• <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 ?

    基于深度學習的植物識別原理綜述

    2020-02-07 13:03:52王永金左羽吳戀崔忠偉趙晨潔
    物聯(lián)網(wǎng)技術(shù) 2020年1期
    關(guān)鍵詞:魯棒性網(wǎng)絡(luò)結(jié)構(gòu)深度學習

    王永金 左羽 吳戀 崔忠偉 趙晨潔

    摘 要:文中對基于深度學習的植物識別技術(shù)進行了廣泛研究。闡述了傳統(tǒng)植物識別技術(shù)存在的缺陷,提出將深度學習技術(shù)應(yīng)用在植物識別方向,并簡要介紹了深度學習中的深度信念網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)等網(wǎng)絡(luò)結(jié)構(gòu)和特征以及將各自的神經(jīng)網(wǎng)絡(luò)應(yīng)用在植物識別技術(shù)上的案例,并重點分析了植物識別的原理,最后指出將深度學習應(yīng)用在植物識別方向上的優(yōu)缺點。

    關(guān)鍵詞:深度學習;植物識別;神經(jīng)網(wǎng)絡(luò);信念網(wǎng)絡(luò);網(wǎng)絡(luò)結(jié)構(gòu);魯棒性

    中圖分類號:TP305文獻標識碼:A文章編號:2095-1302(2020)01-00-03

    0 引 言

    作為地球上最多樣化的生命形式,植物的種類數(shù)量已經(jīng)達到令人瞠目結(jié)舌的程度,在判斷植物類別時給研究人員帶來了諸多不便。傳統(tǒng)的植物識別主要依靠專家進行判別,當植物種類較多時,就需要大量專家參與,不僅工作量極大,同時分類結(jié)果也容易受專家主觀因素的影響,導致判別植物種類的正確率有所不同。隨著計算機圖像處理技術(shù)的發(fā)展,許多研究者更傾向于將數(shù)字圖像處理和模式識別技術(shù)應(yīng)用于植物分類方面。近年來,深度學習的快速發(fā)展已成為圖像識別領(lǐng)域的熱點。許多研究人員在研究如何將深度學習方法應(yīng)用在植物鑒定中,并取得了較好的識別效果。

    1 傳統(tǒng)方法的缺陷

    在傳統(tǒng)的植物分類識別[1]方法中,主要包括兩個方面,即特征提取和分類器設(shè)計。許多研究人員在進行特征選取時[2],一般選擇葉片作為特征參數(shù),但是這種方法形式單一,背景簡單,并未考慮其他復(fù)雜的背景,例如植物葉片缺口、斷葉、重疊等情況。然后在識別方法上,它局限于形狀、顏色、紋理等特征,并且未將各類特征融合[3]。在分類器的設(shè)計中,通常會選擇神經(jīng)網(wǎng)絡(luò)、支持向量機和最近鄰。但是分類人員在選擇特征功能時大都選擇自己認為正確的,不僅缺乏公認的依據(jù),同時這些特征只適合特定的數(shù)據(jù),如果用同樣的特征來處理不同的數(shù)據(jù)集,那么結(jié)果可能不一致,因此這種特征不具有可遷移性[4]。

    2 基于深度學習的植物識別技術(shù)

    隨著深度學習[5]的發(fā)展,許多研究者將深度學習應(yīng)用在各領(lǐng)域中,特別是在圖像識別領(lǐng)域,取得了較好的效果?;诰矸e神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)[6]的深度學習算法可以自動提取圖像特征且無需人工干預(yù),克服了傳統(tǒng)植物葉片識別依靠人工提取特征的缺陷。近年來,許多研究通過深度學習識別諸如植物的葉子、花朵等圖像。

    2.1 深度學習技術(shù)

    深度學習是在機器學習的基礎(chǔ)上發(fā)展而來,它屬于機器學習的研究領(lǐng)域之一,解決了特征選擇這一重大難題。傳統(tǒng)的機器學習特征由人類專家選擇,而深度學習則是由自己選擇特征,無需人工選擇,減少了人力、物力的投入。

    2.1.1 深度信念網(wǎng)絡(luò)DBN

    深度信念網(wǎng)絡(luò)(Deep Belief Network,DBN)[7]最初是由Hinton教授提出的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型,2006年Hinton教授在Science上發(fā)表了一篇文章,深度學習就是從這個時候慢慢開始發(fā)展,逐漸進入大眾視野,開啟了學術(shù)界的深度學習大潮。這篇文章有兩個觀點:首先,具有多個隱藏層的神經(jīng)網(wǎng)絡(luò)可以學習到更多特征并具有很強的學習能力,能夠更好地描述數(shù)據(jù)性質(zhì),有利于數(shù)據(jù)可視化或分類。其次,在深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)下,可以通過逐層初始化的措施來降低訓練難度。深度信念網(wǎng)絡(luò)是一種生成模型,是由多個受限制的Boltzmann[8]機組成的復(fù)合模型。Hinton教授使用預(yù)訓練方法來解決局部最優(yōu)解的問題,并把隱藏層的數(shù)量增加到了7層,證明隱藏層的層數(shù)可以增加,結(jié)果直觀可見,使得神經(jīng)網(wǎng)絡(luò)有了真正意義上的深度。

