• <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AT-NMS的Mask RCNN改進(jìn)算法 *

    2021-10-26 01:17:28李東旭陳琳琳范思萌許傳海楊二龍
    關(guān)鍵詞:精確度集上損失

    王 梅,李東旭,陳琳琳,范思萌,許傳海,楊二龍

    (1.東北石油大學(xué)計(jì)算機(jī)與信息技術(shù)學(xué)院,黑龍江 大慶 163318;2東北石油大學(xué)石油工程學(xué)院,黑龍江 大慶 163318)

    1 引言

    大數(shù)據(jù)的蓬勃發(fā)展,推動(dòng)了無(wú)人駕駛、圖像搜索以及室內(nèi)檢測(cè)等檢測(cè)領(lǐng)域的快速發(fā)展[1 - 5]。但是,大數(shù)據(jù)也給檢測(cè)領(lǐng)域帶來(lái)了新的挑戰(zhàn),其中包括室內(nèi)人員的目標(biāo)檢測(cè)。在室內(nèi)人員的檢測(cè)中數(shù)據(jù)常常會(huì)存在姿態(tài)、背景和遮擋等不確定性問(wèn)題,這些都會(huì)對(duì)檢測(cè)精度產(chǎn)生巨大影響,因此提高目標(biāo)檢測(cè)精度一直受到極大的關(guān)注[6 - 10]。

    Figure 1 Mask RCNN structure圖1 Mask RCNN結(jié)構(gòu)

    目標(biāo)檢測(cè)主要分為2種,一種是單階段檢測(cè)方法,其檢測(cè)速度快,但是檢測(cè)精度不高,主要有YOLO(You Only Look Once)[11]、SSD(Single Shot MultiBox Detector)[12]、CornerNet[13]和ExtremeNet[14]等方法;另一種是兩階段檢測(cè)方法,主要是通過(guò)區(qū)域建議網(wǎng)絡(luò)RPN(Region Proposal Network)生成候選目標(biāo),再對(duì)目標(biāo)進(jìn)行識(shí)別及定位,主要有RCNN[15]、Fast RCNN[16]和Faster RCNN[17]等方法。為滿足實(shí)際分割需求,He等人[18]通過(guò)在Faster RCNN基礎(chǔ)上添加實(shí)例分割分支和ROI Align,提出了Mask RCNN算法。

    Mask RCNN算法使用非極大值抑制NMS(Non-Maximum Suppression)算法進(jìn)行候選框?yàn)V除,其思想是“非黑即白”,只選取分類目標(biāo)得分最高的候選框,因?yàn)殚撝倒潭ú蛔儯欢ǔ潭壬咸岣吡四繕?biāo)在高度重疊時(shí)被漏檢的風(fēng)險(xiǎn)。在此基礎(chǔ)上,soft-NMS算法[19]采用“權(quán)值懲罰”來(lái)解決該問(wèn)題,但soft-NMS算法會(huì)增加候選框數(shù)量,從而出現(xiàn)了同一目標(biāo)被重復(fù)檢測(cè)的新問(wèn)題。通常,研究人員通過(guò)多次實(shí)驗(yàn)選取最優(yōu)結(jié)果的固定閾值,但閾值過(guò)大,容易出現(xiàn)目標(biāo)漏檢問(wèn)題;閾值過(guò)小,又容易出現(xiàn)重復(fù)檢測(cè)問(wèn)題。

    針對(duì)以上問(wèn)題,本文基于自適應(yīng)閾值-非極大值抑制AT-NMS(Adaptive Threshold Non- Maximum Suppression)算法提出了Mask RCNNAT-NMS算法。本文主要工作如下:(1)針對(duì)目標(biāo)特征提取問(wèn)題,在Mask RCNN中加入可變形卷積增強(qiáng)目標(biāo)特征提取能力;(2)在NMS閾值設(shè)定時(shí),利用區(qū)間離散二階差分方程計(jì)算合理閾值,降低漏檢概率。

    2 相關(guān)工作

    2.1 Mask RCNN算法

    Mask RCNN是基于候選區(qū)域的目標(biāo)檢測(cè)算法,如圖1所示,首先通過(guò)ResNet(Residual Network)[20]對(duì)圖像進(jìn)行特征提取并通過(guò)全卷積網(wǎng)絡(luò)構(gòu)成特征金字塔網(wǎng)絡(luò)FPN(Feature Pyramid Network);然后通過(guò)RPN對(duì)提取到的卷積特征生成候選區(qū)域;最后利用Mask RCNN的3個(gè)分支對(duì)目標(biāo)進(jìn)行識(shí)別與分割,其中2個(gè)分支分別是全連接層(進(jìn)行分類)和邊框(回歸),另一個(gè)分支經(jīng)過(guò)全卷積網(wǎng)絡(luò)進(jìn)行上采樣得到分割圖像。

    Mask RCNN定義一個(gè)如式(1)所示的多任務(wù)的損失函數(shù):

    L=Lcls+Lreg+Lmask

    (1)

    其中,Lcls是RPN網(wǎng)絡(luò)中分類損失,采用的是二分類交叉熵?fù)p失,如式(2)所示:

    (2)

    Lreg是RPN邊界框回歸計(jì)算的正則化L1損失,如式(3)所示:

    (3)

    Lmask是采用對(duì)預(yù)測(cè)掩膜(mask)的每個(gè)像素點(diǎn)求Sigmoid函數(shù)均值,定義為平均二值交叉熵?fù)p失函數(shù),如式(4)所示,此函數(shù)僅在第k個(gè)類別上有定義,其它的k個(gè)mask輸出對(duì)損失沒(méi)有貢獻(xiàn):

