• <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Dropblock卷積神經(jīng)網(wǎng)絡(luò)的分纖箱智能質(zhì)檢

    2022-06-22 04:03:20朱輝陳堅袁建行
    關(guān)鍵詞:分類器標(biāo)簽卷積

    朱輝, 陳堅, 袁建行

    1.中國移動通信集團(tuán)四川有限公司,成都 610000;2.西南大學(xué) 計算機(jī)與信息科學(xué)學(xué)院,重慶 400715;3.網(wǎng)思科技股份有限公司,成都 610000

    傳輸網(wǎng)絡(luò)是通信網(wǎng)絡(luò)中的重要組成部分,在接入側(cè)的傳輸網(wǎng)絡(luò)中包含大量的分纖箱,分纖箱主要位于樓道或弱電井內(nèi),做好對分纖箱的維護(hù),對于保證傳輸網(wǎng)絡(luò)正常穩(wěn)定的運(yùn)行及傳輸網(wǎng)絡(luò)的質(zhì)量具有極其重要的作用.

    在現(xiàn)有的傳輸網(wǎng)絡(luò)維護(hù)模式中,主要由前端維護(hù)人員到現(xiàn)場對分纖箱開展巡檢、優(yōu)化等維護(hù)工作,并將現(xiàn)場維護(hù)的情況通過照片傳回到后端,再由后端質(zhì)檢人員對傳回來的照片進(jìn)行質(zhì)檢,質(zhì)檢的內(nèi)容包括分纖箱是否有保護(hù)線、是否有包含必要信息的標(biāo)簽等,如圖1.這種模式效率低、效果差,面對海量的圖片數(shù)據(jù),后端人工質(zhì)檢遠(yuǎn)遠(yuǎn)不能檢查全部圖片,只能抽檢部分圖片,而且不同質(zhì)檢人員對驗(yàn)收標(biāo)準(zhǔn)的把握不一致,檢驗(yàn)的結(jié)果也不盡相同,檢驗(yàn)質(zhì)量得不到控制.因此,如能通過AI圖像識別技術(shù)對分纖箱圖片進(jìn)行智能質(zhì)檢,識別出分纖箱是否有保護(hù)線、是否有包含必要信息的標(biāo)簽等,則既可以全量檢測圖片,又能節(jié)省大量人力物力,還能提高效率和對檢驗(yàn)質(zhì)量的控制.

    圖1 分纖箱上的保護(hù)線和標(biāo)簽

    1 基于Dropblock卷積神經(jīng)網(wǎng)絡(luò)的分纖箱智能質(zhì)檢方法

    為了準(zhǔn)確識別出需質(zhì)檢的圖片中是否有保護(hù)線和標(biāo)簽,如果有則進(jìn)一步定位出保護(hù)線和標(biāo)簽所在的位置,我們采用基于Dropblock卷積神經(jīng)網(wǎng)絡(luò)的智能質(zhì)檢方法,圖2是該方法的流程圖.將待質(zhì)檢的圖片作為輸入,對圖片做初次數(shù)據(jù)預(yù)處理,用Resnet進(jìn)行初次識別,識別是否有分纖箱存在,初次識別結(jié)果如果無分纖箱,則輸出結(jié)果為“無目標(biāo)”,如果有分纖箱,則進(jìn)行二次數(shù)據(jù)預(yù)處理,將預(yù)處理后的圖片輸入基于Dropblock的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行二次識別,識別分纖箱上是否有保護(hù)線和標(biāo)簽并定位,輸出結(jié)果即是否有保護(hù)線或標(biāo)簽及相應(yīng)位置.

    圖2 基于Dropblock卷積神經(jīng)網(wǎng)絡(luò)的分纖箱智能質(zhì)檢流程

    1.1 初次數(shù)據(jù)預(yù)處理

    深度學(xué)習(xí)模型結(jié)果的好壞與數(shù)據(jù)集的好壞直接相關(guān),好的數(shù)據(jù)集應(yīng)該盡可能多地包含所應(yīng)用的場景,但實(shí)際生產(chǎn)過程中所獲得的數(shù)據(jù)往往不能完全包含所有的應(yīng)用場景,為了獲得更好的數(shù)據(jù),往往采用數(shù)據(jù)增強(qiáng)技術(shù)[1].在初次數(shù)據(jù)預(yù)處理階段,采用了旋轉(zhuǎn)、縮放、色彩空間變化、平移、拼接的增強(qiáng)方式,增強(qiáng)了樣本的多樣性,還增強(qiáng)了初次檢測模型的泛化能力,讓數(shù)據(jù)集盡可能多地包含應(yīng)用場景.

    1.2 基于Resnet的初次識別

    本文使用Resnet[2]分類網(wǎng)絡(luò)進(jìn)行初次識別,識別流程如圖3所示,輸入為(1,3,224,224)類型的圖片,其中1表示每次輸入圖片的數(shù)量,3表示圖片RGB通道數(shù),224,224分別表示圖片的長度和寬度.卷積過程選用的是3×3的卷積核,卷積參數(shù)選擇的是輸出通道為64、步長為2、填充為1.激活用的是leakly-rule[3]激活函數(shù).池化過程選用的是3×3的池化核,池化參數(shù)選擇的步長為2、填充為1.接著經(jīng)過殘差塊運(yùn)算和全連接運(yùn)算,對是否有分纖箱進(jìn)行識別,輸出初次分類結(jié)果.

