• <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 ?

    模式搜索星型生成對抗網(wǎng)絡(luò)下的面部表情生成

    2022-07-15 13:15:28李萌萌賈宇峰
    傳感器與微系統(tǒng) 2022年7期
    關(guān)鍵詞:卷積誤差樣本

    李萌萌, 馬 力, 賈宇峰

    (西安郵電大學(xué) 計算機(jī)學(xué)院,陜西 西安 710121)

    0 引 言

    在日常生活中,人們不但可以通過面部表情來了解對方的情緒,還可以通過面部肌肉的相互配合來代替人語言上的溝通,這一方式極其獨特。人面部表情至少有21種,基本可分為8類:憤怒、蔑視、厭惡、恐懼、悲傷、快樂、驚訝和中性[1]。隨著科學(xué)技術(shù)的發(fā)展,人臉識別技術(shù)在生活中應(yīng)用廣泛。而表情識別是人臉識別技術(shù)的提升,具有更廣泛的應(yīng)用價值。例如智能駕駛方面,可根據(jù)司機(jī)旅途中表情判斷出駕駛狀態(tài),從而減少事故發(fā)生率;在線上教學(xué)中,教師可根據(jù)學(xué)生表情及時調(diào)整教學(xué)方案,以達(dá)到最佳的授課效果;在電影制作方面,制作方根據(jù)觀影人的表情準(zhǔn)確找到影片最精彩之處制做預(yù)告片,吸引更多人前來觀影。

    近年來,隨著深度學(xué)習(xí)的發(fā)展,Goodfellow I等人[2]提出的生成對抗網(wǎng)絡(luò)(generative adversarial network,GAN)以其獨特的對抗思想為面部表情生成提供了新的方式,并且在圖像到圖像的轉(zhuǎn)換[3,4]、視頻預(yù)測[5]、圖像風(fēng)格轉(zhuǎn)換[6,7]、圖像超分辨率[8]和文本到圖像的生成[9,10]等方面取得了令人矚目的成果。文獻(xiàn)[11]循環(huán)一致的對抗網(wǎng)絡(luò)(cycle consistent adversarial network,CycleGAN)不需要使用匹配的樣本也能將樣本表情特征轉(zhuǎn)換成另一類表情樣本風(fēng)格,以致其拓展性好,應(yīng)用更廣泛;文獻(xiàn)[12]提出一種基于GAN學(xué)習(xí)發(fā)現(xiàn)不同域之間關(guān)系的算法DiscoGAN,利用一對一映射正確學(xué)習(xí)圖像特征,進(jìn)而提高表情圖像質(zhì)量;文獻(xiàn)[13]星型生成對抗網(wǎng)絡(luò)(StarGAN)解決了多種表情類別之間相互轉(zhuǎn)化的問題,模型結(jié)構(gòu)相對簡易并且運行高效。雖然現(xiàn)有的各種GAN網(wǎng)絡(luò)有著良好的性能,但這些算法存在著模式易崩塌和訓(xùn)練不穩(wěn)定的問題。

    本文提出了一種基于模式搜索StartGAN的圖像生成方法,進(jìn)一步改善了星型生成對抗網(wǎng)絡(luò)的模式崩塌現(xiàn)象。

    1 面部表情圖像生成方法

    1.1 GAN

    GAN[2]由生成網(wǎng)絡(luò)和判別網(wǎng)絡(luò)兩部分構(gòu)成的。判別網(wǎng)絡(luò)是區(qū)分生成器生成的假樣本和真實樣本。而生成網(wǎng)絡(luò)是通過生成假樣本來混淆判別器。整個訓(xùn)練過程中生成網(wǎng)絡(luò)和判別網(wǎng)絡(luò)同時訓(xùn)練,構(gòu)成了一個動態(tài)的“二人博弈游戲”(two-player minmax game)。GAN訓(xùn)練過程如式(1)所示

    (1)

    1.2 StarGAN

    StarGAN[13]相比于其它GAN模型而言,解決了多種表情類別之間相互轉(zhuǎn)化的問題。StarGAN的模型結(jié)構(gòu)相對簡易并且運行高效,其生成器接收輸入目標(biāo)域c和輸入樣本x。G輸出的假樣本一方面?zhèn)鬏斀oD,判斷真假樣本和進(jìn)行域分類;另一方面這個假樣本會再次傳輸?shù)缴善?,并與輸入樣本的目標(biāo)域標(biāo)簽c′作為輸入,目的在于混淆輸出的樣本和原始輸入樣本,提高兩者之間的相似性。StarGAN的網(wǎng)絡(luò)結(jié)構(gòu)如圖1。

    圖1 StarGAN網(wǎng)絡(luò)結(jié)構(gòu)

    1.3 模式搜索GAN

    GAN[2]的模式崩塌問題可由模式搜索GAN(mode seeking generative adversarial network,MSGAN )[14]提出的量化模型崩塌的方式進(jìn)行改善。量化模型崩塌的方式即距離比,可使樣本具有更好的多樣性,如式(2)所示