    2.1.2 循環(huán)神經(jīng)網(wǎng)絡(luò)RNN

    循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)[9]是20世紀80年代提出的一種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型,其處理單元之間存在內(nèi)部反饋連接和前饋連接。在CNN網(wǎng)絡(luò)中,訓練樣本的數(shù)據(jù)大多獨立且具有相同分布,解決的問題多為分類問題、回歸問題或者特征表達問題。但通常更多數(shù)據(jù)不滿足于獨立和相同分布,例如語音翻譯。這是一個序列問題,包括時間序列和空間序列[10]。RNN內(nèi)部具有記憶功能,利用該特點,可用它來處理任意時間段的輸入序列,所以在處理語音翻譯等問題時更容易。RNN分為兩類,其中一類為Simple RNN,會將上一層存儲的信息帶入下一次RNN的隱藏層。Simple RNN有兩個缺點:一是記憶期極短,不僅隱藏層存儲的內(nèi)容向后傳遞時影響會逐漸減弱,同時還無法控制存儲的內(nèi)容,即一個語句中并非所有的內(nèi)容都會寫入存儲中。另一類是Long Short Term Memory(LSTM),即僅將重要的內(nèi)容寫入memory中,不重要的不存入,需要時輸出,必要時清空。LSTM能夠解決Simple RNN存在的問題,但自身所需要的參數(shù)是Simple RNN的4倍。

    2.1.3 卷積神經(jīng)網(wǎng)絡(luò)CNN

    卷積神經(jīng)網(wǎng)絡(luò)最初是為解決圖像識別問題而提出,之后慢慢發(fā)展,廣泛應(yīng)用于圖像、視頻、音頻和文本數(shù)據(jù)等方面,當人們提起深度學習時,首先會想到CNN,而CNN也被認為是深度學習的代名詞。卷積神經(jīng)網(wǎng)絡(luò)主要由輸入層、卷積層、池化層、全連接層和輸出層構(gòu)成。

    (1)輸入層用來接收原始數(shù)據(jù),然后對原始數(shù)據(jù)進行處理(包括處理多維數(shù)據(jù))。

    (2)卷積層用來提取圖像的特征。

    (3)池化層對卷積層卷積的特征圖進行降維采樣,壓縮數(shù)據(jù)和參數(shù)數(shù)量,避免過擬合,同時增強模型的適應(yīng)能力。池化操作使得特征表達具有魯棒性。

    (4)全連接層將之前得到的特征進行整合,針對各類情況輸出概率,之后分類器就可以根據(jù)得到的概率進行分類。

    (5)輸出層將全連接層得到的分類結(jié)果進行輸出,使得輸出結(jié)果更直觀。

    2.2 基于深度學習的植物識別典型案例

    隨著深度學習的快速發(fā)展,許多研究者將深度學習技術(shù)應(yīng)用到了植物識別方面。趙彥輝[11]將深度學習應(yīng)用到了藥用植物識別方面,通過灰度化、角度隨機旋轉(zhuǎn)等對收集的藥用植物圖像進行預(yù)處理,然后采用卷積神經(jīng)網(wǎng)絡(luò)技術(shù),結(jié)合DeepLearning4J框架對模型參數(shù)進行優(yōu)化調(diào)試,從而提高復(fù)雜背景下藥用植物圖像識別的準確性和有效性。鄭一力[12]采用一種基于遷移學習的卷積神經(jīng)網(wǎng)絡(luò)方法,將收集的植物圖像通過水平、垂直翻轉(zhuǎn)等預(yù)處理來擴充植物圖像的數(shù)據(jù)集,之后將數(shù)據(jù)集以4∶1的比例劃分為訓練集和測試集,然后使用遷移學習方法,將之前的模型(AlexNet,InceptionV3)在測試集上訓練,模型前面所有卷積層的參數(shù)均不改變,只替換全連接層的最后一層,使其能夠適應(yīng)植物圖像的識別。結(jié)果表明此方法不僅能節(jié)約大量時間,而且擁有更好的準確率。張雪芹[13]為了解決傳統(tǒng)機器學習算法在大樣本情況下圖像識別速度慢的難點而提出了P-AlexNet模型,此模型是在AlexNet模型基礎(chǔ)上進行改進優(yōu)化而得到的,改進后的模型不僅能在大樣本情況下進行圖像識別,識別精度和泛化能力也有所提高,同時還利用GPU來提高訓練的速度、減少等待時間。最后將此模型算法應(yīng)用于智能植物圖像識別系統(tǒng),結(jié)果表明使用和測試效果良好。

