• <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 ?

    計算機(jī)視覺研究綜述

    2018-12-26 03:32:16張曉亮梁星馳
    移動信息 2018年10期
    關(guān)鍵詞:架構(gòu)像素卷積

    張曉亮 梁星馳

    ?

    計算機(jī)視覺研究綜述

    張曉亮 梁星馳

    中國人民解放軍32140部隊,河北 石家莊 050000

    研究綜述了計算機(jī)視覺中分類與回歸、目標(biāo)跟蹤、圖像分割、圖像超分辨率、風(fēng)格轉(zhuǎn)移、著色、行為識別、姿勢預(yù)估和關(guān)鍵點(diǎn)監(jiān)測等重要算法的原理和架構(gòu)。

    計算機(jī)視覺;神經(jīng)網(wǎng)絡(luò)

    1 分類與回歸

    從ILSVRC 2017發(fā)布的分類與回歸問題的結(jié)果(圖1)可以看出,在分類與回歸問題上的錯誤率又有了較大幅度下降。分析原因主要是網(wǎng)絡(luò)的加深和對網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化。以往對網(wǎng)絡(luò)優(yōu)化,多從空間維度上進(jìn)行。例如Inside-Outside考慮了空間中的上下文信息,還有將Attention機(jī)制引入空間維度。ResNet[1]很好地解決了隨著網(wǎng)絡(luò)深度的增加帶來的梯度消失問題,將網(wǎng)絡(luò)深度發(fā)展到152層。Inception[2]結(jié)構(gòu)中嵌入了多尺度信息,聚合多種不同感受野上的特征來獲得性能增益,目前已經(jīng)發(fā)展到inceptionV4并由于ResNet融合。DenseNet[3]比ResNet更進(jìn)一步,對前面每層都加了Shortcut,使得Feature map可以重復(fù)利用。每一層Feature被用到時,都可以被看作做了新的Normalization,即便去掉BN層,深層DenseNet也可以保證較好的收斂率[4]。

    圖1

    今年的分類冠軍是國內(nèi)自動駕駛公司Momenta研發(fā)團(tuán)隊(WMW)提出的SEnet架構(gòu)。與從空間角度提升網(wǎng)絡(luò)性能有所不同,SEnet的核心思想是從特征通道的角度出發(fā),為特征通道引入權(quán)重,通過學(xué)習(xí)權(quán)重參數(shù)來提升重要特征通道的地位。

    SEnet架構(gòu)如圖2所示。在Squeeze步,將每個特征通道變成一個實(shí)數(shù)。這個實(shí)數(shù)某種程度上具有全局感受野,使得靠近輸入的層也可以獲得全局信息,這一點(diǎn)在很多任務(wù)中都是非常有用的。Excitation步是一個類似于循環(huán)神經(jīng)網(wǎng)絡(luò)中門的機(jī)制,通過參數(shù)w來為每個特征通道生成權(quán)重。最后是Reweight操作,我們將Excitation輸出的權(quán)重看作特征選擇后的每個特征通道的重要性,然后通過乘法逐通道加權(quán)到先前的特征上,完成在通道維度上的對原始特征的重標(biāo)定。目前只見到相關(guān)介紹,還未見到成稿的論文發(fā)表。

    圖2

    2 目標(biāo)檢測

    圖3

    隨著自動駕駛、智能監(jiān)控、人臉識別等大量有價值的應(yīng)用逐步落地,快速、精準(zhǔn)的目標(biāo)檢測系統(tǒng)市場也日益蓬勃,模型不斷創(chuàng)新。Faster R-CNN、R-FCN、YOLO、SSD等是目前應(yīng)用較廣的模型。Faster R-CNN[5]的架構(gòu)如圖3所示,主要創(chuàng)新是用RPN網(wǎng)絡(luò)代傳統(tǒng)的“選擇搜索”算法,使速度大幅提升,如圖3所示,在最后卷即得到特征圖上使用一個3×3的窗口滑動,并將其映射到一個更低的維度上,(如256維),在k個固定比例的anchor box生成多個可能的區(qū)域并輸出分?jǐn)?shù)和坐標(biāo)。

    分類需要特征具有平移不變性,而檢測具有一定的平移敏感性。Faster R-CNN在ROI pooling前都是卷積,是具備平移不變性的,在ResNet的91層后插入ROI pooling,后面的網(wǎng)絡(luò)結(jié)構(gòu)就不再具備平移不變性了,而R-FCN[6]架構(gòu)如圖4所示,在ResNet的第101層插入ROI pooling,并去掉后面的average pooling層和全連接層,構(gòu)成了一個完整的全卷積網(wǎng)絡(luò),提升了響應(yīng)速度。其創(chuàng)新點(diǎn)在于ROI pooling中引入位置敏感分?jǐn)?shù)圖,直接進(jìn)行分類和定位,省去了Faster R-CNN中每個Proposal圖像單獨(dú)計算的計算量。Faster R-CNN和R-FCN以及以前的其他變化的模型都是基于Region Proposal的,雖幾經(jīng)優(yōu)化,在精度上達(dá)到最高,但無法做到實(shí)時,而SSD和YOLO兄弟都是基于回歸思想的檢驗(yàn)算法,精度不及Faster R-CNN,但是速度快(45?FPS/155?FPS)。YOLO V1[7]利用全連接層數(shù)據(jù)直接回歸邊框坐標(biāo)和分類概率,YOLO V2[8]不再讓類別的預(yù)測與每個cell(空間位置)綁定一起,而是讓全部放到anchor box中,提高了召回率(從81%到88%),準(zhǔn)確率略有下降(從69.5%到69.2%),文獻(xiàn)[8]中還提出使用WordTree,把多個數(shù)據(jù)集整合在一起,分類數(shù)據(jù)集和通過實(shí)驗(yàn)過這個算法,識別速度特別快,能做到實(shí)時,檢測數(shù)據(jù)集聯(lián)合訓(xùn)練的機(jī)制,可檢測9􀀀000 多種物體,缺陷就是準(zhǔn)確率還有待提高,特別是小目標(biāo)的識別效果不好。

