• <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 ?

    融合通道信息注意力網(wǎng)絡(luò)的葉片病害識別

    2020-12-07 08:20:28侯金秀鄧紅霞李海芳
    關(guān)鍵詞:注意力準(zhǔn)確率病害

    侯金秀,李 然,鄧紅霞,李海芳

    太原理工大學(xué) 信息與計(jì)算機(jī)學(xué)院,太原 030600

    1 引言

    植物葉片病害識別研究是農(nóng)業(yè)生產(chǎn)中最基本、最重要的活動之一,也是圖像處理領(lǐng)域的核心研究內(nèi)容。近年來,植物病害識別面臨諸多挑戰(zhàn)[1],如:背景復(fù)雜無法分割感興趣區(qū)域,多種病害相似性高難以區(qū)分等。

    目前對于植物葉片病害識別問題的解決方法有傳統(tǒng)方法[2-3]和深度學(xué)習(xí)[4-5]兩大類。傳統(tǒng)方法主要有:李廣林等[6]采用K_means 方法對葡萄病斑圖像進(jìn)行分割,提取傳統(tǒng)的顏色、紋理等特征,采用線性核函數(shù)的 SVM分類;Arivazhagan S等[7]對香蕉、番茄、馬鈴薯等植物葉片進(jìn)行HIS 顏色空間轉(zhuǎn)換,并對病斑圖像進(jìn)行分割,提取紋理特征,采用SVM 對病害進(jìn)行分類。深度學(xué)習(xí)的方法[8-10]主要包括:Amara J[11]利用 LeNet 結(jié)構(gòu)[12]的卷積神經(jīng)網(wǎng)絡(luò)對病害圖像進(jìn)行分類,初步證明該方法的可行性;Rangarajan A K等人[13]利用Alexnet[14]和VGG[15]網(wǎng)絡(luò)對番茄病害進(jìn)行分類,分類準(zhǔn)確率進(jìn)一步提高。但以上方法仍有不足:(1)傳統(tǒng)方法雖然準(zhǔn)確率較高,但其嚴(yán)重依賴病灶分割和手工設(shè)計(jì)特征,且預(yù)處理方法不具有普適性,限于小數(shù)據(jù)集,處理過程較為繁瑣;(2)深度學(xué)習(xí)方法可以自動學(xué)習(xí)特征,且隨著網(wǎng)絡(luò)層數(shù)的增加,準(zhǔn)確率有所提升。但其忽略了由于網(wǎng)絡(luò)層數(shù)加深導(dǎo)致的信息量過大以及底層特征丟失問題,同時(shí)缺少對不同特征信息重要性的區(qū)分。

    近年來,神經(jīng)網(wǎng)絡(luò)為解決大量信息的過載問題引入注意力機(jī)制。注意力來源于人類生物系統(tǒng),如視覺處理系統(tǒng)傾向于選擇性地關(guān)注圖像的重要信息而忽略無關(guān)信息,其最先應(yīng)用于機(jī)器翻譯中。在圖像處理領(lǐng)域,趙波等[16]針對細(xì)粒度目標(biāo)分類問題,提出一種多樣化的視覺注意網(wǎng)絡(luò)(DVAN),結(jié)果表明,與無注意力模型相比,識別區(qū)域的局部信息更加準(zhǔn)確;Hu J等[17]提出一種基于通道關(guān)系的注意力模型,并將其應(yīng)用到分類問題中,結(jié)果表明,分類的錯誤率更低。

    針對上述研究,本文提出融合通道信息注意力機(jī)制網(wǎng)絡(luò)模型(Fusion Channels Attention Mechanism,F(xiàn)CAM_CNN),主要目的是在更淺層的網(wǎng)絡(luò)中通過融合輕量級的注意力機(jī)制,提高多種植物葉片不同病害的分類準(zhǔn)確率,同時(shí)降低模型的復(fù)雜度,進(jìn)一步促進(jìn)深度學(xué)習(xí)方法在植物病害識別方面的研究。模型主要由基礎(chǔ)網(wǎng)絡(luò)和通道信息注意力網(wǎng)絡(luò)構(gòu)成,基礎(chǔ)網(wǎng)絡(luò)的核心以殘差結(jié)構(gòu)為主,將其提取的特征輸入注意力網(wǎng)絡(luò),通過全局信息融合多個(gè)特征通道來選擇性地強(qiáng)調(diào)信息特征功能,并通過不同超參數(shù)的設(shè)置來訓(xùn)練和優(yōu)化模型,最終使得模型表現(xiàn)更優(yōu)的效果。

    2 融合通道信息注意力網(wǎng)絡(luò)模型架構(gòu)設(shè)計(jì)

    本章主要設(shè)計(jì)基礎(chǔ)網(wǎng)絡(luò)和通道信息注意力網(wǎng)絡(luò)模型融合架構(gòu),并介紹其算法流程。搭建以殘差結(jié)構(gòu)為主的基礎(chǔ)網(wǎng)絡(luò)用于提取特征,通過融合多種通道信息的注意力網(wǎng)絡(luò)實(shí)現(xiàn)特征的重標(biāo)定,下面將分別介紹基礎(chǔ)網(wǎng)絡(luò)和通道信息注意力網(wǎng)絡(luò)的構(gòu)建,以及兩種網(wǎng)絡(luò)模型的融合。

