• <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
    秋霞伦理黄片| 午夜亚洲福利在线播放| 国产精品久久久久久精品电影小说 | 免费电影在线观看免费观看| 亚洲成人精品中文字幕电影| 美女脱内裤让男人舔精品视频| 国产成人精品福利久久| 国产激情偷乱视频一区二区| 亚洲图色成人| 99热全是精品| 非洲黑人性xxxx精品又粗又长| 能在线免费观看的黄片| 好男人在线观看高清免费视频| 亚洲国产色片| 国产色婷婷99| 人妻夜夜爽99麻豆av| 草草在线视频免费看| 超碰av人人做人人爽久久| 能在线免费观看的黄片| 欧美日本视频| 国产精品福利在线免费观看| 在线观看美女被高潮喷水网站| 一级黄片播放器| 联通29元200g的流量卡| 91久久精品电影网| 色哟哟·www| 亚洲四区av| 观看免费一级毛片| 我的老师免费观看完整版| 99热网站在线观看| 久久国内精品自在自线图片| 精品久久久噜噜| 国产熟女欧美一区二区| 国产精品人妻久久久影院| 美女内射精品一级片tv| 日本三级黄在线观看| 岛国毛片在线播放| 男女下面进入的视频免费午夜| 美女xxoo啪啪120秒动态图| 国产美女午夜福利| 亚洲精华国产精华液的使用体验| 亚洲精品日韩av片在线观看| 国产av国产精品国产| 国产亚洲一区二区精品| 少妇熟女aⅴ在线视频| 亚洲国产精品sss在线观看| 激情 狠狠 欧美| 人妻少妇偷人精品九色| 久久久欧美国产精品| 两个人的视频大全免费| 国产精品av视频在线免费观看| 97在线视频观看| 精品久久久精品久久久| 尤物成人国产欧美一区二区三区| 成人一区二区视频在线观看| 欧美区成人在线视频| 寂寞人妻少妇视频99o| 久久这里只有精品中国| 天堂√8在线中文| 99久国产av精品国产电影| 亚洲人成网站在线播| 亚洲在线观看片| 欧美区成人在线视频| 久久久久久伊人网av| 超碰av人人做人人爽久久| 高清欧美精品videossex| 最近2019中文字幕mv第一页| av在线播放精品| 免费大片18禁| 免费观看性生交大片5| 国产精品精品国产色婷婷| av一本久久久久| 床上黄色一级片| 哪个播放器可以免费观看大片| 精品熟女少妇av免费看| 国产大屁股一区二区在线视频| 免费看av在线观看网站| 国产精品一二三区在线看| 一个人免费在线观看电影| 禁无遮挡网站| 三级国产精品片| 亚洲精品一区蜜桃| 国产午夜精品一二区理论片| 伊人久久精品亚洲午夜| 纵有疾风起免费观看全集完整版 | 国产 一区精品| 亚洲精品色激情综合| 亚洲自偷自拍三级| 亚洲精品国产成人久久av| 美女cb高潮喷水在线观看| 久久精品国产亚洲av天美| 尾随美女入室| 国产伦一二天堂av在线观看| 亚洲av日韩在线播放| 免费观看在线日韩| 日本色播在线视频| 免费电影在线观看免费观看| 亚洲欧洲日产国产| av在线播放精品| 日日干狠狠操夜夜爽| 精品久久久精品久久久| 在现免费观看毛片| 亚洲欧美一区二区三区国产| 久久精品国产鲁丝片午夜精品| 十八禁国产超污无遮挡网站| 精品一区二区三卡| 91狼人影院| 看十八女毛片水多多多| 久久热精品热| 亚洲国产精品sss在线观看| 国产一区亚洲一区在线观看| 国产成年人精品一区二区| 国产精品爽爽va在线观看网站| 观看美女的网站| 国产精品熟女久久久久浪| 免费黄网站久久成人精品| 日韩,欧美,国产一区二区三区| 一区二区三区高清视频在线| 久久久成人免费电影| 国产国拍精品亚洲av在线观看| 