• <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 ?

    一種自適應(yīng)學(xué)習(xí)率的遙感影像分類方法

    2022-06-21 01:14:24王研,段琳琳,楊玲
    計算機(jī)時代 2022年6期
    關(guān)鍵詞:模擬退火算法自適應(yīng)分類

    王研, 段琳琳, 楊玲

    摘? 要: 在對遙感影像進(jìn)行分類識別處理時,深度學(xué)習(xí)技術(shù)容易陷于局部最優(yōu),模型參數(shù)往往需要手動調(diào)整。提出一種基于模擬退火算法的自適應(yīng)學(xué)習(xí)率方法,并建立層疊去噪自動編碼器模型。給模型添加一定學(xué)習(xí)率比例,以實現(xiàn)學(xué)習(xí)率在迭代中自動改變。通過對比實驗以及曲面擬合方法,驗證了該方法的有效性、實用性和可靠性。該方法能自動調(diào)整學(xué)習(xí)率參數(shù)且能夠避免局部最優(yōu)解,分類精度和效率均有所提高。

    關(guān)鍵詞: 模擬退火算法; 分類; 自適應(yīng); 學(xué)習(xí)率; 層疊去噪自動編碼器

    中圖分類號:TP751? ? ? ? ? 文獻(xiàn)標(biāo)識碼:A? ? ?文章編號:1006-8228(2022)06-27-05

    A remote sensing image classification method based on adaptive learning rate

    Wang Yan1, Duan Linlin2, Yang Ling1

    (1. Henan University, Kaifeng, Henan 475004, China; 2. No.1 Senior High School of Xiangcheng)

    Abstract: When classifying and identifying remote sensing images, deep learning technologies are easy to fall into a local optimum, and model parameters are often adjusted manually. In this paper, a method of adaptive learning rate based on simulated annealing algorithm is proposed, and a stacked denoising auto encoder model is constructed. The learning rate is given a proportion so that it can change automatically in the iteration. The effectiveness, practicability and reliability of above algorithm are verified through comparative experiments and surface fitting methods. The results indicate that the proposed method can automatically adjust the learning rate and avoid local optimal solutions, which improves the classification accuracy and efficiency.

    Key words: simulated annealing algorithm; classification; adaptive; learning rate; stacked denoising auto encoder

    0 引言

    在遙感影像分類領(lǐng)域,模型構(gòu)建和參數(shù)取值對實驗結(jié)果有著很大影響。想要深入學(xué)習(xí)遙感影像特征,就需要依靠不時改變模型參數(shù)值來滿足[1]。

    參數(shù)自適應(yīng)方法的研究在一些領(lǐng)域內(nèi)已有顯著成效,如米龍[2]將自適應(yīng)調(diào)整算法用于改善紅豆的篩選分類結(jié)果;Shrestha等人[3]應(yīng)用以權(quán)值收斂準(zhǔn)則為基礎(chǔ)的自適應(yīng)方法,顯著提高了收斂速度;楊德州等人[4]為解決訓(xùn)練速度較慢的問題,建立了結(jié)合自適應(yīng)學(xué)習(xí)率方法的光熱電場DNI預(yù)測模型;馬偉昌[5]在深度堆疊網(wǎng)絡(luò)的訓(xùn)練算法中引用自適應(yīng)學(xué)習(xí)率思想,改進(jìn)了腦電信號識別方法。

    在遙感影像處理領(lǐng)域,目前大多數(shù)研究依舊采用手動調(diào)整模型參數(shù)的方式,如宋廷強(qiáng)等人[6]根據(jù)訓(xùn)練收斂速度,手動調(diào)整AA-SegNet網(wǎng)絡(luò)模型的學(xué)習(xí)率;雒培磊等人[7]應(yīng)用超參數(shù)人工調(diào)優(yōu)的方式提高影像配準(zhǔn)和拼接精度;朱友君[8]使用手動調(diào)節(jié)超參數(shù)的方式進(jìn)行城市影像道路分割模型訓(xùn)練;鄭重等人[9]通過大量實驗得到合適的地面塌陷識別參數(shù)。雖然均取得了較好成果,但過程耗時耗力。因此面對遙感影像特征復(fù)雜的現(xiàn)狀,本文以研究較少、結(jié)構(gòu)簡單、能夠進(jìn)行特征自動提取的自動編碼器(Auto encoder,AE)[10]為研究基礎(chǔ),基于模擬退火算法并結(jié)合層疊去噪自動編碼器模型,提出一種方便可行的學(xué)習(xí)率自適應(yīng)方法,以適應(yīng)學(xué)習(xí)過程中不斷變化的狀況,跳出局部最優(yōu)解,進(jìn)一步改善分類識別的精度和效率。

    1 數(shù)據(jù)

    本文實驗數(shù)據(jù)來源于數(shù)據(jù)集AID(Aerial image dataset),選擇其中部分內(nèi)容作為實驗數(shù)據(jù),以降低復(fù)雜度[11-13]。具體為:①抽選七類地物,其中二類的數(shù)量為收錄總量,其余五類的樣本數(shù)量均為100個;②用于訓(xùn)練和測試的樣本各585個。表1為整體樣本信息。