    2.1 基礎(chǔ)網(wǎng)絡(luò)

    網(wǎng)絡(luò)層數(shù)的加深是實(shí)現(xiàn)模型效果好的主要因素,但太深的模型會使網(wǎng)絡(luò)出現(xiàn)梯度爆炸和彌散等問題,導(dǎo)致模型無法收斂。為解決上述問題,本文搭建以殘差結(jié)構(gòu)[18]為主的基礎(chǔ)網(wǎng)絡(luò),并在網(wǎng)絡(luò)中添加批規(guī)范化層用以加快模型的收斂速度,同時(shí)提升模型的穩(wěn)定性。

    其結(jié)構(gòu)如圖1 所示,一個(gè)輸入層(Input),一個(gè)卷積層(Conv1),兩個(gè)殘差結(jié)構(gòu),每一個(gè)卷積層后面緊跟一個(gè)歸一化層(Bn)和非線性層(LeakyRelu),最后通過兩個(gè)全連接層(FC1,F(xiàn)C2)利用softmax激活函數(shù)實(shí)現(xiàn)植物葉片病害的分類。

    輸入層要求為224×224的RGB圖像,卷積層用來提取特征,池化層主要對卷積層的輸出特征進(jìn)行降維,本文采用平均池化和最大池化兩種操作。

    殘差結(jié)構(gòu)是基礎(chǔ)網(wǎng)絡(luò)的核心部分,主要思想是在網(wǎng)絡(luò)中加入恒等映射,其結(jié)構(gòu)由兩部分構(gòu)成,第一部分計(jì)算表達(dá)式如式(1)所示:

    其中,σ表示非線性函數(shù)Relu,W1和W2表示參數(shù)矩陣。

    第二部分通過一個(gè)短連接與恒等映射相加,再通過一個(gè)非線性函數(shù)Relu,得到輸出y,如式(2):

    全連接層作用是對原圖像進(jìn)行預(yù)測分類。誤差將通過Softmax 層進(jìn)行反向傳播,表示a 圖像屬于一個(gè)給定的類,見式(3):

    其中,為樣本x(i)屬于第j類的概率值,Wj和aj為第j類的參數(shù),C為預(yù)測圖像的總類別數(shù)。

    2.2 通道信息注意力網(wǎng)絡(luò)

    通道信息注意力網(wǎng)絡(luò)通過建模卷積特征通道之間的相互依賴關(guān)系來提高分類準(zhǔn)確率,CNN 通過學(xué)習(xí)全局信息來選擇性的強(qiáng)調(diào)特征信息并執(zhí)行特征通道重新校準(zhǔn)。此網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

    圖2 通道信息注意力網(wǎng)絡(luò)

    將卷積層提取到的特征X∈RW×H×C記為X=[x1,x2,…,xc],其中xi∈RW×H,表示第i個(gè)特征圖,特征圖的總個(gè)數(shù)為C。

    首先,將卷積層提取的特征圖進(jìn)行全局平均池化(GAP)操作,將其壓縮為維度1×1×C的向量vc={a1,a2,…,aC},計(jì)算過程見式(4):

    其次,采用兩個(gè)全連接層(FC1,F(xiàn)C2)以及Sigmoid激活函數(shù),通過訓(xùn)練得到的參數(shù)為每個(gè)特征通道賦予新的權(quán)值{ω1,ω2,…,ωC} ,如式(5)所示:

    其中,δ指ReLu激活函數(shù),W1∈Rc/r×c,W2∈Rc×c/r,W1表示降維層參數(shù),r表示降維比例,實(shí)驗(yàn)中設(shè)r=16,經(jīng)過ReLu激活后,通過W2參數(shù)進(jìn)行升維。

    最后,用新的特征權(quán)重和特征圖做點(diǎn)積操作,完成對原始輸入特征通道的重新標(biāo)定。如式(6):

    2.3 網(wǎng)絡(luò)模型融合

    為了增強(qiáng)底層特征,在淺層網(wǎng)絡(luò)中實(shí)現(xiàn)更好的分類效果,將圖3 FCAM_CNN網(wǎng)絡(luò)模型中的Conv_1提取的64維特征輸入到通道信息注意力網(wǎng)絡(luò)進(jìn)行特征增強(qiáng),將結(jié)果進(jìn)行非線性轉(zhuǎn)換和最大池化后,輸入到ResBlock_1中,再次通過信息通道注意力網(wǎng)絡(luò)對64 維特征進(jìn)行增強(qiáng),并將結(jié)果輸入到ResBlock_2和注意力網(wǎng)絡(luò)進(jìn)行增強(qiáng)得到128維特征,最后經(jīng)過平均池化和兩個(gè)全連接層進(jìn)行葉片病害的分類。

    3 交叉熵?fù)p失函數(shù)的設(shè)計(jì)

    本文采用的損失函數(shù)為交叉熵(cross-entropy)函數(shù),為了保證所提出的FCAM_CNN 模型能夠在現(xiàn)有的數(shù)據(jù)集中取得較高的識別率,將約束條件引入損失函數(shù)中,目的是增加不同病害圖像的類間間距,縮小同類病害圖像的類內(nèi)間距。根據(jù)類間和類內(nèi)分散矩陣間的距離將總體損失函數(shù)定義為S,如式(7):

