• <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 一区 欧美 日韩| 亚洲精品影视一区二区三区av| 观看美女的网站| 亚洲成人精品中文字幕电影| 国产精品99久久久久久久久| 一级av片app| 嫩草影院入口| 成人午夜高清在线视频| 国产成人精品婷婷| 亚洲av成人av| 亚洲av成人精品一二三区| 国产精品1区2区在线观看.| 成人午夜精彩视频在线观看| 三级毛片av免费| 乱系列少妇在线播放| 亚洲aⅴ乱码一区二区在线播放| 久久99热这里只有精品18| 欧美性猛交黑人性爽| 老司机影院成人| 高清在线视频一区二区三区 | 99久久九九国产精品国产免费| 人妻制服诱惑在线中文字幕| 看非洲黑人一级黄片| 久久综合国产亚洲精品| 国产v大片淫在线免费观看| 欧美高清成人免费视频www| 日本黄色视频三级网站网址| 精品久久久久久电影网 | 国产伦理片在线播放av一区| 欧美又色又爽又黄视频| 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 | 三级男女做爰猛烈吃奶摸视频| av在线蜜桃| 草草在线视频免费看| 青青草视频在线视频观看| 亚洲人与动物交配视频| 小蜜桃在线观看免费完整版高清| 人人妻人人澡人人爽人人夜夜 | 边亲边吃奶的免费视频| 成人毛片60女人毛片免费| 国产极品天堂在线| 亚洲熟妇中文字幕五十中出| 国产精华一区二区三区| 亚洲图色成人| 欧美人与善性xxx| 久久久久国产网址| 亚洲欧美日韩东京热| 91狼人影院| av线在线观看网站| a级毛色黄片| 超碰97精品在线观看| 久久久精品大字幕| 国产69精品久久久久777片| 嘟嘟电影网在线观看| 嘟嘟电影网在线观看| 亚洲人成网站在线播| 老司机福利观看| 国产久久久一区二区三区| 国产免费又黄又爽又色| 欧美激情国产日韩精品一区| 国产欧美日韩精品一区二区| 日韩一区二区视频免费看| 联通29元200g的流量卡| 亚洲人成网站在线播| 精品久久久久久成人av| 国产av一区在线观看免费| 午夜激情欧美在线| 中文字幕免费在线视频6| 99久久人妻综合| 欧美3d第一页| 国产 一区 欧美 日韩| 如何舔出高潮| 久久人妻av系列| 国产亚洲av片在线观看秒播厂 | 99热精品在线国产| 午夜日本视频在线| 我要搜黄色片| 亚洲国产精品久久男人天堂| 国产熟女欧美一区二区| 有码 亚洲区| 亚洲国产色片| 中文资源天堂在线| 亚洲精品成人久久久久久| 狠狠狠狠99中文字幕| 国产v大片淫在线免费观看| 天天一区二区日本电影三级| 日韩精品有码人妻一区| 午夜福利视频1000在线观看| 久久这里有精品视频免费| 国产成人精品久久久久久| 久久久久久久久久黄片| 麻豆成人午夜福利视频| 少妇的逼水好多| 神马国产精品三级电影在线观看| 男女边吃奶边做爰视频| 免费在线观看成人毛片| 午夜免费男女啪啪视频观看| 欧美又色又爽又黄视频| 亚洲av熟女| 九九爱精品视频在线观看| 久久久久久久久久久免费av| 久久精品国产亚洲网站| 尾随美女入室| 免费播放大片免费观看视频在线观看 | 免费电影在线观看免费观看| 午夜老司机福利剧场| 亚洲国产精品国产精品| 一级黄色大片毛片| 99久久中文字幕三级久久日本| 两个人视频免费观看高清| 国产中年淑女户外野战色| 中文字幕av在线有码专区| 亚洲精品自拍成人| 欧美一区二区亚洲| 18禁动态无遮挡网站| 黄色一级大片看看| 日本wwww免费看| 国产成人a∨麻豆精品| 国产精品久久电影中文字幕| 亚洲电影在线观看av| 