• <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 ?

    基于階段注意力機(jī)制的電力線(xiàn)提取算法

    2021-09-20 10:26:54姜振邦鄒寬勝
    數(shù)據(jù)采集與處理 2021年4期
    關(guān)鍵詞:池化電力線(xiàn)注意力

    姜振邦,鄒寬勝

    (江蘇師范大學(xué)電氣工程及自動(dòng)化學(xué)院,徐州 221116)

    引 言

    電力線(xiàn)提取是保障飛行器低空安全飛行的重要措施,提前檢測(cè)出電力線(xiàn)并實(shí)施避障具有重要意義。美軍數(shù)據(jù)顯示:1997~2006年,共發(fā)生54 起軍用飛行器撞擊電力線(xiàn)事故,造成13 名軍事人員死亡,經(jīng)濟(jì)損失高達(dá)2.24 億美元[1]。飛行器與電力線(xiàn)發(fā)生碰撞會(huì)導(dǎo)致電力線(xiàn)損壞,影響電力系統(tǒng)的穩(wěn)定性。電力作為國(guó)民經(jīng)濟(jì)的重要基礎(chǔ)工業(yè),一旦發(fā)生故障將造成巨大的經(jīng)濟(jì)損失和社會(huì)影響。2019年8 月9日,英國(guó)倫敦等重要城市發(fā)生大規(guī)模停電事故,導(dǎo)致地鐵與城際火車(chē)停運(yùn)、道路交通信號(hào)中斷,市民被困在鐵路和地鐵中,居民生活受到嚴(yán)重影響[2]。為保障電力系統(tǒng)健康運(yùn)行,需定期進(jìn)行電力巡檢,掌握輸電線(xiàn)路的運(yùn)行情況以及線(xiàn)路周?chē)h(huán)境和線(xiàn)路保護(hù)區(qū)的變化情況。電力線(xiàn)提取又是電力巡檢中的關(guān)鍵環(huán)節(jié),因此對(duì)電力線(xiàn)提取方法進(jìn)行研究尤為重要。

    利用圖像處理技術(shù)可以高效地提取出電力線(xiàn)。最直觀(guān)的電力線(xiàn)特征是基于邊緣檢測(cè)的直線(xiàn)特征[3],文獻(xiàn)[4‐5]將電力線(xiàn)簡(jiǎn)化為直線(xiàn)模型,但在復(fù)雜場(chǎng)景中這類(lèi)基于邊緣檢測(cè)直線(xiàn)特征的提取方法,提取到的線(xiàn)段可能是車(chē)道、樹(shù)枝或建筑物邊緣等。為解決這類(lèi)問(wèn)題,學(xué)者們提出結(jié)合全局輔助物和上下文信息的電力線(xiàn)提取方法,文獻(xiàn)[6‐7]均利用電力桿塔作為全局輔助物提取電力線(xiàn)。結(jié)合全局輔助物的電力線(xiàn)提取方法彌補(bǔ)了區(qū)分電力線(xiàn)和非電力線(xiàn)時(shí)僅依靠電力線(xiàn)自身特征所引起的不足,但預(yù)設(shè)的輔助物與電力線(xiàn)的關(guān)聯(lián)模型(如塔‐線(xiàn)關(guān)聯(lián)模型)難以適用多種多樣的航拍圖像[8]。文獻(xiàn)[9‐10]將上下文信息與電力線(xiàn)特征相結(jié)合用以區(qū)分電力線(xiàn)和偽電力線(xiàn),但上下文信息作為一種先驗(yàn)知識(shí),當(dāng)場(chǎng)景發(fā)生劇烈變化時(shí),場(chǎng)景上下文特征無(wú)法發(fā)揮作用。

    深度學(xué)習(xí)方法在圖像處理領(lǐng)域得到廣泛應(yīng)用,如圖像分類(lèi)、目標(biāo)檢測(cè)[11‐12]和圖像分割。在電力線(xiàn)提取任務(wù)中,學(xué)者們嘗試引入深度學(xué)習(xí)方法。文獻(xiàn)[13]通過(guò)卷積神經(jīng)網(wǎng)絡(luò)提取圖像特征,將圖像分為包含電力線(xiàn)和不包含電力線(xiàn)兩大類(lèi),但無(wú)法實(shí)現(xiàn)電力線(xiàn)的準(zhǔn)確定位。文獻(xiàn)[14]通過(guò)構(gòu)建一個(gè)改進(jìn)的VGG16 神經(jīng)網(wǎng)絡(luò)獲取每一層的分層響應(yīng),并將分層響應(yīng)特征圖進(jìn)行整合以生成融合輸出,實(shí)現(xiàn)了端對(duì)端的電力線(xiàn)提取。但由于電力線(xiàn)公開(kāi)數(shù)據(jù)集的樣本量少,模型提取到的電力線(xiàn)特征有限,復(fù)雜背景下的電力線(xiàn)提取效果并不理想。文獻(xiàn)[15]針對(duì)醫(yī)學(xué)圖像提出U‐net 模型,在小數(shù)據(jù)集上取得較好效果,對(duì)電力線(xiàn)提取具有借鑒意義。

    文獻(xiàn)[16]提出注意力機(jī)制(Attention mechanism),其主要用于翻譯模型,因其強(qiáng)大的關(guān)注特性和特征表達(dá)能力被引入計(jì)算機(jī)視覺(jué)領(lǐng)域。背景復(fù)雜的航空影像包含大量冗雜信息,注意力機(jī)制則能夠通過(guò)聚焦重要信息,抑制非重要特征,提高電力線(xiàn)提取的效率與準(zhǔn)確性。

    因此本文提出一種基于階段注意力機(jī)制的電力線(xiàn)提取模型,該模型采用語(yǔ)義分割模型的編碼‐解碼結(jié)構(gòu)。編碼階段采用提出的階段輸入融合策略,將多尺度圖像與池化后的特征圖進(jìn)行通道上的拼接。解碼階段嵌入改進(jìn)的階段注意力模塊,通過(guò)將空間注意力、通道注意力和金字塔注意力融合,選擇重點(diǎn)位置、增強(qiáng)代表性物體、減弱背景干擾,實(shí)現(xiàn)像素級(jí)跨場(chǎng)景電力線(xiàn)提取。

    1 模型設(shè)計(jì)

    1.1 算法流程和整體網(wǎng)絡(luò)模型設(shè)計(jì)

    使用SA‐Unet 模型進(jìn)行電力線(xiàn)提取的整體流程如圖1 所示:特征工程將數(shù)據(jù)處理成算法能夠理解的格式,并劃分為訓(xùn)練集和測(cè)試集。訓(xùn)練集用以訓(xùn)練深度學(xué)習(xí)模型,測(cè)試集用以預(yù)測(cè)和評(píng)估模型并返回預(yù)測(cè)結(jié)果。