    (4)

    2.2 RPN網(wǎng)絡(luò)

    RPN網(wǎng)絡(luò)是Mask RCNN中至關(guān)重要的一部分,RPN的關(guān)鍵在于錨點(diǎn)機(jī)制,如圖2所示。首先用滑動(dòng)窗口在特征圖像上進(jìn)行遍歷,以錨點(diǎn)為中心選定9種錨箱,其中滑窗滑動(dòng)一次會(huì)預(yù)測(cè)k個(gè)區(qū)域建議,回歸層需要預(yù)測(cè)出錨箱的寬、高和中心坐標(biāo),分類層需要區(qū)分是前景還是背景的概率,因此回歸層需要輸出4k個(gè)坐標(biāo),分類層需要輸出2k個(gè)得分。

    Figure 2 RPN anchor mechanism圖2 RPN錨點(diǎn)機(jī)制

    RPN網(wǎng)絡(luò)可以針對(duì)生成檢測(cè)建議框的任務(wù)進(jìn)行端到端的訓(xùn)練,同時(shí)預(yù)測(cè)出圖像中每個(gè)目標(biāo)的類別分?jǐn)?shù)和邊界。RPN中采用smoothL1損失函數(shù),相比L1損失函數(shù)在離群點(diǎn)、異常值不敏感等問(wèn)題上有更好的表現(xiàn),并且魯棒性更好,在訓(xùn)練的過(guò)程中比較穩(wěn)定。其中損失函數(shù)smoothL1如式(5)所示:

    (5)

    Figure 3 Improved Mask RCNN圖3 改進(jìn)后的 Mask RCNN

    3 Mask RCNNAT-NMS算法

    3.1 改進(jìn)的Mask RCNN結(jié)構(gòu)

    改進(jìn)的Mask RCNN的結(jié)構(gòu)如圖3所示,在原始網(wǎng)絡(luò)的ResNet階段中加入可變形卷積核[21],在原有卷積核的基礎(chǔ)上增加了模塊對(duì)空間采樣的位置信息,在RPN階段加入自適應(yīng)閾值-非極大值抑制算法計(jì)算合理閾值;然后經(jīng)過(guò)ROI Align 2次量化處理;最后經(jīng)過(guò)Mask branch、Box regression和classification 3個(gè)分支得到最后結(jié)果。

    3.2 可變形卷積

    本文算法中,可變形卷積模塊以大小為3*3的卷積核為例,標(biāo)準(zhǔn)的方塊卷積核落在圖像上表示為M,用于該區(qū)域的特征提取。區(qū)域M可以表示為:

    M={(-1,-1),(-1,0),…,(0,1),(1,1)}

    (6)

    對(duì)于在輸出結(jié)果Y上的每個(gè)位置z0,通過(guò)式(7)進(jìn)行計(jì)算:

    (7)

    其中,x()表示輸入特征映射,w()表示采樣點(diǎn)的權(quán)重,zi是特征圖上點(diǎn)的位置,Δzi是zi的偏移變量。可變形卷積可以根據(jù)圖像中物體的形狀特征進(jìn)行自適應(yīng)調(diào)整,可以靈活地提取不同的形態(tài)特征。

    由于采樣在不規(guī)則區(qū)域中進(jìn)行,會(huì)導(dǎo)致偏離層特征點(diǎn)位置不連續(xù),因此采用雙線性插值的方法把任意的輸出轉(zhuǎn)化為連續(xù)的。對(duì)式(7)使用雙線性插值得到式(8):

    (8)

    其中,G(·,·)是雙線性插值函數(shù),p表示離散的采樣點(diǎn),q表示雙線性插值之后的連續(xù)點(diǎn)集。

    3.3 AT-NMS算法

    3.3.1 算法流程

    在目標(biāo)檢測(cè)中采用NMS算法選取候選框,并計(jì)算出該候選框的最終得分sf,如式(9)所示:

    (9)

    其中,si為候選框的原始得分,C為得分最高的候選框,bi為待檢測(cè)框,UIOU(C,bi)為待檢測(cè)框bi和C的交并比,Nt為固定閾值。

    本文針對(duì)Nt提出Mask RCNNAT-NMS算法,計(jì)算最終得分sf,如式(10)所示:

    (10)

    其中,NAT是將每個(gè)目標(biāo)的置信度最高得分進(jìn)行歸一化后作為區(qū)間數(shù),然后使用二階差分公式計(jì)算出的閾值,其中區(qū)間數(shù)定義如下:

    k=2,3,…,n-1

    (11)

    即在此時(shí)設(shè)定的閾值,使得目標(biāo)置信度得分區(qū)別較大,可以在一定程度上減少目標(biāo)漏檢和重復(fù)檢測(cè)。

    3.3.2 收斂性分析

    Mask RCNNAT-NMS是在Mask RCNN算法的基礎(chǔ)上采用離散二階差分計(jì)算閾值,因此在Mask RCNN停止時(shí)算法終止,只需證明Mask RCNN的收斂性。

    Lcls和Lreg分別是分類損失和邊框回歸損失,其中分類損失采用的是二分類交叉熵?fù)p失,回歸損失采用smoothL1損失。Lmask是采用平均二值交叉熵?fù)p失,已知3個(gè)損失是可以收斂的,本文不再證明。因此,本文算法也是收斂的。