    2.3 基于深度性的植物識別技術(shù)原理

    植物識別技術(shù)原理的本質(zhì)是圖像識別[14],根據(jù)植物的圖像來識別植物種類是植物識別技術(shù)的重點。然而,早期圖像識別的工作僅限于識別文本之類的簡單信息,經(jīng)過計算機技術(shù)的發(fā)展,逐漸演變到今天的圖像識別,可根據(jù)給定的圖像執(zhí)行相應(yīng)的處理和分析,以識別出我們設(shè)定的目標。計算機圖像識別技術(shù)的靈感來源于人類用肉眼去識別圖像的原理,但缺少人類的視覺與感覺。人類在看到某一張圖片時,大腦會迅速感應(yīng)是否見過類似圖片,腦海中是否存在類似圖片的記憶。在看到和感應(yīng)之間便是我們識別的過程。在此過程中,大腦將根據(jù)存儲類別來識別當前看到的圖片,以查看他們是否看過這樣的圖片。計算機的圖像識別技術(shù)也一樣,根據(jù)提取到的特征來識別圖像。隨著神經(jīng)網(wǎng)絡(luò)的興起,將神經(jīng)網(wǎng)絡(luò)應(yīng)用于圖像識別技術(shù)中,使得計算機本身具備學習能力,從而自動提取圖像特征,自動識別,減少人為干預(yù),然后通過不斷學習來提高識別準確度。

    2.4 基于深度學習的植物識別技術(shù)的優(yōu)缺點

    將深度學習應(yīng)用于植物識別方面是許多研究者都在做的事,事實證明這樣做能夠解決在植物識別中遇到的難題。尤其是近年來卷積神經(jīng)網(wǎng)絡(luò)的盛行,許多研究者將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于植物分類識別后大大提高了植物鑒定的準確性。從依靠人工分類到現(xiàn)在采用深度學習技術(shù)來識別植物,很大程度上減少了人工投入,大大節(jié)約了成本。而且自然界的植物種類繁多,人工采集的植物圖像多如牛毛,如果僅靠人工分類,那么無疑增加了人的工作量。深度學習能夠在一定程度上解決數(shù)據(jù)繁多的難題,從而節(jié)省大量時間,同時基于深度學習的植物識別準確率也較高。然而,計算機雖然能夠進行植物識別,但是識別準確度還無法達到100%,即使采用已經(jīng)準備好的數(shù)據(jù)集也無法避免誤差,更何況在各種復(fù)雜背景下來動態(tài)識別各類植物,將大幅降低識別準確率。同時設(shè)備的變化、網(wǎng)絡(luò)環(huán)境的差異均會影響判斷的準確性。

    3 結(jié) 語

    本文闡述了在植物識別方面?zhèn)鹘y(tǒng)方法存在的技術(shù)缺陷,之后介紹了幾種具有代表性的神經(jīng)網(wǎng)絡(luò),并簡要描述了卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)。隨后列舉了幾個深度學習應(yīng)用于植物識別的案例,可以看出將深度學習應(yīng)用于植物識別確實能夠提高識別率。最后分析了植物識別技術(shù)的原理和存在的優(yōu)缺點。

    將神經(jīng)網(wǎng)絡(luò)應(yīng)用于圖像識別雖然還存在一些問題,但是相信隨著計算機技術(shù)的發(fā)展,這些問題都會被逐一解決。

    參 考 文 獻

    [1]袁銀,王東斌,劉永金.基于深度學習的植物圖像識別方法研究[J].現(xiàn)代農(nóng)業(yè)科技,2017(23):278-280.

    [2]溫坤哲,韋玉科,董曉華.深度卷積神經(jīng)網(wǎng)絡(luò)在圖像美學評價的應(yīng)用綜述[J/OL].計算機工程與應(yīng)用,2019:1-16. [2019-07-03].http://kns.cnki.net/kcms/detail/11.2127.TP.20190401.1730.026.html.

    [3]鐘海軍,胡步發(fā).基于高層特征融合的圖像語義分割[J].機械制造與自動化,2019(3):178-181.

    [4]汪榮貴,姚旭晨,楊娟,等.基于深度遷移學習的微型細粒度圖像分類[J].光電工程,2019,46(6):21-30.

    [5] LECUN Y,BENGIO Y,HINTON G.Deep learning [J]. Nature,2015,521:436-444.

    [6] LECUN Y,BENGIO Y.Convolutional Networks for Images,Speech,and Time Series [M]. Cambridge,MA: MIT Press,1998:255-258.