    圖1 整體流程Fig.1 Overall process

    模型整體架構(gòu)采用編碼‐解碼的U 型結(jié)構(gòu),如圖2 所示。編碼過(guò)程采用階段輸入融合策略,充分利用圖像不同接受域的信息,減少池化帶來(lái)的空間位置信息丟失。同時(shí)仿照人類(lèi)視覺(jué)機(jī)制設(shè)計(jì)出階段注意力模塊,從大量信息中篩選出對(duì)當(dāng)前任務(wù)目標(biāo)更關(guān)鍵的信息。

    如圖2 所示,SA‐Unet 編碼部分由卷積模塊、池化模塊、階段輸入模塊和特征融合模塊組成。在網(wǎng)絡(luò)的輸入端輸入一張128×128×3 的RGB 彩色圖像,并生成3 種小尺寸輸入圖像。4 種不同尺寸的輸入圖像通過(guò)卷積模塊提取特征,并與上一層經(jīng)過(guò)池化的特征圖進(jìn)行通道上的融合。融合后的特征圖分為兩路,一路進(jìn)行池化下采樣操作,另一路與解碼對(duì)應(yīng)部分進(jìn)行通道融合。SA‐Unet 解碼部分由卷積模塊、上采樣模塊、階段注意力模塊和特征融合模塊組成。特征圖經(jīng)過(guò)上采樣模塊,圖像尺寸增大,并與編碼對(duì)應(yīng)部分進(jìn)行通道融合。通過(guò)階段注意力模塊,關(guān)注重點(diǎn)區(qū)域,抑制無(wú)效特征,最后進(jìn)入卷積模塊進(jìn)行特征還原。

    圖2 SA‐Unet 模型Fig.2 Model of SA‐Unet

    1.2 階段輸入融合策略

    編碼階段進(jìn)行4 次池化操作,極大減少參數(shù)量,加速損失的收斂。池化操作損失空間位置信息,某種程度上實(shí)現(xiàn)了一定的平移不變性,但是損失了圖像部件之間精確的空間相對(duì)關(guān)系。另外,卷積神經(jīng)網(wǎng)絡(luò)(Convolutional neural network,CNN)的內(nèi)部表示本身并沒(méi)有很好地考慮低層部件和高層概念的空間層次關(guān)系。

    對(duì)于電力線(xiàn)提取任務(wù)來(lái)說(shuō),除電力線(xiàn)本身特征外,輔助物和上下文信息是成功提取電力線(xiàn)的關(guān)鍵。然而部件間的空間相對(duì)關(guān)系和低層部件與高層概念間的空間層次關(guān)系,在某種程度上正是電力線(xiàn)提取任務(wù)中的輔助物和上下文信息,這些特征有助于電力線(xiàn)的提取。因此本文提出階段輸入融合策略,如圖2 編碼階段所示:首先輸入一幅圖像,在經(jīng)過(guò)卷積塊的特征提取后進(jìn)行4 次池化操作,并在第2 層至第4 層增加原始圖像的多尺度輸入,每一層的多尺度輸入與上一層經(jīng)過(guò)卷積和池化操作后的特征圖進(jìn)行特征融合,最終完成特征提取。

    1.3 階段注意力模塊

    注意力機(jī)制[17]是人類(lèi)視覺(jué)所特有的大腦信號(hào)處理機(jī)制。人類(lèi)視覺(jué)通過(guò)快速掃描全局圖像,獲得需要重點(diǎn)關(guān)注的目標(biāo)區(qū)域,也就是一般所說(shuō)的注意力焦點(diǎn),而后對(duì)這一區(qū)域投入更多注意力資源,以獲取更多所需要關(guān)注目標(biāo)的細(xì)節(jié)信息,而抑制其他無(wú)用信息。這是人類(lèi)利用有限的注意力資源從大量信息中快速篩選出高價(jià)值信息的手段,是人類(lèi)在長(zhǎng)期進(jìn)化中形成的一種生存機(jī)制,人類(lèi)視覺(jué)注意力機(jī)制極大地提高了視覺(jué)信息處理的效率與準(zhǔn)確性。如圖3 所示,本文改進(jìn)的注意力模塊由空間注意力機(jī)制、通道注意力機(jī)制和金字塔注意力機(jī)制組成,通過(guò)對(duì)特征圖進(jìn)行加權(quán)處理達(dá)到增強(qiáng)目標(biāo)特征并且抑制背景的目的。

    圖3 階段注意力模塊Fig.3 Stage attention module

    卷積操作通過(guò)通道和空間信息的混合來(lái)提取特征,通過(guò)本文提出的階段注意力模塊強(qiáng)調(diào)通道維度和空間維度的有價(jià)值特征,且不同位置設(shè)置不同的特征關(guān)注度。在得到中間特征映射圖的情況下,階段注意力模塊會(huì)進(jìn)行3 個(gè)階段的注意力映射,依次為通道注意力映射、空間注意力映射和金字塔注意力映射,然后將注意力映射相乘到輸入特征映射中進(jìn)行自適應(yīng)特征細(xì)化。模塊自動(dòng)學(xué)習(xí)信息的重要程度,設(shè)置注意力權(quán)重,有效地幫助特征信息在網(wǎng)絡(luò)模型中進(jìn)行傳輸。

    1.3.1 通道注意力

    不同通道的特征圖代表不同類(lèi)型的圖像特征,如形狀,顏色和紋理等。同時(shí)不同類(lèi)型的圖像特征包含差異性信息,具有不同的貢獻(xiàn)程度。通道注意力對(duì)不同的通道給定不同的關(guān)注度,關(guān)注有價(jià)值的通道信息,抑制其他通道的無(wú)用信息。因此設(shè)置通道注意力權(quán)重,關(guān)注重要通道信息,如圖4 所示。

    圖4 通道注意力模塊Fig.4 Channel attention module

    將不同通道上的特征圖F分別進(jìn)行全局最大池化和全局平均池化,得到最大池化向量VM和平均池化向量VA。然后將兩個(gè)向量輸入到權(quán)值共享的感知機(jī)進(jìn)行運(yùn)算,輸出兩個(gè)處理過(guò)的空間注意力向量VMN和VAN。接著對(duì)兩個(gè)空間注意力向量進(jìn)行逐像素相加,并送入Sigmoid 激活函數(shù),得到新的空間注意力向量Mc(F)。最后將新得到的空間注意力向量與原特征圖相乘,獲得最終的特征圖FC。

    計(jì)算公式為

    式中:AvgPool( ?) 為全局平均池化;MaxPool( ?) 為全局最大池化;MLP( ?) 為感知機(jī);σ( ?) 為Sigmoid 激活函數(shù)。