    影像尺寸過大,將導(dǎo)致數(shù)據(jù)復(fù)雜度增大,處理效率低。參考以往研究[14]、結(jié)合實驗設(shè)施性能,修改樣本尺寸大小為28pixel×28pixel。并使用最大最小值歸一化方法(Min-Max normalization,MMN)對影像數(shù)據(jù)進(jìn)行預(yù)處理,從而減小數(shù)值之間差異[15]。另外,為了降低挑戰(zhàn)性,先前的分類研究中[16,17]大多均衡設(shè)置每個類別的樣本量,在本文中,每個類別的樣本量并不均衡,可以很好的驗證實驗方法的有效性。

    2 學(xué)習(xí)率自適應(yīng)模型

    2.1 層疊去噪自動編碼器

    層疊去噪自動編碼器(Stacked denoising auto encoder,SDAE),由能夠從注入噪聲的數(shù)據(jù)中重構(gòu)出無噪聲數(shù)據(jù)的去噪自動編碼器(Denoising auto encoder,DAE)層疊構(gòu)成,只需在其頂層加上分類器即可實現(xiàn)分類功能,圖1為其結(jié)構(gòu)模型圖。

    本文選用魯棒性較好的層疊去噪自動編碼器(SDAE)為主要模型,訓(xùn)練過程主要分兩個階段。

    ⑴ 預(yù)訓(xùn)練階段:運(yùn)用逐層貪婪算法進(jìn)行無監(jiān)督訓(xùn)練。依據(jù)樣本和SDAE結(jié)構(gòu)的特點,分別設(shè)置各層DAE的參數(shù)值。之后,導(dǎo)入樣本數(shù)據(jù)進(jìn)行第一個DAE的訓(xùn)練,然后將結(jié)果向下一級傳遞并重復(fù)訓(xùn)練過程,各層DAE都完成訓(xùn)練后結(jié)束。

    ⑵ 微調(diào)階段:預(yù)訓(xùn)練完成后,對整體模型做反向調(diào)優(yōu),以此微調(diào)模型參數(shù)。

    2.2 模擬退火算法

    模擬退火算法(Simulated annealing,SA),一種結(jié)合概率突跳特性的隨機(jī)尋優(yōu)算法[18,19]。基本思想為:按照Metropolis準(zhǔn)則判斷物體從狀態(tài)[A]進(jìn)入[B]時,是否保持[B]為當(dāng)前狀態(tài)。設(shè)狀態(tài)[A]、[B]下的能量分別為:[EA]、[EB]。

    ⑴ [EB≤EA],則接受狀態(tài)向[B]的移動(能量最低的狀態(tài)對應(yīng)于最優(yōu)解)。

    ⑵ [EB>EA],則以概率[PAB]接受[B]為當(dāng)前狀態(tài)。

    [PAB=exp?EKT]? ⑴

    其中[?E]表示能量差,[K]表示Boltzmann常數(shù),[T]表示溫度。

    2.3 基于模擬退火算法的學(xué)習(xí)率自適應(yīng)方法

    本文基于模擬退火算法并結(jié)合SDAE模型提出的學(xué)習(xí)率自適應(yīng)方法,主要過程如下。

    ⑴ 構(gòu)建并初始化SDAE模型。依據(jù)參考文獻(xiàn)[20]將各層的單元數(shù)設(shè)置為:2352-2276-588-284-7。

    ⑵ 設(shè)迭代次數(shù)為[x],學(xué)習(xí)率為[εx]。目標(biāo)函數(shù)如式⑵所示。

    [L=1mi=1mJai,li+λ2Ni=1Wi2]? ⑵

    其中[ai]和[li]分別為含噪數(shù)據(jù)的輸入與重構(gòu)信息,[Jai,li]表示[ai]與[li]之間的誤差絕對值,[λ]為正則系數(shù),[Wi]為權(quán)值矩陣。

    ⑶ 設(shè)學(xué)習(xí)率比例為[R],根據(jù)目標(biāo)函數(shù)判斷學(xué)習(xí)率取值。若[Lx+1≤Lx],則保留[εx+1]作為當(dāng)前學(xué)習(xí)率;若[Lx+1>Lx],則以[R?εx+1]作為當(dāng)前學(xué)習(xí)率。

    ⑷ 判斷學(xué)習(xí)能否結(jié)束。若已達(dá)到終止條件,則停止學(xué)習(xí);否則,依據(jù)條件循環(huán)上述步驟。這一過程有兩個依據(jù):達(dá)到迭代上限或者得到所需精度時[21]。本文選用前者作為判斷條件以獲得實驗所能達(dá)到的最高精度。

    根據(jù)該方法進(jìn)行學(xué)習(xí)時,權(quán)值矩陣[W]和偏置量[b]的更新依據(jù)分別為:

    [?W'n=κ??Wn+ε?Q?L?Wn]? ⑶

    [?b'n=?bn+ε?Q?L?bn]? ?⑷

    其中[κ]表示權(quán)值動量,[Q?L?Wn]、[Q?L?bn]分別表示[W]和[b]的偏導(dǎo)數(shù)均值。

    3 實驗結(jié)果與分析

    使用AID航空圖像數(shù)據(jù)集實驗以證實所提算法的有效性。此外,使用基于曲面擬合的方法驗證其分類結(jié)果的可靠性。

    3.1 結(jié)果與分析

    本文模型采用固定其他參數(shù)不變,分別變動加噪率、正則項和動量項的方法,依據(jù)參數(shù)最優(yōu)原則得出相應(yīng)的最優(yōu)參數(shù)值分別為加噪率0.95、[L2]正則項0.1、動量項0.7,進(jìn)而改變學(xué)習(xí)率取值以得到最佳實驗效果。為避免學(xué)習(xí)率取值過大導(dǎo)致無法收斂,故根據(jù)彈性間隔變動對學(xué)習(xí)率取0.01,0.05,0.1至0.9共11個取值。