    其中,L表示模型中的損失函數(shù),yi表示第i張圖像的真實(shí)標(biāo)簽,pi表示預(yù)測值。k是類別數(shù),N是樣本總數(shù),λ1和λ2表示調(diào)整系數(shù),S1和S2分別為類間和類內(nèi)矩陣,將其定義如式(8):

    其中,為屬于第c類的全連接層的第i個(gè)輸出,nc表示第c類中的樣本數(shù),一共有C類,M(i)為第i類的樣本均值。

    模型的誤差可以通過整體損失函數(shù)的梯度來計(jì)算。網(wǎng)絡(luò)權(quán)重通過計(jì)算L、S1和S2的梯度,然后整體經(jīng)過迭代CNN來更新。在每次迭代中,S1作為損失函數(shù)的一部分,主要用于擴(kuò)大類間預(yù)測值的距離,而S2主要用于縮小類內(nèi)均值預(yù)測的距離。通過調(diào)整參數(shù),模型可以在相對較少的數(shù)據(jù)集上實(shí)現(xiàn)快速分類目的。本文中,λ1設(shè)為0.03,λ2設(shè)為0.01。

    圖3 FCAM_CNN網(wǎng)絡(luò)模型圖

    4 實(shí)驗(yàn)及分析

    4.1 數(shù)據(jù)集介紹

    本研究所用的數(shù)據(jù)集包括番茄、葡萄、馬鈴薯和蘋果四種植物。其中每一種植物都包含其健康的一類以及多種不同的病害種類。原始數(shù)據(jù)集展示如表1。

    表1 數(shù)據(jù)集展示

    4.2 數(shù)據(jù)增強(qiáng)和數(shù)據(jù)平衡

    原始數(shù)據(jù)分布如表2所示,數(shù)據(jù)集共26 000張。深度模型的訓(xùn)練需要大量數(shù)據(jù)的支持。擴(kuò)充數(shù)據(jù)采用的數(shù)據(jù)增強(qiáng)方法主要包括5 種:隨機(jī)裁剪、翻轉(zhuǎn)、旋轉(zhuǎn)、色彩抖動以及加噪處理,同時(shí)用平均值和標(biāo)準(zhǔn)偏差對數(shù)據(jù)進(jìn)行歸一化。處理后的數(shù)據(jù)如圖4所示,以葡萄輪斑病為例。

    為了使數(shù)據(jù)均衡分布,采用選擇性部分?jǐn)U充的方法,針對原始數(shù)據(jù)較多的類,主要采用色彩抖動方式,而對于原始數(shù)據(jù)較少的類,采用5種不同方法的不同參數(shù)設(shè)置來擴(kuò)充數(shù)據(jù)。通過部分?jǐn)U充的方法使得訓(xùn)練和測試數(shù)據(jù)達(dá)到一種均衡狀態(tài)。擴(kuò)充后的數(shù)據(jù)集總共約39 000張。

    4.3 實(shí)驗(yàn)結(jié)果與分析

    4.3.1 網(wǎng)絡(luò)參數(shù)設(shè)置

    將擴(kuò)充后的4 種植物對應(yīng)的16 類病害的數(shù)據(jù)集按不同比例劃分訓(xùn)練集和測試集,且比例為4∶1 時(shí),模型的效果較好,迭代次數(shù)最終設(shè)置為80,學(xué)習(xí)率設(shè)置為0.001,訓(xùn)練過程中設(shè)置的批尺寸為32,各個(gè)參數(shù)的微調(diào)過程如圖5所示。

    如圖5(a)所示,保持其他超參數(shù)不變,通過設(shè)置不同的迭代次數(shù)來比較準(zhǔn)確率。由圖中曲線可知,淺綠色曲線即迭代次數(shù)為80 時(shí),準(zhǔn)確率最高且達(dá)到一個(gè)平穩(wěn)狀態(tài),當(dāng)?shù)螖?shù)再次增加時(shí),效果并不理想。所以,確定迭代次數(shù)為80。

    表2 數(shù)據(jù)分布

    圖5 參數(shù)微調(diào)及選擇

    如圖5(b)所示,學(xué)習(xí)率的設(shè)置會影響模型的收斂速度和穩(wěn)定性。當(dāng)學(xué)習(xí)率取值不同時(shí),模型分類的準(zhǔn)確率也會發(fā)生變化。設(shè)置迭代次數(shù)為80,由圖可知,橘色曲線即學(xué)習(xí)率為0.001時(shí),模型的測試準(zhǔn)確率相對較高,并且曲線的震蕩較小,說明取0.001時(shí)適合本模型。

    4.3.2 實(shí)驗(yàn)結(jié)果及對比實(shí)驗(yàn)

    (1)自對比實(shí)驗(yàn)

    本文首先采用基礎(chǔ)網(wǎng)絡(luò)和融合了通道信息注意力網(wǎng)絡(luò)的模型進(jìn)行自對比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果如圖6所示。

    圖6 基礎(chǔ)網(wǎng)絡(luò)和FCAM_CNN對比

    圖6 中acc 為基礎(chǔ)網(wǎng)絡(luò)測試集的分類準(zhǔn)確率,最高為83.13%;在基礎(chǔ)網(wǎng)絡(luò)中融合多種通道信息的注意力網(wǎng)絡(luò),由FCAM_CNN_acc表示,融合后模型的最高準(zhǔn)確率為87.77%,比基礎(chǔ)網(wǎng)絡(luò)的準(zhǔn)確率高4.64個(gè)百分點(diǎn);并且,根據(jù)圖中l(wèi)oss以及FCAM_CNN_loss可以看出,改進(jìn)后的損失函數(shù)與原有的損失函數(shù)相比,可以加快模型的收斂速度,并較快達(dá)到相對平穩(wěn)的趨勢。