    1.3.2 空間注意力

    根據(jù)人類(lèi)視覺(jué)系統(tǒng)的特點(diǎn),人類(lèi)觀(guān)察事物首先會(huì)注意到感興趣的區(qū)域,忽略空間中其他區(qū)域??臻g注意力機(jī)制從人類(lèi)的視覺(jué)系統(tǒng)中得到啟發(fā),將特征圖的不同部分配以不同的權(quán)重,關(guān)注一幅圖像中的重要目標(biāo)區(qū)域。本文提出的空間注意力模塊,如圖5 所示。

    圖5 空間注意力模塊Fig.5 Spatial attention module

    將經(jīng)過(guò)通道注意力生成的特征圖FC輸入至空間注意力模塊,分別做基于通道的全局最大池化和全局平均池化,得到最大池化特征圖和平均池化特征圖,并將兩個(gè)特征圖在通道上進(jìn)行拼接。然后通過(guò)卷積操作將特征圖的通道降為1 得到FS,再經(jīng)過(guò)Sigmoid 激活函數(shù)生成空間注意力特征。最后將輸入特征與空間注意力特征進(jìn)行乘法操作,得到最終的特征圖。

    計(jì)算公式為

    式中:AvgPool( ?)為全局平均池化;MaxPool( ?)為全局最大池化;f( ?)為卷積操作;σ( ?)為Sigmoid 激活函數(shù)。

    1.3.3 金字塔注意力

    視覺(jué)系統(tǒng)在處理任務(wù)時(shí)會(huì)綜合考慮多方面信息,比如在使用顯微鏡觀(guān)察細(xì)胞時(shí),不同的放大倍數(shù)觀(guān)測(cè)到的細(xì)胞特征完全不同。金字塔注意力依據(jù)人類(lèi)視覺(jué)處理機(jī)制,通過(guò)提取圖像不同感受野的特征圖,獲取不同感受野下的圖像信息,將這些信息融合,獲得最后的權(quán)重系數(shù)[18]。本文提出的金字塔注意力模塊如圖6 所示。

    圖6 金字塔注意力模塊Fig.6 Pyramid attention module

    計(jì)算公式為

    式中:f1( ?)表示卷積核大小為1 的卷積操作;f3( ?)表示卷積核大小為3 的卷積操作;f5( ?)表示卷積核大小為5 的卷積操作;σ( ?)為Sigmoid 激活函數(shù)。

    2 實(shí)驗(yàn)結(jié)果與分析

    2.1 數(shù)據(jù)集

    實(shí)驗(yàn)數(shù)據(jù)采用公開(kāi)的Powerline Image Dataset 數(shù)據(jù)集,本數(shù)據(jù)集由土耳其電力傳輸公司(TEIAS)從實(shí)際飛機(jī)上獲取視頻畫(huà)面,并對(duì)視頻幀進(jìn)行徹底的檢查,分離、捕捉和清理。本數(shù)據(jù)集共采集了4 000張紅外圖像和4 000 張可見(jiàn)光圖像,并縮放到128 像素×128 像素。紅外文件夾包含2 000 張帶有電力線(xiàn)的紅外圖片和2 000 張沒(méi)有電力線(xiàn)的紅外圖片??梢?jiàn)光文件夾包含2 000 張含有電力線(xiàn)的可見(jiàn)光圖像和2 000 張不包含電力線(xiàn)的可見(jiàn)光圖像。視頻拍攝于土耳其21 個(gè)不同地區(qū)的不同季節(jié)。由于不同的背景,不同的溫度和天氣條件,以及不同的照明條件,所獲得的正集包含極其困難的場(chǎng)景,其中低對(duì)比度導(dǎo)致電力線(xiàn)接近不可見(jiàn)。原始視頻的紅外分辨率為576 像素×325 像素,可見(jiàn)光為全高清。然而,捕獲的幀被縮小到更小的尺寸128 像素×128 像素。

    在包含電力線(xiàn)的2 000 張可見(jiàn)光圖像中,低對(duì)比度導(dǎo)致部分圖像的電力線(xiàn)接近不可見(jiàn),無(wú)法進(jìn)行數(shù)據(jù)的像素級(jí)標(biāo)注,故將其剔除。最終共獲得1 974 張包含電力線(xiàn)的可見(jiàn)光圖像,包括訓(xùn)練數(shù)據(jù)1 874 張,測(cè)試數(shù)據(jù)100 張。

    關(guān)于數(shù)據(jù)的標(biāo)注工作,共邀請(qǐng)了6 名具有資深經(jīng)驗(yàn)的數(shù)據(jù)標(biāo)注師進(jìn)行人工標(biāo)注。實(shí)驗(yàn)使用數(shù)據(jù)標(biāo)注軟件Labelme 對(duì)可見(jiàn)光圖像進(jìn)行數(shù)據(jù)標(biāo)注,生成json 文件,文件中包含像素點(diǎn)的位置信息以及所屬類(lèi)別。最終通過(guò)Python 程序?qū)son 文件轉(zhuǎn)換為標(biāo)注圖(Ground truth,GT)。

    2.2 實(shí)驗(yàn)配置

    本文引入FCN8s[19],F(xiàn)CN16s[19],F(xiàn)CN32s[19],Unet[15]和SegNet[20]5 種模型與本文提出的SA‐Unet在Powerline Image Dataset 圖像數(shù)據(jù)集上進(jìn)行比較,以驗(yàn)證模型的有效性。SA‐Unet 利用模型減枝即丟棄不代表模型性能的權(quán)重加速模型,并通過(guò)Fusing batch normalization and convolution 和多線(xiàn)程等策略提高算法效率。模型采用BCE With LogitsLoss 損失函數(shù),Adam[21]優(yōu)化函數(shù),學(xué)習(xí)率(Learning rate)設(shè)置為2e - 4,循環(huán)周期(epoch)設(shè)置為50。其余的實(shí)驗(yàn)配置:Windows10 操作系統(tǒng),Pytorch1.7.0 深度學(xué)習(xí)框架,CPU:Intel(R)Core(TM)i9‐10900k CPU @ 3.70 GHz,GPU:顯存為8 GB 的NVIDIA Ge‐Force RTX 2070。

    2.3 評(píng)價(jià)指標(biāo)

    為衡量SA‐Unet 模型預(yù)測(cè)能力的好壞,本文使用語(yǔ)義分割中最常用的平均交并比(Mean intersec‐tion over union,MIoU)和像素精度(Pixel accuracy,PA)作為度量標(biāo)準(zhǔn)。

    MIoU 是衡量圖像分割精度的重要指標(biāo),即在每個(gè)類(lèi)別上計(jì)算兩個(gè)集合的交集與并集之比,最后再求取整體的平均值。MIoU 的值越大,表示模型的預(yù)測(cè)能力越好,分割精度越高。