    3.4 本文算法檢測(cè)步驟

    綜合上述對(duì)Mask RCNNAT-NMS算法關(guān)鍵部分的描述,本文算法的具體檢測(cè)步驟如算法1所示。

    算法1一種基于AT-NMS的Mask RCNN改進(jìn)算法Mask RCNNAT-NMS

    輸入:圖像數(shù)據(jù)。

    輸出:帶有類標(biāo)簽、掩膜和目標(biāo)邊框的圖像數(shù)據(jù)。

    步驟1通過(guò)加入可變形卷積的ResNet網(wǎng)絡(luò)提取特征,得到輸入圖像的特征圖;

    步驟2在RPN網(wǎng)絡(luò)中使用AT-NMS算法獲取特征圖的建議信息;

    步驟3將建議信息的深層信息映射回特征圖;

    步驟4采用ROI Align對(duì)特征圖上不同大小的建議信息進(jìn)行量化處理,以固定到一個(gè)統(tǒng)一的大??;

    步驟5通過(guò)Mask branch中的全卷積網(wǎng)絡(luò)輸出實(shí)例分割圖像;

    步驟6通過(guò)全連接層輸出目標(biāo)的類標(biāo)簽和目標(biāo)位置信息。

    4 實(shí)驗(yàn)與結(jié)果分析

    4.1 數(shù)據(jù)集與環(huán)境配置

    本文實(shí)驗(yàn)數(shù)據(jù)集采用PASCAL-VOC2012[23]和Indoor CVPR_09[24]。PASCAL-VOC2012數(shù)據(jù)集包含了擁有標(biāo)簽的trainval(11 540幅圖像)和沒(méi)有標(biāo)簽的test(10 991幅圖像),提取數(shù)據(jù)集中10 000幅不同的person圖像。隨機(jī)抽取8 000幅圖像作為訓(xùn)練集,1 000幅圖像作為驗(yàn)證集,1 000幅圖像作為測(cè)試集。Indoor CVPR_09數(shù)據(jù)集包含67個(gè)室內(nèi)類別,總共15 620幅圖像,挑選出帶有people的圖像4 000幅,隨機(jī)抽取2 500幅圖像作為訓(xùn)練集,500幅圖像作為驗(yàn)證集,1 000幅圖像作為測(cè)試集,在對(duì)應(yīng)的測(cè)試集上進(jìn)行實(shí)驗(yàn)結(jié)果測(cè)試,使用精確度、目標(biāo)漏檢率和重復(fù)檢測(cè)率作為性能評(píng)測(cè)指標(biāo)。本實(shí)驗(yàn)所用框架為Keras和TensorFlow,處理器為AMD R5 2600,內(nèi)存32 GB,顯卡為NVIDIA 1080Ti。

    4.2 評(píng)價(jià)指標(biāo)

    本文選取目標(biāo)檢測(cè)中重要的評(píng)價(jià)指標(biāo)之一精確度P,其主要表示正確識(shí)別目標(biāo)個(gè)數(shù)與總識(shí)別目標(biāo)個(gè)數(shù)之比,其計(jì)算公式如式(12)所示:

    (12)

    其中,XTP是正確識(shí)別目標(biāo)的個(gè)數(shù),XNP是識(shí)別目標(biāo)個(gè)數(shù)總和。

    為了對(duì)比Mask RCNNAT-NMS在目標(biāo)重復(fù)檢測(cè)和漏檢等問(wèn)題上的可靠性,另外選擇重復(fù)檢測(cè)率和目標(biāo)漏檢率作為衡量標(biāo)準(zhǔn),其計(jì)算公式如式(13)和式(14)所示:

    (13)

    (14)

    其中,Rt表示重復(fù)檢測(cè)次數(shù)總和,Rr表示重復(fù)檢測(cè)率,Cer為目標(biāo)漏檢概率,Ce為漏檢目標(biāo)總和。

    4.3 測(cè)試結(jié)果分析

    為驗(yàn)證Mask RCNNAT-NMS的檢測(cè)性能,在數(shù)據(jù)集PASCAL-VOC2012和Indoor CVPR_09中選取生活的場(chǎng)景圖進(jìn)行實(shí)驗(yàn),將Mask RCNNAT-NMS算法的檢測(cè)結(jié)果與Mask RCNN算法的檢測(cè)結(jié)果進(jìn)行對(duì)比。本文進(jìn)行了大量實(shí)驗(yàn),并隨機(jī)選取實(shí)驗(yàn)結(jié)果圖像進(jìn)行對(duì)比,選取的實(shí)驗(yàn)結(jié)果如圖4和圖5所示。

    由圖4可知,在圖4a中包含8個(gè)目標(biāo),Mask RCNN算法只檢測(cè)出5個(gè)目標(biāo),左側(cè)目標(biāo)、右上側(cè)目標(biāo)和右側(cè)目標(biāo)因遮擋而漏檢;Mask RCNNAT-NMS算法檢測(cè)出6個(gè)目標(biāo),左上側(cè)漏檢1個(gè)目標(biāo),右側(cè)漏檢1個(gè)目標(biāo)。在圖4d中包含10個(gè)目標(biāo),MaskRCNN算法檢測(cè)出9個(gè)目標(biāo),左下角的1個(gè)目標(biāo)漏檢,右下角漏檢1個(gè)目標(biāo),右下角重復(fù)檢測(cè)1個(gè)目標(biāo);Mask RCNNAT-NMS算法檢測(cè)出10個(gè)目標(biāo),無(wú)漏檢。