    添加自適應(yīng)模型(方法1)與未添加學(xué)習(xí)率比例(方法2)的實驗結(jié)果如圖2所示。

    觀察圖2可知:學(xué)習(xí)率在0.3處時,方法2的分類精度已經(jīng)達(dá)到最高,為82.05%,而在0.01處時,方法1達(dá)到最高精度,為98.97%。這說明學(xué)習(xí)率自適應(yīng)方法能跳出局部最優(yōu)解。

    實驗結(jié)果所對應(yīng)的評價指標(biāo)數(shù)據(jù)見表2、表3。

    由表2、表3可知:

    ⑴ 方法1相較于方法2,Kappa系數(shù)提高了0.2146,整體分類精度(OA)提高了0.1692;

    ⑵ 添加自適應(yīng)方法的實驗中,各類的生產(chǎn)精度(PA)與用戶精度(UA)也均有所提高,其中海灘的PA值增加了50%,教堂的UA值增加了39.31%。

    圖3是在學(xué)習(xí)率為0.01的情況下,更改學(xué)習(xí)率比例得到的分類精度圖。

    從圖3中可以看出,學(xué)習(xí)率比例取值0.01、0.05和0.1時,精度均是最大值98.97%。

    本文計算機(jī)系統(tǒng)為Windows7(64Bit),4核,CPU 2.21GHZ,RAM 4GB;所使用軟件為Matlab(R2016a)。選取學(xué)習(xí)比例為0.1,進(jìn)行自適應(yīng)和手動賦予這兩種方法的實驗耗時對比。結(jié)果表明:當(dāng)采用手動添加時,所用時間為1948.24s;運(yùn)用學(xué)習(xí)率自適應(yīng)方法時僅耗時1356.80s。說明自適應(yīng)方法能夠明顯提高分類實驗效率。

    綜合上述實驗結(jié)果可以看出,將本文方法應(yīng)用到遙感影像分類實驗中,能夠避免陷入局部最優(yōu)陷阱、緩解手動操作效率低的狀況,提高分類精度,縮減實驗時長。

    3.2 基于曲面擬合的精度驗證

    最小二乘算法(Least Square Algorithm,LS)[22]能夠解出具有最優(yōu)參數(shù)的擬合曲線,使得各數(shù)據(jù)點與該曲線之間的距離和值達(dá)到最小。此外,依據(jù)相同的原理,LS還能夠處理最優(yōu)函數(shù)匹配問題。

    設(shè)所擬合的曲面模型為:

    [f=a1+a2x21+a3x22+a4x1x2+a5x1+a6x2ω]? ⑸

    其中[x1]為學(xué)習(xí)率,[x2]為學(xué)習(xí)率比例,[y]為結(jié)果精度,[ai]為系數(shù),[ω]為隨機(jī)誤差項。

    由[x1]、[x2]、[y]構(gòu)成的三維空間點與擬合曲面之間的距離和值達(dá)到最小,便是本文需要求得目標(biāo)函數(shù)的本質(zhì)。由此能夠驗證實驗結(jié)果的可靠性。三維空間點的形式可以表示為[x11,x21,y1,x12,x22,y2,…,x1i,x2i,yi]。實驗中根據(jù)空間點可求得:

    [f=-0.1313-0.9117x21+0.3991x22- 0.2919x1x2]? ? ? ? ?[+1.8006x1-0.0582x2] ⑹

    空間點與函數(shù)⑹之間的距離和值最小,就意味著結(jié)果誤差達(dá)到了最小值。圖4為可視化模型。

    表4展示了空間點能夠擬合的幾個模型。其中F值(統(tǒng)計量觀測值)和R2(可決系數(shù))越大,p值和σ(誤差方差估計值)越小,代表模型擬合效果越佳,具有較高的合理性。表中所展示函數(shù)模型的R2均大于0.6,P值均小于0.05,意味著這些模型都適用于上述空間點的擬合,證明了實驗結(jié)果的可靠性及研究方法的科學(xué)性。模型⑹的R2最高,σ值最小,故其擬合效果最好。

    4 結(jié)束語

    在遙感影像分類研究中,深度學(xué)習(xí)技術(shù)的應(yīng)用在不斷進(jìn)步的同時也遇到了一些阻礙。本文參考已有研究,提出一種結(jié)合模擬退火算法的自適應(yīng)學(xué)習(xí)率方法,旨在研究中跳出局部最優(yōu)、實現(xiàn)自動調(diào)參。采用AID數(shù)據(jù)集進(jìn)行實驗,結(jié)果證明了本文所提的自適應(yīng)學(xué)習(xí)率計算方法能有助于更深層的學(xué)習(xí)影像特征,提高分類精度,學(xué)習(xí)效率也較高,能有效解決以往算法中的陷入局部最優(yōu)和需要手動調(diào)參等問題。下一步研究工作的重點是增加實驗的數(shù)據(jù)量,并增加分類類別以驗證本文算法的泛化性能。