    計(jì)算公式為

    式中:n表示類(lèi)別數(shù);pii表示像素實(shí)值為i且預(yù)測(cè)結(jié)果為i的數(shù)目;pij表示像素實(shí)值為i且預(yù)測(cè)結(jié)果為j的數(shù)目;pji表示像素實(shí)值為j且預(yù)測(cè)結(jié)果為i的數(shù)目。

    像素精度即分類(lèi)正確的像素占總像素的比例,計(jì)算公式為

    式中:n表示類(lèi)別數(shù);pii表示像素實(shí)值為i且預(yù)測(cè)結(jié)果為i的數(shù)目;pij表示像素實(shí)值為i且預(yù)測(cè)結(jié)果為j的數(shù)目。

    2.4 消融實(shí)驗(yàn)

    在消融實(shí)驗(yàn)中,通過(guò)移除階段輸入融合模塊得到A‐Unet,通過(guò)A‐Unet 與SA‐Unet 的效果對(duì)比,查看使用階段輸入融合策略帶來(lái)的好處。類(lèi)似地,從SA‐Unet 中刪除階段輸入融合模塊和階段注意力模塊得到Unet,通過(guò)A‐Unet 與Unet 的效果對(duì)比,以查看階段注意力模塊在網(wǎng)絡(luò)執(zhí)行過(guò)程中的作用。實(shí)驗(yàn)結(jié)果如表1 所示,其中Time 表示推理一張圖片所用的時(shí)間。

    表1 消融實(shí)驗(yàn)結(jié)果Table 1 Results of ablation experiment

    橫向來(lái)看,SA‐Unet 比A‐Unet 在評(píng)價(jià)指標(biāo)PA 上提高0.13%,在評(píng)價(jià)指標(biāo)MIoU 上提高1.25%,顯然階段輸入融合策略可以明顯提高電力線(xiàn)的分割精度。A‐Unet 和Unet 相比,PA 指標(biāo)降低0.05%,而MIoU 指標(biāo)提高0.76%,表明階段注意力機(jī)制犧牲微乎其微的PA 指數(shù)換取MIoU 指數(shù)的明顯提升。經(jīng)過(guò)優(yōu)化的SA‐Unet 推理一張圖片用時(shí)0.253 1 s,低于A‐Unet 和Unet 模型,證實(shí)了SA‐Unet 使用加速策略的有效性。

    縱向來(lái)看,Unet、A‐Unet 和SA‐Unet 在評(píng)價(jià)基準(zhǔn)PA 上均取得較高分?jǐn)?shù),而且三者相差不大。因?yàn)閷?duì)于航空電力線(xiàn)圖像而言,電力線(xiàn)在整幅圖像中占比較小,屬于小目標(biāo)和弱特征物體。而評(píng)價(jià)指標(biāo)PA描述的是分類(lèi)正確的像素占總像素的比例,對(duì)于電力線(xiàn)占比極小的航空電力線(xiàn)圖像而言,電力線(xiàn)分類(lèi)正確與否對(duì)PA 值的貢獻(xiàn)不大,故3 種模型均取得較高分?jǐn)?shù)且相差不大。

    2.5 對(duì)比實(shí)驗(yàn)

    本文給出包括SA‐Unet 在內(nèi)的6 種模型在數(shù)據(jù)集部分測(cè)試圖像中的分割預(yù)測(cè)效果,見(jiàn)圖7。Power‐line Image Dataset 數(shù)據(jù)集大致可以分為城市電力線(xiàn)場(chǎng)景和鄉(xiāng)村電力線(xiàn)場(chǎng)景,本文選取數(shù)據(jù)集中背景復(fù)雜、電力線(xiàn)提取難度高的4 張電力線(xiàn)圖像進(jìn)行展示,其中包括1 張城市電力線(xiàn)場(chǎng)景圖和3 張鄉(xiāng)村電力線(xiàn)場(chǎng)景圖。鄉(xiāng)村電力線(xiàn)場(chǎng)景分別選取鄉(xiāng)村森林電力線(xiàn)場(chǎng)景、鄉(xiāng)村田地電力線(xiàn)場(chǎng)景和鄉(xiāng)村公路電力線(xiàn)場(chǎng)景,基本覆蓋數(shù)據(jù)集所有的場(chǎng)景類(lèi)型。

    圖7(a)展示4 張不同場(chǎng)景和難易程度的航空電力線(xiàn)圖像。第1 幅圖像為樹(shù)林、電力線(xiàn)桿塔和電力線(xiàn)相互交織的場(chǎng)景,第2 幅和第3 幅圖像為鄉(xiāng)村田地的電力線(xiàn)場(chǎng)景,其中第3 幅圖像中混入鄉(xiāng)間公路,第4 幅圖像為高樓林立的城市電力線(xiàn)場(chǎng)景。圖7(b)展示4 種不同場(chǎng)景航空電力線(xiàn)圖像的人工標(biāo)注。由圖7(c)可以看出,F(xiàn)CN32s 由于直接將提取到的特征圖進(jìn)行雙線(xiàn)性上采樣至輸入圖像尺寸,故僅能提取特征明顯的電力線(xiàn),在第1 幅、第3 幅和第4 幅圖像中存在電力線(xiàn)漏檢,在第2 幅圖像中則出現(xiàn)了電力線(xiàn)錯(cuò)檢。如圖7(d)和圖7(e)所示,F(xiàn)CN16s 和FCN8s 最終輸出前融合淺層特征,較FCN32s 圖像分割精度提高。但FCN16s 和FCN8s 在第1 幅圖像中均出現(xiàn)電力線(xiàn)斷續(xù)的問(wèn)題,在第2 幅圖像中則出現(xiàn)電力線(xiàn)過(guò)分割問(wèn)題。由此可見(jiàn),F(xiàn)CN 系列模型對(duì)小目標(biāo)物體的分割并不理想。如圖7(f)所示,Segnet 在第2 幅和第4 幅圖像中取得了較好的分割效果,這是由于Segnet 采用編碼‐解碼結(jié)構(gòu)并且利用最大池化改善了邊界劃分的結(jié)果。由于光照等因素的影響,第1 幅和第3 幅圖像中的部分電力線(xiàn)特征較弱,幾乎不可見(jiàn)。Segnet 在第1 幅圖像中提取到的電力線(xiàn)存在斷續(xù),第3 幅圖像中漏檢了弱特征電力線(xiàn)。如圖7(g)所示,Unet 在第1 幅和第2 幅圖像中取得了較好的分割效果,同樣在第3 幅圖像中出現(xiàn)漏檢,并且在第4 幅圖像中將少量的建筑物邊緣視為電力線(xiàn)提取出來(lái)。如圖7(h)所示,SA‐Unet 在第3 幅圖像的電力線(xiàn)提取中存在斷續(xù),這是由本數(shù)據(jù)集可見(jiàn)光圖像低對(duì)比度和光照導(dǎo)致電力線(xiàn)不可見(jiàn)導(dǎo)致的。SA‐Unet 整體取得了最好的分割效果,能較準(zhǔn)確地區(qū)分出前景目標(biāo)和背景區(qū)域,這得益于模型的多階段輸入融合策略和階段注意力機(jī)制。

