• <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 ?

    基于改進YOLOv4-tiny的零件目標檢測*

    2022-11-09 02:34:10殷宇翔徐順清何堅強蔣成晨唐乾榕
    計算機與數(shù)字工程 2022年9期
    關(guān)鍵詞:網(wǎng)絡(luò)結(jié)構(gòu)權(quán)值注意力

    殷宇翔 徐順清 何堅強 蔣成晨 陸 群 唐乾榕

    (鹽城工學(xué)院電氣工程學(xué)院 鹽城 224000)

    1 引言

    機械制造業(yè)是我國經(jīng)濟發(fā)展的支柱性產(chǎn)業(yè),其整體生產(chǎn)規(guī)模也在不斷提升。近年來,柔性生產(chǎn)技術(shù)迅速發(fā)展,它是以數(shù)控機床為主的設(shè)備來生產(chǎn)多種類小批量的機械零部件[1],比傳統(tǒng)的批量生產(chǎn)更具靈活性,是促進先進制造業(yè)高新技術(shù)發(fā)展的重要途徑。在柔性生產(chǎn)過程中會產(chǎn)生多種零部件的混合,往往需要人工進行歸類分揀,生產(chǎn)效率不高。隨著智能機器人的發(fā)展,自動抓取已經(jīng)廣泛運用于零件分揀領(lǐng)域,代替了傳統(tǒng)的人工分揀,極大提高了工作效率[2]。但在抓取過程中,首先要對零件進行分類、定位[3]。國內(nèi)對零件定位的研究大多停留于傳統(tǒng)的模板匹配算法[4],在識別的速度與精度方面還比較差,可移植性不強。且在實際的環(huán)境中,零件大多是散亂放置,無法進行較為準確的實時抓取。

    隨著神經(jīng)網(wǎng)絡(luò)的快速發(fā)展,更為高效精準的深度學(xué)習算法相繼提出,已逐步代替?zhèn)鹘y(tǒng)算法。在發(fā)展過程中分成兩種類別[5]。一類是以Faster RCNN[6]為代表的雙階段檢測算法,該算法首先生成候選區(qū)域,再經(jīng)過網(wǎng)絡(luò)提取特征,最后對候選區(qū)域進行回歸和分類,雖然有較高的準確率但速度較慢。在零件檢測研究領(lǐng)域中,唐茂?。?]等提出一種改進的Faster-RCNN算法,改善零件焊縫缺陷目標框定位問題,精確度提高了2.4%,但每副圖像檢測時間為0.245s。仝京等[8]通過調(diào)整現(xiàn)有的Mask-RCNN網(wǎng)絡(luò)結(jié)構(gòu),提出使用mask分支的輸出信息進行提取與加工,并結(jié)合多種邊緣檢測算法來提高目標識別的準確率。另一類是以YOLO[9]為代表的單階段檢測算法,該方法直接由網(wǎng)絡(luò)預(yù)測出類別與候選區(qū)域,此類方法優(yōu)點是識別精度較高且快速。楊琳[10]等通過利用Canny邊緣檢測和Sklansky算法與YOLOv4算法相結(jié)合,使零件形狀的最小外接矩形框更為精準,準確率達到93.37%。張浩[11]等通過改進YOLOv3算法,采用Inception網(wǎng)絡(luò)結(jié)構(gòu),使用不同尺寸的濾波器對目標進行多尺度特征提取,檢測的速度提高了9%??梢妴坞A段算法在復(fù)雜環(huán)境仍有較高的識別能力。雖然文獻[7~11]已提出一系列高精度零件檢測算法,但是這些算法的參數(shù)量大,移植性不強,難以運用于工業(yè)機器人。而YOLO系列的簡化版本檢測速度快并對硬件配置要求較低,在嵌入式設(shè)備上使用更為普遍,因此為了滿足工業(yè)機器人對多角度無序零件識別以及精準定位的需求,我們對YOLOv4-tiny算法進行改進。通過引入注意力機制和K-means算法來提高算法的檢測精度。在自制零件數(shù)據(jù)集上,我們對比改進算法與YOLOv4-tiny算法,實驗結(jié)果證明了改進算法的優(yōu)越性。