    由圖5可知,在圖5a中包含5個(gè)檢測(cè)目標(biāo),Mask RCNN算法檢測(cè)出6個(gè)目標(biāo),重復(fù)檢測(cè)1個(gè)目標(biāo);Mask RCNNAT-NMS算法檢測(cè)出5個(gè)目標(biāo),無(wú)重復(fù),其中Mask RCNNAT-NMS算法檢測(cè)精確度相對(duì)Mask RCNN有所提升。在圖5d中包含12個(gè)目標(biāo),Mask RCNN算法左側(cè)漏檢1個(gè)目標(biāo),共檢測(cè)出11個(gè)目標(biāo);Mask RCNNAT-NMS算法左側(cè)漏檢1個(gè)目標(biāo),共檢測(cè)出11個(gè)目標(biāo)。

    為了進(jìn)一步分析算法的性能,在PASCAL-VOC2012和Indoor CVPR_09 2個(gè)數(shù)據(jù)集上分別對(duì)Mask RCNN和Mask RCNNAT-NMS進(jìn)行多次實(shí)驗(yàn),并對(duì)結(jié)果進(jìn)行分析其目標(biāo)漏檢率和重復(fù)檢測(cè)率如表1和表2所示,檢測(cè)精確度如表3所示。

    Figure 4 Comparison of experiment results between Mask RCNNAT-NMS and Mask RCNN on the Indoor CVPR_09 dataset圖4 Mask RCNNAT-NMS與Mask RCNN在Indoor CVPR_09數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果對(duì)比

    Figure 5 Comparison of experiment results between Mask RCNNAT-NMS and Mask RCNN on the PASCAL-VOC2012 dataset圖5 Mask RCNNAT-NMS與Mask RCNN在PASCAL-VOC2012數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果對(duì)比

    Table 1 Comparison of detection results between Mask RCNNAT-NMS and Mask RCNN on the PASCAL-VOC2012 dataset

    由表1可知,在PASCAL-VOC2012數(shù)據(jù)集上,Mask RCNNAT-NMS算法的重復(fù)檢測(cè)率為8.7%,漏檢率為7.3%;Mask RCNN算法的重復(fù)檢測(cè)率為10.2%,漏檢率為8.5%。相比于Mask RCNN算法,Mask RCNNAT-NMS算法的重復(fù)檢測(cè)率降低了1.5%,漏檢率降低了1.2%。

    Table 2 Comparison of detection results between Mask RCNNAT-NMS and Mask RCNN on the Indoor CVPR_09 dataset

    由表2可知,在 Indoor CVPR_09 數(shù)據(jù)集上,Mask RCNNAT-NMS算法的重復(fù)檢測(cè)率為11.9%,漏檢率為9.3%;Mask RCNN算法的重復(fù)檢測(cè)率為12.7%,漏檢率為10.4%。相比于Mask RCNN算法,Mask RCNNAT-NMS算法重復(fù)檢測(cè)率降低了1.2%,漏檢率降低了1.1%。

    Table 3 Comparison of detection accuracy between Mask RCNNAT-NMS and Mask RCNN on different datasets

    由表3可知,在PASCAL-VOC2012數(shù)據(jù)集上,Mask RCNN選取閾值為AP50的檢測(cè)精確度是78.8%,Mask RCNNAT-NMS的檢測(cè)精確度是80.2%,精確度提升1.4%。在Indoor CVPR_09數(shù)據(jù)集上,Mask RCNN選取閾值為AP50的檢測(cè)精確度是80.6%,Mask RCNNAT-NMS算法的檢測(cè)精確度是81.1%,精確度提升0.5%。

    綜上所述,在多種場(chǎng)景的室內(nèi)人員檢測(cè)中出現(xiàn)人員重疊、遮擋時(shí),本文提出的Mask RCNNAT-NMS算法都比Mask RCNN算法的檢測(cè)效果好。具體如下:

    (1)本文算法能夠在一定程度上檢測(cè)出2個(gè)目標(biāo)疊加而導(dǎo)致的漏檢目標(biāo);

    (2)對(duì)同樣的目標(biāo),本文算法的檢測(cè)精確度更高。

    5 結(jié)束語(yǔ)

    本文提出了一種基于AT-NMS的Mask RCNN改進(jìn)算法Mask RCNNAT-NMS,根據(jù)自適應(yīng)調(diào)整閾值的方法有效地平衡因固定閾值帶來(lái)的目標(biāo)漏檢和目標(biāo)重復(fù)檢測(cè)問(wèn)題。在PASCAL-VOC2012數(shù)據(jù)集和Indoor CVPR_09數(shù)據(jù)集上,將本文算法與Mask RCNN算法進(jìn)行了對(duì)比分析,相比于Mask RCNN算法,在2個(gè)數(shù)據(jù)集上,本文算法重復(fù)檢測(cè)率分別降低了1.5%和1.2%,目標(biāo)漏檢率分別降低了1.2%和1.1%,精確度提升了1.4%和0.5%。實(shí)驗(yàn)結(jié)果表明,本文算法能在一定程度上降低目標(biāo)漏檢和重復(fù)檢測(cè)概率,并在檢測(cè)精確度上也有著良好表現(xiàn)。但是,在測(cè)試的過(guò)程中發(fā)現(xiàn),目標(biāo)實(shí)例的邊緣、輪廓等方面的分割精度并不是很好,仍然存在較大的誤差,這也是接下來(lái)的工作中需要解決的問(wèn)題。