    圖7 電力線(xiàn)分割預(yù)測(cè)效果Fig.7 Prediction effect of power line segmentation

    表2 給出包括SA‐Unet 在內(nèi)的6 種模型在100 張測(cè)試圖像中的實(shí)驗(yàn)性能對(duì)比,其中Time 表示推理一張圖片所用的時(shí)間。橫向來(lái)看,F(xiàn)CN32s 和其他5 個(gè)網(wǎng)絡(luò)模型相比,在兩個(gè)指標(biāo)上的性能表現(xiàn)最差,表明FCN32s 模型在數(shù)據(jù)集上,經(jīng)過(guò)模型預(yù)測(cè)的像素分類(lèi)準(zhǔn)確度較低,電力線(xiàn)預(yù)測(cè)區(qū)域和電力線(xiàn)標(biāo)注區(qū)域之間的重合區(qū)域較少,在很多情況下不能正確分割出電力線(xiàn)。FCN16s 和FCN8s 明顯優(yōu)于FCN32s,但與Segnet、Unet 和SA‐Unet 相比,差距仍很明顯。Segnet 模型和Unet 模型整體效果較好,Unet 模型通過(guò)犧牲0.05% 的PA 值換取了MIoU 指數(shù)1.99% 的提升。SA‐Unet 模型在PA 和MIoU 兩項(xiàng)指標(biāo)中表現(xiàn)最好,充分表明利用階段輸入融合策略并嵌入階段注意力模塊的SA‐Unet 模型的有效性。經(jīng)過(guò)優(yōu)化的SA‐Unet 推理一張圖片用時(shí)0.253 1 s,低于Unet、Segnet 和FCN32s,略高于FCN16s 和FCN8s,平衡了算法的效率和精度,基本滿(mǎn)足低速條件下的實(shí)時(shí)性需求。

    表2 對(duì)比實(shí)驗(yàn)結(jié)果Table 2 Results of comparative experiment

    縱向來(lái)看,SA‐Unet 模型在評(píng)價(jià)指標(biāo)PA 和評(píng)價(jià)指標(biāo)MIoU 上表現(xiàn)最好,分別取得97.57% 和68.37% 的優(yōu)異成績(jī),比性能第2 的Unet 模型分別提高了0.08% 和2.01%,在MIoU 指標(biāo)上有顯著性提升。

    3 結(jié)束語(yǔ)

    本文提出一種基于階段注意力機(jī)制的電力線(xiàn)提取算法。在編碼階段,根據(jù)航空影像中電力線(xiàn)圖像特點(diǎn),提出階段輸入融合策略以減少空間位置信息丟失。在解碼階段,嵌入改進(jìn)的階段注意力模塊,利用有限的注意力資源從大量信息中快速篩選出高價(jià)值信息。此外,對(duì)Powerline Image Dataset 數(shù)據(jù)集進(jìn)行整理和標(biāo)注,并將本文提出的算法在數(shù)據(jù)集上進(jìn)行測(cè)試。通過(guò)消融實(shí)驗(yàn)證實(shí)了本文提出的階段輸入融合策略與階段注意力機(jī)制的有效性,并與5 種語(yǔ)義分割算法進(jìn)行比較,在PA 指標(biāo)和MIoU 指標(biāo)上均取得最優(yōu)結(jié)果。但是電力線(xiàn)在航空影像中屬于小目標(biāo)物體,所占像素極少,能夠提取到的特征有限,并且由于環(huán)境和光照等因素的影響,部分電力線(xiàn)不可見(jiàn)。因此,基于單一數(shù)據(jù)源的語(yǔ)義分割模型普遍存在分割精度不高甚至部分電力線(xiàn)無(wú)法提取等問(wèn)題。接下來(lái)將探索多種數(shù)據(jù)源融合的電力線(xiàn)提取算法,利用多模態(tài)信息提高算法在小目標(biāo)和弱特征物體上的分割精度。