97超视频在线观看视频| 免费黄色在线免费观看| 国产毛片a区久久久久| 亚洲av成人精品一二三区| 一个人观看的视频www高清免费观看| 韩国高清视频一区二区三区| 女人久久www免费人成看片 | 啦啦啦观看免费观看视频高清| 熟女电影av网| 日韩强制内射视频| 男人狂女人下面高潮的视频| 精品国产露脸久久av麻豆 | 国产av不卡久久| 亚洲国产色片| 日韩一区二区视频免费看| 国产三级中文精品| 日本免费a在线| 久久草成人影院| 国产淫语在线视频| 看十八女毛片水多多多| 中文字幕av成人在线电影| 成人三级黄色视频| 中文字幕熟女人妻在线| 中文字幕免费在线视频6| 在线观看66精品国产| 亚州av有码| 亚洲欧美中文字幕日韩二区| 日韩国内少妇激情av| 精品国产三级普通话版| 日韩欧美精品免费久久| 欧美潮喷喷水| eeuss影院久久| 久久午夜福利片| 久久人妻av系列| av在线蜜桃| 久久精品综合一区二区三区| 亚洲国产精品久久男人天堂| 日韩人妻高清精品专区| 女人十人毛片免费观看3o分钟| 久热久热在线精品观看| 午夜福利在线观看免费完整高清在| 久久久久久伊人网av| 亚洲av免费高清在线观看| 联通29元200g的流量卡| 男人舔女人下体高潮全视频| 中文乱码字字幕精品一区二区三区 | av在线老鸭窝| 日韩人妻高清精品专区| 搡老妇女老女人老熟妇| 十八禁国产超污无遮挡网站| 精品人妻视频免费看| 亚洲婷婷狠狠爱综合网| 国产成人a区在线观看| 亚洲精品自拍成人| 性插视频无遮挡在线免费观看| 国产精品伦人一区二区| 99视频精品全部免费 在线| 国产成人精品婷婷| 99久国产av精品| av天堂中文字幕网| 舔av片在线| 国产精品久久电影中文字幕| 国产三级中文精品| 最后的刺客免费高清国语| 久久久欧美国产精品| 日韩中字成人| 久久精品夜色国产| 九草在线视频观看| 欧美性猛交黑人性爽| 欧美成人免费av一区二区三区| 麻豆成人av视频| 村上凉子中文字幕在线| 午夜免费激情av| 久久久欧美国产精品| 亚洲精品成人久久久久久| 99久久精品国产国产毛片| 久久久久免费精品人妻一区二区| 亚洲精品亚洲一区二区| 免费观看性生交大片5| 精品久久久久久久久久久久久| 精品久久久久久久人妻蜜臀av| 亚洲经典国产精华液单| 亚洲内射少妇av| 超碰97精品在线观看| 国产av码专区亚洲av| 噜噜噜噜噜久久久久久91| 99久久成人亚洲精品观看| 精品人妻偷拍中文字幕| 最后的刺客免费高清国语| 亚洲成av人片在线播放无| 午夜a级毛片| 在现免费观看毛片| 内射极品少妇av片p| 日本与韩国留学比较| 国产高清视频在线观看网站| 18禁在线播放成人免费| 国产老妇伦熟女老妇高清| 欧美另类亚洲清纯唯美| 亚洲成av人片在线播放无| 1000部很黄的大片| 精品不卡国产一区二区三区| 免费观看在线日韩| 国产美女午夜福利| 久久人妻av系列| av卡一久久| 色视频www国产| 久久综合国产亚洲精品| 欧美丝袜亚洲另类| 极品教师在线视频| 99在线视频只有这里精品首页| 国产精华一区二区三区| 亚洲欧美日韩无卡精品| a级毛片免费高清观看在线播放| 热99在线观看视频| 国产精品国产三级国产专区5o | 日日摸夜夜添夜夜爱| 99热精品在线国产| 国产精品久久久久久精品电影| 亚洲欧美日韩高清专用| 国产精品1区2区在线观看.