    (2)

    式中dI為樣本之間的距離矩陣,dZ為隱向量之間的距離矩陣,c,z分別為條件和隱向量。生成圖像由隱編碼空間Z的隱向量z映射到圖像空間I中得到。在圖2中,a=1,b=2。當(dāng)發(fā)生模式崩塌時,z1,z2值越接近,距離比就會越小。隨著距離比的增大,更多隱向量能映射到圖像中。因此,可通過增大距離比改善模型崩塌現(xiàn)象。

    MSGAN模型通過添加模式搜索(mode seeking)正則項[14]來增大距離比。公式如下

    (3)

    MSGAN的目標(biāo)函數(shù)如式(4)

    Lnew=Lori+λmsLms

    (4)

    式中Loir為原始目標(biāo)函數(shù),λms為控制正則化重要性的權(quán)重。

    2 模式搜索StarGAN

    在面部表情圖像生成中,表情轉(zhuǎn)換后得到的樣本質(zhì)量對表情識別有著重要的影響。MSGAN提出量化模型崩塌方式即距離比,通過增大距離比改善模式崩塌現(xiàn)象,進(jìn)而提高樣本質(zhì)量。StarGAN能夠解決多種表情類別之間相互轉(zhuǎn)化的問題,模型結(jié)構(gòu)相對簡易并且運行高效。因此,本文結(jié)合StarGAN和MSGAN模型的特點,提出了一種模式搜索StarGAN(MS-StarGAN)。MS-StarGAN向生成器目標(biāo)函數(shù)中添加模式搜索正則項,通過增大距離比避免特征相似的輸入向量一直出現(xiàn)在同樣的映射位置,進(jìn)一步解決模式崩塌現(xiàn)象,使得表情圖像的質(zhì)量和豐富度有所提高。生成器結(jié)構(gòu)采用空間可分離卷積替代卷積層,從而減少模型的訓(xùn)練參數(shù),有效提升模型訓(xùn)練的穩(wěn)定性。MS-StarGAN原理如圖2所示。

    圖2 MS-StarGAN網(wǎng)絡(luò)原理

    首先向生成器輸入目標(biāo)域c和輸入樣本x生成假樣本G(x,c)。假樣本G(x,c)傳送給判別器,判別器會判定是生成器生成的假樣本G(x,c)還是輸入樣本x,以及域分類結(jié)果;而生成器產(chǎn)生的假樣本G(x,c)會再次傳回給生成器。此時將這個假樣本G(x,c)與輸入樣本的目標(biāo)域標(biāo)簽c′作為輸入,目的在于混淆輸出的樣本和原始輸入樣本,提高兩者之間的特征相似性。在輸入樣本與生成樣本之間添加模式搜索正則項,進(jìn)一步改善模式崩塌現(xiàn)象,使得生成的表情樣本更加自然且平滑。

    2.1 生成網(wǎng)絡(luò)

    MS-StarGAN生成器結(jié)構(gòu)如圖3所示,MS-StarGAN生成器整個網(wǎng)絡(luò)深度為18,包括了3個不同卷積層,6個殘差塊[15](其中每個殘差塊包含2層普通空間卷積層),以及2個轉(zhuǎn)置卷積。首先第一部分接收樣本和標(biāo)簽作為輸入,卷積核尺寸為7×7,步幅尺寸為1,填充尺寸為3,并且添加實例歸一化層和Relu作為激勵函數(shù)。激勵函數(shù)可以加速訓(xùn)練,提升穩(wěn)定性。第二、三層進(jìn)行下采樣,卷積核尺寸為4×4,步幅尺寸為1,填充尺寸為2,得到4×4×256的特征圖。其次在中間部分使用空間分離卷積[16],將3×3分離為3×1和1×3,目的在于減少網(wǎng)絡(luò)訓(xùn)練的參數(shù)量。最后使用轉(zhuǎn)置卷積進(jìn)行上采樣,輸出使用反曲函數(shù)Tanh。

    圖3 MS-StarGAN生成器結(jié)構(gòu)

    2.2 判別網(wǎng)絡(luò)

    對于判別器網(wǎng)絡(luò)而言,整個網(wǎng)絡(luò)深度為7。它輸入的是真樣本或者假樣本,并判斷其真假以及所屬目標(biāo)域,卷積核尺寸為4×4,步幅尺寸為2,填充尺寸為1。中間部分為隱含層,使得表情特征能夠穩(wěn)定得到獲取,卷積核個數(shù)依次為128,256,512,1 024,2 048。而它的輸出有兩部分:對抗標(biāo)簽和分類標(biāo)簽。全局平均池化層代替全連接層,減小參數(shù)量,提高訓(xùn)練速度。MS-StarGAN模型結(jié)構(gòu)圖如圖4所示。

    圖4 MS-StarGAN判別器結(jié)構(gòu)

    2.3 損失函數(shù)