    圖4

    圖5

    ILSVRC2017的目標(biāo)檢測冠軍是BDAT團(tuán)隊,該團(tuán)隊包括來自南京信息工程大學(xué)和倫敦帝國理工學(xué)院的人員,目前尚未見到相關(guān)論文發(fā)表。

    3 目標(biāo)跟蹤

    圖6

    在OpenCV 3.2集成了六種目標(biāo)跟蹤API,可以很方便地調(diào)用。其中BOOSTING、MIL、KCF、TLD和MEDIANFLOW都是基于傳統(tǒng)算法的,GOTURN是基于深度學(xué)習(xí)的。通過實(shí)驗(yàn),CV里集成的算法普遍存在對快速移動物體跟蹤失效的問題。雖然目前深度學(xué)習(xí)算法與傳統(tǒng)算法的距離沒有拉開,相信后續(xù)還會有突破,這里只介紹基于深度學(xué)習(xí)的算法。GOTURN[9]是發(fā)表在ECCV 2016的一篇文章,也是第一個檢測速度速度達(dá)到100?FPS的方法。

    算法框架如圖5所示,將上一幀的目標(biāo)和當(dāng)前幀的搜索區(qū)域同時經(jīng)過CNN的卷積層,然后將卷積層的輸出通過全連接層,用于回歸當(dāng)前幀目標(biāo)的位置,文獻(xiàn)作者發(fā)現(xiàn)前后幀的變化因子符合拉普拉斯分布,因此在訓(xùn)練中加入了這個先驗(yàn)知識,對數(shù)據(jù)進(jìn)行了推廣,整個訓(xùn)練過程是Offline的。在使用時只需要進(jìn)行前饋運(yùn)算,因此速度特別快。

    SiameseFC[10]算法也是一個能做到實(shí)時的深度學(xué)習(xí)算法。如圖6所示,算法本身是比較搜索區(qū)域與目標(biāo)模板的相似度,最后得到搜索區(qū)域的score map。其實(shí)從原理上來說,這種方法和相關(guān)性濾波的方法很相似。

    圖7

    4 圖像分割

    圖像分割技術(shù)是自動駕駛的基礎(chǔ),具有商用價值。在這一領(lǐng)域貢獻(xiàn)較大的是Facebook的人工智能研究中心(FAIR),該團(tuán)隊2015年開始研究DeepMask,生成粗糙的mask作為分割的初始形式。2016年,推出SharpMask[11],它改進(jìn)了DeepMask提供的“蒙板”,糾正了細(xì)節(jié)的損失,改善了語義分割,除此之外MultiPathNet能標(biāo)識每個掩碼描繪的對象。

    特別值得一提的是,今年何愷明又研究出一種新的架構(gòu)Mask R-CNN[12],即一種基于像素級別的分割算法。

    為便于理解,對Mask R-CNN原文圖示進(jìn)行了簡單的修改,如圖7所示,其主要思路是在Faster-RCNN的基礎(chǔ)上進(jìn)行拓展,將ROI Pooling層替換成ROI Align,使用雙線性內(nèi)插法,解決了像素對齊問題,并添加了mask層用于輸出二進(jìn)制掩碼來說明給定像素是否為對象的一部分。通過我們的實(shí)驗(yàn)master R-CNN確實(shí)產(chǎn)生了非常精妙的分割效果,但對于某些樣本的邊緣分割,還存在像素分配錯誤的情況,尤其是對照低照度下成像的樣本更明顯。

    5 圖像超分辨率、風(fēng)格轉(zhuǎn)移、著色

    大多數(shù)現(xiàn)有的SR算法將不同縮放因子的超分辨率問題作為獨(dú)立的問題,需要各自進(jìn)行訓(xùn)練,來處理各種scale。VDSR[13]可以在單個網(wǎng)絡(luò)中同時處理多個scale的超分辨率,但需要雙三次插值圖像作為輸入,消耗更多計算時間和存儲空間。SRResNet[14]成功地解決了計算時間和內(nèi)存的問題,并且有很好的性能,但它只是采用ResNet原始架構(gòu)。ResNet目的是解決高級視覺問題。如果不對其修改直接應(yīng)用于超分辨率這類低級視覺問題,那么就達(dá)不到最佳效果。微軟的CNTK里提供了VDSR、DRNN、SRGA和SRResNet四種API,通過我們的實(shí)驗(yàn)確實(shí)能達(dá)到文獻(xiàn)中描述的效果。