    參考文獻(xiàn)(References):

    [1] 段琳琳.基于深度學(xué)習(xí)的遙感影像分類研究[D]. 河南:河南大學(xué),2018

    [2] 米龍.自適應(yīng)深度學(xué)習(xí)算法在目標(biāo)分類問題中的應(yīng)用[D].沈陽:東北大學(xué),2014

    [3] SHRESTHA S B, SONG Q. Weight convergence of SpikeProp and adaptive learning rate: Communication, Control, & Computing[C], Fifty-first Annual Allerton Conference Allerton House: IEEE,2014

    [4] 楊德州,李錦鍵,呂金歷,等.基于改進(jìn)CNN的光熱電場太陽直接法向輻射預(yù)測研究[J].可再生能源,2021,39(2):182-188

    [5] 馬偉昌.基于自適應(yīng)學(xué)習(xí)率深度堆疊網(wǎng)絡(luò)的腦電信號識別方法研究[D].重慶:重慶郵電大學(xué),2020

    [6] 宋廷強(qiáng),李繼旭,張信耶.基于深度學(xué)習(xí)的高分辨率遙感圖像建筑物識別[J].計算機(jī)工程與應(yīng)用,2020,56(8):26-34

    [7] 雒培磊,李國慶,曾怡.一種改進(jìn)的基于深度學(xué)習(xí)的遙感影像拼接方法[J].計算機(jī)工程與應(yīng)用,2017,53(20):180-186

    [8] 朱友君.基于卷積神經(jīng)網(wǎng)絡(luò)的城市遙感影像道路分割[D].成都:電子科技大學(xué),2019

    [9] 鄭重,張敬東,杜建華.基于深度學(xué)習(xí)的遙感圖像中地面塌陷識別方法研究[J].現(xiàn)代商貿(mào)工業(yè),2017(35): 189-192

    [10] RIFAI S, VINCENT P, MULLER X, et al. Contractive Auto-Encoders: Explicit Invariance During Feature Extraction: Proceedings of the 28 th International Conference on Machine Learning[C]: ICML,2011

    [11] SHAO W, YANG W, XIA G S, et al. A Hierarchical Scheme of Multiple Feature Fusion for High-Resolution Satellite Scene Categorization: Proceedings of the 9th international conference on Computer Vision Systems[C]:ICVS,2013

    [12] ZHOU W, SHAO Z, DIAO C, et al. High-resolution remote-sensing imagery retrieval using sparse features by auto-encoder[J]. Remote Sensing Letters, 2015,6(10-12):775-783

    [13] YANG W, YIN X, XIA G. Learning High-level Features for Satellite Image Classification With Limited Labeled Samples[J]. Transactions on Geoscience and Remote Sensing,2015,53(8):4472-4482

    [14] 柳振東.卷積神經(jīng)網(wǎng)絡(luò)在圖像分類中的研究與應(yīng)用[D].天津:中國民航大學(xué),2017

    [15] 湯榮志.數(shù)據(jù)歸一化方法對提升SVM訓(xùn)練效率的研究[D].濟(jì)南:山東師范大學(xué),2017

    [16] QU B, LI X L, TAO D C, et al. Deep semantic understanding of high resolution remote sensing image: International Conference on Computer[C]: IEEE,2016

    [17] HU F, XIA G, HU J, et al. Transferring Deep Convolutional Neural Networks for the Scene Classification of High-Resolution Remote Sensing Imagery[J].Remote sensing (Basel, Switzerland),2015,7(11):14680-14707

    [18] 江麗.基于粒子群與模擬退火算法的BP網(wǎng)絡(luò)學(xué)習(xí)方法研究[D].合肥:安徽大學(xué),2013

    [19] 陳國飛.基于模擬退火的粒子群算法的函數(shù)優(yōu)化研究[D].長沙:中南大學(xué),2013

    [20] 劉祖瑾,楊玲,劉祖涵,等.一種結(jié)合深度置信網(wǎng)絡(luò)與最優(yōu)尺度的植被提取方法[J].激光與光電子學(xué)進(jìn)展,2018,55(2):158-167

    [21] 滿鳳環(huán),陳秀宏,何佳佳.一種基于模擬退火算法改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)[J].微電子學(xué)與計算機(jī),2017,34(9):58-62