    MS-StarGAN損失函數(shù)由對抗誤差、域分類誤差和重構(gòu)誤差組成。

    對抗誤差:由判別器判別真實圖像產(chǎn)生的損失和判別器判別生成圖像的損失共同組成了對抗誤差。式(5)如

    Ladv=Ex[logDsrc(x)]+Ex,c[log(1-Dsrc(G(x,c)))]

    (5)

    式中x為輸入樣本,c為目標(biāo)域標(biāo)簽,Dsrc(x)則為判斷出輸入樣本為真實樣本的概率。

    域分類誤差:該誤差的目的是給目標(biāo)域c分配到含有目標(biāo)域標(biāo)簽c′的輸入圖像x的輸出圖像y。判別器增加輔助域分類器,并在優(yōu)化判別器和生成器時使用域分類誤差。判別器的域分類誤差和生成器的域分類誤差如式(6)、式(7)

    (6)

    (7)

    式中c′為輸入樣本的目標(biāo)域標(biāo)簽,Dcls(c′|x)為在c′下判別器計算出的概率分布。

    重構(gòu)誤差:為使樣本在轉(zhuǎn)換后改變需要轉(zhuǎn)換的部分,其它部分保持不變,采用周期一致性損失,如式(8)

    Lrec=Ex,c,c′[‖x-G(G(x,c),c′)‖1]

    (8)

    為避免特征相似的輸入向量一直出現(xiàn)在一樣的映射位置,進(jìn)一步解決模式崩塌現(xiàn)象。所以最終目標(biāo)函數(shù)如式(9)、式(10)

    (9)

    (10)

    式中λcls,λrec和λms為具有不同權(quán)重的超參數(shù)。

    3 實 驗

    為驗證MS-StarGAN的性能,本文在CK+數(shù)據(jù)集[17]和FER2013[18]數(shù)據(jù)集上進(jìn)行驗證,并與CycleGAN、DiscoGAN和StarGAN三個模型進(jìn)行對比。實驗處理器使用Intel?Xeon?CPU E5—2620 v4 @ 2.10 GHz,顯卡為NVIDIA Tesla P100 GPU,環(huán)境為TensorFlow。

    3.1 參數(shù)設(shè)置

    MS-SAGAN使用基于動量算法的Adam作為優(yōu)化器,實驗迭代訓(xùn)練80個epoch,每一個epoch的迭代次數(shù)為10 000次。初始學(xué)習(xí)率設(shè)置為0.000 2,beta為0.5,batch_size設(shè)置為32。參數(shù)λcls、λrec均設(shè)置為10,λms設(shè)置為1。

    3.2 CK+數(shù)據(jù)集實驗結(jié)果

    CK+數(shù)據(jù)集是人臉表情合成最常用的數(shù)據(jù)庫之一。該數(shù)據(jù)庫包含了面部8種表情:憤怒、蔑視、厭惡、恐懼、悲傷、高興、驚訝和自然。此次實驗選取除蔑視與自然之外的6種表情圖像,一共1 014張圖像。其中,訓(xùn)練集選取737張圖像,測試集選取277張圖像。

    圖5為MS-StarGAN模型在CK+數(shù)據(jù)集上生成的樣本。在實驗中隨機(jī)輸入一種表情,則生成經(jīng)遷移后的6種表情。第一列到第六列的表情依次為憤怒、厭惡、恐懼、高興、悲傷和驚訝。由圖5可知,迭代次數(shù)在10次之后就能學(xué)習(xí)到面部特征,但存在圖像噪聲且表情特征學(xué)習(xí)不足的問題。當(dāng)?shù)螖?shù)達(dá)到50次后,生成圖像的質(zhì)量效果較好,噪聲較少,圖像平滑。

    圖5 CK+生成樣本

    為進(jìn)一步驗證MS-StarGAN生成圖像的效果,使用不同用于風(fēng)格遷移的生成對抗網(wǎng)絡(luò),包括StarGAN、CycleGAN、DiscoGAN。這些模型與MS-StarGAN在同一數(shù)據(jù)集上生成的圖像加以對比,生成效果如圖6所示。第一列到第六列為經(jīng)遷移后得到的6種表情,依次為憤怒、厭惡、恐懼、高興、悲傷和驚訝。由對比圖可知,CycleGAN與DiscoGAN生成的樣本雖然學(xué)習(xí)到較準(zhǔn)確的面部特征,但是存在模式崩潰且圖像不平滑;StarGAN生成樣本的面部表情特征相比于CycleGAN與DiscoGAN更清晰,圖像較平滑。而MS-StarGAN將模式搜索正則項與星型生成對抗網(wǎng)絡(luò)的生成器損失相結(jié)合則,其結(jié)果相比其它生成對抗網(wǎng)絡(luò)生成的圖像更加清晰,模式崩潰有所改善,圖像表情更加自然。