| 久久久精品94久久精品| 国产在视频线在精品| 亚洲精品久久久久久婷婷小说 | 亚洲成av人片在线播放无| 日日撸夜夜添| 国产精品久久久久久久久免| 蜜臀久久99精品久久宅男| 亚洲va在线va天堂va国产| 色5月婷婷丁香| 国产精品,欧美在线| 免费在线观看成人毛片| 在线观看av片永久免费下载| 男人的好看免费观看在线视频| 国产色婷婷99| 搡女人真爽免费视频火全软件| 国产精华一区二区三区| 亚洲av二区三区四区| 中文精品一卡2卡3卡4更新| 简卡轻食公司| 天堂av国产一区二区熟女人妻| 水蜜桃什么品种好| videos熟女内射| 午夜视频国产福利| 我的老师免费观看完整版| 日本与韩国留学比较| 精华霜和精华液先用哪个| 一边亲一边摸免费视频| 嘟嘟电影网在线观看| 岛国毛片在线播放| 男人舔女人下体高潮全视频| 91精品伊人久久大香线蕉| 久久人妻av系列| 日韩av在线免费看完整版不卡| 综合色av麻豆| 色视频www国产| 国产午夜福利久久久久久| 日本猛色少妇xxxxx猛交久久| 51国产日韩欧美| 久久鲁丝午夜福利片| 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 | 精品无人区乱码1区二区| www.av在线官网国产| 久久久久久久久大av| 国产老妇伦熟女老妇高清| 久久久欧美国产精品| 日本与韩国留学比较| 色播亚洲综合网| 日韩欧美国产在线观看| 能在线免费看毛片的网站| 亚洲av免费高清在线观看| 91精品一卡2卡3卡4卡| av在线观看视频网站免费| 乱人视频在线观看| 亚洲一区高清亚洲精品| 久久久久久久久久成人| 亚洲精品日韩av片在线观看| 嫩草影院新地址| 欧美成人精品欧美一级黄| 久久久久国产网址| 精品国产三级普通话版| 精品久久久久久久久av| 日本免费a在线| 午夜福利视频1000在线观看| 欧美另类亚洲清纯唯美| 赤兔流量卡办理| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲三级黄色毛片| 赤兔流量卡办理| 国产成人freesex在线| 夫妻性生交免费视频一级片| 国产一区二区亚洲精品在线观看| 建设人人有责人人尽责人人享有的 | 国产亚洲午夜精品一区二区久久 | 国产精品人妻久久久久久| 欧美bdsm另类| videossex国产| 成人亚洲精品av一区二区| 日韩成人伦理影院| 1000部很黄的大片| 亚洲av.av天堂| av在线播放精品| 国产综合懂色| 精品人妻偷拍中文字幕| 一夜夜www| 老师上课跳d突然被开到最大视频| 97超碰精品成人国产| 又粗又爽又猛毛片免费看| 国产欧美另类精品又又久久亚洲欧美| 久久99热这里只频精品6学生 | 日本熟妇午夜| 成人毛片60女人毛片免费| 久久久精品欧美日韩精品| 成人二区视频| 国产成人freesex在线| 蜜臀久久99精品久久宅男| 日本wwww免费看| 亚洲最大成人av| 久久6这里有精品| 插阴视频在线观看视频| 亚洲四区av| 午夜激情福利司机影院| 久久久国产成人精品二区| 直男gayav资源| 亚洲欧美精品专区久久| 亚洲乱码一区二区免费版| 久久精品国产自在天天线| 亚洲av.av天堂| 成人特级av手机在线观看| 少妇裸体淫交视频免费看高清| 久久久精品94久久精品| 99在线视频只有这里精品首页| a级一级毛片免费在线观看| 久久精品人妻少妇| 岛国在线免费视频观看| 国产色婷婷99| 一个人看的www免费观看视频| 精品酒店卫生间| 人妻夜夜爽99麻豆av| 中文欧美无线码| 最近手机中文字幕大全| 欧美3d第一页| 精品久久久久久久久久久久久| 国产精品永久免费网站| 啦啦啦韩国在线观看视频| av在线亚洲专区| 国产高清不卡午夜福利| 日韩av不卡免费在线播放| 五月伊人婷婷丁香| 