    猜你喜歡
    精確度集上損失
    少問(wèn)一句,損失千金
    胖胖損失了多少元
    研究核心素養(yǎng)呈現(xiàn)特征提高復(fù)習(xí)教學(xué)精確度
    Cookie-Cutter集上的Gibbs測(cè)度
    “硬核”定位系統(tǒng)入駐兗礦集團(tuán),精確度以厘米計(jì)算
    鏈完備偏序集上廣義向量均衡問(wèn)題解映射的保序性
    玉米抽穗前倒伏怎么辦?怎么減少損失?
    復(fù)扇形指標(biāo)集上的分布混沌
    一般自由碰撞的最大動(dòng)能損失
    幾道導(dǎo)數(shù)題引發(fā)的解題思考
    成年美女黄网站色视频大全免费 | 久热久热在线精品观看| 午夜福利影视在线免费观看| 国产一区二区三区综合在线观看 | 国产色爽女视频免费观看| 亚洲内射少妇av| 在线播放无遮挡| 日韩成人av中文字幕在线观看| 蜜桃在线观看..| 啦啦啦中文免费视频观看日本| 亚洲成色77777| 简卡轻食公司| av免费在线看不卡| 日本wwww免费看| 亚洲欧美一区二区三区黑人 | 国产成人精品婷婷| 大码成人一级视频| 欧美精品国产亚洲| www.色视频.com| 亚洲伊人久久精品综合| 久久国产乱子免费精品| 日本色播在线视频| 国产永久视频网站| 成人毛片60女人毛片免费| 国产一级毛片在线| 久久精品久久久久久久性| 最近手机中文字幕大全| 性色avwww在线观看| 国产一区亚洲一区在线观看| 美女主播在线视频| 男女啪啪激烈高潮av片| 网址你懂的国产日韩在线| 在线播放无遮挡| 国产日韩欧美亚洲二区| 麻豆精品久久久久久蜜桃| 超碰97精品在线观看| 男人和女人高潮做爰伦理| 国产精品久久久久久av不卡| av国产精品久久久久影院| 亚洲欧美日韩卡通动漫| 最近中文字幕高清免费大全6| 超碰av人人做人人爽久久| 精品一区二区免费观看| 自拍偷自拍亚洲精品老妇| 在线观看一区二区三区激情| 成人免费观看视频高清| 国产 精品1| 熟女人妻精品中文字幕| 免费观看的影片在线观看| 亚洲精品日韩av片在线观看| av专区在线播放| 日韩成人av中文字幕在线观看| 大香蕉久久网| 性色avwww在线观看| 男女边摸边吃奶| 下体分泌物呈黄色| 久久99蜜桃精品久久| 中文字幕制服av| 超碰97精品在线观看| 99热6这里只有精品| 国产精品女同一区二区软件| 国内揄拍国产精品人妻在线| 欧美xxⅹ黑人| 欧美日韩综合久久久久久| 在线播放无遮挡| 国产v大片淫在线免费观看| 亚洲欧洲国产日韩| 1000部很黄的大片| 免费av不卡在线播放| av天堂中文字幕网| 插逼视频在线观看| 日本黄大片高清| av.在线天堂| 在线亚洲精品国产二区图片欧美 | av线在线观看网站| 精品99又大又爽又粗少妇毛片| 蜜桃久久精品国产亚洲av| 国产精品久久久久久精品古装| 久久精品夜色国产| 美女高潮的动态| 中文字幕制服av| 直男gayav资源| 国产日韩欧美亚洲二区| 国产精品蜜桃在线观看| 如何舔出高潮| 特大巨黑吊av在线直播| 亚洲欧美日韩另类电影网站 | 欧美 日韩 精品 国产| a级毛色黄片| 夜夜骑夜夜射夜夜干| 久久影院123| 亚洲色图综合在线观看| 美女cb高潮喷水在线观看| 在线免费观看不下载黄p国产| 最近2019中文字幕mv第一页| 91精品国产九色| 校园人妻丝袜中文字幕| 观看av在线不卡| 国产精品成人在线| 国产精品国产三级专区第一集| 日日啪夜夜撸| 少妇人妻一区二区三区视频| 精品人妻视频免费看| 男女边摸边吃奶| 永久免费av网站大全| 欧美日本视频| 男女免费视频国产| 精品一区二区免费观看| 久久久久人妻精品一区果冻| 狂野欧美白嫩少妇大欣赏| 国产色爽女视频免费观看| av天堂中文字幕网| 国产精品国产三级专区第一集| 亚洲欧洲日产国产| 欧美日韩国产mv在线观看视频 | 一个人看的www免费观看视频| 亚洲一区二区三区欧美精品| 国产精品国产三级国产av玫瑰| 一级毛片久久久久久久久女| 国产免费一区二区三区四区乱码| 亚洲va在线va天堂va国产| 美女高潮的动态| 中文字幕免费在线视频6| a级毛片免费高清观看在线播放| 视频中文字幕在线观看| 国模一区二区三区四区视频| 麻豆成人午夜福利视频| 少妇 在线观看| 亚洲av不卡在线观看| 99热这里只有是精品50| 看十八女毛片水多多多| 三级国产精品欧美在线观看| 亚洲成人av在线免费| 在线看a的网站| 2022亚洲国产成人精品| 高清日韩中文字幕在线| 