    [22] 張雪峰.最小二乘與最小二乘支撐向量機(jī)[D].成都:電子科技大學(xué),2007

    猜你喜歡
    模擬退火算法自適應(yīng)分類
    分類算一算
    分類討論求坐標(biāo)
    數(shù)據(jù)分析中的分類討論
    教你一招:數(shù)的分類
    智能傳感器中的算法應(yīng)用
    自適應(yīng)的智能搬運(yùn)路徑規(guī)劃算法
    科技視界(2016年26期)2016-12-17 15:53:57
    Ka頻段衛(wèi)星通信自適應(yīng)抗雨衰控制系統(tǒng)設(shè)計
    電子節(jié)氣門非線性控制策略
    汽車科技(2016年5期)2016-11-14 08:03:52
    多天線波束成形的MIMO-OFDM跨層自適應(yīng)資源分配
    改進(jìn)的模擬退火算法及其在裝填問題中的應(yīng)用
    99热精品在线国产| 麻豆国产97在线/欧美| 乱人视频在线观看| 1024手机看黄色片| 观看免费一级毛片| av天堂中文字幕网| 午夜福利在线在线| 欧美一区二区国产精品久久精品| 一本久久中文字幕| 日韩欧美国产在线观看| 免费人成在线观看视频色| 免费av不卡在线播放| 五月伊人婷婷丁香| 校园人妻丝袜中文字幕| 嘟嘟电影网在线观看| 亚洲精华国产精华液的使用体验 | 一本久久中文字幕| 级片在线观看| 免费观看在线日韩| 久久精品影院6| 禁无遮挡网站| 联通29元200g的流量卡| 精品一区二区三区人妻视频| 少妇的逼好多水| 午夜福利在线观看吧| 精品日产1卡2卡| 伦精品一区二区三区| 亚洲人成网站在线播| 国产69精品久久久久777片| 少妇熟女欧美另类| 乱系列少妇在线播放| 一区二区三区免费毛片| 国产精品爽爽va在线观看网站| 嫩草影院精品99| 亚洲av免费在线观看| 精品午夜福利在线看| 91久久精品国产一区二区三区| 日韩av在线大香蕉| 一进一出抽搐动态| 国产精品永久免费网站| 久久久久久久久中文| 免费观看在线日韩| 日韩精品青青久久久久久| 美女黄网站色视频| 我要搜黄色片| 禁无遮挡网站| 女的被弄到高潮叫床怎么办| 免费看av在线观看网站| 精品无人区乱码1区二区| 简卡轻食公司| 国内精品宾馆在线| 久久久久网色| 久久久色成人| 国产亚洲av嫩草精品影院| 午夜福利在线观看吧| 欧美成人一区二区免费高清观看| 男人和女人高潮做爰伦理| 久久久久九九精品影院| 国产成人影院久久av| 三级毛片av免费| 国产在线男女| 最好的美女福利视频网| 嫩草影院新地址| 色视频www国产| 亚洲无线观看免费| 亚洲欧美成人综合另类久久久 | 午夜福利成人在线免费观看| 久久久久久久久久久免费av| 精品一区二区免费观看| 亚洲欧美日韩高清专用| 日韩在线高清观看一区二区三区| 日本色播在线视频| 美女内射精品一级片tv| 国产成人精品一,二区 | 亚洲人成网站在线播| 国产黄片美女视频| av又黄又爽大尺度在线免费看 | 性欧美人与动物交配| av在线亚洲专区| 久久99精品国语久久久| 99久久无色码亚洲精品果冻| 精品久久久噜噜| 亚洲第一区二区三区不卡| 国产男人的电影天堂91| 一进一出抽搐动态| 黄色配什么色好看| 国产精品国产三级国产av玫瑰| 毛片女人毛片| 在线播放无遮挡| 村上凉子中文字幕在线| videossex国产| 一本精品99久久精品77| 中文字幕av成人在线电影| 久久久久久大精品| 美女高潮的动态| 不卡视频在线观看欧美| av免费在线看不卡| 热99re8久久精品国产| 日韩在线高清观看一区二区三区| 国产精品av视频在线免费观看| 美女内射精品一级片tv| 联通29元200g的流量卡| 2022亚洲国产成人精品| 少妇裸体淫交视频免费看高清| 男人狂女人下面高潮的视频| 国产老妇女一区| 国产成年人精品一区二区| 国产淫片久久久久久久久| 久久这里有精品视频免费| 欧美又色又爽又黄视频| 欧美在线一区亚洲| 精品人妻一区二区三区麻豆| 亚洲激情五月婷婷啪啪| 搡老妇女老女人老熟妇| 老女人水多毛片| av.在线天堂| av又黄又爽大尺度在线免费看 | 日本爱情动作片www.