| 成年人免费黄色播放视频| 欧美精品人与动牲交sv欧美| 亚洲怡红院男人天堂| 亚洲情色 制服丝袜| 午夜激情av网站| tube8黄色片| 久久久久久久久久人人人人人人| 最黄视频免费看| 亚洲婷婷狠狠爱综合网| 国产不卡av网站在线观看| 日韩中字成人| 亚洲精品日本国产第一区| 久久久欧美国产精品| 亚洲天堂av无毛| 精品久久久精品久久久| 伦精品一区二区三区| av免费在线看不卡| 亚洲精品第二区| 岛国毛片在线播放| 97在线视频观看| 18禁观看日本| 一区二区三区精品91| 人人妻人人添人人爽欧美一区卜| 成人二区视频| 色5月婷婷丁香| 国产在线视频一区二区| 成人免费观看视频高清| 欧美日韩视频精品一区| 久久久精品94久久精品| av国产精品久久久久影院| 久久午夜福利片| 欧美 日韩 精品 国产| 热99久久久久精品小说推荐| 高清午夜精品一区二区三区| 久久精品久久久久久噜噜老黄| 观看美女的网站| 国产黄色视频一区二区在线观看| 精品亚洲乱码少妇综合久久| 一级毛片aaaaaa免费看小| 国产白丝娇喘喷水9色精品| 亚洲综合色惰| 国产69精品久久久久777片| 成人亚洲欧美一区二区av| 男女高潮啪啪啪动态图| 日日啪夜夜爽| 大香蕉久久成人网| 亚洲国产精品成人久久小说| 人体艺术视频欧美日本| 日本av手机在线免费观看| 午夜影院在线不卡| 亚洲国产av影院在线观看| 狂野欧美激情性bbbbbb| 亚洲成人av在线免费| 男女高潮啪啪啪动态图| 国产日韩欧美在线精品| 精品一区二区免费观看| 午夜激情福利司机影院| 精品国产露脸久久av麻豆| 日韩强制内射视频| 国产日韩欧美在线精品| 亚洲伊人久久精品综合| 亚洲成人一二三区av| 免费观看av网站的网址| 免费观看性生交大片5| 午夜影院在线不卡| 亚洲国产精品专区欧美| 久久精品国产亚洲网站| 男的添女的下面高潮视频| 国精品久久久久久国模美| 久久这里有精品视频免费| 亚洲av成人精品一二三区| 国产成人aa在线观看| 久久久久久久久久人人人人人人| 国产精品一区二区在线不卡| 韩国高清视频一区二区三区| 欧美精品亚洲一区二区| 老熟女久久久| 人人妻人人澡人人爽人人夜夜| 亚洲精品乱码久久久久久按摩| 一级毛片电影观看| 简卡轻食公司| 亚洲人成网站在线观看播放| 免费人妻精品一区二区三区视频| 亚洲欧洲精品一区二区精品久久久 | 国产 精品1| 精品视频人人做人人爽| 男女啪啪激烈高潮av片| 亚洲av电影在线观看一区二区三区| 国产69精品久久久久777片| 亚洲,欧美,日韩| 观看av在线不卡| 欧美日韩国产mv在线观看视频| 精品99又大又爽又粗少妇毛片| 亚洲av二区三区四区| 少妇丰满av| 欧美日韩国产mv在线观看视频| 国产色婷婷99| 超色免费av| 人人妻人人添人人爽欧美一区卜| 国产不卡av网站在线观看| 亚州av有码| 晚上一个人看的免费电影| 久久99一区二区三区| 免费观看无遮挡的男女| 人人妻人人爽人人添夜夜欢视频| 国产亚洲最大av| 高清在线视频一区二区三区| 亚洲av成人精品一二三区| 天堂俺去俺来也www色官网| 国产精品久久久久久久电影| 嫩草影院入口| 日韩亚洲欧美综合| 久久国产精品大桥未久av| 9色porny在线观看| 少妇被粗大的猛进出69影院 | √禁漫天堂资源中文www| 精品亚洲成a人片在线观看| av播播在线观看一区| 国产在视频线精品| 99视频精品全部免费 在线| 国精品久久久久久国模美| 国产精品不卡视频一区二区| 国产视频首页在线观看| 亚洲精品久久成人aⅴ小说 | 性色av一级| 久久久久久久久久久久大奶| 下体分泌物呈黄色| 国产女主播在线喷水免费视频网站| 国产成人a∨麻豆精品| 久久亚洲国产成人精品v| 亚洲av福利一区| 国产深夜福利视频在线观看| 亚洲欧美成人综合另类久久久| 三级国产精品片| 22中文网久久字幕| 水蜜桃什么品种好| 你懂的网址亚洲精品在线观看| 亚洲色图综合在线观看| 18+在线观看网站| 亚洲国产欧美在线一区| 免费少妇av软件| 亚洲av.av天堂| 免费黄网站久久成人精品| 制服诱惑二区| 嘟嘟电影网在线观看| 亚洲激情五月婷婷啪啪| 97精品久久久久久久久久精品| 久久99一区二区三区| 国语对白做爰xxxⅹ性视频网站| 日本黄色日本黄色录像| 狂野欧美激情性xxxx在线观看| 黄色欧美视频在线观看| 免费不卡的大黄色大毛片视频在线观看| 九九爱精品视频在线观看| 91aial.com中文字幕在线观看| 九色亚洲精品在线播放| 国产免费一级a男人的天堂| 午夜91福利影院| 国产精品.