    [7] HINTON G E,OSINDERO S, TEH Y W. A fast learning algorithm for deep belief nets [J]. Neural computation,2006,18(7):1527-1554.

    [8] LI W,NING H T. Poisson-boltzmann equation with a random field for charged fluids [J]. Journal of physics:condensed matter,2019,31(37).

    [9] MIKOLOV T, KARAFI?T M, BURGET L, et al. Recurrent neural network based language model [C]// Interspeech,2010.

    [10]王遠志,孫家潔,劉連興,等.關(guān)于引入空間序列概念的思考[J].沈陽工程學院學報(自然科學版),2007(2):179-180.

    [11]趙彥輝,范欣寧,張建逵,等.基于DeepLearning4J on Spark深度學習方法在藥用植物圖像識別中的應(yīng)用初探[J].中國中醫(yī)藥圖書情報雜志,2018,42(5):18-22.

    [12]鄭一力,張露.基于遷移學習的卷積神經(jīng)網(wǎng)絡(luò)植物葉片圖像識別方法[J].農(nóng)業(yè)機械學報,2018,49(z1):354-359.

    [13]張雪芹,陳嘉豪,諸葛晶晶,等.基于深度學習的快速植物圖像識別[J].華東理工大學學報(自然科學版),2018,44(6):887-895.

    [14]高浩宇.基于機器學習的圖像識別研究與應(yīng)用[D].武漢:華中師范大學,2018.