大片电影免费在线观看免费| 久久99热这里只频精品6学生| 亚洲丝袜综合中文字幕| 成年女人在线观看亚洲视频| 亚洲精品一区蜜桃| 久久久欧美国产精品| 寂寞人妻少妇视频99o| 26uuu在线亚洲综合色| 狂野欧美激情性xxxx在线观看| 日韩免费高清中文字幕av| 国产深夜福利视频在线观看| 三级经典国产精品| 五月伊人婷婷丁香| 日日摸夜夜添夜夜爱| 欧美丝袜亚洲另类| 成人美女网站在线观看视频| 一级毛片黄色毛片免费观看视频| 99热网站在线观看| 最近手机中文字幕大全| 亚洲人成网站高清观看| 一级毛片黄色毛片免费观看视频| 国产一区二区在线观看日韩| 舔av片在线| 18禁裸乳无遮挡免费网站照片| 性色av一级| 丝袜喷水一区| 久久国产精品大桥未久av | 久久久亚洲精品成人影院| 人人妻人人添人人爽欧美一区卜 | 日本av免费视频播放| 久久韩国三级中文字幕| av视频免费观看在线观看| 少妇人妻一区二区三区视频| 久久久久网色| 国产在线免费精品| 多毛熟女@视频| 国产精品久久久久久精品古装| av天堂中文字幕网| 97在线视频观看| 亚洲成人一二三区av| 亚洲av二区三区四区| 亚洲内射少妇av| 如何舔出高潮| 亚洲精品亚洲一区二区| 能在线免费看毛片的网站| 精品视频人人做人人爽| 亚洲欧美日韩无卡精品| av国产久精品久网站免费入址| 99久久精品一区二区三区| 精品久久久久久久久亚洲| 国产精品熟女久久久久浪| 国产伦在线观看视频一区| 99热网站在线观看| 91精品国产九色| 插逼视频在线观看| 各种免费的搞黄视频| 日韩亚洲欧美综合| 99热这里只有是精品50| 大香蕉久久网| 精品视频人人做人人爽| 久久国产亚洲av麻豆专区| 嫩草影院新地址| 天美传媒精品一区二区| 美女cb高潮喷水在线观看| 少妇人妻精品综合一区二区| 久久久a久久爽久久v久久| 国产精品国产av在线观看| 欧美最新免费一区二区三区| 男女免费视频国产| 精华霜和精华液先用哪个| 我要看日韩黄色一级片| 六月丁香七月| 亚洲国产色片| 欧美 日韩 精品 国产| 日韩视频在线欧美| 99re6热这里在线精品视频| 蜜臀久久99精品久久宅男| 国产精品人妻久久久影院| 九九久久精品国产亚洲av麻豆| 三级经典国产精品| 国产 一区精品| 国产亚洲午夜精品一区二区久久| 欧美精品国产亚洲| 97在线视频观看| av不卡在线播放| 亚洲第一av免费看| 99精国产麻豆久久婷婷| 亚洲国产av新网站| 嫩草影院入口| av线在线观看网站| 精品国产一区二区三区久久久樱花 | 欧美成人精品欧美一级黄| 中国美白少妇内射xxxbb| 男女边摸边吃奶| 狂野欧美激情性xxxx在线观看| 国产中年淑女户外野战色| 国产伦精品一区二区三区四那| 1000部很黄的大片| 免费av中文字幕在线| 秋霞在线观看毛片| 日韩成人伦理影院| 街头女战士在线观看网站| 97热精品久久久久久| 中文字幕人妻熟人妻熟丝袜美| a级一级毛片免费在线观看| 在线观看av片永久免费下载| 欧美日韩视频高清一区二区三区二| a级毛色黄片| 夫妻性生交免费视频一级片| 国产精品av视频在线免费观看| 丰满迷人的少妇在线观看| 简卡轻食公司| 日本av手机在线免费观看| 国模一区二区三区四区视频| 日韩亚洲欧美综合| 国产亚洲av片在线观看秒播厂| 色5月婷婷丁香| av.在线天堂| 边亲边吃奶的免费视频| 日韩欧美 国产精品| 中文精品一卡2卡3卡4更新| 校园人妻丝袜中文字幕| 五月天丁香电影| 又黄又爽又刺激的免费视频.| 国国产精品蜜臀av免费| 国国产精品蜜臀av免费| 男人和女人高潮做爰伦理| 国产久久久一区二区三区| 日韩在线高清观看一区二区三区| 亚洲欧美日韩东京热| 制服丝袜香蕉在线| 国产精品av视频在线免费观看| 18禁在线播放成人免费| 毛片一级片免费看久久久久| 五月天丁香电影| 在线观看一区二区三区激情| 国产精品不卡视频一区二区| 人妻制服诱惑在线中文字幕| 一个人看视频在线观看www免费| 欧美精品人与动牲交sv欧美| 免费不卡的大黄色大毛片视频在线观看| 久久97久久精品| 中文字幕制服av| 久久久久久久久久久免费av| 日韩不卡一区二区三区视频在线| 美女xxoo啪啪120秒动态图| 久久精品国产亚洲网站| 观看免费一级毛片| 九九在线视频观看精品| 亚洲av.av天堂| 久久精品久久精品一区二区三区| 久久精品国产亚洲av天美| 伦理电影大哥的女人| 亚洲av福利一区| 亚洲国产欧美在线一区| 国产 精品1| av视频免费观看在线观看| 免费高清在线观看视频在线观看| 97在线视频观看| 