久久久| 91在线精品国自产拍蜜月| 国产精品人妻久久久久久| 亚洲欧洲日产国产| 秋霞伦理黄片| 国产片内射在线| h视频一区二区三区| 国产精品国产三级国产av玫瑰| 内地一区二区视频在线| 亚洲天堂av无毛| 国产日韩欧美视频二区| 亚洲精品日韩在线中文字幕| 97精品久久久久久久久久精品| 边亲边吃奶的免费视频| 水蜜桃什么品种好| 视频在线观看一区二区三区| 久久精品国产亚洲网站| 久久99蜜桃精品久久| 99热全是精品| 最新的欧美精品一区二区| 欧美xxxx性猛交bbbb| 国产成人精品无人区| 夜夜骑夜夜射夜夜干| 99国产综合亚洲精品| 精品卡一卡二卡四卡免费| 大香蕉久久网| 亚洲高清免费不卡视频| .国产精品久久| 嫩草影院入口| 插逼视频在线观看| av不卡在线播放| 午夜福利在线观看免费完整高清在| 一区二区三区免费毛片| 黑丝袜美女国产一区| 国产免费一区二区三区四区乱码| 美女脱内裤让男人舔精品视频| 一区二区三区免费毛片| 国产有黄有色有爽视频| 老司机影院成人| 三级国产精品欧美在线观看| 欧美精品亚洲一区二区| 2022亚洲国产成人精品| 建设人人有责人人尽责人人享有的| 午夜日本视频在线| 欧美3d第一页| 日韩伦理黄色片| 特大巨黑吊av在线直播| 日本wwww免费看| 久久精品国产鲁丝片午夜精品| 久久精品久久久久久噜噜老黄| 午夜精品国产一区二区电影| 亚洲欧美成人综合另类久久久| 自线自在国产av| 九九久久精品国产亚洲av麻豆| 亚洲精品一区蜜桃| 亚州av有码| 国产日韩欧美在线精品| 欧美国产精品一级二级三级| 国产又色又爽无遮挡免| 综合色丁香网| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 久久婷婷青草| 久久99一区二区三区| 亚洲国产欧美在线一区| 秋霞在线观看毛片| 十八禁网站网址无遮挡| 国产成人av激情在线播放 | 亚洲av男天堂| 国产日韩欧美在线精品| 夫妻午夜视频| 亚洲欧美成人精品一区二区| 免费观看性生交大片5| 大香蕉久久网| av电影中文网址| 天堂中文最新版在线下载| 亚洲国产最新在线播放| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 欧美精品国产亚洲| 在线亚洲精品国产二区图片欧美 | 亚洲欧美色中文字幕在线| 亚洲av福利一区| 日韩一区二区视频免费看| 伦理电影免费视频| 免费看光身美女| 国精品久久久久久国模美| 亚洲成色77777| 国产在视频线精品| 中文天堂在线官网| 亚洲欧美日韩另类电影网站| 日韩人妻高清精品专区| 一区二区三区乱码不卡18| 欧美老熟妇乱子伦牲交| 极品人妻少妇av视频| 午夜激情福利司机影院| 女人久久www免费人成看片| 国产成人免费无遮挡视频| 老司机影院毛片| 国产亚洲精品久久久com| 欧美精品一区二区大全| 韩国高清视频一区二区三区| 国产国语露脸激情在线看| 性色av一级| 亚洲精品自拍成人| 免费观看的影片在线观看| 中国美白少妇内射xxxbb| 亚洲天堂av无毛| 欧美精品亚洲一区二区| 亚洲欧美一区二区三区黑人 | 亚洲av欧美aⅴ国产| 王馨瑶露胸无遮挡在线观看| 一个人看视频在线观看www免费| 国产男女内射视频| 国产亚洲av片在线观看秒播厂| 一区在线观看完整版| 日韩一区二区三区影片| 国产精品 国内视频| 久久国内精品自在自线图片| 伦理电影大哥的女人| 久久久久人妻精品一区果冻| 亚洲丝袜综合中文字幕| 最近最新中文字幕免费大全7| 熟妇人妻不卡中文字幕| 亚洲天堂av无毛| 麻豆精品久久久久久蜜桃| 成人毛片60女人毛片免费| 丰满迷人的少妇在线观看| 九九爱精品视频在线观看| 天堂中文最新版在线下载| 久久青草综合色| 久久久久久久久久成人| 一二三四中文在线观看免费高清| av女优亚洲男人天堂| 国产精品一区二区在线不卡| 九色亚洲精品在线播放| 中文字幕人妻丝袜制服| 国内精品宾馆在线| 