    猜你喜歡
    魯棒性網(wǎng)絡(luò)結(jié)構(gòu)深度學習
    荒漠綠洲區(qū)潛在生態(tài)網(wǎng)絡(luò)增邊優(yōu)化魯棒性分析
    基于確定性指標的弦支結(jié)構(gòu)魯棒性評價
    MOOC與翻轉(zhuǎn)課堂融合的深度學習場域建構(gòu)
    大數(shù)據(jù)技術(shù)在反恐怖主義中的應(yīng)用展望
    深度學習算法應(yīng)用于巖石圖像處理的可行性研究
    軟件導刊(2016年9期)2016-11-07 22:20:49
    基于深度卷積網(wǎng)絡(luò)的人臉年齡分析算法與實現(xiàn)
    軟件工程(2016年8期)2016-10-25 15:47:34
    基于非支配解集的多模式裝備項目群調(diào)度魯棒性優(yōu)化
    非接觸移動供電系統(tǒng)不同補償拓撲下的魯棒性分析
    基于互信息的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學習
    知識網(wǎng)絡(luò)結(jié)構(gòu)維對于創(chuàng)新績效的作用機制——遠程創(chuàng)新搜尋的中介作用
    免费看十八禁软件| 亚洲 欧美一区二区三区| 日本av手机在线免费观看| av电影中文网址| a 毛片基地| 精品亚洲成国产av| 久久女婷五月综合色啪小说| 99精品久久久久人妻精品| 国产精品欧美亚洲77777| 99久久99久久久精品蜜桃| 久热爱精品视频在线9| 涩涩av久久男人的天堂| 亚洲人成77777在线视频| 亚洲天堂av无毛| 中文字幕色久视频| 亚洲精品日本国产第一区| 热re99久久精品国产66热6| 在线观看人妻少妇| 日本a在线网址| 久久这里只有精品19| 黑人欧美特级aaaaaa片| 一区二区三区激情视频| 一区二区日韩欧美中文字幕| 日韩一本色道免费dvd| 少妇的丰满在线观看| 精品高清国产在线一区| 精品亚洲成国产av| 国产成人精品久久二区二区91| 欧美黄色淫秽网站| 在线 av 中文字幕| 免费少妇av软件| 久久中文字幕一级| 中文精品一卡2卡3卡4更新| 午夜91福利影院| 黑人巨大精品欧美一区二区蜜桃| 最近中文字幕2019免费版| 欧美成狂野欧美在线观看| 久久久精品94久久精品| 一区二区三区激情视频| 19禁男女啪啪无遮挡网站| 亚洲熟女精品中文字幕| 丁香六月欧美| 精品亚洲成a人片在线观看| 久久女婷五月综合色啪小说| 久久久久视频综合| 美国免费a级毛片| 亚洲精品一区蜜桃| 国产亚洲精品久久久久5区| 日韩制服骚丝袜av| 国产在视频线精品| 欧美av亚洲av综合av国产av| 电影成人av| 午夜激情久久久久久久| 成年人午夜在线观看视频| 欧美精品高潮呻吟av久久| 国产精品av久久久久免费| 国产成人av教育| 丁香六月欧美| 老熟女久久久| 大话2 男鬼变身卡| 婷婷丁香在线五月| 国产视频一区二区在线看| 成人午夜精彩视频在线观看| a级毛片在线看网站| 亚洲精品国产一区二区精华液| 欧美性长视频在线观看| h视频一区二区三区| 欧美在线一区亚洲| 国产高清国产精品国产三级| 久久久久久久大尺度免费视频| 国产在线视频一区二区| 欧美人与性动交α欧美精品济南到| 欧美大码av| 国产精品一二三区在线看| a级片在线免费高清观看视频| 1024视频免费在线观看| 黄色a级毛片大全视频| 免费看av在线观看网站| videosex国产| 婷婷丁香在线五月| 亚洲欧美精品综合一区二区三区| 亚洲久久久国产精品| 久9热在线精品视频| 免费在线观看日本一区| 国产深夜福利视频在线观看| 国产成人精品无人区| 又粗又硬又长又爽又黄的视频| 欧美精品啪啪一区二区三区 | 亚洲精品久久成人aⅴ小说| 老鸭窝网址在线观看| 欧美另类一区| 国产成人欧美| 精品国产乱码久久久久久男人| 久久久久久亚洲精品国产蜜桃av| 日韩 亚洲 欧美在线| 日韩视频在线欧美| 免费人妻精品一区二区三区视频| 午夜福利视频精品| 免费黄频网站在线观看国产| 你懂的网址亚洲精品在线观看| 一区二区三区精品91| √禁漫天堂资源中文www| 国产精品久久久久久精品电影小说| 精品一区二区三卡| 国产成人影院久久av| 国产精品人妻久久久影院| 一级片'在线观看视频| 男人添女人高潮全过程视频| 国产真人三级小视频在线观看| 精品视频人人做人人爽| 国产又色又爽无遮挡免| 国产av一区二区精品久久| 国产免费又黄又爽又色| a级片在线免费高清观看视频| 成人免费观看视频高清| 亚洲欧美一区二区三区黑人| 久久免费观看电影| 黄色怎么调成土黄色| 精品国产国语对白av| a 