    圖3 基于Resnet的初次識別

    1.3 二次數(shù)據(jù)預(yù)處理

    本文采用mosaics[4]進(jìn)行數(shù)據(jù)增強(qiáng)處理,如圖4(a)所示,把圖中的4張圖片通過隨機(jī)縮放、隨機(jī)裁剪、隨機(jī)排布[5]的方式進(jìn)行處理,將處理后的4張圖拼接成一張圖,如圖4(b)所示.該增強(qiáng)方式大大豐富了檢測數(shù)據(jù)集,由于縮放、拼接方式的組合,豐富了樣本中的小目標(biāo),讓模型的魯棒性更好.其次,直接計算增強(qiáng)后的圖片數(shù)據(jù),使得最小批次參數(shù)不需要太大,一個GPU(圖形處理器)就可以達(dá)到很好的效果.

    圖4 數(shù)據(jù)增強(qiáng)

    1.4 基于Dropblock卷積神經(jīng)網(wǎng)絡(luò)的二次識別

    過擬合是神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中常見的問題,主要表現(xiàn)為模型未充分學(xué)習(xí)到最重要的特征,原因主要是待處理問題的復(fù)雜度低于所選用模型的復(fù)雜度;訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集的特征分布不一致;樣本的噪聲數(shù)據(jù)過大;模型在一些不重要的特征上分配了較大的權(quán)重.針對過擬合問題,常見的解決方法是通過基于Dropout[6-7]正則化的方式,使網(wǎng)絡(luò)模型稀疏化,從而降低模型的復(fù)雜度,防止過擬合.

    1.4.1 Dropout的不足

    Dropout在全連接中通常會有很好的效果,因?yàn)槿B接中每一個神經(jīng)元都帶有上一層所有神經(jīng)元的信息,所以Dropout隨機(jī)丟失神經(jīng)元對本層的全連接影響不大,反而會使全連接有稀疏效果,防止了過擬合.但是使用Dropout的卷積神經(jīng)網(wǎng)絡(luò),雖然特征圖區(qū)域有元素被丟棄,但因?yàn)樘卣髟刂g存在空間上的語義信息相關(guān)性,這種操作并不能有效激勵網(wǎng)絡(luò)學(xué)習(xí)剩下的特征圖區(qū)域的語義特征,從而影響識別效果.

    1.4.2 引入Dropblock 的卷積神經(jīng)網(wǎng)絡(luò)

    針對Dropout的不足,本文引入了Dropblock[8-10]的正則化方法防止模型的過擬合,提升模型的驗(yàn)證精度.Dropout與Dropblock對特征元素的丟失方式如圖5所示,圖5(a)代表Dropout,圖5(b)代表Dropblock.從圖中可以看出Dropout丟失特征元素的方式為隨機(jī)丟失.Dropblock與Dropout相比,在丟失相同個數(shù)的特征元素情況下,Dropblock表現(xiàn)為在某一有效區(qū)域按塊的方式丟失元素,這種丟失方式,能夠有效地分離特征元素之間存在的語義信息相關(guān)性,對Dropout在卷積中應(yīng)用的缺點(diǎn)進(jìn)行了有效的改進(jìn).

    圖5 特征元素丟失對比圖

    1.4.3 Dropblock算法

    Dropblock模塊有2個主要參數(shù),block_size和γ,其中block_size表示Droblock塊大小,當(dāng)block_size=1,Dropblock退化為傳統(tǒng)的Dropout,block_size可以取3,5,7.γ表示Dropblock丟失每一個像素的概率,也就是伯努利函數(shù)的概率,根據(jù)文獻(xiàn)[8],γ表達(dá)式如下,其中keep_prob為Dropout中保留每一個像素的概率,feat_size為特征圖的尺寸.

    1) 該算法的約束條件是Dropblock和Dropout丟失的元素相等.

    3) Dropblock丟失元素的個數(shù)與Dropout丟失元素的個數(shù)一致,只是丟失方法有所改變.

    4) 為了保證丟失的block塊不超出原始圖像,需要先設(shè)置一個丟失的有效區(qū)域,如圖6中綠色的區(qū)域,也就是原始圖減去block塊并加1,即(feat_size-block_size+1),取特征圖的中間部分.

    5) 圖6中紅色的“×”表示根據(jù)伯努利函數(shù)的概率,在有效區(qū)域內(nèi)選擇出的丟失中心點(diǎn),并根據(jù)block_size大小確定丟失區(qū)域.

    8) 化簡得到上面γ表達(dá)式.

    1.4.4 Dropblock法實(shí)現(xiàn)流程

    該算法實(shí)現(xiàn)流程如下:

    1) 輸入激活后的特征圖及block_size,γ和mode 3個參數(shù),mode代表兩種模式,一種是訓(xùn)練模式,一種是推理模式.