    圖6 不同模型生成圖像對比

    3.3 FER2013數(shù)據(jù)集實驗結(jié)果

    FER2013數(shù)據(jù)集是一個由28 709張圖像的訓(xùn)練集、3 589張圖像的驗證集和3 589張圖像的測試集組成,共35 887張圖像的數(shù)據(jù)集。該數(shù)據(jù)集中表情共分為7類即憤怒、厭惡、恐懼、悲傷、高興、驚訝和自然,且每一張圖像均為48×48的灰度圖像。為了與CK+數(shù)據(jù)集表情的種類相一致,此次實驗選取了除自然表情以外的6類表情進(jìn)行表情生成。

    圖7為模型MS-StarGAN生成的效果圖。在實驗中同樣隨機(jī)輸入一類表情,總共迭代80次得到樣本,依次得到的樣本表情圖像為憤怒、厭惡、恐懼、高興、悲傷和驚訝。由圖7可知,在前10次迭代中圖像存在大量噪聲,特征并不清晰,但當(dāng)?shù)螖?shù)達(dá)到50以后,尤其迭代次數(shù)到達(dá)80次時圖像的表情特征已經(jīng)逐漸清晰,噪聲也在慢慢消失,圖像趨于平滑。

    圖7 Fer2013生成樣本

    圖8是相同實驗條件下不同模型使用FER2013數(shù)據(jù)集生成圖像的對比圖。由于FER2013數(shù)據(jù)集存在部分標(biāo)簽錯誤以及肉眼識別率僅在65 %上下的問題,因此,從圖8看出無論是MS-StarGAN還是其它模型,經(jīng)轉(zhuǎn)換后的表情圖像效果表現(xiàn)都不如CK+數(shù)據(jù)集,尤其是厭惡表情。因為圖像數(shù)量相比其它表情較少,反之高興以及驚訝表情轉(zhuǎn)換后效果較為突出。盡管如此,從生成圖像中仍然可以清楚的看到,MS-StarGAN模型最終生成的樣本相比于其它模型噪聲少且平滑,表情特征更加明顯。

    圖8 不同模型生成圖像對比

    4 性能評估

    為了定量的評價生成圖像質(zhì)量的好壞,本文采用弗雷歇距離(Fréchet inception distance,F(xiàn)ID)評估指標(biāo),其結(jié)果更具有原則性和綜合性,能夠更好地捕獲真假樣本圖像的相似性,符合人類的區(qū)分準(zhǔn)則。FID值較低代表生成圖片的質(zhì)量噪聲小,具有更好的豐度。FID的公式如下

    FID=‖μr-μg‖2+Tr(Σr+Σg-2(ΣrΣg)1/2)

    (11)

    MS-StarGAN與StarGAN的最佳弗雷歇距離值如表1所示。

    表1 不同模型的FID值對比

    5 結(jié) 論

    本文提出了MS-StarGAN模型,在StarGAN的基礎(chǔ)上結(jié)合MSGAN中提出的模式搜索距離比,進(jìn)一步改善了StarGAN模式崩塌現(xiàn)象。與其它用于圖像遷移的對抗生成網(wǎng)絡(luò)方法,如CycleGAN、StarGAN等。本方法在CK+和FER2013數(shù)據(jù)集上具有良好的生成效果,驗證了該方法比其它的面部表情圖像風(fēng)格遷移生成模型可以更有效地改善模式崩塌問題,進(jìn)而提高表情圖像的質(zhì)量和豐富度以及模型訓(xùn)練的穩(wěn)定性。其弗雷歇距離相比較于StarGAN分別提高了1.64和0.68。但是本文所提方法對于圖像局部特征的改善較不明顯,有待進(jìn)一步改進(jìn)。