亚洲av免费高清在线观看| 日韩电影二区| 亚洲乱码一区二区免费版| 欧美一区二区亚洲| 久久久久久久大尺度免费视频| 欧美激情久久久久久爽电影| 精品午夜福利在线看| 亚洲高清免费不卡视频| 女人被狂操c到高潮| 免费少妇av软件| 久久久久国产网址| 九九在线视频观看精品| av免费观看日本| 视频中文字幕在线观看| 久久久色成人| 99久国产av精品国产电影| 国产乱来视频区| 三级国产精品片| 熟妇人妻不卡中文字幕| 国产色婷婷99| 青春草视频在线免费观看| 色5月婷婷丁香| 三级经典国产精品| 色网站视频免费| 日韩欧美 国产精品| 男人舔奶头视频| 又大又黄又爽视频免费| 国产不卡一卡二| 国产精品人妻久久久影院| 亚洲熟妇中文字幕五十中出| 观看美女的网站| 久久久色成人| 狠狠精品人妻久久久久久综合| 观看免费一级毛片| 三级男女做爰猛烈吃奶摸视频| 亚洲自拍偷在线| 中国国产av一级| 人妻少妇偷人精品九色| 三级国产精品片| 99久国产av精品| 日韩视频在线欧美| 最近中文字幕2019免费版| 精品一区二区三区人妻视频| 免费观看a级毛片全部| 日本猛色少妇xxxxx猛交久久| 国产成人a∨麻豆精品| 亚洲成人久久爱视频| 亚洲av不卡在线观看| av专区在线播放| 在线a可以看的网站| 久久国产乱子免费精品| 激情 狠狠 欧美| 日韩av免费高清视频| 亚洲精品成人久久久久久| xxx大片免费视频| 成人午夜高清在线视频| 亚洲av福利一区| 久久精品综合一区二区三区| 最近手机中文字幕大全| 国产探花极品一区二区| 亚洲精品久久久久久婷婷小说| 男女国产视频网站| 精品欧美国产一区二区三| 老女人水多毛片| 色5月婷婷丁香| 麻豆久久精品国产亚洲av| 亚洲欧美精品专区久久| 亚洲精品久久久久久婷婷小说| 一级毛片电影观看| or卡值多少钱| videossex国产| 直男gayav资源| 最近中文字幕2019免费版| 一级毛片 在线播放| 亚洲最大成人手机在线| 免费少妇av软件| 1000部很黄的大片| 国产成人91sexporn| av卡一久久| 国产久久久一区二区三区| 99久久九九国产精品国产免费| 黄片无遮挡物在线观看| 日韩强制内射视频| 大香蕉97超碰在线| 国产乱人偷精品视频| 日本熟妇午夜| 精品人妻视频免费看| 视频中文字幕在线观看| 韩国av在线不卡| 日韩欧美国产在线观看| 99re6热这里在线精品视频| ponron亚洲| 亚洲熟妇中文字幕五十中出| 午夜福利在线观看吧| 精品亚洲乱码少妇综合久久| av天堂中文字幕网| 国内揄拍国产精品人妻在线| 国产亚洲最大av| 99热6这里只有精品| 亚洲无线观看免费| 亚洲精品日韩在线中文字幕| 国产一区二区亚洲精品在线观看| 麻豆乱淫一区二区| 黄色欧美视频在线观看| 天天躁夜夜躁狠狠久久av| 亚洲欧美成人综合另类久久久| 天天躁日日操中文字幕| 高清毛片免费看| 国产高清不卡午夜福利| av在线观看视频网站免费| 久久精品久久精品一区二区三区| 男人和女人高潮做爰伦理| 国产精品麻豆人妻色哟哟久久 | 又粗又硬又长又爽又黄的视频| 国模一区二区三区四区视频| 亚洲av成人精品一区久久| av.