    2) 如果是訓(xùn)練模式就進(jìn)入第3步,如果是推理模式就直接返回特征圖,不執(zhí)行Dropblock操作.

    3) 對給定的γ,使用伯努利函數(shù)對生成的隨機(jī)數(shù)mask矩陣進(jìn)行丟失,得到初始的mask.

    4) 對上一步得到的mask進(jìn)行最大池化操作,得到最終需要使用的mask,如圖7.

    5) 輸入矩陣和mask矩陣相乘,得到輸出矩陣.

    6) 將上一步的輸出矩陣進(jìn)行歸一化操作.

    圖6 Dropblock掩碼采樣

    圖7 基于Dropblock的mask特征圖

    1.4.5 基于Dropbock卷積神經(jīng)網(wǎng)絡(luò)二次識別的網(wǎng)絡(luò)結(jié)構(gòu)

    本文使用的整體網(wǎng)絡(luò)結(jié)構(gòu)如圖8所示,分為三部分,第一部分為主干網(wǎng)絡(luò),第二部分為連接網(wǎng)絡(luò),第三部分為預(yù)測網(wǎng)絡(luò).主干網(wǎng)絡(luò)主要作用是提取圖片的特征,我們采用cspdarknet53[11-12]主干網(wǎng)絡(luò)并在每個卷積過程中引入Dropblock正則化模塊,殘差結(jié)構(gòu)為1,2,8,8,4,往后采用了SPP[13](空間金字塔池化)使特征層更具多樣性.連接網(wǎng)絡(luò)主要作用是使通道融合和像素融合更加充分,此過程中,本文還引入PAN[14]結(jié)構(gòu),通過自底向上的特征融合,傳達(dá)強(qiáng)定位信息,讓信息更加充分融合,在連接網(wǎng)絡(luò)中,同樣每個卷積加入Dropblock模塊.最后是預(yù)測網(wǎng)絡(luò),主要作用是獲得網(wǎng)絡(luò)之前提取的特征,推理出最后的預(yù)測結(jié)果,這里使用的是FPN[15-16](特征金字塔網(wǎng)絡(luò))進(jìn)行多尺度輸出.

    圖8 基于Dropbock卷積神經(jīng)網(wǎng)絡(luò)二次識別的網(wǎng)絡(luò)結(jié)構(gòu)

    2 實(shí)驗(yàn)設(shè)計

    2.1 實(shí)驗(yàn)設(shè)置

    2.1.1 實(shí)驗(yàn)環(huán)境

    本文所有的實(shí)驗(yàn)均在同一實(shí)驗(yàn)環(huán)境下進(jìn)行.本文所采用的硬件和軟件配置如下:Ubuntu 18.04操作系統(tǒng),Intel(R) Xeon(R) Gold 5118 CPU @ 2.30GHz處理器,NVIDIA Tesla V100顯卡,以及PyTorch 1.7,Cuda 11.0通用并行計算架構(gòu).

    2.1.2 參數(shù)設(shè)置

    本文的參數(shù)設(shè)置主要分為兩部分,第一部分是基于Resnet初次識別的參數(shù)設(shè)置,第二部分是基于Dropblock神經(jīng)網(wǎng)絡(luò)二次識別的參數(shù)設(shè)置.

    第一部分,本文將分類類別class設(shè)置為2(對應(yīng)有無箱體兩種類型).在訓(xùn)練過程中,將一次訓(xùn)練所選用的樣本數(shù)量Batch設(shè)置為128,迭代次數(shù)epoch設(shè)置為1000,學(xué)習(xí)率設(shè)為0.0015,優(yōu)化器選用adam.

    第二部分,將配置文件中的類別數(shù)量class設(shè)為2(對應(yīng)保護(hù)線和標(biāo)簽兩種類型),輸入圖片的形狀為(3,608,608),其中3代表RGB通道數(shù),后兩位分別代表圖片的長和寬.輸出圖片的形狀分別為(3,76,76),(3,38,38),(3,19,19),同理,3代表RGB通道數(shù),后兩位分別代表特征圖的長和寬.在訓(xùn)練過程中,將一次訓(xùn)練所選用的樣本數(shù)量Batch設(shè)置為32,迭代次數(shù)設(shè)置為300,初始學(xué)習(xí)率設(shè)置為0.003 2,動量設(shè)置為0.843,權(quán)重衰減率為0.000 36,訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集的比例劃分為8∶2.此外,在此項(xiàng)目中使用了遷移學(xué)習(xí),訓(xùn)練的時候,凍結(jié)了主干網(wǎng)絡(luò)的權(quán)重,以便快速提取到網(wǎng)絡(luò)的有用特征,加快網(wǎng)絡(luò)的收斂速度.

    2.2 評價指標(biāo)

    本文選取的評價指標(biāo)有準(zhǔn)確率(Precision)和召回率(Recall),分別用Precision和Recall表示,準(zhǔn)確率和召回率的定義如下:

    TP是分類器認(rèn)為是正樣本而且確實(shí)是正樣本的例子,F(xiàn)P是分類器認(rèn)為是正樣本但實(shí)際上不是正樣本的例子,Precision的意義就是分類器認(rèn)為是正類并且確實(shí)是正類的部分占所有分類器認(rèn)為是正類的比例.