    (2)與其他模型對比實(shí)驗(yàn)

    本研究采用 Resnet18、VGG_11 和 VGG_16 網(wǎng)絡(luò)進(jìn)行對比實(shí)驗(yàn),并按不同比例劃分訓(xùn)練集和測試集,實(shí)驗(yàn)結(jié)果如表3所示。

    表3 不同模型準(zhǔn)確率對比 %

    由表3可得,訓(xùn)練集和測試集按4∶1劃分時(shí),各個(gè)模型的效果較好。VGG_11網(wǎng)絡(luò)準(zhǔn)確率最高達(dá)到68.54%,而VGG_16的準(zhǔn)確率最高為62.83%,Resnet18網(wǎng)絡(luò)的準(zhǔn)確率為78.05%,要比VGG_11 網(wǎng)絡(luò)高9.51 個(gè)百分點(diǎn);而本文提出的FCAM_CNN模型最高準(zhǔn)確率為87.77%,比Resnet18模型高9.72個(gè)百分點(diǎn),且網(wǎng)絡(luò)模型更淺。

    同時(shí),4種網(wǎng)絡(luò)模型進(jìn)行了空間復(fù)雜度(Params)、時(shí)間復(fù)雜度(FLOPs)、理論乘加量(Madd)和內(nèi)存(Memory)的對比??臻g復(fù)雜度即模型的參數(shù)數(shù)量;時(shí)間復(fù)雜度表示模型的運(yùn)算次數(shù);理論乘加量用來衡量模型的計(jì)算量,即權(quán)重相乘后的相加次數(shù)算為一次;內(nèi)存表示網(wǎng)絡(luò)模型的內(nèi)存占用情況,實(shí)驗(yàn)對比情況如表4所示。

    表4 不同模型的復(fù)雜度對比

    由于殘差網(wǎng)絡(luò)中加入了短鏈接可實(shí)現(xiàn)恒等映射,所以盡管Resnet18 網(wǎng)絡(luò)要比VGG_11、VGG_16 的網(wǎng)絡(luò)更深,但Resnet18網(wǎng)絡(luò)的各項(xiàng)指標(biāo)均低于VGG網(wǎng)絡(luò);而本文提出的FCAM_CNN 模型,基礎(chǔ)網(wǎng)絡(luò)以殘差結(jié)構(gòu)為主,融合了輕量級的注意力機(jī)制,相比于Resnet18,Params 降低了 4.29×106,F(xiàn)LOPs 降低了 0.82×109,Madd減少1.65×109,Memory降低44.92×106。綜上,無論是在Params、FLOPs、Madd或Memory方面,都比Resnet18網(wǎng)絡(luò)要低,效率更高。由此可證明FCAM_CNN 模型的網(wǎng)絡(luò)性能更好。

    4.3.3 實(shí)驗(yàn)結(jié)果展示

    FCAM_CNN 模型預(yù)測輸出的結(jié)果如圖7 所示,為了簡化表示結(jié)果,用1、2、3等表示健康和不同病害的種類,表5為病害類別對照表,例如:2表示番茄的斑點(diǎn)病。

    圖7 模型結(jié)果圖

    表5 植物病害種類對應(yīng)表

    5 結(jié)束語

    本研究提出一種融合多種通道信息注意力網(wǎng)絡(luò)的識別模型,采用殘差結(jié)構(gòu)的基礎(chǔ)網(wǎng)絡(luò),將學(xué)習(xí)到的由淺層到深層的特征通過注意力網(wǎng)絡(luò)進(jìn)行特征的重標(biāo)定,進(jìn)而對多種植物葉片不同病害進(jìn)行識別分類。最后實(shí)驗(yàn)證明,通過搭建融合輕量級注意力機(jī)制的網(wǎng)絡(luò)模型,可以在降低各項(xiàng)復(fù)雜度的同時(shí),提高分類準(zhǔn)確率。本文所提出的方法沒有完全充分地提取植物葉片病害的豐富特征,實(shí)驗(yàn)效果還可以進(jìn)一步提高,后續(xù)工作將對提取多樣性特征以及模型的設(shè)計(jì)進(jìn)行進(jìn)一步研究。