    EDSR[15]是NTIRE 2017超分辨率挑戰(zhàn)賽上獲得冠軍的方案。其架構(gòu)如圖8所示,去掉了ResNet中BN層,減少了計算和存儲消耗。相同的計算資源下,EDSR就可以堆疊更多層或者使每層提取更多的特征。EDSR在訓(xùn)練時先訓(xùn)練低倍數(shù)上的采樣模型,接著用得到的參數(shù)初始化高倍數(shù)上的采樣模型,減少了高倍數(shù)上采樣模型的訓(xùn)練時間,訓(xùn)練結(jié)果也更好。這個模型我們也試驗(yàn)過。與微軟API里的SRGAN和SRResNet模型相比確實(shí)有差別,但肉眼很難區(qū)別得特別清楚,也可能是我們選擇自己生活照為樣本的原因。

    Prisma在手機(jī)里的應(yīng)用讓更多人了解圖像風(fēng)格轉(zhuǎn)換。文獻(xiàn)[16]第一個將神經(jīng)網(wǎng)絡(luò)用在風(fēng)格轉(zhuǎn)換上,基于神經(jīng)網(wǎng)絡(luò)的風(fēng)格轉(zhuǎn)換算法得到更多的發(fā)展。在文獻(xiàn)[17]中將風(fēng)格轉(zhuǎn)換應(yīng)用到了視頻上,畫面風(fēng)格轉(zhuǎn)換,還是很完美的。文獻(xiàn)[18]實(shí)現(xiàn)了基于像素級別的風(fēng)格轉(zhuǎn)換。

    舊照片著色是很有趣的,文獻(xiàn)[19]利用CNN作為前饋通道,訓(xùn)練了100萬張彩色圖像。在“彩色化圖靈測試”評估中騙過32%的人類,高于以前的方法,正如文中所講任何著色問題都具有數(shù)據(jù)集偏差問題。不是所有照片都能呈現(xiàn)完美效果。文獻(xiàn)[20]利用低級和語義表示,訓(xùn)練模型預(yù)測每像素顏色直方圖。該中間輸出可用于自動生成顏色圖像,或在圖像形成之前進(jìn)一步處理。文獻(xiàn)[21]提出了一種新穎的技術(shù)來自動著色灰度圖像結(jié)合了全局先驗(yàn)和局部圖像特征,與基于CNN的大多數(shù)現(xiàn)有方法不同,該架構(gòu)可以處理任何分辨率的圖像。

    文獻(xiàn)[21]的框架如圖9所示,由四個主要部分組成:一個低級特征網(wǎng)絡(luò),一個中級特征網(wǎng)絡(luò),一個全局特征網(wǎng)絡(luò)和一個著色網(wǎng)絡(luò)。這些組件都是緊密耦合的,并以端到端的方式進(jìn)行訓(xùn)練。模型的輸出是與亮度融合形成輸出圖像的色度。

    圖8

    圖9

    6 行為識別、姿勢預(yù)估和關(guān)鍵點(diǎn)監(jiān)測

    文獻(xiàn)[22]利用人類行為的時空結(jié)構(gòu),即特定的移動和持續(xù)時間,使用CNN變體正確識別動作。為了克服CNN長期行為建模的缺陷,作者提出了一種具有長時間卷積(LTC-CNN)的神經(jīng)網(wǎng)絡(luò)來提高動作識別的準(zhǔn)確性。文獻(xiàn)[23]用于視頻動作識別的時空殘差網(wǎng)絡(luò)將雙流CNN的變體應(yīng)用于動作識別任務(wù),該任務(wù)結(jié)合了來自傳統(tǒng)CNN方法和ResNet的技術(shù)。文獻(xiàn)[24]是CVPR 2017的論文,也是MSCOCO關(guān)鍵點(diǎn)檢測冠軍。使用Bottom-Up的方法,先去看一張圖有哪些人體部位(Key Point),接著再想辦法把這些部位正確的按照每個人的位置連起來算Pose。如圖10所示,輸入一幅圖像,經(jīng)過卷積網(wǎng)絡(luò)(VGG19)提出特征,得到一組特征圖,然后分成兩個岔路分別使用CNN網(wǎng)絡(luò)提取Part Confidence Maps和Part Affinity Fields,得到這兩個信息后,使用圖論中的Bipartite Matching將同一個人的關(guān)節(jié)點(diǎn)連接起來,得到最終的結(jié)果。

    圖10

    7 卷積網(wǎng)絡(luò)結(jié)構(gòu)

    卷積網(wǎng)絡(luò)結(jié)構(gòu)是基于深度學(xué)習(xí)的計算機(jī)視覺基礎(chǔ),從圖11中可以看出2012年AlexNet網(wǎng)絡(luò)取得歷史性突破以來得到很大發(fā)展。

    圖11

    我們都知道深層CNN存在梯度消失問題。ResNet通過“skip connection”。結(jié)構(gòu)一定程度上促進(jìn)了數(shù)據(jù)在層間的流通,但接近輸出的網(wǎng)絡(luò)層并沒有充分獲得網(wǎng)絡(luò)前面的特征圖。DenseNet[3]在前向傳播基礎(chǔ)上,網(wǎng)絡(luò)每一層都能接受它前面所有層的特征圖,并且數(shù)據(jù)聚合采用的是拼接,而非ResNet中的相加。網(wǎng)絡(luò)模型如圖12所示。

    圖12

    這種連接方式有一個很大的優(yōu)點(diǎn):前向傳播時深層網(wǎng)絡(luò)能獲得淺層的信息,而反向傳播時,淺層網(wǎng)絡(luò)能獲得深層的梯度信息。這樣最大限度促進(jìn)了數(shù)據(jù)在網(wǎng)絡(luò)間的流動。另外,這種結(jié)構(gòu)存在著大量的特征復(fù)用,因此只需要很少的參數(shù),就可以達(dá)到state-of-the-art的效果,主要是體現(xiàn)在特征圖的通道數(shù)上,相比VGG、ResNet的幾百個通道,DenseNet可能只需要12、24個左右。

    [1]He km,Zhang XY,Ren SQ,Sun J.Deep Residual Learning for Image Recognition[C]. 2016 CVPR,2016:770-778.