毛片基地| 国产深夜福利视频在线观看| 亚洲国产看品久久| 91麻豆精品激情在线观看国产 | 99热全是精品| 丝瓜视频免费看黄片| h视频一区二区三区| 精品人妻熟女毛片av久久网站| 天天躁夜夜躁狠狠久久av| 久久ye,这里只有精品| 妹子高潮喷水视频| 成人免费观看视频高清| 少妇的丰满在线观看| 国产精品99久久99久久久不卡| 国产精品久久久人人做人人爽| 又大又爽又粗| 国产免费一区二区三区四区乱码| h视频一区二区三区| 麻豆av在线久日| 亚洲欧洲日产国产| 国产精品久久久久成人av| 欧美97在线视频| 18在线观看网站| 看免费av毛片| 97在线人人人人妻| 久久久亚洲精品成人影院| 黑人欧美特级aaaaaa片| 国产成人系列免费观看| 亚洲激情五月婷婷啪啪| 国产男人的电影天堂91| 我要看黄色一级片免费的| 午夜激情av网站| 久久久久久人人人人人| 少妇精品久久久久久久| 国产精品二区激情视频| 亚洲国产日韩一区二区| 欧美激情高清一区二区三区| 在线观看免费日韩欧美大片| 校园人妻丝袜中文字幕| videos熟女内射| 亚洲国产欧美一区二区综合| 精品少妇内射三级| 在线观看免费视频网站a站| 久久精品亚洲av国产电影网| 精品国产国语对白av| 欧美在线黄色| bbb黄色大片| 免费日韩欧美在线观看| 19禁男女啪啪无遮挡网站| 各种免费的搞黄视频| 亚洲五月色婷婷综合| www.av在线官网国产| 日韩大片免费观看网站| 亚洲三区欧美一区| 男女免费视频国产| 日日爽夜夜爽网站| 1024香蕉在线观看| 老司机午夜十八禁免费视频| 亚洲欧美日韩另类电影网站| 久久中文字幕一级| 精品少妇久久久久久888优播| 精品亚洲成a人片在线观看| 亚洲激情五月婷婷啪啪| 一区二区三区乱码不卡18| 成人午夜精彩视频在线观看| 两人在一起打扑克的视频| 侵犯人妻中文字幕一二三四区| 国产在线免费精品| 激情五月婷婷亚洲| 国产亚洲av片在线观看秒播厂| 亚洲激情五月婷婷啪啪| 亚洲欧美清纯卡通| 日韩,欧美,国产一区二区三区| 一本色道久久久久久精品综合| 亚洲精品成人av观看孕妇| 女性生殖器流出的白浆| 国产高清国产精品国产三级| 97在线人人人人妻| 后天国语完整版免费观看| 我要看黄色一级片免费的| 亚洲男人天堂网一区| 七月丁香在线播放| 丝袜在线中文字幕| 1024视频免费在线观看| 不卡av一区二区三区| 亚洲男人天堂网一区| 一本—道久久a久久精品蜜桃钙片| 一级黄片播放器| 午夜福利免费观看在线| 欧美久久黑人一区二区| 国产精品香港三级国产av潘金莲 | 午夜福利视频在线观看免费| 别揉我奶头~嗯~啊~动态视频 | 欧美变态另类bdsm刘玥| 欧美黄色淫秽网站| 日韩制服丝袜自拍偷拍| 亚洲av国产av综合av卡| 成年人午夜在线观看视频| 成年人免费黄色播放视频| 成年女人毛片免费观看观看9 | 国产精品国产三级专区第一集| av国产精品久久久久影院| 国产亚洲一区二区精品| 人人妻,人人澡人人爽秒播 | 母亲3免费完整高清在线观看| 丝袜人妻中文字幕| 国产97色在线日韩免费| 欧美久久黑人一区二区| 在线 av 中文字幕| 无遮挡黄片免费观看| 国产精品久久久人人做人人爽| 午夜福利在线免费观看网站| 国产伦人伦偷精品视频| 老鸭窝网址在线观看| 亚洲成国产人片在线观看| 亚洲,一卡二卡三卡| 国产视频一区二区在线看| 日韩电影二区| 高清黄色对白视频在线免费看| 777米奇影视久久| 99久久综合免费| 嫩草影视91久久| 欧美日韩亚洲综合一区二区三区_| 在线av久久热| 老司机亚洲免费影院| videos熟女内射| 精品免费久久久久久久清纯 | 性少妇av在线| 国产免费视频播放在线视频| 国产伦人伦偷精品视频| 国产精品人妻久久久影院| www日本在线高清视频| 国产日韩欧美在线精品| 最近最新中文字幕大全免费视频 | 嫩草影视91久久| 天天添夜夜摸| 爱豆传媒免费全集在线观看| 五月天丁香电影| 国产精品麻豆人妻色哟哟久久| 国产精品.久久久| 久久性视频一级片| 成人国语在线视频| 亚洲自偷自拍图片 自拍| 亚洲成人免费av在线播放| 亚洲久久久国产精品| 日本色播在线视频| 国产成人91sexporn| 看免费av毛片| 亚洲中文字幕日韩| 亚洲男人天堂网一区| 男的添女的下面高潮视频| 男女边吃奶边做爰视频| 男人爽女人下面视频在线观看| 亚洲第一青青草原| xxx大片免费视频| 自线自在国产av| 国产精品国产三级专区第一集| 99国产精品一区二区三区| 五月开心婷婷网| 国产日韩一区二区三区精品不卡| 亚洲人成网站在线观看播放| √禁漫天堂资源中文www| 久久久国产欧美日韩av| 亚洲伊人久久精品综合| 好男人电影高清在线观看| 成人手机av| 