    猜你喜歡
    卷積誤差樣本
    基于3D-Winograd的快速卷積算法設(shè)計及FPGA實現(xiàn)
    用樣本估計總體復(fù)習(xí)點撥
    角接觸球軸承接觸角誤差控制
    哈爾濱軸承(2020年2期)2020-11-06 09:22:26
    Beidou, le système de navigation par satellite compatible et interopérable
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    壓力容器制造誤差探究
    推動醫(yī)改的“直銷樣本”
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    隨機(jī)微分方程的樣本Lyapunov二次型估計
    九十億分之一的“生死”誤差
    山東青年(2016年2期)2016-02-28 14:25:41
    美女高潮喷水抽搐中文字幕| 免费观看精品视频网站| 亚洲色图av天堂| 亚洲精品亚洲一区二区| 麻豆国产97在线/欧美| 男女视频在线观看网站免费| 99久国产av精品| 中文资源天堂在线| 国产真实伦视频高清在线观看 | 日本免费a在线| 日韩 亚洲 欧美在线| av在线老鸭窝| 亚洲 欧美 日韩 在线 免费| 国产高清视频在线观看网站| 别揉我奶头~嗯~啊~动态视频| 精品久久久久久久久久久久久| 757午夜福利合集在线观看| av天堂在线播放| 麻豆国产97在线/欧美| 1024手机看黄色片| 看黄色毛片网站| 亚洲成人久久性| 波多野结衣高清作品| 十八禁人妻一区二区| 免费看日本二区| 久久久久久久亚洲中文字幕 | 亚洲五月婷婷丁香| 午夜免费激情av| 中出人妻视频一区二区| 欧美最黄视频在线播放免费| 国产精品人妻久久久久久| 在线天堂最新版资源| 亚洲美女黄片视频| 日韩av在线大香蕉| 真人一进一出gif抽搐免费| 在线看三级毛片| 亚洲精品456在线播放app | 中文字幕免费在线视频6| 精品久久久久久成人av| 又爽又黄a免费视频| 国产又黄又爽又无遮挡在线| 中文字幕免费在线视频6| 亚洲欧美日韩高清在线视频| 国产伦精品一区二区三区四那| 特级一级黄色大片| 久久精品久久久久久噜噜老黄 | 99热这里只有精品一区| 国语自产精品视频在线第100页| 五月伊人婷婷丁香| 狠狠狠狠99中文字幕| 国产单亲对白刺激| 又紧又爽又黄一区二区| 精品乱码久久久久久99久播| 俺也久久电影网| 99久久成人亚洲精品观看| 黄色日韩在线| 久久精品影院6| 国产欧美日韩一区二区精品| 在线播放无遮挡| 国产精品影院久久| а√天堂www在线а√下载| 性欧美人与动物交配| 日日摸夜夜添夜夜添av毛片 | 国内毛片毛片毛片毛片毛片| 精品99又大又爽又粗少妇毛片 | 国产不卡一卡二| 欧美日韩瑟瑟在线播放| 久久国产乱子伦精品免费另类| 美女xxoo啪啪120秒动态图 | 国产高清激情床上av| 一个人观看的视频www高清免费观看| xxxwww97欧美| 免费无遮挡裸体视频| 日本 av在线| 天天躁日日操中文字幕| 国内精品久久久久精免费| 亚洲中文字幕一区二区三区有码在线看| 亚洲18禁久久av| 99在线视频只有这里精品首页| 国产色婷婷99| 一区二区三区高清视频在线| 色哟哟·www| 国产一区二区激情短视频| 国产伦一二天堂av在线观看| 亚洲中文日韩欧美视频| av在线蜜桃| 他把我摸到了高潮在线观看| www.999成人在线观看| 狠狠狠狠99中文字幕| 国产美女午夜福利| 欧美日韩国产亚洲二区| 婷婷色综合大香蕉| 久久天躁狠狠躁夜夜2o2o| 色尼玛亚洲综合影院| 成年版毛片免费区| 亚洲自偷自拍三级| 两人在一起打扑克的视频| 欧美日韩国产亚洲二区| 亚洲综合色惰| 亚洲成av人片免费观看| av专区在线播放| 亚洲 国产 在线| 成年女人永久免费观看视频| 精品无人区乱码1区二区| 亚洲无线观看免费| 久久99热这里只有精品18| 色精品久久人妻99蜜桃| 天堂av国产一区二区熟女人妻| 亚洲精品在线观看二区| 69av精品久久久久久| 国产av一区在线观看免费| 动漫黄色视频在线观看| 我要看日韩黄色一级片| 欧美日韩亚洲国产一区二区在线观看| 亚洲中文字幕日韩| 国产精品精品国产色婷婷| aaaaa片日本免费| 亚洲欧美日韩东京热| 黄色女人牲交| 国产成人aa在线观看| 在线播放无遮挡| eeuss影院久久| 色精品久久人妻99蜜桃| 国产精品野战在线观看| 精品久久久久久久久亚洲 | 狂野欧美白嫩少妇大欣赏| 