    [2]SZEGEDY C,Liu W,Jia YQ,SERMANET P,REED S,ANGUELOV D,ERHAN D,VANHOUCKE V,RABINOVICH A.Going Deeper with Convolutions[C]. 2015 CVPR,2015:1-9.

    [3]Huang G,Liu Z,VAN DER MAATEN L,Kilian Q,WEINBERGER KQ. Densely Connected Convolutional Networks[C]. 2017 CVPR,2017:2261-2269

    [4]Li H,li W,Yang O,Wang X. Multi-Bias Non-linear Activation in Deep Neural Networks[C]. arXiv: 1604.00676.

    [5]Ren XQ,He km,GIRSHICK,ROSS. Faster R-CNN: Towards Real-Time Object Detection with Region Proposal networks[C]. IEEE TRANSATIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE,2017,39:1137-1149.

    [6]Li Y,He K,Sun J,Dai J.R-FCN:Object Detection via Region-based Fully Convolutional Networks[C]. ADV NEURAL INFORM PR,2016:379-387.

    [7]REDMON J,DIVVALA S,GIRSHICK R,F(xiàn)ARHADI A.You Only Look Once:Unified,Real-Time Object Detection[C]. 2016 CVPR,2016:779-788.

    [8]REDMON J,F(xiàn)ARHADI A.YOLO9000:Better,F(xiàn)aster, Stronger[C]. 2017 CVPR,2017:6517-6525.

    [9]HELD D,THRUN S,SAVARESE S. Learning to Track at 100 FPS with Deep Regression Networks[C]. COMPUTER VISION-ECCV 2016,2016,9905:749-765.

    [10]Bertinetto L,Valmadre J,Henriques JF. Fully-Convolutional Siamese Networks for Object Tracking[C]. COMPUTER VISION-ECCV 2016,2016,9914:850-865.

    [11]PINHEIRO PO,LIN TY,COLLOBERT R,DOLLAR P. Learning to Refine Object Segments[C]. COMPUTER VISION-ECCV 2016,2016,9905:75-91.

    [12]HE km,GKIOXARI G,DOLLAR P.Mask R-CNN[C]. 2017 ICCV,2017:2980-2988.

    [13]KIM J,LEE JK,LEE km.Accurate Image Super-Resolution Using Very Deep Convolutional Networks[C]. 2016 CVPR,2016:1646-1654.

    [14]LEDIG C,THEIS L,HUSZAR F,CABALLERO J, CUNNINGHAM A,ACOSTA A,AITKEN A,TEJANI A,TOTZ J,Wang ZH,Shi WZ. Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network[C]. 2017 CVPR,2017:105-114.

    [15]LIM B,SON S,KIM H,NAH S,LEE K. Enhanced Deep Residual Networks for Single Image Super-Resolution[C]. 2017 CVPR,2017:1132-1140.

    [16]GATYS L,ECKER A,BETHGE M.A Neural Algorithm of Artistic Style[M]. CoRR abs,2015.

    [17]RUDER M,DOSOVITSKIY A,BROX T.Artistic style transfer for videos[C]. GCPR 2016,2016,9796: 26-36.

    [18]Liao J,Yao Y,Yuan L,Hua G,Kang SB. Visual Attribute Transfer through Deep Image Analogy[C]. ACM TRANSACTIONS ON GRAPHICS,2017,36.

    [19]Zhang R,LSOLA P,ALEXEI A,EFROS A A. Colorful Image Colorization[C]. ECCV 2016,2016,9907: 649-666.

    [20]LARSSON G,MAIRE M,SHAKHNAROVICH G.Learn Representations for Automatic Colorization[C]. ECCV 2016,2016,9908:577-593.

    [21]LIZUKA S,SIMO-SERRA E,ISHIKAWA H. Let there be Color!:Joint End-to-end Learning of Global and Local Image Priors for Automatic Image Colorization with Simultaneous Classification[C]. ACM Transactions on Graphics,2016,35(4).

    [22]VAROL G,LAPTEV I,SCHMID C. Long-term Temporal Convolutions for Action Recognition[C]. IEEE TRANSACTION ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE:2018,40(6):1510-1517.

    [23]FEICHTENHOFER C,PINZ A,RICHARD P,WILDES RP. Spatiotemporal Multiplier Networks for Video Action Recognition[C]. 2017 CVPR,2017:7445-7454.

    [24]Cao Z,SIMON T,Wei S,SHEIKH Y. Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields[C]. 2017 CVPR,2017:1302-1310.