国产精品一区www在线观看| 亚洲三级黄色毛片| 男女啪啪激烈高潮av片| 男女下面进入的视频免费午夜| 久久97久久精品| 蜜桃亚洲精品一区二区三区| 欧美老熟妇乱子伦牲交| 亚洲av欧美aⅴ国产| 2018国产大陆天天弄谢| 国产精品熟女久久久久浪| 国产高清三级在线| 大话2 男鬼变身卡| 日本wwww免费看| 欧美成人一区二区免费高清观看| 精品99又大又爽又粗少妇毛片| 十八禁网站网址无遮挡 | 国产成人午夜福利电影在线观看| 汤姆久久久久久久影院中文字幕| 在线观看美女被高潮喷水网站| 午夜精品国产一区二区电影| 国产白丝娇喘喷水9色精品| 18禁裸乳无遮挡动漫免费视频| 国产精品国产三级国产专区5o| 精品人妻熟女av久视频| 国产高清国产精品国产三级 | 成年女人在线观看亚洲视频| 交换朋友夫妻互换小说| 在线观看三级黄色| 亚洲四区av| 在线观看人妻少妇| 午夜日本视频在线| 丰满迷人的少妇在线观看| 一级黄片播放器| 国产在线男女| 99热国产这里只有精品6| 亚洲四区av| 99国产精品免费福利视频| 久久99热这里只有精品18| 日本欧美国产在线视频| 亚洲第一av免费看| 国产免费一级a男人的天堂| 日本vs欧美在线观看视频 | 女人十人毛片免费观看3o分钟| 男人狂女人下面高潮的视频| 久久国产精品大桥未久av | 只有这里有精品99| 又粗又硬又长又爽又黄的视频| 国产精品久久久久久av不卡| 九九爱精品视频在线观看| 久久久久国产网址| 欧美日韩视频精品一区| 一级毛片 在线播放| 亚洲av日韩在线播放| 99久久中文字幕三级久久日本| 一本一本综合久久| 日日摸夜夜添夜夜添av毛片| 成人国产麻豆网| 亚洲四区av| 亚洲性久久影院| 爱豆传媒免费全集在线观看| 色视频www国产| 亚洲丝袜综合中文字幕| 插逼视频在线观看| 午夜激情久久久久久久| 一本久久精品| 午夜视频国产福利| 少妇人妻久久综合中文| 久久久久网色| 中国美白少妇内射xxxbb| 少妇人妻久久综合中文| 国产老妇伦熟女老妇高清| 国产精品不卡视频一区二区| 十分钟在线观看高清视频www | 精品久久国产蜜桃| 美女中出高潮动态图| 五月玫瑰六月丁香| 日本欧美视频一区| 少妇的逼好多水| 在线观看免费视频网站a站| 免费久久久久久久精品成人欧美视频 | 看免费成人av毛片| 欧美成人a在线观看| 国产成人a区在线观看| 中国三级夫妇交换| 亚洲av成人精品一区久久| 中国三级夫妇交换| 日韩电影二区| 麻豆国产97在线/欧美| 国产日韩欧美在线精品| 97在线视频观看| 国产精品国产av在线观看| 国产视频首页在线观看| 中国美白少妇内射xxxbb| 成人特级av手机在线观看| 欧美高清成人免费视频www| 午夜激情久久久久久久| 久久久欧美国产精品| 中国国产av一级| 人人妻人人爽人人添夜夜欢视频 | 观看美女的网站| 亚洲最大成人中文| 噜噜噜噜噜久久久久久91| 免费人成在线观看视频色| 大片电影免费在线观看免费| 国产精品人妻久久久久久| 日韩av免费高清视频| 久久久久久久久久久丰满| 国产 一区精品| 中文字幕制服av| 国产伦精品一区二区三区视频9| 尤物成人国产欧美一区二区三区| 国产精品一及| 欧美一级a爱片免费观看看| 国产精品免费大片| 蜜桃在线观看..| 我要看日韩黄色一级片| 大香蕉久久网| 高清欧美精品videossex| 午夜福利网站1000一区二区三区| 国产黄色视频一区二区在线观看| 亚洲真实伦在线观看| 免费看日本二区| 国内揄拍国产精品人妻在线| videos熟女内射| 亚洲自偷自拍三级| 国产伦精品一区二区三区四那| 日本vs欧美在线观看视频 | 欧美xxⅹ黑人| 亚洲精品第二区| 一区二区三区精品91| 如何舔出高潮| 99久久中文字幕三级久久日本| 黄色欧美视频在线观看| 搡老乐熟女国产| 高清视频免费观看一区二区| 嫩草影院入口| 三级国产精品欧美在线观看| 国产精品国产三级国产专区5o| 日本色播在线视频| 涩涩av久久男人的天堂| 色哟哟·www| 国产伦理片在线播放av一区| 日韩成人av中文字幕在线观看| 看十八女毛片水多多多| 国产精品熟女久久久久浪| 天天躁夜夜躁狠狠久久av| 热re99久久精品国产66热6| 26uuu在线亚洲综合色| videos熟女内射| 九色成人免费人妻av| 91精品一卡2卡3卡4卡| 天美传媒精品一区二区| 最近中文字幕2019免费版| 欧美日韩国产mv在线观看视频 | 妹子高潮喷水视频| 亚洲精品,欧美精品| 如何舔出高潮| 一本色道久久久久久精品综合| 男人添女人高潮全过程视频| 舔av片在线| 