国产成人免费观看mmmm| 九色成人免费人妻av| 国产黄色小视频在线观看| 美女内射精品一级片tv| 亚洲国产精品成人久久小说| 欧美3d第一页| 国产又黄又爽又无遮挡在线| 国产又色又爽无遮挡免| 看免费成人av毛片| 身体一侧抽搐| 91av网一区二区| 我的女老师完整版在线观看| 色哟哟·www| 免费观看性生交大片5| 亚洲综合精品二区| 水蜜桃什么品种好| 欧美极品一区二区三区四区| 十八禁国产超污无遮挡网站| 中国美白少妇内射xxxbb| 小说图片视频综合网站| 只有这里有精品99| 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 | 最近中文字幕2019免费版| 久久久亚洲精品成人影院| 男人舔女人下体高潮全视频| АⅤ资源中文在线天堂| 亚洲欧美日韩卡通动漫| 国产人妻一区二区三区在| 亚洲国产精品久久男人天堂| 亚洲av中文字字幕乱码综合| 黄色日韩在线| 国内少妇人妻偷人精品xxx网站| 2022亚洲国产成人精品| 国产私拍福利视频在线观看| 日本猛色少妇xxxxx猛交久久| 日韩强制内射视频| 亚洲五月天丁香| 麻豆av噜噜一区二区三区| 亚洲av成人精品一区久久| 伊人久久精品亚洲午夜| 最近最新中文字幕免费大全7| 日本一二三区视频观看| 国产白丝娇喘喷水9色精品| 亚洲欧美成人综合另类久久久 | 少妇猛男粗大的猛烈进出视频 | av在线蜜桃| 91久久精品国产一区二区三区| 欧美3d第一页| 三级经典国产精品| 搡老妇女老女人老熟妇| 精品国内亚洲2022精品成人| 日韩精品有码人妻一区| 国产精品国产三级国产专区5o | av在线播放精品| 国产成人a区在线观看| 国产高清不卡午夜福利| 国产午夜精品论理片| 成人毛片a级毛片在线播放| 亚洲欧美成人综合另类久久久 | videossex国产| 亚洲国产成人一精品久久久| 国产精品人妻久久久久久| 两个人的视频大全免费| 久久久久久伊人网av| 亚洲国产精品成人综合色| 色视频www国产| 看黄色毛片网站| 麻豆久久精品国产亚洲av| 国产私拍福利视频在线观看| 久久韩国三级中文字幕| 成人二区视频| 91狼人影院| 久久欧美精品欧美久久欧美| 九色成人免费人妻av| 亚洲四区av| 十八禁国产超污无遮挡网站| 在线观看66精品国产| 在线观看一区二区三区| 91在线精品国自产拍蜜月| 成人鲁丝片一二三区免费| 中国美白少妇内射xxxbb| 国产乱人视频| 国产一区二区在线av高清观看| 色播亚洲综合网| 欧美成人免费av一区二区三区| 99久久精品一区二区三区| 麻豆久久精品国产亚洲av| 亚州av有码| 午夜福利在线观看吧| av线在线观看网站| 国产黄片美女视频| 婷婷六月久久综合丁香| 国产精品久久久久久av不卡| 中文字幕亚洲精品专区| 国产极品精品免费视频能看的| 久久99热这里只频精品6学生 | 久久久成人免费电影| 欧美日韩综合久久久久久| 午夜亚洲福利在线播放| 亚洲av中文字字幕乱码综合| 草草在线视频免费看| 免费看av在线观看网站| 日本与韩国留学比较| 国产精品美女特级片免费视频播放器| 一个人看视频在线观看www免费| av免费在线看不卡| 99久国产av精品| 人人妻人人澡欧美一区二区| 在线免费十八禁| 国产精品一区二区三区四区免费观看| 精品人妻视频免费看| 国产亚洲av嫩草精品影院| 国产亚洲精品av在线| 久久精品影院6| 麻豆乱淫一区二区| 全区人妻精品视频| 欧美一区二区国产精品久久精品| 国产精品蜜桃在线观看| 深夜a级毛片| 国产69精品久久久久777片| 国产免费福利视频在线观看| 亚洲精品影视一区二区三区av| 久久精品熟女亚洲av麻豆精品 | 国产高清不卡午夜福利| 午夜爱爱视频在线播放| 91av网一区二区| 在线播放国产精品三级| 99在线人妻在线中文字幕| 天堂网av新在线| 激情 狠狠 欧美| 看十八女毛片水多多多| 成人av在线播放网站| 国产一区二区三区av在线| 亚洲国产精品国产精品| 淫秽高清视频在线观看| .