    A Survey of Computer Vision Research

    Zhang Xiaoliang Liang Xingchi

    32140 Troop of People’s Liberation Army of China, Hebei Shijiazhuang 050000

    The paper reviews the principles and architecture of important algorithms such as classification and regression, target tracking, image segmentation, image super-resolution, style shifting, coloring, behavior recognition, pose estimation and key point monitoring in computer vision.

    computer vision; neural network

    TP391.4

    A

    猜你喜歡
    架構(gòu)像素卷積
    趙運(yùn)哲作品
    藝術(shù)家(2023年8期)2023-11-02 02:05:28
    基于FPGA的RNN硬件加速架構(gòu)
    像素前線之“幻影”2000
    基于3D-Winograd的快速卷積算法設(shè)計及FPGA實(shí)現(xiàn)
    功能架構(gòu)在電子電氣架構(gòu)開發(fā)中的應(yīng)用和實(shí)踐
    汽車工程(2021年12期)2021-03-08 02:34:30
    “像素”仙人掌
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    LSN DCI EVPN VxLAN組網(wǎng)架構(gòu)研究及實(shí)現(xiàn)
    高像素不是全部
    CHIP新電腦(2016年3期)2016-03-10 14:22:03
    国产不卡av网站在线观看| 亚洲人成电影观看| 精品久久久久久电影网| 亚洲精品久久午夜乱码| 久久精品久久久久久久性| 久久婷婷青草| 满18在线观看网站| 一级片'在线观看视频| 欧美日韩国产mv在线观看视频| 女人被躁到高潮嗷嗷叫费观| 亚洲久久久国产精品| 日韩人妻精品一区2区三区| 日本vs欧美在线观看视频| 我的亚洲天堂| 精品少妇一区二区三区视频日本电影 | 男人添女人高潮全过程视频| 在线看a的网站| av片东京热男人的天堂| 我要看黄色一级片免费的| 人人妻,人人澡人人爽秒播 | tube8黄色片| 哪个播放器可以免费观看大片| 永久免费av网站大全| 欧美最新免费一区二区三区| 成人毛片60女人毛片免费| 成人黄色视频免费在线看| 美女主播在线视频| 中国三级夫妇交换| 精品一区在线观看国产| 国产成人免费无遮挡视频| 亚洲精品国产av成人精品| 一二三四在线观看免费中文在| 久久久久久久大尺度免费视频| 精品亚洲成a人片在线观看| 成人午夜精彩视频在线观看| 国产成人精品福利久久| 亚洲欧美精品自产自拍| 街头女战士在线观看网站| 久久久精品国产亚洲av高清涩受| 亚洲精品乱久久久久久| 成人18禁高潮啪啪吃奶动态图| 丁香六月欧美| 欧美人与性动交α欧美软件| 亚洲熟女毛片儿| 高清在线视频一区二区三区| 免费看不卡的av| 大香蕉久久网| 美女大奶头黄色视频| 免费高清在线观看视频在线观看| 在线天堂最新版资源| 欧美最新免费一区二区三区| 伊人亚洲综合成人网| 街头女战士在线观看网站| 桃花免费在线播放| 一级毛片电影观看| 精品少妇内射三级| 九色亚洲精品在线播放| 中文字幕亚洲精品专区| 国产日韩欧美在线精品| 熟女av电影| 大陆偷拍与自拍| 又大又黄又爽视频免费| 丰满少妇做爰视频| 国产免费又黄又爽又色| 老鸭窝网址在线观看| 男女边吃奶边做爰视频| 久久精品久久久久久久性| 亚洲,欧美,日韩| 国产精品无大码| 黄色怎么调成土黄色| 婷婷成人精品国产| 国产在线视频一区二区| 日韩人妻精品一区2区三区| 黄片无遮挡物在线观看| 少妇人妻 视频| av片东京热男人的天堂| 爱豆传媒免费全集在线观看| e午夜精品久久久久久久| 七月丁香在线播放| 亚洲成国产人片在线观看| 中文字幕最新亚洲高清| 亚洲成人手机| 麻豆乱淫一区二区| 一个人免费看片子| 国产精品国产av在线观看| 99国产综合亚洲精品| 一区二区三区精品91| 久久久久视频综合| 最近中文字幕高清免费大全6| 婷婷色av中文字幕| 美女高潮到喷水免费观看| 欧美精品一区二区大全| 丝袜人妻中文字幕| 男的添女的下面高潮视频| 美女脱内裤让男人舔精品视频| 这个男人来自地球电影免费观看 | 