    同樣,TP是分類器認(rèn)為是正樣本而且確實(shí)是正樣本的例子,F(xiàn)N是分類器認(rèn)為是負(fù)樣本但實(shí)際上不是負(fù)樣本的例子,Recall的意義就是分類器認(rèn)為是正類并且確實(shí)是正類的部分占所有確實(shí)是正類的比例.

    3 結(jié)果分析

    3.1 評價指標(biāo)對比分析

    本文用了6 000張測試圖片,在IOU(重疊度)值為0.5的情況下,用了3種方法進(jìn)行比較,結(jié)果如表1所示.

    表1 實(shí)驗(yàn)數(shù)據(jù)集(IOU=0.5)

    從上表可以看出,在準(zhǔn)確率方面,使用原始卷積的準(zhǔn)確率為89.3%,使用Dropout法的準(zhǔn)確率為90.1%,使用Dropblock法的準(zhǔn)確率為94.5%,較原始卷積和Dropout方法分別提高了5.2%和4.4%;在召回率方面,使用原始卷積的召回率為88.6%,使用Dropout法的召回率為89.2%,使用Dropblock方法的召回率為94.3%,較原始卷積和dropout方法分別提高了5.7%和5.1%.從整體上看,Dropblock法比Dropout法和原始卷積在這兩項(xiàng)評價指標(biāo)上都有較好的提升.

    3.2 典型結(jié)果展示

    本文選取了具有代表性的兩張較復(fù)雜場景圖片的識別結(jié)果進(jìn)行對比,這兩張圖片都是實(shí)際生產(chǎn)過程中從前端傳回后端進(jìn)行質(zhì)檢的照片.圖9中被識別的目標(biāo)有兩條保護(hù)線,通過3種模型識別的結(jié)果來看,采用原始卷積法和Dropout法未能檢測出保護(hù)線,如圖9(a)和圖9(b)所示,采用Dropblock法的模型則檢測出了保護(hù)線,如圖9(c)中的紅框所示.圖10的特點(diǎn)是成像拍攝距離較遠(yuǎn),目標(biāo)在圖片中表現(xiàn)為小目標(biāo),同時此圖片具有兩種類型的待檢測目標(biāo).通過3種模型檢測的結(jié)果來看,原始卷積法不能檢測出目標(biāo),如圖10(a)所示,Dropout法只能檢測出標(biāo)簽類型的目標(biāo),如圖10(b)中黃框所示,而采用Dropblock法則將保護(hù)線和標(biāo)簽兩個不同類型的目標(biāo)都識別出來,如圖10(c)中的紅框和黃框所示.

    圖9 3種模型識別目標(biāo)結(jié)果

    圖10 3種模型識別不同類型目標(biāo)結(jié)果

    4 結(jié)束語

    本文提出了一種基于Dropblock卷積神經(jīng)網(wǎng)絡(luò)的分纖箱智能質(zhì)檢方法,對分纖箱上的保護(hù)線和標(biāo)簽進(jìn)行智能質(zhì)檢.實(shí)驗(yàn)結(jié)果表明,該方法能有效識別出分纖箱上的保護(hù)線和標(biāo)簽,并準(zhǔn)確定位出目標(biāo)位置,與原始卷積法和Dropout法相比,識別率均有較大提升.