    猜你喜歡
    注意力準(zhǔn)確率病害
    早春養(yǎng)羊需防六大病害
    讓注意力“飛”回來
    小麥常見三種病害咋防治
    葡萄病害周年防治歷
    煙臺果樹(2021年2期)2021-07-21 07:18:28
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    2015—2017 年寧夏各天氣預(yù)報(bào)參考產(chǎn)品質(zhì)量檢驗(yàn)分析
    果樹休眠期咋防病害
    高速公路車牌識別標(biāo)識站準(zhǔn)確率驗(yàn)證法
    “揚(yáng)眼”APP:讓注意力“變現(xiàn)”
    傳媒評論(2017年3期)2017-06-13 09:18:10
    少妇人妻久久综合中文| 亚洲av综合色区一区| 欧美在线一区亚洲| 久久久久久久久久久久大奶| 亚洲情色 制服丝袜| 最黄视频免费看| 波野结衣二区三区在线| 久久亚洲精品不卡| 中文精品一卡2卡3卡4更新| 极品少妇高潮喷水抽搐| 爱豆传媒免费全集在线观看| 久久久久久久国产电影| 国产麻豆69| 波多野结衣av一区二区av| 精品欧美一区二区三区在线| 久久精品熟女亚洲av麻豆精品| 各种免费的搞黄视频| 国产一区二区在线观看av| 中文字幕另类日韩欧美亚洲嫩草| 午夜免费成人在线视频| 亚洲精品国产av成人精品| 日韩av免费高清视频| 麻豆国产av国片精品| 女人高潮潮喷娇喘18禁视频| av网站在线播放免费| kizo精华| 91精品国产国语对白视频| 色网站视频免费| 久久久久网色| 国产精品国产三级专区第一集| 亚洲av综合色区一区| 日韩制服骚丝袜av| 亚洲第一av免费看| 成人影院久久| 久久久久精品人妻al黑| 99久久综合免费| 成人亚洲欧美一区二区av| 久久精品亚洲熟妇少妇任你| 久久久亚洲精品成人影院| 久久久精品区二区三区| 中文欧美无线码| 午夜福利,免费看| 国产精品 欧美亚洲| 国产av一区二区精品久久| 精品一区二区三区av网在线观看 | 每晚都被弄得嗷嗷叫到高潮| 极品人妻少妇av视频| 考比视频在线观看| 看免费av毛片| 成在线人永久免费视频| 国产老妇伦熟女老妇高清| 一级,二级,三级黄色视频| 婷婷色av中文字幕| 操美女的视频在线观看| 精品视频人人做人人爽| 一级毛片女人18水好多 | 夫妻午夜视频| 免费在线观看完整版高清| 亚洲国产最新在线播放| 丝袜脚勾引网站| 国产深夜福利视频在线观看| 亚洲av综合色区一区| 菩萨蛮人人尽说江南好唐韦庄| 亚洲国产看品久久| 色视频在线一区二区三区| 在线天堂中文资源库| 高清欧美精品videossex| 又大又爽又粗| 亚洲av在线观看美女高潮| 午夜久久久在线观看| 久久鲁丝午夜福利片| 不卡av一区二区三区| 国产一区二区三区av在线| 精品亚洲成a人片在线观看| 国产精品 欧美亚洲| 亚洲成色77777| 欧美日韩精品网址| 免费在线观看黄色视频的| 青春草视频在线免费观看| 精品人妻熟女毛片av久久网站| 欧美激情高清一区二区三区| 老司机深夜福利视频在线观看 | 国产欧美亚洲国产| 中文字幕精品免费在线观看视频| 汤姆久久久久久久影院中文字幕| 久久精品国产a三级三级三级| 国产成人啪精品午夜网站| 大香蕉久久网| 国产精品99久久99久久久不卡| 两性夫妻黄色片| 巨乳人妻的诱惑在线观看| 天堂8中文在线网| 精品免费久久久久久久清纯 | 国产成人av激情在线播放| 精品免费久久久久久久清纯 | 精品人妻熟女毛片av久久网站| 久久国产精品男人的天堂亚洲| 欧美成人精品欧美一级黄| 少妇 在线观看| 亚洲成人手机| 日本午夜av视频| 亚洲视频免费观看视频| 欧美精品啪啪一区二区三区 | 欧美精品高潮呻吟av久久| 啦啦啦中文免费视频观看日本| 满18在线观看网站| 丝瓜视频免费看黄片| 人人澡人人妻人| 中国美女看黄片| 国产熟女午夜一区二区三区| 亚洲精品日韩在线中文字幕| 亚洲七黄色美女视频| 在线av久久热| 91麻豆精品激情在线观看国产 | 老汉色∧v一级毛片| 国产精品欧美亚洲77777| 国产熟女欧美一区二区| 三上悠亚av全集在线观看| 精品第一国产精品| 久久久久久久久久久久大奶| 丁香六月天网| 一区二区三区四区激情视频| 亚洲激情五月婷婷啪啪| 国产精品久久久av美女十八| 国产免费视频播放在线视频| 91国产中文字幕| 赤兔流量卡办理| 亚洲午夜精品一区,二区,三区| 久久久精品国产亚洲av高清涩受| 日本黄色日本黄色录像| 亚洲欧美激情在线| 免费av中文字幕在线| 国产成人精品久久久久久| 