在线天堂| 男女边吃奶边做爰视频| 最近的中文字幕免费完整| 大又大粗又爽又黄少妇毛片口| 国内少妇人妻偷人精品xxx网站| 国产黄a三级三级三级人| 亚洲欧美一区二区三区国产| 国产在线男女| 2022亚洲国产成人精品| 淫秽高清视频在线观看| 午夜激情欧美在线| 国产精品99久久久久久久久| 久久热精品热| 日本猛色少妇xxxxx猛交久久| 毛片女人毛片| 国产色婷婷99| 午夜福利在线观看免费完整高清在| 丰满人妻一区二区三区视频av| 一个人观看的视频www高清免费观看| 男人狂女人下面高潮的视频| 熟妇人妻久久中文字幕3abv| 男女边摸边吃奶| 成人特级av手机在线观看| 非洲黑人性xxxx精品又粗又长| 亚洲av中文字字幕乱码综合| 精品人妻偷拍中文字幕| 亚洲内射少妇av| 美女高潮的动态| 看十八女毛片水多多多| 日韩伦理黄色片| 六月丁香七月| 亚洲美女搞黄在线观看| 伦理电影大哥的女人| 美女主播在线视频| 一区二区三区四区激情视频| 成人二区视频| 亚洲精品一二三| 日韩欧美 国产精品| 爱豆传媒免费全集在线观看| 国产片特级美女逼逼视频| 亚洲av成人精品一区久久| 日本-黄色视频高清免费观看| 美女黄网站色视频| 在线 av 中文字幕| 大又大粗又爽又黄少妇毛片口| freevideosex欧美| 18禁在线播放成人免费| 国产精品久久久久久久久免| 国产毛片a区久久久久| 精品一区二区免费观看| 婷婷色综合www| 精品久久久噜噜| 国产黄色免费在线视频| 在线观看美女被高潮喷水网站| 色视频www国产| 岛国毛片在线播放| 色吧在线观看| 高清欧美精品videossex| 联通29元200g的流量卡| 三级国产精品欧美在线观看| 一级片'在线观看视频| 久99久视频精品免费| 80岁老熟妇乱子伦牲交| 蜜臀久久99精品久久宅男| 69av精品久久久久久| 直男gayav资源| av在线蜜桃| 久久久精品欧美日韩精品| 亚洲久久久久久中文字幕| 欧美区成人在线视频| 91久久精品国产一区二区三区| 国产免费福利视频在线观看| 久久久精品欧美日韩精品| 日本一二三区视频观看| 日韩一区二区视频免费看| 国产成人精品久久久久久| 亚州av有码| 国产精品嫩草影院av在线观看| 中文字幕人妻熟人妻熟丝袜美| 国产有黄有色有爽视频| 又粗又硬又长又爽又黄的视频| 亚洲一区高清亚洲精品| 国产成人精品福利久久| 免费不卡的大黄色大毛片视频在线观看 | 三级毛片av免费| 麻豆成人av视频| xxx大片免费视频| 亚洲精品乱码久久久v下载方式| 国产一区二区三区av在线| 在线免费观看不下载黄p国产| 三级国产精品欧美在线观看| 国精品久久久久久国模美| 国产精品人妻久久久久久| 国产黄a三级三级三级人| 又黄又爽又刺激的免费视频.| 欧美日韩精品成人综合77777| 人妻系列 视频| 人妻夜夜爽99麻豆av| 国产在视频线精品| 一级毛片黄色毛片免费观看视频| 成人无遮挡网站| 看十八女毛片水多多多| 天天躁日日操中文字幕| 波野结衣二区三区在线| 欧美成人一区二区免费高清观看| 九九在线视频观看精品| 国产在视频线精品| 免费观看在线日韩| 国内精品宾馆在线| 国产一级毛片七仙女欲春2| 禁无遮挡网站| 亚洲欧美一区二区三区黑人 | 男女啪啪激烈高潮av片| 97精品久久久久久久久久精品| 国产免费一级a男人的天堂| 最近手机中文字幕大全| 成年女人看的毛片在线观看| 国产亚洲精品久久久com| 最近中文字幕2019免费版| 超碰av人人做人人爽久久| 十八禁国产超污无遮挡网站| av网站免费在线观看视频 | 亚洲国产成人一精品久久久| 免费观看av网站的网址| 18禁在线播放成人免费| av在线老鸭窝| 永久网站在线| 男女边吃奶边做爰视频| 亚洲成人一二三区av| 精品国产一区二区三区久久久樱花 | av在线播放精品| 国产日韩欧美在线精品| av播播在线观看一区| 