99久国产av精品国产电影| 999精品在线视频| 一区福利在线观看| 久久女婷五月综合色啪小说| 天天躁夜夜躁狠狠久久av| 精品国产乱码久久久久久小说| 亚洲精品国产一区二区精华液| 久久 成人 亚洲| 99热全是精品| 男女床上黄色一级片免费看| e午夜精品久久久久久久| 欧美国产精品va在线观看不卡| 日韩电影二区| 欧美日韩成人在线一区二区| 校园人妻丝袜中文字幕| 精品酒店卫生间| 日韩伦理黄色片| 好男人视频免费观看在线| 丝袜喷水一区| 一区二区三区精品91| 啦啦啦在线免费观看视频4| 免费黄网站久久成人精品| 天天添夜夜摸| av网站在线播放免费| 一级a爱视频在线免费观看| 久久av网站| 操出白浆在线播放| 国产老妇伦熟女老妇高清| 80岁老熟妇乱子伦牲交| 波多野结衣一区麻豆| 热re99久久国产66热| 一个人免费看片子| 亚洲美女黄色视频免费看| 啦啦啦在线免费观看视频4| 伊人久久国产一区二区| 午夜日本视频在线| 亚洲成人手机| 亚洲视频免费观看视频| 亚洲av成人精品一二三区| 最近手机中文字幕大全| 欧美黑人精品巨大| av福利片在线| 超碰成人久久| 1024香蕉在线观看| 日韩大片免费观看网站| 精品国产超薄肉色丝袜足j| 19禁男女啪啪无遮挡网站| 操美女的视频在线观看| 国产精品一二三区在线看| 岛国毛片在线播放| 国产精品免费大片| 999精品在线视频| 国产男女超爽视频在线观看| 亚洲综合色网址| 一区二区三区激情视频| 色网站视频免费| 大片电影免费在线观看免费| 国产爽快片一区二区三区| 肉色欧美久久久久久久蜜桃| 精品一区在线观看国产| 丁香六月天网| 成人手机av| 国产1区2区3区精品| 日日啪夜夜爽| a级毛片在线看网站| 啦啦啦中文免费视频观看日本| 新久久久久国产一级毛片| 老鸭窝网址在线观看| 免费观看性生交大片5| www.自偷自拍.com| 婷婷色麻豆天堂久久| 国产99久久九九免费精品| 十八禁高潮呻吟视频| 亚洲av欧美aⅴ国产| 综合色丁香网| 美女中出高潮动态图| 两性夫妻黄色片| 大片免费播放器 马上看| 国产精品香港三级国产av潘金莲 | 人人澡人人妻人| av线在线观看网站| 1024视频免费在线观看| 高清欧美精品videossex| 蜜桃在线观看..| 亚洲国产av新网站| 在线免费观看不下载黄p国产| 美女高潮到喷水免费观看| 啦啦啦在线观看免费高清www| 热re99久久精品国产66热6| 国产成人精品在线电影| 9色porny在线观看| 国产又爽黄色视频| 99热国产这里只有精品6| 老司机影院成人| 亚洲,欧美,日韩| 18禁裸乳无遮挡动漫免费视频| 免费黄色在线免费观看| 成年美女黄网站色视频大全免费| 啦啦啦中文免费视频观看日本| 天天影视国产精品| 日韩伦理黄色片| 亚洲国产精品成人久久小说| 人人妻人人澡人人爽人人夜夜| 免费久久久久久久精品成人欧美视频| av线在线观看网站| 成人黄色视频免费在线看| 日韩欧美精品免费久久| 精品亚洲成国产av| 97人妻天天添夜夜摸| 国产视频首页在线观看| 亚洲国产精品一区三区| 国产1区2区3区精品| 久久久久久人人人人人| 丝袜美腿诱惑在线| av一本久久久久| 午夜精品国产一区二区电影| 免费女性裸体啪啪无遮挡网站| 18禁裸乳无遮挡动漫免费视频| 亚洲自偷自拍图片 自拍| 久久国产精品男人的天堂亚洲| 一级片免费观看大全| 久久综合国产亚洲精品| 老司机深夜福利视频在线观看 | 成人国产麻豆网| 亚洲四区av| av视频免费观看在线观看| 免费人妻精品一区二区三区视频| 中国三级夫妇交换| 精品久久久精品久久久| 免费少妇av软件| 亚洲一区二区三区欧美精品| 丰满迷人的少妇在线观看| 999精品在线视频| 女性生殖器流出的白浆| 只有这里有精品99| 丰满迷人的少妇在线观看| 女人被躁到高潮嗷嗷叫费观| 欧美日韩综合久久久久久| 操美女的视频在线观看| 免费日韩欧美在线观看| 熟女av电影| bbb黄色大片| 国产 精品1| 在线天堂中文资源库| 国产精品人妻久久久影院| 另类精品久久| 中文字幕人妻丝袜制服| 大码成人一级视频| 超碰97精品在线观看| 中文字幕人妻丝袜制服| 久久综合国产亚洲精品| 91成人精品电影| 欧美亚洲 丝袜 人妻 在线| 色播在线永久视频| 赤兔流量卡办理| 日韩制服骚丝袜av| 亚洲精品第二区| 欧美日韩综合久久久久久| 成人18禁高潮啪啪吃奶动态图| 精品人妻一区二区三区麻豆| 亚洲精品日韩在线中文字幕| 亚洲男人天堂网一区| 久久99精品国语久久久| 美国免费a级毛片| 人妻一区二区av| 亚洲精品乱久久久久久| 999精品在线视频| 高清黄色对白视频在线免费看| 久久青草综合色| 日韩 欧美 亚洲 中文字幕| 亚洲一卡2卡3卡4卡5卡精品中文| 女性被躁到高潮视频| 国产一区二区三区综合在线观看| 免费不卡黄色视频| 一级黄片播放器| 在线天堂最新版资源| 