好男人电影高清在线观看| 91老司机精品| 免费看十八禁软件| 赤兔流量卡办理| 欧美日韩精品网址| 大片电影免费在线观看免费| 国产熟女欧美一区二区| 亚洲av在线观看美女高潮| 日日夜夜操网爽| 免费观看a级毛片全部| 久久av网站| 日韩欧美一区视频在线观看| 老司机深夜福利视频在线观看 | 人体艺术视频欧美日本| 久久人人97超碰香蕉20202| av在线播放精品| 美女主播在线视频| 99国产精品免费福利视频| 亚洲欧美激情在线| av天堂久久9| 母亲3免费完整高清在线观看| 久久狼人影院| 手机成人av网站| √禁漫天堂资源中文www| 久久久久久久久久久久大奶| 在线观看免费视频网站a站| 成年人午夜在线观看视频| 91麻豆av在线| 亚洲av欧美aⅴ国产| 在线观看免费视频网站a站| 丝袜脚勾引网站| 一级毛片电影观看| 十八禁人妻一区二区| 亚洲视频免费观看视频| 亚洲熟女毛片儿| 亚洲国产精品一区三区| 久久精品亚洲av国产电影网| 男女床上黄色一级片免费看| 亚洲精品在线美女| 天堂8中文在线网| 精品国产乱码久久久久久小说| 国产在线免费精品| 国产免费视频播放在线视频| 国产亚洲欧美在线一区二区| 天天躁夜夜躁狠狠躁躁| 国产免费视频播放在线视频| 性少妇av在线| 久久人妻熟女aⅴ| 成年动漫av网址| 国产黄色视频一区二区在线观看| 国产高清videossex| 久久99精品国语久久久| 国产精品二区激情视频| 熟女少妇亚洲综合色aaa.| 中国国产av一级| 久久九九热精品免费| 欧美激情极品国产一区二区三区| 亚洲av成人不卡在线观看播放网 | 婷婷色综合www| 国产精品国产三级国产专区5o| 黄网站色视频无遮挡免费观看| 国产无遮挡羞羞视频在线观看| 免费在线观看影片大全网站 | 午夜福利一区二区在线看| 蜜桃国产av成人99| netflix在线观看网站| 日韩大片免费观看网站| 免费看十八禁软件| 大香蕉久久网| 欧美97在线视频| 亚洲精品在线美女| 99九九在线精品视频| 啦啦啦在线观看免费高清www| 亚洲精品久久久久久婷婷小说| 亚洲精品美女久久av网站| 国产免费福利视频在线观看| 别揉我奶头~嗯~啊~动态视频 | 午夜av观看不卡| 日韩伦理黄色片| 最新在线观看一区二区三区 | √禁漫天堂资源中文www| 一区在线观看完整版| 国产成人精品久久久久久| 高清视频免费观看一区二区| 精品亚洲成a人片在线观看| 又紧又爽又黄一区二区| 少妇猛男粗大的猛烈进出视频| 天天影视国产精品| 两人在一起打扑克的视频| 一级片免费观看大全| www.av在线官网国产| 欧美97在线视频| 飞空精品影院首页| 欧美性长视频在线观看| 青青草视频在线视频观看| 99热网站在线观看| 日韩av不卡免费在线播放| 岛国毛片在线播放| 久久精品熟女亚洲av麻豆精品| 国产精品久久久久久精品古装| 午夜日韩欧美国产| 在线观看国产h片| 国产成人91sexporn| 亚洲一区二区三区欧美精品| 成人亚洲精品一区在线观看| 欧美av亚洲av综合av国产av| 另类精品久久| av国产久精品久网站免费入址| 中文字幕最新亚洲高清| 桃花免费在线播放| 在线观看免费日韩欧美大片| 叶爱在线成人免费视频播放| 久久精品aⅴ一区二区三区四区| 999久久久国产精品视频| 国产黄色视频一区二区在线观看| 国产成人a∨麻豆精品| 伦理电影免费视频| 成人国产av品久久久| 国产成人一区二区三区免费视频网站 | 一本大道久久a久久精品| 亚洲国产av影院在线观看| 天天添夜夜摸| 色精品久久人妻99蜜桃| 成人免费观看视频高清| 80岁老熟妇乱子伦牲交| 精品人妻1区二区| 欧美成人午夜精品| 欧美人与性动交α欧美软件| 亚洲精品久久午夜乱码| 日本猛色少妇xxxxx猛交久久| 国产一区二区在线观看av| 两性夫妻黄色片| av网站免费在线观看视频| 99精国产麻豆久久婷婷| 99国产精品免费福利视频| 日本欧美视频一区| 欧美日韩亚洲高清精品| 亚洲欧美精品综合一区二区三区| 久久精品国产综合久久久| 国产日韩一区二区三区精品不卡| 久久久久视频综合| 99精品久久久久人妻精品| 日韩一本色道免费dvd| 成人亚洲欧美一区二区av| 国产欧美日韩精品亚洲av| 成人午夜精彩视频在线观看| 午夜福利视频在线观看免费| 亚洲精品国产av蜜桃| 国产亚洲一区二区精品| 国产黄色视频一区二区在线观看| 高清欧美精品videossex| 精品高清国产在线一区| 久久久久久久精品精品| 激情五月婷婷亚洲| 777米奇影视久久| 免费不卡黄色视频| av福利片在线| 一区在线观看完整版| 欧美日韩成人在线一区二区| 国产精品久久久久久人妻精品电影 | 热99久久久久精品小说推荐| 