午夜福利视频1000在线观看| 中文字幕av在线有码专区| 亚洲欧洲国产日韩| 三级毛片av免费| 三级男女做爰猛烈吃奶摸视频| 综合色av麻豆| 国产在线一区二区三区精| 神马国产精品三级电影在线观看| 亚洲国产精品成人综合色| 久久久a久久爽久久v久久| 亚洲成人精品中文字幕电影| 能在线免费看毛片的网站| 免费看不卡的av| 亚洲国产精品专区欧美| 99热这里只有是精品在线观看| 岛国毛片在线播放| 久久久久久国产a免费观看| 免费看日本二区| 国内少妇人妻偷人精品xxx网站| 禁无遮挡网站| 国产免费一级a男人的天堂| 好男人在线观看高清免费视频| 寂寞人妻少妇视频99o| 一本一本综合久久| 中文天堂在线官网| 精品欧美国产一区二区三| 熟女电影av网| 在线 av 中文字幕| 国产乱人视频| 欧美xxxx性猛交bbbb| 精品人妻偷拍中文字幕| 51国产日韩欧美| 两个人的视频大全免费| 最近2019中文字幕mv第一页| 久久久亚洲精品成人影院| 国产精品嫩草影院av在线观看| 人妻夜夜爽99麻豆av| 亚洲欧美中文字幕日韩二区| 中文字幕av成人在线电影| 免费黄色在线免费观看| 国产av在哪里看| 成人鲁丝片一二三区免费| 亚洲乱码一区二区免费版| 亚洲成人一二三区av| 欧美bdsm另类| 中文字幕人妻熟人妻熟丝袜美| 免费电影在线观看免费观看| 联通29元200g的流量卡| 欧美性猛交╳xxx乱大交人| 亚洲,欧美,日韩| 视频中文字幕在线观看| 成年版毛片免费区| 亚洲国产最新在线播放| 精品一区二区三区人妻视频| 狂野欧美白嫩少妇大欣赏| 亚洲精品乱码久久久久久按摩| 一级黄片播放器| 国产午夜精品久久久久久一区二区三区| 如何舔出高潮| 亚洲伊人久久精品综合| 欧美97在线视频| 夫妻午夜视频| 日本熟妇午夜| 久久久久九九精品影院| 男的添女的下面高潮视频| 三级国产精品片| 日本色播在线视频| 尤物成人国产欧美一区二区三区| 亚洲熟妇中文字幕五十中出| 亚洲国产日韩欧美精品在线观看| 日本av手机在线免费观看| 大香蕉久久网| 一本久久精品| 中文字幕av成人在线电影| 99热这里只有是精品在线观看| 亚洲av日韩在线播放| av国产久精品久网站免费入址| 久久久久免费精品人妻一区二区| 亚洲av男天堂| 国产精品蜜桃在线观看| 天天躁夜夜躁狠狠久久av| 高清欧美精品videossex| 欧美+日韩+精品| 亚洲av福利一区| 午夜福利成人在线免费观看| 午夜福利高清视频| 性色avwww在线观看| 99久久九九国产精品国产免费| 综合色av麻豆| 亚洲三级黄色毛片| 免费电影在线观看免费观看| 亚洲人成网站在线播| 国产午夜精品久久久久久一区二区三区| 国产人妻一区二区三区在| 99视频精品全部免费 在线| 亚洲国产精品成人综合色| 国产伦在线观看视频一区| 成人特级av手机在线观看| 精品一区二区三卡| 高清日韩中文字幕在线| 大话2 男鬼变身卡| 国产av不卡久久| 天堂影院成人在线观看| 国产精品福利在线免费观看| 老司机影院成人| av天堂中文字幕网| av在线播放精品| 久久久久免费精品人妻一区二区| 精品久久久久久久久av| 国产成人a区在线观看| 国产精品av视频在线免费观看| 亚洲精品中文字幕在线视频 | 日韩av不卡免费在线播放| 国内精品宾馆在线| 亚洲国产高清在线一区二区三| 国产精品久久久久久av不卡| 黄色配什么色好看| 国产精品精品国产色婷婷| 天堂av国产一区二区熟女人妻| 精品久久国产蜜桃| 精品久久久久久久人妻蜜臀av| 