精品一区二区三区av网在线观看 | 成人午夜精彩视频在线观看| 久久这里只有精品19| 亚洲欧美激情在线| 国产熟女欧美一区二区| 观看美女的网站| 天天影视国产精品| 少妇被粗大猛烈的视频| 97人妻天天添夜夜摸| 亚洲av电影在线进入| 青春草亚洲视频在线观看| 午夜福利视频在线观看免费| 欧美日韩成人在线一区二区| 精品少妇内射三级| 久久国产精品男人的天堂亚洲| 久久99精品国语久久久| 精品久久久精品久久久| 久久毛片免费看一区二区三区| 日韩精品有码人妻一区| 久久久久网色| 久久av网站| 久久这里只有精品19| 97人妻天天添夜夜摸| 欧美日本中文国产一区发布| 成人国语在线视频| 老司机在亚洲福利影院| 亚洲国产日韩一区二区| 在线天堂中文资源库| 一边亲一边摸免费视频| 男女边摸边吃奶| 日韩av在线免费看完整版不卡| 婷婷成人精品国产| 好男人视频免费观看在线| 一边摸一边抽搐一进一出视频| 一二三四在线观看免费中文在| 亚洲欧美一区二区三区国产| 欧美 日韩 精品 国产| 十八禁高潮呻吟视频| kizo精华| 免费女性裸体啪啪无遮挡网站| 欧美亚洲 丝袜 人妻 在线| 精品国产乱码久久久久久小说| 亚洲免费av在线视频| 青青草视频在线视频观看| 2021少妇久久久久久久久久久| 久久人人爽人人片av| 久久久久久久国产电影| avwww免费| 人人妻人人爽人人添夜夜欢视频| 人妻一区二区av| 国产精品国产av在线观看| 亚洲视频免费观看视频| 黄片小视频在线播放| 日韩精品免费视频一区二区三区| 秋霞伦理黄片| 欧美人与善性xxx| 免费观看av网站的网址| 天堂中文最新版在线下载| 19禁男女啪啪无遮挡网站| 久久狼人影院| 欧美97在线视频| 国产精品一国产av| 国产 精品1| 90打野战视频偷拍视频| 久久精品久久精品一区二区三区| 熟女av电影| 国产亚洲欧美精品永久| av在线老鸭窝| 中国三级夫妇交换| 丝瓜视频免费看黄片| 汤姆久久久久久久影院中文字幕| 黄色视频在线播放观看不卡| 欧美日韩一区二区视频在线观看视频在线| 久久 成人 亚洲| 欧美激情 高清一区二区三区| 色综合欧美亚洲国产小说| 亚洲国产精品国产精品| 亚洲欧洲国产日韩| 纯流量卡能插随身wifi吗| 久久99精品国语久久久| 亚洲五月色婷婷综合| 黄频高清免费视频| 日韩免费高清中文字幕av| 美女高潮到喷水免费观看| 亚洲国产精品一区三区| 久久天堂一区二区三区四区| 国产精品欧美亚洲77777| 亚洲国产毛片av蜜桃av| 成人国产av品久久久| 国产成人91sexporn| 国产成人欧美| 如日韩欧美国产精品一区二区三区| 最近2019中文字幕mv第一页| 交换朋友夫妻互换小说| 老司机影院成人| 叶爱在线成人免费视频播放| 午夜91福利影院| 亚洲中文av在线| 综合色丁香网| 欧美人与善性xxx| 国产日韩一区二区三区精品不卡| 国产午夜精品一二区理论片| √禁漫天堂资源中文www| 免费少妇av软件| 中文字幕色久视频| 少妇精品久久久久久久| 国产一区亚洲一区在线观看| 国产色婷婷99| 又粗又硬又长又爽又黄的视频| 91成人精品电影| 久久这里只有精品19| 熟妇人妻不卡中文字幕| 久久久久精品久久久久真实原创| www.自偷自拍.com| 色婷婷av一区二区三区视频| 十八禁高潮呻吟视频| 日韩精品有码人妻一区| 熟妇人妻不卡中文字幕| 亚洲伊人久久精品综合| 97在线人人人人妻| 一级毛片 在线播放| 亚洲少妇的诱惑av| 女人精品久久久久毛片| 在线观看人妻少妇| 各种免费的搞黄视频| 亚洲国产精品国产精品| 一本—道久久a久久精品蜜桃钙片| 亚洲精品一区蜜桃| 成人国语在线视频| 午夜影院在线不卡| 午夜激情久久久久久久| a 毛片基地| xxxhd国产人妻xxx| 免费观看人在逋| 最近最新中文字幕免费大全7| 欧美人与性动交α欧美软件| 男人添女人高潮全过程视频| 久久天躁狠狠躁夜夜2o2o | 母亲3免费完整高清在线观看| 天堂中文最新版在线下载| av线在线观看网站| 亚洲精品一二三| 看免费成人av毛片| 亚洲国产日韩一区二区| 狠狠婷婷综合久久久久久88av| 欧美精品一区二区大全| 精品久久久久久电影网| 中文字幕最新亚洲高清| 激情五月婷婷亚洲| 国产亚洲最大av| 9色porny在线观看| 亚洲 欧美一区二区三区| 我的亚洲天堂| 啦啦啦中文免费视频观看日本| 青青草视频在线视频观看| 日本av手机在线免费观看| 日日摸夜夜添夜夜爱| 18禁观看日本| 免费观看av网站的网址| 免费久久久久久久精品成人欧美视频| 侵犯人妻中文字幕一二三四区| 欧美黄色片欧美黄色片| 最黄视频免费看| 精品卡一卡二卡四卡免费| 一级a爱视频在线免费观看| 欧美黑人欧美精品刺激| 日日撸夜夜添| 秋霞在线观看毛片| 99re6热这里在线精品视频| 欧美日韩福利视频一区二区| 国产精品女同一区二区软件| 