777久久人妻少妇嫩草av网站| 国产有黄有色有爽视频| 好男人视频免费观看在线| 高清视频免费观看一区二区| 中文字幕最新亚洲高清| 国产又色又爽无遮挡免| 丰满人妻熟妇乱又伦精品不卡| 午夜免费成人在线视频| 人人妻人人澡人人看| 亚洲精品中文字幕在线视频| 国产色视频综合| 大片免费播放器 马上看| 天天躁狠狠躁夜夜躁狠狠躁| 女性生殖器流出的白浆| 777米奇影视久久| 国产精品一二三区在线看| 尾随美女入室| 如日韩欧美国产精品一区二区三区| 亚洲av电影在线观看一区二区三区| 亚洲一区中文字幕在线| 搡老岳熟女国产| 一级片免费观看大全| 亚洲av片天天在线观看| www.av在线官网国产| 中国国产av一级| 两个人免费观看高清视频| 爱豆传媒免费全集在线观看| 无遮挡黄片免费观看| 亚洲国产av新网站| 91字幕亚洲| 国产熟女午夜一区二区三区| 久久国产精品影院| 黄色一级大片看看| 亚洲av日韩在线播放| 男女无遮挡免费网站观看| 欧美黑人欧美精品刺激| 亚洲欧洲国产日韩| 成年人午夜在线观看视频| 亚洲人成网站在线观看播放| 电影成人av| 精品一区二区三区av网在线观看 | 久久久欧美国产精品| 大香蕉久久成人网| 99久久99久久久精品蜜桃| 巨乳人妻的诱惑在线观看| a级毛片在线看网站| 午夜激情久久久久久久| 麻豆乱淫一区二区| 捣出白浆h1v1| 国产成人欧美在线观看 | 亚洲精品久久成人aⅴ小说| 制服诱惑二区| 欧美日韩国产mv在线观看视频| 亚洲第一av免费看| 成年女人毛片免费观看观看9 | 久9热在线精品视频| 精品国产超薄肉色丝袜足j| 久久久亚洲精品成人影院| 老司机影院成人| 亚洲成色77777| 精品少妇久久久久久888优播| 国产91精品成人一区二区三区 | 亚洲欧洲国产日韩| 中文字幕制服av| 91国产中文字幕| 国产精品一二三区在线看| 18在线观看网站| 狂野欧美激情性bbbbbb| 国产成人影院久久av| 欧美精品亚洲一区二区| 天天操日日干夜夜撸| 久久精品亚洲熟妇少妇任你| 满18在线观看网站| 9热在线视频观看99| 交换朋友夫妻互换小说| 国产黄色视频一区二区在线观看| 这个男人来自地球电影免费观看| 亚洲欧美激情在线| 欧美日韩视频精品一区| 三上悠亚av全集在线观看| 国产精品偷伦视频观看了| 人妻人人澡人人爽人人| 王馨瑶露胸无遮挡在线观看| av在线播放精品| 午夜两性在线视频| 国产在线免费精品| 一本色道久久久久久精品综合| 国产精品一区二区精品视频观看| 日韩欧美一区视频在线观看| 免费人妻精品一区二区三区视频| 一区二区三区四区激情视频| 91成人精品电影| 色精品久久人妻99蜜桃| 精品少妇内射三级| 精品亚洲成国产av| 满18在线观看网站| av国产精品久久久久影院| 欧美精品高潮呻吟av久久| 在线观看免费日韩欧美大片| 午夜91福利影院| 尾随美女入室| 色婷婷av一区二区三区视频| 亚洲精品日本国产第一区| kizo精华| 首页视频小说图片口味搜索 | 美女午夜性视频免费| 电影成人av| 热re99久久国产66热| 看十八女毛片水多多多| 午夜91福利影院| 免费观看人在逋| 色婷婷久久久亚洲欧美| 久久精品成人免费网站| 美女视频免费永久观看网站| 午夜老司机福利片| 欧美精品高潮呻吟av久久| 成人三级做爰电影| 国产又色又爽无遮挡免| 亚洲精品乱久久久久久| 国产一级毛片在线| 2021少妇久久久久久久久久久| 赤兔流量卡办理| 国产一区二区在线观看av| 一区二区三区乱码不卡18| 捣出白浆h1v1| 制服人妻中文乱码| 成年动漫av网址| 在线av久久热| 欧美 日韩 精品 国产| 母亲3免费完整高清在线观看| 91老司机精品| 波多野结衣av一区二区av| 亚洲一卡2卡3卡4卡5卡精品中文| 美女国产高潮福利片在线看| 久久久国产精品麻豆| 亚洲国产中文字幕在线视频| 晚上一个人看的免费电影| 国产精品成人在线| 777久久人妻少妇嫩草av网站| 成年人免费黄色播放视频| 国产亚洲午夜精品一区二区久久| 老熟女久久久| 如日韩欧美国产精品一区二区三区| 亚洲精品日本国产第一区| 亚洲av日韩精品久久久久久密 | 亚洲国产欧美网| www.999成人在线观看| 激情五月婷婷亚洲| 极品少妇高潮喷水抽搐| 亚洲天堂av无毛| 亚洲中文字幕日韩| 视频区图区小说| 免费黄频网站在线观看国产| 国产精品欧美亚洲77777| 国产伦理片在线播放av一区| 久久久久久久精品精品| 精品国产一区二区三区久久久樱花| 精品国产国语对白av| 亚洲欧美一区二区三区黑人| 一边摸一边做爽爽视频免费| 国产极品粉嫩免费观看在线| 在线观看一区二区三区激情| 欧美大码av| 国产欧美亚洲国产| 我要看黄色一级片免费的| 精品福利永久在线观看| 老司机亚洲免费影院| 精品国产一区二区三区久久久樱花| 下体分泌物呈黄色| av一本久久久久| 精品亚洲乱码少妇综合久久| 国产精品一国产av| 国产精品一区二区精品视频观看| 免费观看av网站的网址| 免费一级毛片在线播放高清视频 | 亚洲精品日韩在线中文字幕| 久久精品亚洲熟妇少妇任你| 大陆偷拍与自拍| 男男h啪啪无遮挡| 日本黄色日本黄色录像| 亚洲欧洲精品一区二区精品久久久| 巨乳人妻的诱惑在线观看| 操出白浆在线播放| 免费黄频网站在线观看国产| 国产视频首页在线观看| 国产精品.