    猜你喜歡
    分類器標(biāo)簽卷積
    基于3D-Winograd的快速卷積算法設(shè)計及FPGA實(shí)現(xiàn)
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    無懼標(biāo)簽 Alfa Romeo Giulia 200HP
    車迷(2018年11期)2018-08-30 03:20:32
    不害怕撕掉標(biāo)簽的人,都活出了真正的漂亮
    海峽姐妹(2018年3期)2018-05-09 08:21:02
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    BP-GA光照分類器在車道線識別中的應(yīng)用
    電子測試(2018年1期)2018-04-18 11:52:35
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機(jī)的TSK分類器
    標(biāo)簽化傷害了誰
    基于多進(jìn)制查詢樹的多標(biāo)簽識別方法
    日韩视频一区二区在线观看| 久久人妻福利社区极品人妻图片| 久久精品影院6| 免费看a级黄色片| 午夜视频精品福利| 亚洲一区二区三区色噜噜| 国产乱人伦免费视频| 精品福利观看| 亚洲人成网站在线播放欧美日韩| 侵犯人妻中文字幕一二三四区| 国产精品乱码一区二三区的特点| 香蕉久久夜色| 国产精品1区2区在线观看.| 欧美三级亚洲精品| 麻豆久久精品国产亚洲av| 日韩免费av在线播放| 亚洲av成人不卡在线观看播放网| 午夜a级毛片| 99精品欧美一区二区三区四区| 国产高清激情床上av| 可以在线观看毛片的网站| 免费在线观看日本一区| 91在线观看av| 岛国在线观看网站| 亚洲va日本ⅴa欧美va伊人久久| 真人做人爱边吃奶动态| 亚洲av片天天在线观看| 欧美精品亚洲一区二区| 少妇 在线观看| 女性被躁到高潮视频| 国产亚洲精品久久久久久毛片| 亚洲色图av天堂| 超碰成人久久| 老司机深夜福利视频在线观看| 国产乱人伦免费视频| 妹子高潮喷水视频| 韩国精品一区二区三区| 亚洲国产欧美日韩在线播放| 亚洲精品一区av在线观看| 亚洲激情在线av| 男女床上黄色一级片免费看| 琪琪午夜伦伦电影理论片6080| 欧美成人一区二区免费高清观看 | 国产成人精品无人区| 亚洲欧美一区二区三区黑人| av视频在线观看入口| 国产av又大| 欧美成人免费av一区二区三区| 淫妇啪啪啪对白视频| 日日爽夜夜爽网站| 精品高清国产在线一区| 黑人巨大精品欧美一区二区mp4| 老熟妇仑乱视频hdxx| 18禁黄网站禁片免费观看直播| 国产一卡二卡三卡精品| 天堂动漫精品| 嫩草影院精品99| 母亲3免费完整高清在线观看| 成人手机av| 中文字幕精品亚洲无线码一区 | 久久精品亚洲精品国产色婷小说| 欧美激情久久久久久爽电影| 黄色 视频免费看| 国产男靠女视频免费网站| 亚洲片人在线观看| 精品福利观看| 久久久久久九九精品二区国产 | 国产精品影院久久| 动漫黄色视频在线观看| 女人高潮潮喷娇喘18禁视频| 国产蜜桃级精品一区二区三区| 国产免费av片在线观看野外av| 亚洲成人国产一区在线观看| www.999成人在线观看| 国产精品九九99| 久久中文字幕一级| 真人一进一出gif抽搐免费| 精品久久久久久成人av| 99久久99久久久精品蜜桃| 不卡av一区二区三区| 侵犯人妻中文字幕一二三四区| 国产爱豆传媒在线观看 | 欧美av亚洲av综合av国产av| 亚洲片人在线观看| 婷婷六月久久综合丁香| 久久香蕉国产精品| 精品国产乱码久久久久久男人| 欧美在线一区亚洲| a在线观看视频网站| 日韩有码中文字幕| av福利片在线| 真人一进一出gif抽搐免费| 国产亚洲av嫩草精品影院| 久久人妻福利社区极品人妻图片| 禁无遮挡网站| 99久久精品国产亚洲精品| 国内久久婷婷六月综合欲色啪| 亚洲午夜理论影院| 亚洲欧美精品综合一区二区三区| 亚洲一区二区三区色噜噜| 亚洲美女黄片视频| 欧美激情 高清一区二区三区| 麻豆国产av国片精品| 亚洲成人国产一区在线观看| 国产成人精品久久二区二区91| 久99久视频精品免费| 精品第一国产精品| 亚洲真实伦在线观看| 亚洲九九香蕉| 色av中文字幕| 亚洲精品国产区一区二| 国产精品av久久久久免费| 国产精品亚洲av一区麻豆| 女性被躁到高潮视频| 日韩欧美一区二区三区在线观看| 中文字幕人妻熟女乱码| 天天一区二区日本电影三级| 99热只有精品国产| 国产区一区二久久| 亚洲熟女毛片儿| 19禁男女啪啪无遮挡网站| aaaaa片日本免费| 欧美绝顶高潮抽搐喷水| 