    猜你喜歡
    池化電力線(xiàn)注意力
    基于緊湊型雙線(xiàn)性網(wǎng)絡(luò)的野生茵識(shí)別方法研究
    基于Sobel算子的池化算法設(shè)計(jì)
    讓注意力“飛”回來(lái)
    卷積神經(jīng)網(wǎng)絡(luò)中的自適應(yīng)加權(quán)池化
    基于卷積神經(jīng)網(wǎng)絡(luò)和池化算法的表情識(shí)別研究
    基于電力線(xiàn)載波通信的智能限電裝置
    電子制作(2017年14期)2017-12-18 07:07:59
    “揚(yáng)眼”APP:讓注意力“變現(xiàn)”
    一種壓縮感知電力線(xiàn)信道估計(jì)機(jī)制
    A Beautiful Way Of Looking At Things
    電力線(xiàn)載波通信標(biāo)準(zhǔn)PRIME和G3-PLC的研究
    波多野结衣巨乳人妻| av天堂中文字幕网| 国产激情欧美一区二区| 午夜久久久久精精品| 久久久久免费精品人妻一区二区| 国内精品美女久久久久久| 男人舔女人下体高潮全视频| 俄罗斯特黄特色一大片| 免费在线观看亚洲国产| 99国产精品99久久久久| 999精品在线视频| 国产高清激情床上av| 亚洲狠狠婷婷综合久久图片| 在线免费观看不下载黄p国产 | 动漫黄色视频在线观看| 国产精品香港三级国产av潘金莲| 99国产综合亚洲精品| 国产欧美日韩一区二区精品| 国产高清videossex| 欧美绝顶高潮抽搐喷水| 999久久久国产精品视频| 五月伊人婷婷丁香| 精品国产乱码久久久久久男人| 最近在线观看免费完整版| 国产v大片淫在线免费观看| 亚洲 欧美一区二区三区| 婷婷精品国产亚洲av| av在线蜜桃| 久久中文看片网| 制服丝袜大香蕉在线| 国产精品美女特级片免费视频播放器 | 国产探花在线观看一区二区| 蜜桃久久精品国产亚洲av| 国产午夜福利久久久久久| 九九在线视频观看精品| 日韩成人在线观看一区二区三区| 欧美黑人巨大hd| 亚洲成人精品中文字幕电影| 老司机在亚洲福利影院| 两个人看的免费小视频| www.熟女人妻精品国产| 国产欧美日韩一区二区精品| 99热6这里只有精品| 18禁裸乳无遮挡免费网站照片| 噜噜噜噜噜久久久久久91| 日韩成人在线观看一区二区三区| 在线十欧美十亚洲十日本专区| 黑人巨大精品欧美一区二区mp4| 国产精品久久久久久久电影 | 美女高潮的动态| 精品午夜福利视频在线观看一区| 97超级碰碰碰精品色视频在线观看| 免费看十八禁软件| 色哟哟哟哟哟哟| 两个人的视频大全免费| 男人舔奶头视频| 精品国产三级普通话版| 日韩欧美在线乱码| 国产一级毛片七仙女欲春2| 亚洲 国产 在线| 熟女人妻精品中文字幕| 国产精品精品国产色婷婷| 日本免费a在线| 久久久成人免费电影| 国产精品久久久久久精品电影| 日韩欧美国产一区二区入口| 久久精品夜夜夜夜夜久久蜜豆| 亚洲av美国av| 日韩三级视频一区二区三区| 色综合亚洲欧美另类图片| 精品一区二区三区四区五区乱码| 真人一进一出gif抽搐免费| 久久中文字幕人妻熟女| 国产精品一及| 国产av不卡久久| 国产一区二区激情短视频| 国产精品自产拍在线观看55亚洲| 国产精品自产拍在线观看55亚洲| 成在线人永久免费视频| 亚洲欧美日韩高清在线视频| 成年女人毛片免费观看观看9| 日韩欧美国产在线观看| 可以在线观看毛片的网站| 91在线观看av| 中文字幕高清在线视频| 一级毛片精品| 日韩国内少妇激情av| 亚洲精品一卡2卡三卡4卡5卡| 欧美日韩黄片免| 巨乳人妻的诱惑在线观看| 国产精品爽爽va在线观看网站| 久9热在线精品视频| 久久人妻av系列| 黄色日韩在线| 岛国视频午夜一区免费看| 18美女黄网站色大片免费观看| 亚洲第一欧美日韩一区二区三区| 亚洲欧美日韩东京热| 国产精品影院久久| 日韩欧美免费精品| 成熟少妇高潮喷水视频| 国产毛片a区久久久久| 国产野战对白在线观看| 国产精品爽爽va在线观看网站| xxxwww97欧美| 亚洲最大成人中文| avwww免费| 免费看美女性在线毛片视频| 亚洲欧美一区二区三区黑人| 看黄色毛片网站| 特大巨黑吊av在线直播| 美女扒开内裤让男人捅视频| 亚洲天堂国产精品一区在线| 美女被艹到高潮喷水动态| 99国产精品一区二区三区| av福利片在线观看| 欧美+亚洲+日韩+国产| 在线免费观看的www视频| 俺也久久电影网| 黄色丝袜av网址大全| 国产乱人伦免费视频| 亚洲美女视频黄频| 后天国语完整版免费观看| 人妻丰满熟妇av一区二区三区| 日本黄大片高清| 国产成年人精品一区二区| 成年人黄色毛片网站| 欧美一级a爱片免费观看看| 国产一级毛片七仙女欲春2| 亚洲国产欧洲综合997久久,| 很黄的视频免费| 亚洲欧美日韩东京热| 男女做爰动态图高潮gif福利片| 欧美成人一区二区免费高清观看 | 国产野战对白在线观看| 欧美xxxx黑人xx丫x性爽| 国产 一区 欧美 日韩| 久久精品91蜜桃| 波多野结衣高清作品| 国产淫片久久久久久久久 | 18禁黄网站禁片午夜丰满| 美女被艹到高潮喷水动态| 好男人电影高清在线观看| 88av欧美| 亚洲av电影在线进入| 国产精品一区二区三区四区久久| 精品不卡国产一区二区三区| 欧美又色又爽又黄视频| 精品国产亚洲在线| 国产三级在线视频| 男女床上黄色一级片免费看| 国产伦人伦偷精品视频| 亚洲成av人片免费观看| 亚洲一区高清亚洲精品| 99久久精品一区二区三区| 国内精品一区二区在线观看| 在线观看免费视频日本深夜| 日本免费一区二区三区高清不卡| 午夜免费成人在线视频| 男女下面进入的视频免费午夜| 丰满人妻一区二区三区视频av | 麻豆久久精品国产亚洲av| 国产高清视频在线观看网站| 成年女人毛片免费观看观看9| 老熟妇乱子伦视频在线观看| 一区二区三区激情视频| 婷婷丁香在线五月| 亚洲一区高清亚洲精品| 人妻久久中文字幕网| 啦啦啦观看免费观看视频高清| 99国产精品一区二区三区| 国产三级中文精品| 久久精品影院6| 女警被强在线播放| 老司机深夜福利视频在线观看| 99re在线观看精品视频| 在线观看午夜福利视频| 搡老熟女国产l中国老女人| 天天躁狠狠躁夜夜躁狠狠躁| a级毛片在线看网站| 