男女国产视频网站| 18+在线观看网站| 91久久精品国产一区二区三区| 午夜免费男女啪啪视频观看| 亚洲欧美日韩卡通动漫| av在线蜜桃| 成人二区视频| 黑人高潮一二区| 国产伦理片在线播放av一区| 性色avwww在线观看| 日韩av在线免费看完整版不卡| 午夜精品国产一区二区电影 | 观看美女的网站| 熟女电影av网| 色视频www国产| 国产成人91sexporn| 波多野结衣巨乳人妻| 一二三四中文在线观看免费高清| 国内精品美女久久久久久| 午夜激情福利司机影院| 99久久精品热视频| 久久久欧美国产精品| 亚洲精品影视一区二区三区av| 午夜福利高清视频| 成年av动漫网址| 国产精品国产三级国产av玫瑰| 91精品一卡2卡3卡4卡| 一区二区三区免费毛片| 国产永久视频网站| 特大巨黑吊av在线直播| av又黄又爽大尺度在线免费看| 国产伦精品一区二区三区四那| 国产亚洲最大av| .国产精品久久| 免费黄色在线免费观看| 久久这里只有精品中国| a级一级毛片免费在线观看| 成人漫画全彩无遮挡| 网址你懂的国产日韩在线| 国产精品久久久久久精品电影小说 | 亚洲av中文字字幕乱码综合| 午夜福利视频精品| 亚洲精品乱码久久久久久按摩| 高清毛片免费看| a级毛片免费高清观看在线播放| 99久久九九国产精品国产免费| 成年人午夜在线观看视频 | 成人午夜高清在线视频| 成人亚洲精品一区在线观看 | 久久久久久久久中文| 亚洲18禁久久av| 久久久精品免费免费高清| 色哟哟·www| 中文字幕人妻熟人妻熟丝袜美| 精品一区二区免费观看| 99久久人妻综合| 久久99热这里只有精品18| 免费黄网站久久成人精品| 99热网站在线观看| 男女那种视频在线观看| 久久久久久久久大av| 国产免费又黄又爽又色| 日韩欧美三级三区| 啦啦啦韩国在线观看视频| 色哟哟·www| 91精品一卡2卡3卡4卡| 国产黄色小视频在线观看| 久久鲁丝午夜福利片| 国产精品久久视频播放| 国产av码专区亚洲av| 久久久久精品性色| 人人妻人人澡欧美一区二区| 成年免费大片在线观看| 日韩伦理黄色片| 亚洲av在线观看美女高潮| 一级毛片 在线播放| 青春草视频在线免费观看| 久久久久久国产a免费观看| av在线亚洲专区| 午夜亚洲福利在线播放| 九草在线视频观看| 最后的刺客免费高清国语| 日本-黄色视频高清免费观看| 久久久久精品性色| 免费观看av网站的网址| 亚洲欧美日韩卡通动漫| 白带黄色成豆腐渣| 草草在线视频免费看| 免费看不卡的av| 国产视频首页在线观看| 国产精品99久久久久久久久| 午夜老司机福利剧场| 亚洲乱码一区二区免费版| 中文字幕久久专区| 国产高清有码在线观看视频| 人妻制服诱惑在线中文字幕| 亚洲婷婷狠狠爱综合网| av在线观看视频网站免费| 精品人妻一区二区三区麻豆| 免费播放大片免费观看视频在线观看| 国产色婷婷99| 美女内射精品一级片tv| 亚洲成人精品中文字幕电影| 国产色婷婷99| 欧美另类一区| 午夜免费男女啪啪视频观看| 乱人视频在线观看| 国产一级毛片在线| 成人国产麻豆网| 色5月婷婷丁香| 日韩亚洲欧美综合| 日韩制服骚丝袜av| 国产精品99久久久久久久久| 青青草视频在线视频观看| 男的添女的下面高潮视频| 天堂影院成人在线观看| 日韩成人av中文字幕在线观看| 中文字幕av在线有码专区| 午夜福利在线观看吧| 中文欧美无线码| av专区在线播放| 婷婷色综合www| 寂寞人妻少妇视频99o| av线在线观看网站| 日本av手机在线免费观看|