中文字幕精品免费在线观看视频| 久久精品国产a三级三级三级| 男女床上黄色一级片免费看| 久久免费观看电影| 国产97色在线日韩免费| 中文字幕最新亚洲高清| 一本久久精品| 亚洲av在线观看美女高潮| 亚洲精品成人av观看孕妇| 一二三四在线观看免费中文在| 午夜福利影视在线免费观看| 最近手机中文字幕大全| 欧美国产精品va在线观看不卡| 1024香蕉在线观看| 亚洲欧美成人综合另类久久久| 丝袜美足系列| 久久亚洲国产成人精品v| 色婷婷av一区二区三区视频| 狂野欧美激情性bbbbbb| 精品少妇黑人巨大在线播放| 亚洲美女视频黄频| 丝袜脚勾引网站| 久久鲁丝午夜福利片| 精品久久久久久电影网| 国产一级毛片在线| 日韩av免费高清视频| 久久青草综合色| 国产日韩欧美视频二区| 久久精品人人爽人人爽视色| av福利片在线| 黑人巨大精品欧美一区二区蜜桃| 久久精品人人爽人人爽视色| av又黄又爽大尺度在线免费看| 欧美日韩精品网址| 亚洲第一青青草原| 麻豆av在线久日| 午夜av观看不卡| xxxhd国产人妻xxx| 男女午夜视频在线观看| 亚洲av欧美aⅴ国产| 可以免费在线观看a视频的电影网站 | 岛国毛片在线播放| 香蕉丝袜av| www.精华液| 999精品在线视频| 电影成人av| 黄色怎么调成土黄色| 成年人午夜在线观看视频| 国产精品国产av在线观看| 十八禁人妻一区二区| 午夜福利影视在线免费观看| 80岁老熟妇乱子伦牲交| 亚洲精品久久久久久婷婷小说| 国产成人免费无遮挡视频| 涩涩av久久男人的天堂| 老鸭窝网址在线观看| 伦理电影免费视频| 亚洲国产中文字幕在线视频| 蜜桃国产av成人99| 大香蕉久久成人网| 麻豆精品久久久久久蜜桃| 精品国产乱码久久久久久男人| 毛片一级片免费看久久久久| 岛国毛片在线播放| 国产1区2区3区精品| 在线天堂中文资源库| 国产99久久九九免费精品| 国产一区有黄有色的免费视频| 久久99一区二区三区| 国产精品三级大全| 天堂俺去俺来也www色官网| kizo精华| 久久精品久久久久久噜噜老黄| 亚洲四区av| 亚洲中文av在线| 伦理电影免费视频| 纯流量卡能插随身wifi吗| 精品少妇黑人巨大在线播放| 国产激情久久老熟女| 无遮挡黄片免费观看| 日韩精品有码人妻一区| 久久 成人 亚洲| 国产深夜福利视频在线观看| 亚洲中文av在线| 9色porny在线观看| 亚洲欧美精品综合一区二区三区| 熟女av电影| 国产激情久久老熟女| 99久久人妻综合| 最近最新中文字幕大全免费视频 | 母亲3免费完整高清在线观看| 丝袜美足系列| 午夜免费男女啪啪视频观看| 一本色道久久久久久精品综合| 亚洲图色成人| 69精品国产乱码久久久| 欧美精品亚洲一区二区| 国产精品一区二区在线观看99| 免费观看性生交大片5| 伊人久久国产一区二区| 老鸭窝网址在线观看| 亚洲精品国产av成人精品| 国产亚洲av片在线观看秒播厂| 欧美日韩视频精品一区| 最近2019中文字幕mv第一页| 欧美日韩综合久久久久久| 一级毛片 在线播放| 日本欧美视频一区| 777米奇影视久久| videos熟女内射| 十分钟在线观看高清视频www| 免费黄频网站在线观看国产| 熟女少妇亚洲综合色aaa.| 国产午夜精品一二区理论片| 日本猛色少妇xxxxx猛交久久| 日本91视频免费播放| 成人国产麻豆网| 飞空精品影院首页| 91国产中文字幕| 国产精品久久久久久精品古装| 色精品久久人妻99蜜桃| 国产精品一区二区精品视频观看| 色精品久久人妻99蜜桃| 亚洲精品第二区| 老鸭窝网址在线观看| 亚洲精品成人av观看孕妇| 99re6热这里在线精品视频| 免费久久久久久久精品成人欧美视频| 无遮挡黄片免费观看| 日韩av不卡免费在线播放| 丁香六月欧美| 欧美变态另类bdsm刘玥| av福利片在线| 婷婷成人精品国产| 91国产中文字幕| 国产 精品1| 免费人妻精品一区二区三区视频| 久久精品国产综合久久久| 精品酒店卫生间| 久久97久久精品| 久久精品国产亚洲av涩爱| 天堂8中文在线网| 久久天堂一区二区三区四区| 日韩人妻精品一区2区三区| 一级a爱视频在线免费观看| 天天操日日干夜夜撸| 一本久久精品| 熟女av电影| 国产精品人妻久久久影院| 久久精品国产a三级三级三级| 国产97色在线日韩免费| 丝袜喷水一区| 亚洲精品,欧美精品| 热99国产精品久久久久久7| 久久鲁丝午夜福利片| av天堂久久9| 美女中出高潮动态图| 菩萨蛮人人尽说江南好唐韦庄| 亚洲欧美一区二区三区国产| 亚洲第一区二区三区不卡| 精品一区二区三区av网在线观看 | 国产av精品麻豆| 大片免费播放器 马上看| 最近中文字幕2019免费版| 亚洲成人手机| 19禁男女啪啪无遮挡网站| 又粗又硬又长又爽又黄的视频| 考比视频在线观看| 成人国产av品久久久| 制服人妻中文乱码| 丝瓜视频免费看黄片| 亚洲伊人久久精品综合|