边亲边吃奶的免费视频| 欧美丝袜亚洲另类| 亚洲av成人精品一二三区| 亚洲av成人精品一区久久| 国产片内射在线| 国产欧美亚洲国产| 国内精品宾馆在线| 只有这里有精品99| 内地一区二区视频在线| 一级片'在线观看视频| 欧美老熟妇乱子伦牲交| av卡一久久| 肉色欧美久久久久久久蜜桃| 日韩 亚洲 欧美在线| 日本色播在线视频| tube8黄色片| 久久ye,这里只有精品| 大香蕉久久网| 女性被躁到高潮视频| 只有这里有精品99| 国产乱人偷精品视频| 国产成人精品婷婷| 99国产精品免费福利视频| 亚洲国产最新在线播放| 一级,二级,三级黄色视频| 如何舔出高潮| 亚洲av福利一区| 色5月婷婷丁香| 久久午夜福利片| 欧美精品人与动牲交sv欧美| 18禁动态无遮挡网站| 国产欧美另类精品又又久久亚洲欧美| 国产又色又爽无遮挡免| 精品少妇内射三级| 国产女主播在线喷水免费视频网站| 热re99久久精品国产66热6| www.色视频.com| 日韩欧美一区视频在线观看| 亚洲欧美日韩卡通动漫| 成年美女黄网站色视频大全免费 | 国产精品无大码| 免费看av在线观看网站| 一本—道久久a久久精品蜜桃钙片| 国产不卡av网站在线观看| 毛片一级片免费看久久久久| 伊人亚洲综合成人网| 女的被弄到高潮叫床怎么办| 自拍欧美九色日韩亚洲蝌蚪91| 国产精品不卡视频一区二区| 最后的刺客免费高清国语| 亚洲一区二区三区欧美精品| 18禁观看日本| 国国产精品蜜臀av免费| 成年人免费黄色播放视频| 国内精品宾馆在线| 如日韩欧美国产精品一区二区三区 | 亚洲精品美女久久av网站| 亚洲综合精品二区| 这个男人来自地球电影免费观看 | 男女边吃奶边做爰视频| 成人免费观看视频高清| 亚洲欧美一区二区三区国产| 亚洲美女视频黄频| 久久毛片免费看一区二区三区| 91精品伊人久久大香线蕉| 我的老师免费观看完整版| 丝袜在线中文字幕| 啦啦啦在线观看免费高清www| 人妻一区二区av| 婷婷色综合www| 91国产中文字幕| 国产色爽女视频免费观看| 国产精品女同一区二区软件| 99视频精品全部免费 在线| 国产日韩欧美视频二区| 色吧在线观看| 99国产精品免费福利视频| 亚洲av免费高清在线观看| 亚洲天堂av无毛| 黄色欧美视频在线观看| 亚洲欧美日韩卡通动漫| 久久热精品热| 久久精品国产a三级三级三级| 男女国产视频网站| 99精国产麻豆久久婷婷| 韩国高清视频一区二区三区| 亚洲精品乱久久久久久| 人人妻人人爽人人添夜夜欢视频| 亚洲四区av| 欧美日韩精品成人综合77777| 免费人成在线观看视频色| 91在线精品国自产拍蜜月| 中文天堂在线官网| 丝瓜视频免费看黄片| 国产视频首页在线观看| 在线天堂最新版资源| 亚洲av综合色区一区| 中文精品一卡2卡3卡4更新| 黄色配什么色好看| 亚洲欧美中文字幕日韩二区| 少妇人妻 视频| 亚洲精华国产精华液的使用体验| 亚洲精品国产av成人精品| 只有这里有精品99| 天天影视国产精品| 黄色毛片三级朝国网站| 亚洲精品视频女| 精品亚洲成国产av| 久久综合国产亚洲精品| 人妻夜夜爽99麻豆av| 熟妇人妻不卡中文字幕| 久久午夜综合久久蜜桃| 成年美女黄网站色视频大全免费 | 777米奇影视久久| 国产精品一区二区三区四区免费观看| 51国产日韩欧美| 精品一区二区免费观看| 国产成人一区二区在线| 国产亚洲精品久久久com| 国产一区二区在线观看日韩| 久久毛片免费看一区二区三区| 人妻人人澡人人爽人人| 日本色播在线视频| 精品人妻在线不人妻| 精品久久久精品久久久| 免费观看a级毛片全部| 精品人妻在线不人妻| 精品久久久精品久久久| av免费观看日本| 国产av一区二区精品久久| 一本久久精品| 国产精品一国产av| 美女中出高潮动态图| 久久午夜福利片| 18在线观看网站| 免费少妇av软件| av卡一久久| 成人手机av| 亚洲精品久久成人aⅴ小说 | 国产在线免费精品| 99热全是精品| 国产男人的电影天堂91| 少妇高潮的动态图| a级毛色黄片| 少妇的逼好多水| 国产成人精品在线电影| 国产无遮挡羞羞视频在线观看| 日本猛色少妇xxxxx猛交久久| 99精国产麻豆久久婷婷| 飞空精品影院首页| 亚洲欧洲日产国产| 欧美日韩一区二区视频在线观看视频在线|