色综合色国产| 欧美xxxx黑人xx丫x性爽| 一个人看的www免费观看视频| 亚洲aⅴ乱码一区二区在线播放| 久久久久久久久久成人| 一级片'在线观看视频| 久久精品国产鲁丝片午夜精品| 观看免费一级毛片| 最近最新中文字幕大全电影3| 欧美精品一区二区免费开放| 女性被躁到高潮视频| 你懂的网址亚洲精品在线观看| 嫩草影院新地址| 91精品一卡2卡3卡4卡| 麻豆国产97在线/欧美| 美女中出高潮动态图| 国产欧美另类精品又又久久亚洲欧美| 人妻系列 视频| 边亲边吃奶的免费视频| 国产国拍精品亚洲av在线观看| 老师上课跳d突然被开到最大视频| 亚洲欧洲国产日韩| 久久99热6这里只有精品| 在线看a的网站| 久久6这里有精品| 亚洲国产精品999| 成人特级av手机在线观看| 美女中出高潮动态图| av又黄又爽大尺度在线免费看| 亚洲av在线观看美女高潮| 久久99精品国语久久久| 日韩亚洲欧美综合| 欧美三级亚洲精品| 久久午夜福利片| 国产精品一区二区三区四区免费观看| 视频中文字幕在线观看| 国产在线男女| 高清av免费在线| 国产成人精品一,二区| 搡女人真爽免费视频火全软件| 美女高潮的动态| 午夜福利在线在线| 免费黄色在线免费观看| 天天躁夜夜躁狠狠久久av| 国产 精品1| av网站免费在线观看视频| 日韩亚洲欧美综合| 你懂的网址亚洲精品在线观看| av一本久久久久| 黄色欧美视频在线观看| 亚洲综合色惰| 久久久久国产精品人妻一区二区| 亚洲电影在线观看av| 黄色怎么调成土黄色| h视频一区二区三区| 97超视频在线观看视频| 99热这里只有精品一区| 国产极品天堂在线| 精品久久久精品久久久| 亚洲欧美日韩东京热| 激情 狠狠 欧美| 在线播放无遮挡| 成人18禁高潮啪啪吃奶动态图 | 欧美日韩一区二区视频在线观看视频在线| 国产高清国产精品国产三级 | 日本午夜av视频| 麻豆精品久久久久久蜜桃| 日韩av不卡免费在线播放| 丝袜脚勾引网站| 身体一侧抽搐| 最后的刺客免费高清国语| 少妇高潮的动态图| 美女福利国产在线 | 黄片无遮挡物在线观看| 最近的中文字幕免费完整| 这个男人来自地球电影免费观看 | 成人一区二区视频在线观看| 亚洲国产精品专区欧美| 国产日韩欧美亚洲二区| 日产精品乱码卡一卡2卡三| 色视频www国产| 日本色播在线视频| 国产爽快片一区二区三区| 亚洲伊人久久精品综合| 日日啪夜夜爽| 免费不卡的大黄色大毛片视频在线观看| 国产日韩欧美在线精品| 国产男人的电影天堂91| 成年女人在线观看亚洲视频| av国产精品久久久久影院| 我的老师免费观看完整版| 特大巨黑吊av在线直播| 麻豆国产97在线/欧美| 久久久久久久久久久免费av| 少妇人妻精品综合一区二区| 国产成人91sexporn| 欧美日本视频| 一区二区三区乱码不卡18| 国产精品偷伦视频观看了| 极品少妇高潮喷水抽搐| 久久ye,这里只有精品| 国产精品一区二区在线观看99| 免费黄色在线免费观看| 一级毛片 在线播放| 国产伦在线观看视频一区| 国产亚洲精品久久久com| 久久国产乱子免费精品| 免费人成在线观看视频色| 美女福利国产在线 | 国产精品熟女久久久久浪| 精华霜和精华液先用哪个| 在线观看免费视频网站a站| 亚洲成人手机| 只有这里有精品99| 国产成人精品一,二区| 亚洲欧美日韩卡通动漫| 日韩一本色道免费dvd| 高清毛片免费看| 久久ye,这里只有精品| 一级毛片黄色毛片免费观看视频| 色视频www国产| 中文精品一卡2卡3卡4更新| 少妇高潮的动态图| 秋霞在线观看毛片| 少妇人妻 视频| 美女中出高潮动态图| av卡一久久| 亚洲精品日韩在线中文字幕| 精品人妻一区二区三区麻豆| 97热精品久久久久久| 天堂中文最新版在线下载| 一级av片app| 色哟哟·www| 99精国产麻豆久久婷婷| 国产无遮挡羞羞视频在线观看| 大码成人一级视频| 成人高潮视频无遮挡免费网站| 日韩 亚洲 欧美在线| 日韩制服骚丝袜av| 欧美人与善性xxx| 亚洲国产精品成人久久小说| 菩萨蛮人人尽说江南好唐韦庄| kizo精华| 国产精品嫩草影院av在线观看| 国内揄拍国产精品人妻在线| 欧美老熟妇乱子伦牲交| 女性被躁到高潮视频| 国产精品秋霞免费鲁丝片| 91狼人影院| 亚洲欧美中文字幕日韩二区| 亚洲欧美成人综合另类久久久| 久久毛片免费看一区二区三区| 免费观看的影片在线观看| 自拍偷自拍亚洲精品老妇| 国产深夜福利视频在线观看| 一级毛片久久久久久久久女| 中文天堂在线官网| av线在线观看网站| 人人妻人人添人人爽欧美一区卜 | 亚洲综合精品二区|