日韩欧美国产在线观看| 日本免费一区二区三区高清不卡| 日本免费a在线| 国产久久久一区二区三区| 亚洲中文字幕日韩| 亚洲国产欧美人成| 欧美成人免费av一区二区三区| 一二三四在线观看免费中文在| 色综合亚洲欧美另类图片| 国产亚洲精品久久久com| 天堂av国产一区二区熟女人妻| 国产三级在线视频| 嫁个100分男人电影在线观看| 最近最新中文字幕大全电影3| 国产99白浆流出| 国产成人福利小说| 99久国产av精品| 国产精品一区二区精品视频观看| 日韩三级视频一区二区三区| 99久国产av精品| 黑人巨大精品欧美一区二区mp4| 亚洲av成人av| 老司机午夜福利在线观看视频| 曰老女人黄片| 亚洲激情在线av| 好男人在线观看高清免费视频| 国产亚洲精品综合一区在线观看| av欧美777| 久久午夜亚洲精品久久| 亚洲欧美日韩东京热| 美女黄网站色视频| 桃色一区二区三区在线观看| 白带黄色成豆腐渣| 欧美日韩中文字幕国产精品一区二区三区| 成熟少妇高潮喷水视频| 中文亚洲av片在线观看爽| 久9热在线精品视频| 国产一区二区三区视频了| 亚洲精品一区av在线观看| 亚洲精品色激情综合| 国产高清有码在线观看视频| 国产真实乱freesex| 天堂影院成人在线观看| 亚洲专区国产一区二区| 亚洲国产欧洲综合997久久,| 国产成人啪精品午夜网站| 黑人巨大精品欧美一区二区mp4| 久久久国产精品麻豆| 欧美中文日本在线观看视频| 人妻夜夜爽99麻豆av| 一夜夜www| 国内久久婷婷六月综合欲色啪| 99久久久亚洲精品蜜臀av| 亚洲性夜色夜夜综合| 熟女少妇亚洲综合色aaa.| 日本黄大片高清| 精品国产乱码久久久久久男人| 国产成人啪精品午夜网站| 麻豆久久精品国产亚洲av| 成在线人永久免费视频| 久久久精品大字幕| 欧美在线黄色| 成年人黄色毛片网站| 欧美绝顶高潮抽搐喷水| 欧美日韩中文字幕国产精品一区二区三区| 观看免费一级毛片| 亚洲国产精品sss在线观看| 俺也久久电影网| 91九色精品人成在线观看| 久久精品夜夜夜夜夜久久蜜豆| 操出白浆在线播放| 久久国产精品影院| 观看美女的网站| 天堂影院成人在线观看| 日本 av在线| 老司机午夜十八禁免费视频| 亚洲成人久久性| 免费大片18禁| 午夜福利成人在线免费观看| 日日夜夜操网爽| 成人永久免费在线观看视频| 久久香蕉精品热| 无遮挡黄片免费观看| 久久精品综合一区二区三区| 欧美成狂野欧美在线观看| 最新美女视频免费是黄的| 九九在线视频观看精品| 在线观看一区二区三区| 亚洲真实伦在线观看| 亚洲av熟女| 成年人黄色毛片网站| 色尼玛亚洲综合影院| 欧美日韩综合久久久久久 | 美女被艹到高潮喷水动态| 美女大奶头视频| 久久性视频一级片| 国产精品99久久久久久久久| 国产一区二区激情短视频| 熟女少妇亚洲综合色aaa.| 亚洲真实伦在线观看| 久久久国产成人免费| 国产伦一二天堂av在线观看| 亚洲熟妇熟女久久| 国产高清三级在线| 一区福利在线观看| 亚洲一区高清亚洲精品| 成人av一区二区三区在线看| 给我免费播放毛片高清在线观看| 国语自产精品视频在线第100页| 偷拍熟女少妇极品色| 亚洲av成人精品一区久久| www.自偷自拍.com| 国产精品自产拍在线观看55亚洲| 婷婷丁香在线五月| 九九在线视频观看精品| 琪琪午夜伦伦电影理论片6080| 国产97色在线日韩免费| 两性午夜刺激爽爽歪歪视频在线观看| 1024香蕉在线观看| 亚洲国产精品久久男人天堂| 色老头精品视频在线观看| 国产一区二区三区视频了| 香蕉av资源在线| 1024手机看黄色片| 成人精品一区二区免费| 色在线成人网| 丝袜人妻中文字幕| 色老头精品视频在线观看| 听说在线观看完整版免费高清| 国产精品电影一区二区三区| 久久久水蜜桃国产精品网| 国产又黄又爽又无遮挡在线| 丰满的人妻完整版| 欧美国产日韩亚洲一区| av欧美777| 精品久久蜜臀av无| 日韩精品青青久久久久久| 别揉我奶头~嗯~啊~动态视频| 日本成人三级电影网站| 久久久久国内视频| 一级黄色大片毛片| 亚洲七黄色美女视频| 欧美日本视频| 久久这里只有精品中国| 精品欧美国产一区二区三| 在线观看舔阴道视频| 国产精品一区二区精品视频观看| 亚洲精品在线观看二区| 搡老妇女老女人老熟妇| 法律面前人人平等表现在哪些方面| 又黄又粗又硬又大视频| 成人av一区二区三区在线看| 热99在线观看视频| 日韩欧美三级三区| 老鸭窝网址在线观看| av黄色大香蕉| 999久久久精品免费观看国产| 老汉色∧v一级毛片| 伦理电影免费视频| 亚洲 欧美一区二区三区| 欧美激情久久久久久爽电影| 三级男女做爰猛烈吃奶摸视频| 欧美一区二区精品小视频在线| avwww免费| 亚洲色图 男人天堂 中文字幕| 99国产精品一区二区三区| 国产高潮美女av| 舔av片在线| 美女大奶头视频| 国产99白浆流出| 亚洲欧美日韩无卡精品| 国产成人系列免费观看| 国产成人福利小说| 免费人成视频x8x8入口观看| 精品一区二区三区四区五区乱码| 脱女人内裤的视频| 日本五十路高清| 国产黄a三级三级三级人| 国产真实乱freesex| 国产久久久一区二区三区| 色老头精品视频在线观看| 神马国产精品三级电影在线观看| 少妇丰满av| 男人的好看免费观看在线视频| 国产久久久一区二区三区| 曰老女人黄片| 亚洲精品粉嫩美女一区| 国产精品野战在线观看| 欧美一区二区国产精品久久精品| 91在线观看av| 制服丝袜大香蕉在线| 欧美绝顶高潮抽搐喷水| 欧美在线一区亚洲| 国产精品国产高清国产av| 欧美性猛交黑人性爽| 精品熟女少妇八av免费久了| 三级男女做爰猛烈吃奶摸视频| 国产精品自产拍在线观看55亚洲| 成人av在线播放网站| 老汉色∧v一级毛片| a级毛片a级免费在线| 国产高清videossex| 国产精品香港三级国产av潘金莲| 老司机午夜十八禁免费视频| 神马国产精品三级电影在线观看| av女优亚洲男人天堂 | 精品乱码久久久久久99久播| 日韩有码中文字幕| 女人高潮潮喷娇喘18禁视频| 亚洲精华国产精华精| 国产激情偷乱视频一区二区| 中文资源天堂在线| av视频在线观看入口| 午夜激情欧美在线| 久久久久久久久免费视频了| 亚洲精品乱码久久久v下载方式 | 91九色精品人成在线观看| 久久久久久大精品| 