久久久久久久久久黄片| 女人被狂操c到高潮| 免费无遮挡裸体视频| 亚洲成人国产一区在线观看| 国产97色在线日韩免费| 一夜夜www| 欧美成狂野欧美在线观看| 午夜免费鲁丝| 久久久国产欧美日韩av| 大型av网站在线播放| 国产精品永久免费网站| 天天躁夜夜躁狠狠躁躁| a级毛片在线看网站| 久久热在线av| 国产亚洲精品第一综合不卡| 最近最新中文字幕大全免费视频| 黄色丝袜av网址大全| 亚洲三区欧美一区| 丝袜美腿诱惑在线| 久久热在线av| 丁香欧美五月| 国产熟女午夜一区二区三区| 日韩国内少妇激情av| 欧美黑人精品巨大| 亚洲成人久久爱视频| 亚洲自偷自拍图片 自拍| 亚洲精品久久成人aⅴ小说| 久久九九热精品免费| 免费在线观看日本一区| 搡老岳熟女国产| 视频区欧美日本亚洲| 嫩草影院精品99| 亚洲欧美精品综合久久99| 日本成人三级电影网站| 久久久国产精品麻豆| 久久久久国产一级毛片高清牌| 国产精品1区2区在线观看.| 十八禁网站免费在线| 成年免费大片在线观看| av免费在线观看网站| 免费在线观看完整版高清| 18禁黄网站禁片午夜丰满| 在线十欧美十亚洲十日本专区| 久久婷婷人人爽人人干人人爱| 1024视频免费在线观看| 国产亚洲精品av在线| 国产精品香港三级国产av潘金莲| 一级作爱视频免费观看| 午夜日韩欧美国产| 女人爽到高潮嗷嗷叫在线视频| 男人舔奶头视频| 88av欧美| 亚洲成人久久爱视频| 天天一区二区日本电影三级| 亚洲av美国av| 亚洲人成伊人成综合网2020| 免费无遮挡裸体视频| 亚洲精品美女久久久久99蜜臀| 免费在线观看亚洲国产| 亚洲成人免费电影在线观看| 国内毛片毛片毛片毛片毛片| 一边摸一边做爽爽视频免费| 国产精品自产拍在线观看55亚洲| 级片在线观看| 巨乳人妻的诱惑在线观看| 一区二区三区精品91| 黑人操中国人逼视频| 亚洲精品久久成人aⅴ小说| 99精品久久久久人妻精品| 两性午夜刺激爽爽歪歪视频在线观看 | 黄色 视频免费看| 亚洲中文字幕一区二区三区有码在线看 | 九色国产91popny在线| ponron亚洲| 日本a在线网址| 九色国产91popny在线| 亚洲真实伦在线观看| 久久精品91无色码中文字幕| 91九色精品人成在线观看| 免费av毛片视频| 精品一区二区三区四区五区乱码| 中文亚洲av片在线观看爽| 亚洲av日韩精品久久久久久密| 欧美日韩亚洲国产一区二区在线观看| 好男人电影高清在线观看| av视频在线观看入口| 免费在线观看日本一区| 日韩欧美一区二区三区在线观看| 可以免费在线观看a视频的电影网站| 熟女电影av网| 日日干狠狠操夜夜爽| 淫妇啪啪啪对白视频| 婷婷精品国产亚洲av在线| 叶爱在线成人免费视频播放| 女人被狂操c到高潮| 日韩中文字幕欧美一区二区| 成在线人永久免费视频| 欧美一级a爱片免费观看看 | 老鸭窝网址在线观看| 一级毛片高清免费大全| 久久中文看片网| 最新在线观看一区二区三区| ponron亚洲| av超薄肉色丝袜交足视频| 久久 成人 亚洲| 久久婷婷人人爽人人干人人爱| 精品无人区乱码1区二区| 欧美成人午夜精品| 国产成人欧美| 精品国产一区二区三区四区第35| 久99久视频精品免费| 亚洲色图av天堂| 琪琪午夜伦伦电影理论片6080| 国产久久久一区二区三区| 此物有八面人人有两片| 欧美色视频一区免费| 757午夜福利合集在线观看| 国产精品九九99| 国内久久婷婷六月综合欲色啪| 神马国产精品三级电影在线观看 | 国产人伦9x9x在线观看| 精华霜和精华液先用哪个| 国产av又大| 免费无遮挡裸体视频| 国产精品爽爽va在线观看网站 | 日韩 欧美 亚洲 中文字幕| 在线观看日韩欧美| 少妇 在线观看| 久久人妻福利社区极品人妻图片| 热re99久久国产66热| 他把我摸到了高潮在线观看| 亚洲第一欧美日韩一区二区三区| 男女午夜视频在线观看| 久久九九热精品免费| 曰老女人黄片| 国产伦人伦偷精品视频| 亚洲午夜理论影院| 琪琪午夜伦伦电影理论片6080| 国产人伦9x9x在线观看| 久久精品aⅴ一区二区三区四区| 三级毛片av免费| 一区二区三区激情视频| 欧美zozozo另类| 真人做人爱边吃奶动态| 在线天堂中文资源库| svipshipincom国产片| 最好的美女福利视频网| bbb黄色大片| 国产亚洲av高清不卡| 亚洲欧美一区二区三区黑人| 欧美成狂野欧美在线观看| 亚洲专区字幕在线| 露出奶头的视频| 午夜免费鲁丝| 亚洲精品色激情综合| 免费在线观看成人毛片| 久久久久久九九精品二区国产 | 一本精品99久久精品77| av在线播放免费不卡| 亚洲欧美激情综合另类| 日韩欧美国产一区二区入口| 香蕉国产在线看| 国产精品1区2区在线观看.