久久久| 欧美人与性动交α欧美软件| 日韩大码丰满熟妇| 午夜精品国产一区二区电影| 国产一区亚洲一区在线观看| a级片在线免费高清观看视频| 久久国产亚洲av麻豆专区| 精品免费久久久久久久清纯 | 99久久精品国产亚洲精品| 巨乳人妻的诱惑在线观看| 国产日韩一区二区三区精品不卡| 久久女婷五月综合色啪小说| 老司机在亚洲福利影院| 欧美成狂野欧美在线观看| 精品人妻1区二区| 国产精品三级大全| 十八禁网站网址无遮挡| 欧美人与性动交α欧美软件| 欧美日韩成人在线一区二区| 老熟女久久久| 国产精品欧美亚洲77777| 久久鲁丝午夜福利片| 国产精品久久久久成人av| 国产精品国产三级专区第一集| 伊人久久大香线蕉亚洲五| 大码成人一级视频| 亚洲久久久国产精品| 国语对白做爰xxxⅹ性视频网站| 日韩人妻精品一区2区三区| 999精品在线视频| 操美女的视频在线观看| 国产不卡av网站在线观看| 丁香六月欧美| 亚洲黑人精品在线| 三上悠亚av全集在线观看| 啦啦啦在线观看免费高清www| 欧美人与善性xxx| 美国免费a级毛片| 最新的欧美精品一区二区| 91字幕亚洲| 国产激情久久老熟女| 啦啦啦 在线观看视频| 欧美精品啪啪一区二区三区 | 一本—道久久a久久精品蜜桃钙片| 日韩欧美一区视频在线观看| 久久国产亚洲av麻豆专区| 天天操日日干夜夜撸| 飞空精品影院首页| 高清av免费在线| 国产欧美亚洲国产| 9热在线视频观看99| 精品熟女少妇八av免费久了| 一区福利在线观看| 99国产精品99久久久久| 色精品久久人妻99蜜桃| 亚洲伊人色综图| 国产视频首页在线观看| 99精国产麻豆久久婷婷| 亚洲成人免费电影在线观看 | 亚洲视频免费观看视频| 亚洲国产最新在线播放| 一区二区三区精品91| 男女午夜视频在线观看| 亚洲情色 制服丝袜| 国产亚洲精品久久久久5区| 啦啦啦啦在线视频资源| 久久久久国产一级毛片高清牌| 国产精品二区激情视频| 在线 av 中文字幕| 操出白浆在线播放| 欧美变态另类bdsm刘玥| 午夜91福利影院| 只有这里有精品99| 亚洲欧美色中文字幕在线| 欧美久久黑人一区二区| 亚洲欧美一区二区三区黑人| 欧美成人精品欧美一级黄| 午夜激情久久久久久久| 国产精品.久久久| 97精品久久久久久久久久精品| 亚洲国产av影院在线观看| av视频免费观看在线观看| 美女福利国产在线| 最新的欧美精品一区二区| 精品亚洲成a人片在线观看| 欧美久久黑人一区二区| 国产免费福利视频在线观看| 国产成人欧美| 国产亚洲午夜精品一区二区久久| 国产成人精品在线电影| 亚洲精品成人av观看孕妇| 亚洲av男天堂| 久久精品国产亚洲av涩爱| 国产精品久久久久久精品电影小说| 视频区图区小说| 久久天堂一区二区三区四区| 91九色精品人成在线观看| 成人手机av| 青春草视频在线免费观看| 99国产精品99久久久久| 亚洲精品久久久久久婷婷小说| 亚洲成人免费av在线播放| 精品少妇久久久久久888优播| 人成视频在线观看免费观看| 欧美+亚洲+日韩+国产| 在线观看国产h片| 精品免费久久久久久久清纯 | 国产精品偷伦视频观看了| 搡老岳熟女国产| 高清不卡的av网站| 国产黄色免费在线视频| 久久久国产欧美日韩av| 啦啦啦中文免费视频观看日本| 一级片免费观看大全| 精品人妻一区二区三区麻豆| 人人妻人人添人人爽欧美一区卜| 精品福利永久在线观看| 97在线人人人人妻| 亚洲精品久久午夜乱码| 日韩av不卡免费在线播放| 在线观看人妻少妇| 国精品久久久久久国模美| 久久精品成人免费网站| 国产成人系列免费观看| 久久 成人 亚洲| 超色免费av| 日韩 欧美 亚洲 中文字幕| 色播在线永久视频| 如日韩欧美国产精品一区二区三区| 日韩精品免费视频一区二区三区| 中文字幕高清在线视频| 青草久久国产| 午夜福利乱码中文字幕| 午夜福利影视在线免费观看| 一区二区三区精品91| 精品视频人人做人人爽| 亚洲国产最新在线播放| 日本午夜av视频| 考比视频在线观看| 国产精品久久久久成人av| 国产国语露脸激情在线看| a级片在线免费高清观看视频| 久久久久网色| 99热网站在线观看| 亚洲国产日韩一区二区|