国产精品香港三级国产av潘金莲 | 亚洲精品日韩在线中文字幕| 欧美在线一区亚洲| 国产成人精品久久久久久| 精品国产一区二区三区久久久樱花| 成年人午夜在线观看视频| 一级毛片我不卡| 色播在线永久视频| 黄色毛片三级朝国网站| 啦啦啦在线免费观看视频4| 黄色怎么调成土黄色| 黄色a级毛片大全视频| 色视频在线一区二区三区| 天堂8中文在线网| 欧美日韩视频高清一区二区三区二| 久久影院123| 亚洲国产精品一区三区| 亚洲av电影在线观看一区二区三区| 亚洲精品国产色婷婷电影| 精品福利观看| 美女午夜性视频免费| 久久国产精品大桥未久av| 亚洲天堂av无毛| √禁漫天堂资源中文www| 中文字幕精品免费在线观看视频| 999久久久国产精品视频| 人人妻人人爽人人添夜夜欢视频| 中文字幕人妻熟女乱码| av福利片在线| e午夜精品久久久久久久| xxx大片免费视频| 国产日韩欧美视频二区| 亚洲国产精品一区二区三区在线| 欧美xxⅹ黑人| 亚洲av欧美aⅴ国产| 免费看十八禁软件| 十八禁人妻一区二区| 香蕉国产在线看| 女警被强在线播放| 99久久精品国产亚洲精品| 各种免费的搞黄视频| 美女扒开内裤让男人捅视频| av一本久久久久| 天堂8中文在线网| 国产1区2区3区精品| 丰满迷人的少妇在线观看| 久久久久久亚洲精品国产蜜桃av| 色婷婷av一区二区三区视频| 观看av在线不卡| 天天操日日干夜夜撸| 捣出白浆h1v1| 国产精品二区激情视频| 九草在线视频观看| 国产精品av久久久久免费| 亚洲欧美一区二区三区黑人| 国产女主播在线喷水免费视频网站| 天天躁夜夜躁狠狠久久av| 亚洲精品日韩在线中文字幕| 两性夫妻黄色片| 午夜精品国产一区二区电影| 亚洲av在线观看美女高潮| 国产精品久久久av美女十八| 久久久精品免费免费高清| 一本一本久久a久久精品综合妖精| 99re6热这里在线精品视频| 国产精品九九99| 免费观看人在逋| 日韩av在线免费看完整版不卡| 国产黄频视频在线观看| 操出白浆在线播放| 一本色道久久久久久精品综合| 熟女少妇亚洲综合色aaa.| 狠狠精品人妻久久久久久综合| 嫩草影视91久久| 天天影视国产精品| 香蕉国产在线看| 国产精品久久久久久精品电影小说| 亚洲,欧美精品.| 你懂的网址亚洲精品在线观看| 美女大奶头黄色视频| 国产一区二区三区av在线| 亚洲国产av新网站| 美女扒开内裤让男人捅视频| 人人澡人人妻人| 欧美乱码精品一区二区三区| 精品福利观看| 亚洲精品国产av蜜桃| 美女午夜性视频免费| 国产精品二区激情视频| 美女脱内裤让男人舔精品视频| 日韩人妻精品一区2区三区| 99精品久久久久人妻精品| 爱豆传媒免费全集在线观看| av天堂久久9| netflix在线观看网站| 97人妻天天添夜夜摸| 在线亚洲精品国产二区图片欧美| 国产日韩欧美在线精品| 欧美黑人欧美精品刺激| 美女脱内裤让男人舔精品视频| 麻豆av在线久日| 精品一区二区三区四区五区乱码 | 18禁黄网站禁片午夜丰满| 又粗又硬又长又爽又黄的视频| 50天的宝宝边吃奶边哭怎么回事| 夜夜骑夜夜射夜夜干| 亚洲中文字幕日韩| 国产亚洲av片在线观看秒播厂| 国产不卡av网站在线观看| 成人亚洲欧美一区二区av| 丝袜人妻中文字幕| 最新在线观看一区二区三区 | 欧美日韩国产mv在线观看视频| 亚洲欧美日韩另类电影网站| 亚洲av在线观看美女高潮| 蜜桃在线观看..| 精品国产乱码久久久久久男人| 成年人黄色毛片网站| 亚洲综合色网址| 日日摸夜夜添夜夜爱| 一级a爱视频在线免费观看| 亚洲精品一区蜜桃| 熟女av电影| 亚洲七黄色美女视频| 99热国产这里只有精品6| 多毛熟女@视频| 一二三四社区在线视频社区8| 一级黄片播放器| 国产深夜福利视频在线观看| 国产精品久久久人人做人人爽| 黑丝袜美女国产一区| 国产一区二区三区av在线| 亚洲精品国产一区二区精华液| 91精品伊人久久大香线蕉| 亚洲熟女毛片儿| 精品视频人人做人人爽| 国产一区二区激情短视频 | 国产一卡二卡三卡精品| 黄频高清免费视频| 搡老乐熟女国产| 性色av一级| 国产成人精品在线电影| xxx大片免费视频| 亚洲欧美激情在线| 大香蕉久久网| 国产精品人妻久久久影院| 狂野欧美激情性bbbbbb| 肉色欧美久久久久久久蜜桃| 亚洲欧洲国产日韩| av在线播放精品| 另类精品久久| 亚洲成人国产一区在线观看 | 啦啦啦在线免费观看视频4| 午夜两性在线视频| 赤兔流量卡办理| 天天操日日干夜夜撸| 久久久久国产一级毛片高清牌| 丰满少妇做爰视频| 国产深夜福利视频在线观看| 亚洲精品美女久久久久99蜜臀 | 看十八女毛片水多多多| 久久久精品国产亚洲av高清涩受| 一级毛片女人18水好多 | 久久国产精品大桥未久av| av福利片在线| av在线播放精品| 国产又色又爽无遮挡免| 国产在线视频一区二区| 免费高清在线观看视频在线观看| 国产激情久久老熟女| 婷婷色综合www| 国产日韩欧美亚洲二区| 精品久久久久久久毛片微露脸 | 97在线人人人人妻| 久久女婷五月综合色啪小说| 女警被强在线播放| 丁香六月欧美| 18禁观看日本| 国产精品.