少妇的丰满在线观看| 国产爱豆传媒在线观看| 真人一进一出gif抽搐免费| 亚洲欧美日韩东京热| 亚洲成人中文字幕在线播放| 又爽又黄无遮挡网站| 999精品在线视频| 长腿黑丝高跟| 丁香六月欧美| 99久久精品热视频| 在线观看日韩欧美| 在线观看免费视频日本深夜| 国产精品久久久久久精品电影| 婷婷精品国产亚洲av在线| 曰老女人黄片| 亚洲真实伦在线观看| 他把我摸到了高潮在线观看| 99久久综合精品五月天人人| 一二三四在线观看免费中文在| 在线观看美女被高潮喷水网站 | 久久热在线av| 在线观看免费视频日本深夜| 成人午夜高清在线视频| 国产视频内射| 91字幕亚洲| 国产成人影院久久av| 日本一本二区三区精品| 久久精品91蜜桃| 国产精品日韩av在线免费观看| 三级毛片av免费| 无限看片的www在线观看| 免费看a级黄色片| 黄频高清免费视频| 夜夜夜夜夜久久久久| 天堂网av新在线| 国产亚洲精品久久久com| 久久久久免费精品人妻一区二区| 国产精品九九99| 黄色丝袜av网址大全| 男女床上黄色一级片免费看| 国产成人啪精品午夜网站| 久久欧美精品欧美久久欧美| 亚洲精品456在线播放app | 禁无遮挡网站| 欧美日韩精品网址| a在线观看视频网站| 欧美不卡视频在线免费观看| 在线观看午夜福利视频| 老司机在亚洲福利影院| 男人和女人高潮做爰伦理| 欧美不卡视频在线免费观看| 亚洲成av人片免费观看| 欧美日韩国产亚洲二区| 国产精品av久久久久免费| 免费看光身美女| 听说在线观看完整版免费高清| 少妇熟女aⅴ在线视频| 亚洲五月天丁香| 国产99白浆流出| 中文字幕精品亚洲无线码一区| 91av网一区二区| svipshipincom国产片| 三级国产精品欧美在线观看 | 国产精品久久久人人做人人爽| 国产蜜桃级精品一区二区三区| 亚洲欧洲精品一区二区精品久久久| 午夜福利18| 少妇的丰满在线观看| 成人av一区二区三区在线看| 欧美中文日本在线观看视频| 男女午夜视频在线观看| 亚洲国产中文字幕在线视频| 美女大奶头视频| 天堂影院成人在线观看| 日韩欧美一区二区三区在线观看| 老司机午夜十八禁免费视频| 女人高潮潮喷娇喘18禁视频| 日本 欧美在线| 国产极品精品免费视频能看的| 男女视频在线观看网站免费| 午夜福利在线观看免费完整高清在 | 老汉色∧v一级毛片| 国产亚洲精品久久久com| 男人舔奶头视频| 欧美日韩福利视频一区二区| 在线a可以看的网站| 久99久视频精品免费| 精品国产亚洲在线| 在线看三级毛片| 午夜视频精品福利| 国产成人欧美在线观看| 欧美午夜高清在线| 免费一级毛片在线播放高清视频| av视频在线观看入口| 亚洲精品在线美女| 老司机午夜十八禁免费视频| 最近视频中文字幕2019在线8| 亚洲人成网站高清观看| 床上黄色一级片| 国产成+人综合+亚洲专区| 热99在线观看视频| 免费一级毛片在线播放高清视频| 久久香蕉国产精品| 岛国在线观看网站| 国产成人精品久久二区二区91| 999久久久精品免费观看国产| 午夜免费激情av| 人人妻,人人澡人人爽秒播| 成人av在线播放网站| 色老头精品视频在线观看| 精品欧美国产一区二区三| 亚洲熟女毛片儿| 三级毛片av免费| 欧美+亚洲+日韩+国产| 欧美中文综合在线视频| 亚洲精品美女久久av网站| 久久久久精品国产欧美久久久| 色综合站精品国产| 色老头精品视频在线观看| 久9热在线精品视频| 丁香欧美五月| 亚洲av成人精品一区久久| 国产精品女同一区二区软件 | 精品无人区乱码1区二区| 免费在线观看日本一区| 国产精品av视频在线免费观看| 在线观看日韩欧美| 夜夜看夜夜爽夜夜摸| 亚洲成人久久性| 午夜视频精品福利| 一级a爱片免费观看的视频| 久久久久国产一级毛片高清牌| 亚洲精品一卡2卡三卡4卡5卡| 欧美日本亚洲视频在线播放| 这个男人来自地球电影免费观看| 国产精品电影一区二区三区| 国产精品98久久久久久宅男小说| 九色成人免费人妻av| 亚洲欧美日韩高清专用| www日本在线高清视频| 热99在线观看视频| 真人一进一出gif抽搐免费| 黑人欧美特级aaaaaa片| 久久这里只有精品中国| 香蕉国产在线看| 国产精品乱码一区二三区的特点| 久久久水蜜桃国产精品网| 国产探花在线观看一区二区| 久久婷婷人人爽人人干人人爱| 又爽又黄无遮挡网站| 一a级毛片在线观看| 免费在线观看成人毛片| 国产一级毛片七仙女欲春2| 欧美性猛交黑人性爽| 色尼玛亚洲综合影院| 国产精品久久久久久亚洲av鲁大| 日日干狠狠操夜夜爽| 亚洲 欧美一区二区三区| 男女午夜视频在线观看| 97超级碰碰碰精品色视频在线观看| 午夜两性在线视频| 一个人免费在线观看的高清视频| 久久国产精品人妻蜜桃| 啦啦啦免费观看视频1| 成年人黄色毛片网站| 精华霜和精华液先用哪个| 婷婷丁香在线五月| 国产av不卡久久| 亚洲中文日韩欧美视频| 免费搜索国产男女视频| 亚洲精品一卡2卡三卡4卡5卡| 日本撒尿小便嘘嘘汇集6| www.自偷自拍.com| 非洲黑人性xxxx精品又粗又长| 91麻豆精品激情在线观看国产| 亚洲欧洲精品一区二区精品久久久| 偷拍熟女少妇极品色| 特级一级黄色大片| 香蕉国产在线看| 身体一侧抽搐| 欧洲精品卡2卡3卡4卡5卡区| 久久99热这里只有精品18| 狂野欧美激情性xxxx| 十八禁网站免费在线| 一区二区三区国产精品乱码| 久久精品91无色码中文字幕| 国产午夜福利久久久久久| 成人亚洲精品av一区二区| 国产一区二区在线观看日韩 | 母亲3免费完整高清在线观看| 超碰成人久久| 18禁黄网站禁片午夜丰满| 最好的美女福利视频网| 中文字幕久久专区| 欧美一区二区国产精品久久精品| 国产亚洲精品久久久久久毛片| 99riav亚洲国产免费| 精品久久久久久,| 老司机福利观看| 婷婷精品国产亚洲av在线| 国产高清三级在线| 欧美黑人欧美精品刺激| 白带黄色成豆腐渣| 午夜免费激情av| 国产不卡一卡二| 国产精品永久免费网站| 中文字幕熟女人妻在线| 国产亚洲精品综合一区在线观看| 男人的好看免费观看在线视频| 日韩欧美 国产精品| 国产av一区在线观看免费| 亚洲av美国av| 国产黄片美女视频| 亚洲成av人片免费观看| 男女做爰动态图高潮gif福利片| 天堂影院成人在线观看| 国产成人精品久久二区二区91|