| 日本免费a在线| 国产99久久九九免费精品| 欧美午夜高清在线| 日韩欧美在线二视频| 国产野战对白在线观看| 中文字幕精品亚洲无线码一区 | 欧美成人一区二区免费高清观看 | 99久久99久久久精品蜜桃| 亚洲国产欧洲综合997久久, | 99在线人妻在线中文字幕| 亚洲天堂国产精品一区在线| 午夜a级毛片| 欧美中文日本在线观看视频| 欧美日本亚洲视频在线播放| 国产亚洲欧美98| 国产高清视频在线播放一区| 亚洲成av人片免费观看| 国产亚洲精品久久久久久毛片| 大型av网站在线播放| 欧美乱码精品一区二区三区| 亚洲狠狠婷婷综合久久图片| 国产aⅴ精品一区二区三区波| 国内少妇人妻偷人精品xxx网站 | 午夜a级毛片| aaaaa片日本免费| 悠悠久久av| 在线观看午夜福利视频| 变态另类成人亚洲欧美熟女| 午夜福利在线观看吧| 搞女人的毛片| 日日干狠狠操夜夜爽| 国产亚洲精品av在线| 国产亚洲欧美在线一区二区| 中文字幕久久专区| 国产av不卡久久| 男女那种视频在线观看| 久久久久久久久久黄片| 淫妇啪啪啪对白视频| 国产私拍福利视频在线观看| 观看免费一级毛片| 精品不卡国产一区二区三区| 黄色视频不卡| 久久亚洲真实| 国产精品九九99| 精品国产一区二区三区四区第35| 一级片免费观看大全| 亚洲欧洲精品一区二区精品久久久| 精品电影一区二区在线| 亚洲狠狠婷婷综合久久图片| 国产又黄又爽又无遮挡在线| 精品久久久久久,| 1024手机看黄色片| 99国产精品一区二区三区| 国产一卡二卡三卡精品| 久久久国产成人精品二区| 亚洲精品中文字幕在线视频| 中文字幕另类日韩欧美亚洲嫩草| 午夜激情福利司机影院| 国产av又大| 麻豆一二三区av精品| 亚洲国产看品久久| 日韩av在线大香蕉| 精品久久久久久成人av| 妹子高潮喷水视频| 叶爱在线成人免费视频播放| 午夜久久久在线观看| 国产精品亚洲一级av第二区| 亚洲精品美女久久久久99蜜臀| 在线看三级毛片| 一二三四在线观看免费中文在| 亚洲久久久国产精品| 亚洲免费av在线视频| 亚洲五月色婷婷综合| 精品久久久久久久毛片微露脸| 欧洲精品卡2卡3卡4卡5卡区| 久久国产精品影院| 欧美日韩中文字幕国产精品一区二区三区| 久久精品国产99精品国产亚洲性色| 女同久久另类99精品国产91| 啦啦啦 在线观看视频| 国产成人啪精品午夜网站| 欧美+亚洲+日韩+国产| 日韩欧美免费精品| 制服人妻中文乱码| 国产主播在线观看一区二区| 国产人伦9x9x在线观看| 深夜精品福利| 黄色毛片三级朝国网站| 黑丝袜美女国产一区| 亚洲av中文字字幕乱码综合 | 制服人妻中文乱码| 宅男免费午夜| 免费在线观看日本一区| 视频区欧美日本亚洲| 久久久久久久久中文| 女性生殖器流出的白浆| 在线观看舔阴道视频| 日韩视频一区二区在线观看| 国产熟女xx| 亚洲九九香蕉| 成人国产综合亚洲| 色精品久久人妻99蜜桃| 搞女人的毛片| 在线免费观看的www视频| 久9热在线精品视频| 超碰成人久久| 男女视频在线观看网站免费 | 精品久久久久久,| 少妇的丰满在线观看| 亚洲国产毛片av蜜桃av| 校园春色视频在线观看| 久久99热这里只有精品18| 中文字幕最新亚洲高清| 99精品欧美一区二区三区四区| 日韩大尺度精品在线看网址| videosex国产| 两性午夜刺激爽爽歪歪视频在线观看 | cao死你这个sao货| 精品不卡国产一区二区三区| 国产欧美日韩一区二区精品| 91字幕亚洲| 精品一区二区三区四区五区乱码| 国产成人系列免费观看| 丰满人妻熟妇乱又伦精品不卡| 国产精品免费一区二区三区在线| 免费在线观看日本一区| 亚洲性夜色夜夜综合| 亚洲一区二区三区不卡视频| 国产高清有码在线观看视频 | 欧美亚洲日本最大视频资源| 日韩有码中文字幕| 最好的美女福利视频网| 国产激情久久老熟女| 久久精品国产清高在天天线| 亚洲欧美日韩高清在线视频| 精品久久久久久久毛片微露脸| 亚洲专区字幕在线| 久久精品91无色码中文字幕| 丝袜在线中文字幕| 国产亚洲精品久久久久5区| 人人妻人人看人人澡| 叶爱在线成人免费视频播放| 国产激情偷乱视频一区二区| 少妇粗大呻吟视频| 午夜激情福利司机影院| 一级a爱片免费观看的视频| 色av中文字幕| 免费在线观看完整版高清| 日日夜夜操网爽| 久久久国产精品麻豆| 中文字幕精品免费在线观看视频| 午夜福利在线观看吧| 妹子高潮喷水视频| 日韩一卡2卡3卡4卡2021年| 91成人精品电影| 99热这里只有精品一区 | 国产黄片美女视频| 后天国语完整版免费观看| 日本免费一区二区三区高清不卡| 国产区一区二久久| 一区二区三区高清视频在线| 1024视频免费在线观看| www日本在线高清视频| 露出奶头的视频| 99久久99久久久精品蜜桃| 