久久久| 视频区图区小说| 亚洲中文日韩欧美视频| 久久人人97超碰香蕉20202| 欧美激情极品国产一区二区三区| 麻豆国产av国片精品| 亚洲色图综合在线观看| 婷婷色av中文字幕| 十八禁网站网址无遮挡| 波多野结衣一区麻豆| 亚洲色图综合在线观看| 久久久久久人人人人人| 女人久久www免费人成看片| 18禁黄网站禁片午夜丰满| 久久国产亚洲av麻豆专区| 亚洲专区中文字幕在线| 波野结衣二区三区在线| e午夜精品久久久久久久| 超碰成人久久| 精品一品国产午夜福利视频| 国产精品久久久久久人妻精品电影 | 女警被强在线播放| 色播在线永久视频| 无遮挡黄片免费观看| 国产成人精品久久二区二区91| xxx大片免费视频| 97人妻天天添夜夜摸| 亚洲成人国产一区在线观看 | 亚洲自偷自拍图片 自拍| 青春草视频在线免费观看| 伊人亚洲综合成人网| 国产视频首页在线观看| 性色av一级| av有码第一页| 国产97色在线日韩免费| 亚洲一区中文字幕在线| 久久天堂一区二区三区四区| 久久精品亚洲av国产电影网| av在线播放精品| 亚洲少妇的诱惑av| 国产成人精品久久二区二区91| 夫妻午夜视频| 婷婷色av中文字幕| 国产成人精品在线电影| av又黄又爽大尺度在线免费看| 手机成人av网站| 人人妻人人爽人人添夜夜欢视频| 视频区图区小说| 在现免费观看毛片| 亚洲国产欧美在线一区| 亚洲精品日本国产第一区| 久久天堂一区二区三区四区| 久9热在线精品视频| av电影中文网址| 80岁老熟妇乱子伦牲交| 国产熟女午夜一区二区三区| 91九色精品人成在线观看| 国产真人三级小视频在线观看| 亚洲精品久久久久久婷婷小说| 中文字幕av电影在线播放| 天天躁狠狠躁夜夜躁狠狠躁| 日韩av在线免费看完整版不卡| 亚洲 欧美一区二区三区| 无遮挡黄片免费观看| 最新的欧美精品一区二区| 国精品久久久久久国模美| 亚洲国产毛片av蜜桃av| 久久99精品国语久久久| 精品卡一卡二卡四卡免费| 亚洲精品久久成人aⅴ小说| 欧美人与性动交α欧美精品济南到| av电影中文网址| 18禁国产床啪视频网站| 极品人妻少妇av视频| 一级黄色大片毛片| 成人亚洲精品一区在线观看| 日本猛色少妇xxxxx猛交久久| 超碰97精品在线观看| 精品国产乱码久久久久久男人| 伦理电影免费视频| av线在线观看网站| 一级,二级,三级黄色视频| 国产成人a∨麻豆精品| 一区二区日韩欧美中文字幕| 久9热在线精品视频| 老司机影院成人| 国产欧美日韩一区二区三 | 狂野欧美激情性bbbbbb| 视频区欧美日本亚洲| 国产高清videossex| 国产野战对白在线观看| 国产色视频综合| 色婷婷久久久亚洲欧美| 19禁男女啪啪无遮挡网站| 午夜久久久在线观看| 成人国产一区最新在线观看 | 午夜日韩欧美国产| 91麻豆精品激情在线观看国产 | av国产久精品久网站免费入址| 国产不卡av网站在线观看| 一级毛片 在线播放| 亚洲色图 男人天堂 中文字幕| 国产精品三级大全| 日本五十路高清| 日韩一本色道免费dvd| 亚洲国产最新在线播放| 人人妻人人爽人人添夜夜欢视频| 成人国语在线视频| 亚洲国产欧美日韩在线播放| 欧美在线一区亚洲| 亚洲欧美一区二区三区久久| 亚洲国产精品999| 大片电影免费在线观看免费| 老熟女久久久| 后天国语完整版免费观看| 精品福利观看| 免费观看av网站的网址| 一级毛片女人18水好多 | 99热国产这里只有精品6| 久久人人爽人人片av| 久久99一区二区三区| 91九色精品人成在线观看| 亚洲国产日韩一区二区| 国产精品一区二区在线不卡| 80岁老熟妇乱子伦牲交| 黑人欧美特级aaaaaa片| 老司机影院毛片| 国语对白做爰xxxⅹ性视频网站| 国产有黄有色有爽视频| 无限看片的www在线观看| 国产亚洲精品久久久久5区| 免费在线观看视频国产中文字幕亚洲 | 久久久久久免费高清国产稀缺| 亚洲精品自拍成人| 老司机亚洲免费影院| 一级毛片黄色毛片免费观看视频| 亚洲中文日韩欧美视频| 久久鲁丝午夜福利片| 天堂8中文在线网| 欧美老熟妇乱子伦牲交| svipshipincom国产片| 日韩精品免费视频一区二区三区| 爱豆传媒免费全集在线观看|