在线观看| 久99久视频精品免费| 日本黄色片子视频| 少妇人妻精品综合一区二区 | 亚洲,欧美,日韩| 亚洲国产精品合色在线| 黄色日韩在线| 欧美+亚洲+日韩+国产| 一区福利在线观看| 日日撸夜夜添| 久久久精品欧美日韩精品| 两个人视频免费观看高清| 一区二区三区免费毛片| 干丝袜人妻中文字幕| 免费在线观看成人毛片| 啦啦啦韩国在线观看视频| 国产精品一区二区在线观看99 | 少妇裸体淫交视频免费看高清| 男女视频在线观看网站免费| 超碰av人人做人人爽久久| 性插视频无遮挡在线免费观看| 热99re8久久精品国产| 成年av动漫网址| 99久久无色码亚洲精品果冻| 国产中年淑女户外野战色| 99精品在免费线老司机午夜| 我的老师免费观看完整版| 亚洲av成人av| 精品欧美国产一区二区三| 国产日韩欧美在线精品| 精品不卡国产一区二区三区| 色噜噜av男人的天堂激情| 国产精品爽爽va在线观看网站| av视频在线观看入口| 少妇人妻精品综合一区二区 | 天天一区二区日本电影三级| 人妻夜夜爽99麻豆av| 久久国产乱子免费精品| 黄色视频,在线免费观看| 国产高清有码在线观看视频| 1024手机看黄色片| 国产色爽女视频免费观看| 国产成人午夜福利电影在线观看| 黄色一级大片看看| 九九在线视频观看精品| 日本与韩国留学比较| 3wmmmm亚洲av在线观看| 变态另类丝袜制服| 欧美一区二区亚洲| 美女cb高潮喷水在线观看| 啦啦啦啦在线视频资源| 亚洲久久久久久中文字幕| 99精品在免费线老司机午夜| 黄色配什么色好看| 天天躁夜夜躁狠狠久久av| 国产精品人妻久久久影院| 18禁裸乳无遮挡免费网站照片| 可以在线观看毛片的网站| 亚洲欧美日韩无卡精品| 久久久久网色| 国产精品1区2区在线观看.| 欧美精品国产亚洲| 亚洲不卡免费看| 三级国产精品欧美在线观看| 欧美zozozo另类| 青春草视频在线免费观看| 国产三级在线视频| 久久久久网色| 夫妻性生交免费视频一级片| 超碰av人人做人人爽久久| av黄色大香蕉| 久久久午夜欧美精品| 一个人观看的视频www高清免费观看| 成人美女网站在线观看视频| 久久精品夜夜夜夜夜久久蜜豆| 男插女下体视频免费在线播放| 午夜精品国产一区二区电影 | 久久久久久大精品| 久久久色成人| 亚洲人成网站在线观看播放| 最新中文字幕久久久久| 久久韩国三级中文字幕| 国产av麻豆久久久久久久| 久久精品国产自在天天线| 毛片女人毛片| 亚洲经典国产精华液单| 99九九线精品视频在线观看视频| 亚洲在线自拍视频| 男女下面进入的视频免费午夜| 国产淫片久久久久久久久| 久久鲁丝午夜福利片| 亚洲18禁久久av| 国产精品伦人一区二区| 国产高潮美女av| 岛国在线免费视频观看| 国产精品不卡视频一区二区| 美女国产视频在线观看| 国产v大片淫在线免费观看| 国产成人精品久久久久久| 国产黄色小视频在线观看| 国产色爽女视频免费观看| 亚洲成人精品中文字幕电影| 久99久视频精品免费| 老熟妇乱子伦视频在线观看| 噜噜噜噜噜久久久久久91| 久久久久久久久久久丰满| 欧美+亚洲+日韩+国产| 欧美在线一区亚洲| 成人午夜精彩视频在线观看| 色综合亚洲欧美另类图片| 午夜福利视频1000在线观看| 久久精品国产清高在天天线| 最近手机中文字幕大全| 少妇的逼水好多| 一区福利在线观看| 午夜激情欧美在线| 成人特级黄色片久久久久久久| 中文字幕熟女人妻在线| 一级毛片aaaaaa免费看小| 精品国产三级普通话版| 99热这里只有是精品在线观看| 免费av不卡在线播放| 乱人视频在线观看| 国产激情偷乱视频一区二区| 国产精品人妻久久久影院| 91精品国产九色| 一进一出抽搐gif免费好疼| 亚洲精品影视一区二区三区av| 国产在线男女| 久久人人爽人人爽人人片va| 级片在线观看| 亚洲成人中文字幕在线播放| 午夜爱爱视频在线播放| h日本视频在线播放| 日韩欧美三级三区| 午夜精品国产一区二区电影 | 午夜免费激情av| 欧美人与善性xxx| 久久精品影院6| 国产单亲对白刺激| 久久久午夜欧美精品| 春色校园在线视频观看| .国产精品久久| 欧美性猛交╳xxx乱大交人| 国产成人精品一,二区 | 99精品在免费线老司机午夜| 久久99热这里只有精品18| 国产亚洲欧美98| 1000部很黄的大片| 免费观看的影片在线观看| 国产精品乱码一区二三区的特点| 最近视频中文字幕2019在线8| 最近最新中文字幕大全电影3| 亚洲精品日韩av片在线观看| 国产亚洲欧美98| 99久久久亚洲精品蜜臀av| 久久午夜福利片| 欧美激情国产日韩精品一区| 久久久久久国产a免费观看| 乱码一卡2卡4卡精品| 亚洲中文字幕日韩| 国产精品.