国产精品久久| 国产成人aa在线观看| 黄片wwwwww| 国产免费又黄又爽又色| 嫩草影院新地址| 亚洲第一区二区三区不卡| 韩国高清视频一区二区三区| 亚洲综合色惰| 91精品一卡2卡3卡4卡| 久久午夜福利片| 男女啪啪激烈高潮av片| 成人亚洲精品av一区二区| 长腿黑丝高跟| 欧美激情久久久久久爽电影| 日韩亚洲欧美综合| 亚洲成人中文字幕在线播放| 大又大粗又爽又黄少妇毛片口| 亚洲av电影在线观看一区二区三区 | 久久精品国产亚洲网站| 菩萨蛮人人尽说江南好唐韦庄 | 亚洲怡红院男人天堂| 日韩一区二区视频免费看| 69av精品久久久久久| 两个人的视频大全免费| 午夜福利成人在线免费观看| 亚洲内射少妇av| 国产精品国产高清国产av| av女优亚洲男人天堂| 免费观看a级毛片全部| 夜夜爽夜夜爽视频| 国产黄色小视频在线观看| 亚洲欧美精品自产自拍| 99久国产av精品| 久久精品影院6| 国内精品一区二区在线观看| 亚洲国产精品成人久久小说| 久久久久精品久久久久真实原创| 国产精品麻豆人妻色哟哟久久 | 国产精品国产三级国产专区5o | 国产精品野战在线观看| 69av精品久久久久久| 久久久久久九九精品二区国产| 久久草成人影院| 中文精品一卡2卡3卡4更新| 亚洲最大成人中文| 简卡轻食公司| 九九久久精品国产亚洲av麻豆| 可以在线观看毛片的网站| 成人午夜高清在线视频| 男的添女的下面高潮视频| 亚洲久久久久久中文字幕| 久久久久久久午夜电影| 国产高清不卡午夜福利| 韩国高清视频一区二区三区| 亚洲精品色激情综合| 国产精品乱码一区二三区的特点| 插阴视频在线观看视频| 日韩欧美精品v在线| 成人综合一区亚洲| 91久久精品国产一区二区成人| 精品一区二区三区人妻视频| 欧美另类亚洲清纯唯美| 欧美性猛交黑人性爽| 三级男女做爰猛烈吃奶摸视频| 国产精品美女特级片免费视频播放器| 欧美日韩精品成人综合77777| 国产成人a区在线观看| av在线播放精品| 久久久亚洲精品成人影院| 国产单亲对白刺激| 少妇的逼好多水| 黄色日韩在线| 久久精品久久久久久久性| 爱豆传媒免费全集在线观看| 人妻制服诱惑在线中文字幕| 国产麻豆成人av免费视频| 美女国产视频在线观看| 欧美激情国产日韩精品一区| 亚洲四区av| 久久久久精品久久久久真实原创| 美女被艹到高潮喷水动态| 一区二区三区免费毛片| 欧美日韩在线观看h| 天堂网av新在线| 少妇猛男粗大的猛烈进出视频 | 卡戴珊不雅视频在线播放| 啦啦啦观看免费观看视频高清| 免费观看人在逋| 伊人久久精品亚洲午夜| 一级毛片我不卡| 91av网一区二区| 久久久精品大字幕| 一区二区三区四区激情视频| 干丝袜人妻中文字幕| 床上黄色一级片| 欧美区成人在线视频| 99久国产av精品| 国产亚洲最大av| 国产成人精品久久久久久| 中文字幕制服av| 一级毛片电影观看 | 国产男人的电影天堂91| 国产毛片a区久久久久| 麻豆乱淫一区二区| 亚州av有码| 一个人看的www免费观看视频| 热99re8久久精品国产| 国产精品国产三级国产av玫瑰| 国产伦一二天堂av在线观看| 在线免费十八禁| 色吧在线观看| 久久久久国产网址|