51午夜福利影视在线观看| av免费在线观看网站| 国产av又大| 99国产极品粉嫩在线观看| 精品日产1卡2卡| 1024香蕉在线观看| 中文字幕高清在线视频| 曰老女人黄片| 午夜两性在线视频| 日韩欧美免费精品| 国产亚洲精品综合一区在线观看 | 2021天堂中文幕一二区在线观 | 国产精品98久久久久久宅男小说| 91成年电影在线观看| 欧美一级a爱片免费观看看 | www.999成人在线观看| 亚洲天堂国产精品一区在线| av欧美777| aaaaa片日本免费| 韩国精品一区二区三区| 一进一出抽搐动态| 999久久久国产精品视频| 制服诱惑二区| 精品少妇一区二区三区视频日本电影| 欧美成人性av电影在线观看| 欧美乱码精品一区二区三区| 亚洲av成人一区二区三| 亚洲精品国产精品久久久不卡| 人人澡人人妻人| 18禁国产床啪视频网站| 国产精品 欧美亚洲| www日本黄色视频网| 99久久国产精品久久久| 自线自在国产av| 欧美成人免费av一区二区三区| 欧美激情 高清一区二区三区| 一区二区三区国产精品乱码| 成人午夜高清在线视频 | bbb黄色大片| 国产一区在线观看成人免费| 淫妇啪啪啪对白视频| 久久中文字幕人妻熟女| 婷婷精品国产亚洲av| 亚洲色图 男人天堂 中文字幕| 婷婷精品国产亚洲av在线| 欧洲精品卡2卡3卡4卡5卡区| 亚洲国产精品久久男人天堂| 国产伦在线观看视频一区| 两个人视频免费观看高清| 国产视频一区二区在线看| 久99久视频精品免费| 午夜免费成人在线视频| 亚洲人成伊人成综合网2020| 欧美日本亚洲视频在线播放| 天堂影院成人在线观看| 色综合站精品国产| 亚洲国产欧美网| 黄色视频不卡| 日韩国内少妇激情av| 国产精华一区二区三区| 久久久久亚洲av毛片大全| √禁漫天堂资源中文www| 亚洲精品国产精品久久久不卡| 欧美精品啪啪一区二区三区| 真人一进一出gif抽搐免费| 亚洲欧美日韩无卡精品| 最近最新中文字幕大全电影3 | 中文在线观看免费www的网站 | 两人在一起打扑克的视频| 久热这里只有精品99| 看片在线看免费视频| 最近最新中文字幕大全免费视频| 悠悠久久av| 成人亚洲精品av一区二区| 亚洲精品美女久久av网站| 欧美 亚洲 国产 日韩一| 桃红色精品国产亚洲av| 亚洲自拍偷在线| 久久国产精品人妻蜜桃| 成人亚洲精品一区在线观看| 精品福利观看| 99热6这里只有精品| 男人舔女人下体高潮全视频| 免费观看精品视频网站| cao死你这个sao货| 自线自在国产av| 在线播放国产精品三级| 欧美性猛交╳xxx乱大交人| 国产精品免费视频内射| aaaaa片日本免费| 亚洲成人国产一区在线观看| 无限看片的www在线观看| 亚洲精品久久国产高清桃花| 婷婷精品国产亚洲av在线| 亚洲天堂国产精品一区在线| 亚洲九九香蕉| 亚洲精品国产区一区二| 午夜福利成人在线免费观看| 亚洲中文av在线| 国产精品1区2区在线观看.| 亚洲一区二区三区色噜噜| 精品国产乱码久久久久久男人| 动漫黄色视频在线观看| 国产成人欧美在线观看| 天堂√8在线中文| 婷婷亚洲欧美| 国产麻豆成人av免费视频| 少妇被粗大的猛进出69影院| 在线观看舔阴道视频| 在线观看免费日韩欧美大片| 一级a爱片免费观看的视频| 啦啦啦观看免费观看视频高清| 亚洲欧美一区二区三区黑人| 国产精品综合久久久久久久免费| 中出人妻视频一区二区| 久久香蕉国产精品| 久久国产精品影院| 在线av久久热| 亚洲精品美女久久久久99蜜臀| 日韩精品中文字幕看吧| 别揉我奶头~嗯~啊~动态视频| avwww免费| 亚洲午夜理论影院| 成人手机av| 国产又色又爽无遮挡免费看| 亚洲中文日韩欧美视频| 久久久久国内视频| 亚洲国产精品999在线| 亚洲 欧美一区二区三区| av超薄肉色丝袜交足视频| 免费看a级黄色片| 欧美一级a爱片免费观看看 | √禁漫天堂资源中文www| 黑丝袜美女国产一区| 国产一区二区三区视频了| 美女扒开内裤让男人捅视频| 久久久精品欧美日韩精品| 又紧又爽又黄一区二区| 国产亚洲欧美98| 天堂√8在线中文| 亚洲欧美精品综合一区二区三区| 国产区一区二久久| 啦啦啦 在线观看视频| 一级黄色大片毛片| 免费看日本二区| 国产精品日韩av在线免费观看| 一级a爱视频在线免费观看| 18禁黄网站禁片午夜丰满| 国产精品免费一区二区三区在线| 色婷婷久久久亚洲欧美| 18禁黄网站禁片午夜丰满| 亚洲第一青青草原| 色老头精品视频在线观看| 免费在线观看亚洲国产| www.999成人在线观看| 国产精品98久久久久久宅男小说| 成年免费大片在线观看| 在线天堂中文资源库| 国产视频一区二区在线看| 特大巨黑吊av在线直播 | 曰老女人黄片| 国产亚洲欧美98| 国产午夜精品久久久久久| 久热爱精品视频在线9|