国产午夜精品论理片| www日本黄色视频网| 亚洲精华国产精华精| 国产大屁股一区二区在线视频| 国产高清视频在线播放一区| 在线观看美女被高潮喷水网站 | 国产野战对白在线观看| 性色avwww在线观看| 日韩大尺度精品在线看网址| 深夜a级毛片| 色精品久久人妻99蜜桃| 欧美潮喷喷水| 久久亚洲精品不卡| 一本一本综合久久| 亚洲国产精品合色在线| 国产高清视频在线观看网站| 欧美黄色淫秽网站| 精品不卡国产一区二区三区| 久久久久久久午夜电影| 老司机午夜福利在线观看视频| 婷婷精品国产亚洲av| 久久天躁狠狠躁夜夜2o2o| 国产在线精品亚洲第一网站| 深夜a级毛片| 一区二区三区免费毛片| 欧美高清成人免费视频www| 精华霜和精华液先用哪个| 久久午夜福利片| 看免费av毛片| 欧美在线黄色| 国产精品美女特级片免费视频播放器| 99国产精品一区二区三区| 国产不卡一卡二| 真人一进一出gif抽搐免费| 在线观看舔阴道视频| 男人舔女人下体高潮全视频| 国产中年淑女户外野战色| 成人高潮视频无遮挡免费网站| 久久精品国产清高在天天线| 国产成人欧美在线观看| 亚洲中文字幕日韩| 嫩草影院精品99| 欧美日韩亚洲国产一区二区在线观看| 每晚都被弄得嗷嗷叫到高潮| 丝袜美腿在线中文| 免费av观看视频| 午夜福利欧美成人| 亚洲人成电影免费在线| 久久久久久久久久成人| av欧美777| 亚洲av熟女| 三级毛片av免费| 国产aⅴ精品一区二区三区波| 亚洲午夜理论影院| 国产极品精品免费视频能看的| 亚洲精品粉嫩美女一区| 日韩欧美在线二视频| 色哟哟哟哟哟哟| 淫秽高清视频在线观看| 亚洲在线自拍视频| eeuss影院久久| 最近在线观看免费完整版| 特级一级黄色大片| 国产精品久久久久久精品电影| 俺也久久电影网| 天堂av国产一区二区熟女人妻| 午夜福利在线在线| 国产成人影院久久av| 国产亚洲精品av在线| 热99在线观看视频| 国产69精品久久久久777片| 在线a可以看的网站| 成人特级av手机在线观看| 中文字幕免费在线视频6| 国产高清视频在线播放一区| 少妇裸体淫交视频免费看高清| 又爽又黄a免费视频| 99国产极品粉嫩在线观看| 最近最新免费中文字幕在线| 国产伦在线观看视频一区| 久久久成人免费电影| 午夜老司机福利剧场| 亚洲成av人片在线播放无| 黄色女人牲交| 极品教师在线视频| 国产精品影院久久| 精品一区二区三区视频在线| 久久国产精品影院| 69人妻影院| 亚洲欧美精品综合久久99| 亚洲av二区三区四区| 色吧在线观看| 国内精品久久久久久久电影| 免费一级毛片在线播放高清视频| 香蕉av资源在线| 亚洲欧美激情综合另类| 两个人的视频大全免费| 两个人视频免费观看高清| 窝窝影院91人妻| 男女下面进入的视频免费午夜| 国产精品美女特级片免费视频播放器| 一级黄色大片毛片| 亚洲七黄色美女视频| 一本精品99久久精品77| 日韩中文字幕欧美一区二区| 欧美成人性av电影在线观看| 国产激情偷乱视频一区二区| 亚洲自偷自拍三级| 精品久久久久久久久久久久久| 人人妻人人澡欧美一区二区| 久99久视频精品免费| .国产精品久久| 舔av片在线| 久久国产精品人妻蜜桃| av欧美777| 很黄的视频免费| 久久香蕉精品热| 午夜亚洲福利在线播放| 亚洲中文日韩欧美视频| 国产精品一及| 内地一区二区视频在线| 精品人妻视频免费看| av女优亚洲男人天堂| 亚洲经典国产精华液单 | 国产欧美日韩精品一区二区| 国产高潮美女av| 国产91精品成人一区二区三区| 亚洲精品久久国产高清桃花| 99热这里只有精品一区| 成人特级黄色片久久久久久久| 国产一区二区激情短视频| 国产日本99.免费观看| 一个人看视频在线观看www免费| 丁香欧美五月| 一区二区三区四区激情视频 | 亚洲精品色激情综合| 欧美日韩亚洲国产一区二区在线观看| 深夜a级毛片| 国产美女午夜福利| 亚洲成人久久性| 国模一区二区三区四区视频| 亚洲国产精品合色在线| 搡老妇女老女人老熟妇| 亚洲成av人片在线播放无| www.999成人在线观看| 亚洲不卡免费看| 午夜免费成人在线视频| 99热6这里只有精品| 精品国产亚洲在线| 97热精品久久久久久| 一本综合久久免费| 听说在线观看完整版免费高清| av在线老鸭窝| 久久中文看片网| 亚洲av不卡在线观看| 97碰自拍视频| 日韩有码中文字幕| 亚洲一区二区三区色噜噜| 中亚洲国语对白在线视频| 欧美+日韩+精品| 国产一区二区在线av高清观看| 国产综合懂色| 国产欧美日韩一区二区三| 国产精品久久久久久久久免 | 欧美成狂野欧美在线观看| 欧美激情久久久久久爽电影| 