久久久| 91aial.com中文字幕在线观看| 听说在线观看完整版免费高清| 欧美在线一区亚洲| 18禁裸乳无遮挡免费网站照片| 中文在线观看免费www的网站| 99热精品在线国产| 91午夜精品亚洲一区二区三区| а√天堂www在线а√下载| 高清在线视频一区二区三区 | 老女人水多毛片| 波野结衣二区三区在线| 亚洲成人中文字幕在线播放| 在线观看美女被高潮喷水网站| 六月丁香七月| 99久国产av精品| 精品国内亚洲2022精品成人| 成年女人看的毛片在线观看| 亚洲欧洲国产日韩| 国产精品久久久久久av不卡| 天堂影院成人在线观看| 欧美日韩综合久久久久久| 少妇裸体淫交视频免费看高清| 亚洲av中文字字幕乱码综合| 国产一区二区激情短视频| 国产又黄又爽又无遮挡在线| 久久精品夜夜夜夜夜久久蜜豆| 久久精品久久久久久久性| 12—13女人毛片做爰片一| 一级毛片我不卡| 国产成人freesex在线| a级毛片a级免费在线| 中文字幕久久专区| 亚洲精品色激情综合| 99久久成人亚洲精品观看| 少妇人妻一区二区三区视频| 免费看日本二区| 99国产极品粉嫩在线观看| 国产人妻一区二区三区在| 欧美区成人在线视频| 丝袜美腿在线中文| 白带黄色成豆腐渣| 日日摸夜夜添夜夜爱| 特级一级黄色大片| 午夜亚洲福利在线播放| 国产精品99久久久久久久久| 综合色丁香网| 伦精品一区二区三区| 亚洲精品国产成人久久av| 欧美最黄视频在线播放免费| 波多野结衣高清作品| 国产又黄又爽又无遮挡在线| 丰满人妻一区二区三区视频av| 人妻久久中文字幕网| 久久人人精品亚洲av| 51国产日韩欧美| 欧美一区二区精品小视频在线| 国产亚洲av嫩草精品影院| 在线观看免费视频日本深夜| 99riav亚洲国产免费| 国产精品.久久久| 嫩草影院精品99| 国产日韩欧美在线精品| 国产精品福利在线免费观看| 亚洲无线在线观看| 天天躁夜夜躁狠狠久久av| 一个人免费在线观看电影| 内地一区二区视频在线| 久久精品91蜜桃| 亚洲欧美日韩卡通动漫| 欧美潮喷喷水| 久久99热这里只有精品18| 国产片特级美女逼逼视频| 啦啦啦观看免费观看视频高清| 亚洲自拍偷在线| 狂野欧美白嫩少妇大欣赏| 插逼视频在线观看| 综合色丁香网| 赤兔流量卡办理| 18禁黄网站禁片免费观看直播| 能在线免费观看的黄片| 日日摸夜夜添夜夜添av毛片| 中文欧美无线码| 亚洲成人久久爱视频| 啦啦啦韩国在线观看视频| 精品久久久久久久久亚洲| 亚洲精品国产av成人精品| 人妻制服诱惑在线中文字幕| 天堂√8在线中文| 人妻系列 视频| 三级男女做爰猛烈吃奶摸视频| 99国产精品一区二区蜜桃av| 国产亚洲精品av在线| 国产亚洲91精品色在线| 亚洲人成网站在线播| 99国产极品粉嫩在线观看| 男女视频在线观看网站免费| 一级毛片aaaaaa免费看小| 国产精品一及| 成人亚洲精品av一区二区| 男的添女的下面高潮视频| 春色校园在线视频观看| 久久鲁丝午夜福利片| 国产精品精品国产色婷婷| 国内精品久久久久精免费| 97人妻精品一区二区三区麻豆| 免费人成视频x8x8入口观看| 成人午夜精彩视频在线观看| 久久中文看片网| 国产91av在线免费观看| 日日啪夜夜撸| 国产精品嫩草影院av在线观看| 国产精品一区二区三区四区免费观看| 天堂√8在线中文| 亚洲av电影不卡..在线观看| 欧美+亚洲+日韩+国产| 能在线免费看毛片的网站| 久久久久久久久中文| 草草在线视频免费看| 精品一区二区三区视频在线| 搞女人的毛片| 热99在线观看视频| 亚洲人与动物交配视频| 国产老妇女一区| 国产精品久久久久久av不卡| 你懂的网址亚洲精品在线观看 | 日本一二三区视频观看| 我的老师免费观看完整版| 国产人妻一区二区三区在| 国内少妇人妻偷人精品xxx网站| 午夜激情欧美在线| 久久国产乱子免费精品| 日本三级黄在线观看| 亚洲av.av天堂| 久久久久久久亚洲中文字幕| 99在线人妻在线中文字幕| 国产精品野战在线观看| 欧美一区二区亚洲| 国产精品.久久久| 中国美女看黄片| 插逼视频在线观看| 国产精品一区www在线观看| 国内少妇人妻偷人精品xxx网站| 热99re8久久精品国产| 自拍偷自拍亚洲精品老妇| 国产一级毛片在线| 亚洲综合色惰| 日韩视频在线欧美| 欧美性猛交黑人性爽| 成人永久免费在线观看视频| 毛片一级片免费看久久久久| 国产午夜福利久久久久久| 精品一区二区三区视频在线| 人人妻人人澡欧美一区二区| 亚洲久久久久久中文字幕| 国产成人91sexporn| 老女人水多毛片| 国产国拍精品亚洲av在线观看| 精品久久久久久久人妻蜜臀av| 99九九线精品视频在线观看视频| 欧美不卡视频在线免费观看| 给我免费播放毛片高清在线观看| 此物有八面人人有两片| 亚洲av不卡在线观看| 婷婷六月久久综合丁香| 免费观看a级毛片全部| 国产视频内射| 男人舔女人下体高潮全视频| 男女那种视频在线观看| 久久久精品94久久精品| 国产亚洲精品久久久久久毛片| av卡一久久| 亚洲中文字幕日韩| 99国产精品一区二区蜜桃av| 伊人久久精品亚洲午夜| 国产高清有码在线观看视频| 夜夜看夜夜爽夜夜摸| 一区二区三区免费毛片| 