国产高清有码在线观看视频| 欧美激情国产日韩精品一区| 亚洲无线在线观看| 国产av麻豆久久久久久久| 黄片小视频在线播放| 欧美成人免费av一区二区三区| 亚洲精品在线观看二区| 日韩有码中文字幕| 久久热精品热| 18禁黄网站禁片午夜丰满| 国产一级毛片七仙女欲春2| 夜夜爽天天搞| 白带黄色成豆腐渣| 亚洲av二区三区四区| 午夜福利免费观看在线| 成人精品一区二区免费| 色吧在线观看| 国产在视频线在精品| 午夜福利欧美成人| 如何舔出高潮| 美女免费视频网站| 欧美中文日本在线观看视频| 国产av在哪里看| 简卡轻食公司| 一区二区三区高清视频在线| 精品欧美国产一区二区三| 亚洲精品一卡2卡三卡4卡5卡| 69人妻影院| 亚洲一区二区三区不卡视频| 黄色视频,在线免费观看| a级一级毛片免费在线观看| 欧美精品国产亚洲| 欧美一级a爱片免费观看看| 欧美午夜高清在线| 中文在线观看免费www的网站| 男女下面进入的视频免费午夜| 女人被狂操c到高潮| 老熟妇仑乱视频hdxx| 一本久久中文字幕| 精品一区二区三区视频在线观看免费| 欧美成狂野欧美在线观看| 熟女电影av网| 国产亚洲av嫩草精品影院| 久久香蕉精品热| 久久天躁狠狠躁夜夜2o2o| 免费无遮挡裸体视频| 一区二区三区四区激情视频 | 99riav亚洲国产免费| 看十八女毛片水多多多| 久久午夜福利片| h日本视频在线播放| 欧美在线一区亚洲| .国产精品久久| 久久亚洲真实| 亚洲精品一卡2卡三卡4卡5卡| 亚洲黑人精品在线| 免费av不卡在线播放| 亚洲黑人精品在线| 国产乱人伦免费视频| 久久久久久久精品吃奶| 两性午夜刺激爽爽歪歪视频在线观看| 免费观看人在逋| 在线播放无遮挡| 欧美性猛交黑人性爽| 天堂网av新在线| 国产精品一区二区三区四区久久| 亚洲av成人精品一区久久| 久久久久久久久大av| www.熟女人妻精品国产| 一进一出好大好爽视频| 国产在线精品亚洲第一网站| 99在线人妻在线中文字幕| 怎么达到女性高潮| 国产黄a三级三级三级人| 精品国内亚洲2022精品成人| 国产一区二区在线av高清观看| 成人欧美大片| 国产精品爽爽va在线观看网站| 久久久久久久久中文| or卡值多少钱| 国产探花极品一区二区| 久久久久久久精品吃奶| 三级男女做爰猛烈吃奶摸视频| 欧美成人a在线观看| 国产精品98久久久久久宅男小说| 午夜免费激情av| 久久精品91蜜桃| 日本一二三区视频观看| 12—13女人毛片做爰片一| 国产淫片久久久久久久久 | 男女视频在线观看网站免费| 亚洲人成网站在线播放欧美日韩| 午夜精品在线福利| 国产高潮美女av| 国产成人aa在线观看| ponron亚洲| 国产精华一区二区三区| 不卡一级毛片| 美女 人体艺术 gogo| av天堂在线播放| 性欧美人与动物交配| www日本黄色视频网| 99热这里只有精品一区| 丰满人妻一区二区三区视频av| 亚洲av成人精品一区久久| 天堂√8在线中文| 啦啦啦韩国在线观看视频| 天堂动漫精品| 色综合婷婷激情| 偷拍熟女少妇极品色| 两性午夜刺激爽爽歪歪视频在线观看| 老鸭窝网址在线观看| 麻豆成人av在线观看| 97热精品久久久久久| 久久精品91蜜桃| av女优亚洲男人天堂| 成人国产一区最新在线观看| 国产中年淑女户外野战色| 国产高潮美女av| 俺也久久电影网| 日本a在线网址| 国产在视频线在精品| 日本与韩国留学比较| 日韩高清综合在线| 欧美激情国产日韩精品一区| 精品乱码久久久久久99久播| 一级黄片播放器| 中文亚洲av片在线观看爽| 亚洲七黄色美女视频| 亚洲av中文字字幕乱码综合| 亚洲片人在线观看| 麻豆国产av国片精品| 搡老熟女国产l中国老女人| 丁香欧美五月| 嫁个100分男人电影在线观看| 91在线观看av| 黄片小视频在线播放| 国产69精品久久久久777片| 国产精品综合久久久久久久免费| 国产精品久久视频播放| 看黄色毛片网站| 亚洲av成人av| 久久伊人香网站| 亚洲精品日韩av片在线观看| 美女 人体艺术 gogo| 亚洲成人久久性| 成年人黄色毛片网站| 12—13女人毛片做爰片一| 亚洲欧美激情综合另类| 国内揄拍国产精品人妻在线| 久久久久久久亚洲中文字幕 | 国产探花在线观看一区二区| 欧美性猛交╳xxx乱大交人| 日韩国内少妇激情av| 天天躁日日操中文字幕| 我的老师免费观看完整版| 少妇人妻精品综合一区二区 | 精品无人区乱码1区二区| 一级a爱片免费观看的视频| 国产久久久一区二区三区| 黄片小视频在线播放| a级一级毛片免费在线观看| 欧美日韩乱码在线| 精品不卡国产一区二区三区| 18禁黄网站禁片午夜丰满| 