成人午夜精彩视频在线观看| 深夜精品福利| 丝袜喷水一区| 亚洲欧美日韩无卡精品| 久99久视频精品免费| 夜夜看夜夜爽夜夜摸| 国模一区二区三区四区视频| 成人亚洲欧美一区二区av| 国产黄色小视频在线观看| 亚洲国产日韩欧美精品在线观看| 嫩草影院精品99| 中文在线观看免费www的网站| 男女啪啪激烈高潮av片| 最近中文字幕高清免费大全6| 真实男女啪啪啪动态图| 国产精品久久久久久精品电影| 成人性生交大片免费视频hd| 久久精品91蜜桃| 精品一区二区三区视频在线| 免费看光身美女| 国产精品一区二区三区四区久久| 久久久a久久爽久久v久久| 搡女人真爽免费视频火全软件| 麻豆成人午夜福利视频| 久久精品91蜜桃| 99久国产av精品国产电影| 内地一区二区视频在线| 成年女人看的毛片在线观看| 一边摸一边抽搐一进一小说| 在线观看免费视频日本深夜| 国产精品女同一区二区软件| 欧美一级a爱片免费观看看| 丰满人妻一区二区三区视频av| 中文字幕人妻熟人妻熟丝袜美| 男女下面进入的视频免费午夜| 亚洲不卡免费看| 99久久中文字幕三级久久日本| 日本一本二区三区精品| 国产男人的电影天堂91| 国内精品久久久久精免费| 丰满的人妻完整版| 国产av一区在线观看免费| 18禁黄网站禁片免费观看直播| 国产中年淑女户外野战色| 特级一级黄色大片| 综合色av麻豆| 亚洲丝袜综合中文字幕| 亚洲国产欧美在线一区| 亚洲不卡免费看| 中文欧美无线码| 国产精品一二三区在线看| 中文字幕av成人在线电影| 99久久无色码亚洲精品果冻| 久久这里有精品视频免费| 亚洲欧洲日产国产| 成人一区二区视频在线观看| 亚洲精品国产成人久久av| 久久久久久久久久成人| 青春草亚洲视频在线观看| 欧美日本视频| 综合色av麻豆| 免费av观看视频| 欧美性猛交╳xxx乱大交人| 精品少妇黑人巨大在线播放 | 国产真实伦视频高清在线观看| 国产v大片淫在线免费观看| 国产午夜精品久久久久久一区二区三区| 三级毛片av免费| 此物有八面人人有两片| 国产成人aa在线观看| 国产女主播在线喷水免费视频网站 | 能在线免费看毛片的网站| 插逼视频在线观看| 99久久精品国产国产毛片| 悠悠久久av| 精品无人区乱码1区二区| av在线观看视频网站免费| 免费看日本二区| 日韩精品有码人妻一区| 国产精品嫩草影院av在线观看| 日韩视频在线欧美| 久久这里有精品视频免费| 美女xxoo啪啪120秒动态图| 少妇高潮的动态图| 99久久精品国产国产毛片| 久久精品国产亚洲av涩爱 | 成人av在线播放网站| 老熟妇乱子伦视频在线观看| 一边摸一边抽搐一进一小说| 国语自产精品视频在线第100页| 午夜福利视频1000在线观看| 国产爱豆传媒在线观看| 亚洲成a人片在线一区二区| 五月伊人婷婷丁香| 99国产精品一区二区蜜桃av| 伦精品一区二区三区| 黄色视频,在线免费观看| 人人妻人人看人人澡| 国产真实伦视频高清在线观看| 日韩一区二区三区影片| 日韩中字成人| av黄色大香蕉| 99热只有精品国产| 精品久久久久久久久久久久久| 变态另类丝袜制服| 熟妇人妻久久中文字幕3abv| 亚洲精品影视一区二区三区av| 国产伦理片在线播放av一区 | 久久久久九九精品影院| 成人欧美大片| 美女xxoo啪啪120秒动态图| 婷婷亚洲欧美| 一个人观看的视频www高清免费观看| 国产熟女欧美一区二区| 国产精品一区www在线观看| 国产一区二区三区av在线 | 国产精品国产高清国产av| 久久久久久大精品| 国产精品乱码一区二三区的特点| 99riav亚洲国产免费| ponron亚洲| 国产精品久久久久久久久免| 菩萨蛮人人尽说江南好唐韦庄 | 91av网一区二区| 成年av动漫网址| 亚洲自拍偷在线| 成熟少妇高潮喷水视频| 日韩欧美一区二区三区在线观看| 欧美一级a爱片免费观看看| 中国国产av一级| 亚洲经典国产精华液单| 国产淫片久久久久久久久| 日日啪夜夜撸| 国产精品永久免费网站| 亚洲国产欧美在线一区| 欧美人与善性xxx| 男人的好看免费观看在线视频| 22中文网久久字幕| 国产精品美女特级片免费视频播放器| 一进一出抽搐gif免费好疼| 麻豆精品久久久久久蜜桃| av在线观看视频网站免费| 亚洲国产精品国产精品| 欧美精品国产亚洲| 免费av观看视频| 欧美日韩乱码在线| 可以在线观看毛片的网站| a级毛片免费高清观看在线播放| 日韩国内少妇激情av| 一区二区三区免费毛片| 在线a可以看的网站| 韩国av在线不卡| www.色视频.com| 18+在线观看网站| 嫩草影院入口| 亚洲成人av在线免费| 中文字幕精品亚洲无线码一区| 最新中文字幕久久久久| 啦啦啦观看免费观看视频高清|