深夜a级毛片| 在线播放国产精品三级| 天堂√8在线中文| 搡老熟女国产l中国老女人| 亚洲黑人精品在线| 两个人的视频大全免费| 国产单亲对白刺激| 色吧在线观看| 99久久99久久久精品蜜桃| 51午夜福利影视在线观看| av天堂中文字幕网| 欧美日韩福利视频一区二区| 精品人妻1区二区| 一卡2卡三卡四卡精品乱码亚洲| 久久精品国产亚洲av香蕉五月| 国内精品久久久久精免费| 国产精品精品国产色婷婷| 国产白丝娇喘喷水9色精品| 国产免费男女视频| 真人做人爱边吃奶动态| 国产精品久久久久久精品电影| 中出人妻视频一区二区| 97人妻精品一区二区三区麻豆| 51国产日韩欧美| 精品人妻偷拍中文字幕| 人妻久久中文字幕网| 午夜激情欧美在线| 亚洲 欧美 日韩 在线 免费| 99在线视频只有这里精品首页| 一区二区三区高清视频在线| 能在线免费观看的黄片| av在线蜜桃| 亚洲欧美日韩高清专用| 又黄又爽又免费观看的视频| 51午夜福利影视在线观看| 可以在线观看毛片的网站| 日本精品一区二区三区蜜桃| 国产在线精品亚洲第一网站| 欧美午夜高清在线| 亚洲美女搞黄在线观看 | 亚洲人成伊人成综合网2020| 成人av一区二区三区在线看| 久久久国产成人免费| 一进一出抽搐gif免费好疼| 好男人在线观看高清免费视频| 小说图片视频综合网站| 男女视频在线观看网站免费| 国产伦在线观看视频一区| 欧美性猛交黑人性爽| 免费在线观看日本一区| 五月伊人婷婷丁香| 日本黄色片子视频| 久久这里只有精品中国| 亚洲欧美日韩高清在线视频| 性色av乱码一区二区三区2| av福利片在线观看| 非洲黑人性xxxx精品又粗又长| 97人妻精品一区二区三区麻豆| 日本一本二区三区精品| 90打野战视频偷拍视频| 激情在线观看视频在线高清| 一本一本综合久久| 久久国产乱子免费精品| 亚洲av成人精品一区久久| 露出奶头的视频| 亚洲专区国产一区二区| 成人av在线播放网站| 亚洲精品日韩av片在线观看| 久久久久久久亚洲中文字幕 | 国产精品国产高清国产av| 一级作爱视频免费观看| 精品99又大又爽又粗少妇毛片 | 国产精华一区二区三区| 波多野结衣高清无吗| 内地一区二区视频在线| 亚洲av.av天堂| 久久久久久久久中文| av视频在线观看入口| 每晚都被弄得嗷嗷叫到高潮| 亚洲欧美精品综合久久99| 长腿黑丝高跟| 搡老熟女国产l中国老女人| 高清毛片免费观看视频网站| 嫩草影视91久久| 亚洲国产精品久久男人天堂| 亚洲内射少妇av| 久久久久国产精品人妻aⅴ院| 国产淫片久久久久久久久 | 在线免费观看不下载黄p国产 | 日韩欧美精品免费久久 | 欧美高清性xxxxhd video| www.999成人在线观看| 熟妇人妻久久中文字幕3abv| 国产亚洲精品久久久com| 亚洲国产精品sss在线观看| 又黄又爽又刺激的免费视频.| 午夜亚洲福利在线播放| 亚洲中文字幕一区二区三区有码在线看| 一级av片app| 在线免费观看的www视频| 内射极品少妇av片p| a在线观看视频网站| 亚洲成人精品中文字幕电影| 黄色丝袜av网址大全| 99国产综合亚洲精品| 小说图片视频综合网站| 欧美黄色淫秽网站| 亚洲自偷自拍三级| 国产精品国产高清国产av| 成人av在线播放网站| 久久精品国产亚洲av香蕉五月| 亚洲中文日韩欧美视频| 十八禁人妻一区二区| 亚洲乱码一区二区免费版| 国产色婷婷99| 99国产精品一区二区蜜桃av| 中文字幕av成人在线电影| 日本在线视频免费播放| 深爱激情五月婷婷| 中文亚洲av片在线观看爽| 首页视频小说图片口味搜索| АⅤ资源中文在线天堂| 成人高潮视频无遮挡免费网站| 成人av在线播放网站| 久久99热这里只有精品18| 91狼人影院| 久久久色成人| 精品国产三级普通话版| 免费人成在线观看视频色| 国产精品久久视频播放| 2021天堂中文幕一二区在线观| 亚洲在线观看片| 69av精品久久久久久| 午夜福利在线在线| 成人美女网站在线观看视频| 成人午夜高清在线视频| 亚洲精品亚洲一区二区| 乱码一卡2卡4卡精品| 日日干狠狠操夜夜爽| 1000部很黄的大片| 在线播放国产精品三级| 欧美性猛交黑人性爽| 动漫黄色视频在线观看| 老司机福利观看| 嫩草影院精品99| 国产一级毛片七仙女欲春2| 内地一区二区视频在线| 噜噜噜噜噜久久久久久91| 动漫黄色视频在线观看| 亚洲av不卡在线观看| 成人特级av手机在线观看| 动漫黄色视频在线观看| 老司机午夜福利在线观看视频| 欧美日韩中文字幕国产精品一区二区三区| 网址你懂的国产日韩在线| 成人鲁丝片一二三区免费| 变态另类丝袜制服| 99视频精品全部免费 在线|