    2 YOLOv4-tiny算法原理

    Alexey等提出了YOLOv4[12]的精簡版模型YOLOv4-tiny[13]。YOLOv4-tiny的網(wǎng)絡(luò)結(jié)構(gòu)更為簡單,對硬件的要求相對低,并且大大減少了參數(shù)的計算量,檢測的速度更快,但其檢測的精度會小幅度下降。YOLOv4-tiny網(wǎng)絡(luò)主要包括以下幾個部分:主干特征提取網(wǎng)絡(luò)、特征金字塔(FPN)和網(wǎng)絡(luò)預(yù)測頭(YOLO Head)。與YOLOv4不同,YOLOv4-tiny的主干特征提取網(wǎng)絡(luò)為CSPdarknet53-tiny,主要由卷積塊和Resblock-body構(gòu)成,卷積塊采用CBL模塊,由卷積層(Convolutional)、激活函數(shù)(Leaky Relu)和批量標準化(BN)構(gòu)成。Resblock-body用來加強特征金字塔的構(gòu)建,解決增加網(wǎng)絡(luò)深度而導(dǎo)致模型退化的問題。

    特征金字塔FPN的思想是通過多尺度特征融合。在預(yù)測過程中,低層的特征語義信息相對較少,但是位置準確,高層的特征語義信息比較豐富,但是目標位置比較粗略。FPN通過對高層特征進行上采樣和對底層特征進行自頂向下的連接,能有效表達出特征圖上各種維度特征。在基本不增加原網(wǎng)絡(luò)模型計算量的基礎(chǔ)下,F(xiàn)PN有效地提高了物體檢測的綜合能力。

    在網(wǎng)絡(luò)預(yù)測頭部分,YOLOv4會生成三個head,而YOLOv4-tiny會生成兩個尺寸分別為13×13和26×26的特征層傳遞到網(wǎng)絡(luò)預(yù)測頭,來預(yù)測大物體與小物體的檢測結(jié)果。YOLOv4-tiny網(wǎng)絡(luò)模型如圖1所示。

    圖1 YOLOv4-tiny網(wǎng)絡(luò)模型

    3 改進YOLOv4-tiny

    3.1 注意力機制的引入

    YOLOv4-tiny在進行特征傳遞的時候,不會自動篩選重要信息,可能會忽略小目標以及部分遮擋信息。為了解決這個問題,我們在YOLOv4-tiny的網(wǎng)絡(luò)結(jié)構(gòu)中嵌入注意力機制,注意力機制是將感興趣區(qū)域的特征數(shù)據(jù)進行權(quán)重系數(shù)加權(quán),把更多的注意力集中到這個區(qū)域。

    SGE(Spatial Group-wise Enhance)為空間注意力機制[14],其網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。它主要關(guān)注目標的一些位置信息。該機制首先對大小為W×H×C的特征圖I的通道維度進行最大池化()和平均池化(),之后將這兩個結(jié)果進行一個合并,通過卷積操作調(diào)整通道數(shù),使用Sigmoid激活函數(shù)后,將得到輸入特征層每一個特征點的權(quán)值,再乘上原模塊的輸入層得到最終特征圖Fs(I),以此來關(guān)注零件的位置特征。公式表示為

    圖2 空間注意力模型

    SE(Squeeze-and-Excitation)為通道注意力機制[15],網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。它主要關(guān)注目標的一些特征信息。通道注意力機制會對輸入進來的特征圖I分別進行全局平均池化()和全局最大池化(),然后送入共享的全連接層進行處理,將處理后的兩個結(jié)果相加,通過Sigmoid函數(shù)獲得輸入特征層每一個通道的權(quán)值,每個通道的權(quán)值與原特征層做內(nèi)積運算,得到最終輸出特征圖I′,這樣使得輸出層通道中含有零件的更多關(guān)鍵信息。該模塊計算公式如下:

    圖3 通道注意力模型

    CBAM[16]注意力機制它是一個輕量級即插即用的模塊,其網(wǎng)絡(luò)模型如圖4所示。它是由空間注意力機制和通道注意力機制結(jié)合組成。該模塊計算公式如下:

    圖4 CBAM注意力機制模型

    3.2 改進的YOLOv4-tiny算法模型

    當把CBAM注意力機制融入到Y(jié)OLOv4-tiny的CSP結(jié)構(gòu)時,為了不破壞主干提取網(wǎng)絡(luò)的初步特征,把CBAM注意力機制添加到加強特征提取網(wǎng)絡(luò),在FPN層中進行上采樣后,將輸出的特征層經(jīng)過通道注意力機制得到權(quán)值,將所得的權(quán)值乘以原輸出的特征層,讓所得的結(jié)果再經(jīng)過CBAM中的空間注意力機制獲得權(quán)值,將權(quán)值與原輸出的特征層相乘即為最后的輸出,并作為下一層的輸入。在這個過程中,CBAM模塊前后的特征圖尺寸以及通道都不會發(fā)生變化。在主干提取網(wǎng)絡(luò)與FPN連接的分支進行相同的操作。改進后的網(wǎng)絡(luò)將會自動對特征圖上重要的目標信息重新進行權(quán)重分配,使網(wǎng)絡(luò)聚焦于特征圖中零件的關(guān)鍵信息,還能夠抑制無關(guān)及次要信息的干擾,從而提高網(wǎng)絡(luò)模型的檢測精度,其改進后的網(wǎng)絡(luò)模型如圖5所示。并在同樣位置替換成SE注意力機制作對比實驗。

    圖5 改進YOLOv4-tiny網(wǎng)絡(luò)結(jié)構(gòu)

    3.3 K-means算法聚類

    檢測算法中的錨框尺寸的設(shè)計影響檢測精度,它與具體應(yīng)用場景有關(guān)。YOLOv4-tiny中的錨框尺寸是在Coco數(shù)據(jù)集上聚類得出的,且檢測目標種類多尺寸差異較大,使錨框尺寸有所差異。而在自建的零件數(shù)據(jù)集中,各類零件在不同圖像中形狀比例大致相同,因此對所有零件的錨框進行重新聚類,使算法在訓(xùn)練時得到更好的訓(xùn)練效果。首先選擇N個點做為初始聚集的簇心,分別算得每個樣本點到N個簇核心的距離,獲得離該點最近的簇核心,把它歸屬到對應(yīng)的簇,所有的點都歸屬到簇,重新計算每個簇的中心,再次分配數(shù)據(jù)集樣本,當準則函數(shù)達到收斂為止。我們采用的距離公式如下:

    其中,IOU為預(yù)測框與實際標注框的交并比,anchor為真實先驗框,center為聚類中心。通過反復(fù)迭代,最終得到預(yù)設(shè)錨框尺寸為(75,174)、(210,214)、(259,130)、(302,132)、(348,68)、(365,84)。

    4 實驗分析

    4.1 實驗數(shù)據(jù)準備

    在訓(xùn)練樣本標注的過程中,針對非標零件檢測,目前國內(nèi)外沒有相關(guān)的公共數(shù)據(jù)集,且自建的零件數(shù)據(jù)集采集的數(shù)據(jù)量較少,采用數(shù)據(jù)增強的方法來進行擴充。主要方法有:對圖片進行增加噪點、隨機尺寸縮放以及變換圖像的明暗程度。這樣同一張圖就有了不同形式的變化,以此擴充數(shù)據(jù)集的數(shù)量,提高訓(xùn)練效果。數(shù)據(jù)增強如圖6。

    圖6 數(shù)據(jù)增強

    數(shù)據(jù)集共有2076張圖片,分為四大類:螺絲(標簽為screw)500張,螺母(標簽為nut)480張,軸承(標簽為bearing)500張,軸承底座(標簽為pedestal)596張,標注的軟件為labelimg,且每張圖片對應(yīng)產(chǎn)生目標物體的中心點坐標以及預(yù)測框的大小,分別存為xml文件。把所得數(shù)據(jù)分成9比1,分別作為訓(xùn)練集與測試集。

    4.2 實驗環(huán)境與模型訓(xùn)練

    深度學(xué)習對硬件環(huán)境有較高要求,通常需要使用GPU進行迭代訓(xùn)練。實驗軟硬件配置如表1所示。配合python匯編語言,PyCharm編譯器進行訓(xùn)練。

    表1 實驗配置表

    使用改進后的YOLOv4-tiny算法對數(shù)據(jù)集進行重訓(xùn)練,首先采用遷移學(xué)習的方法對模型進行預(yù)訓(xùn)練,先加載預(yù)訓(xùn)練模型,初始學(xué)習率設(shè)置為0.001,權(quán)值衰減項設(shè)置為0.0005,遷移學(xué)習先凍結(jié)主干提取特征層50個epoch后,對應(yīng)訓(xùn)練批次為8,此時損失值從52下降到3.39。在經(jīng)過解封50個epoch后,對應(yīng)批次調(diào)整為4。最后損失值在1.64附近達到穩(wěn)定。在訓(xùn)練過程當中,當模型的迭代次數(shù)增加時損失值會開始下降,當損失值達到平穩(wěn)狀態(tài)時,代表模型已經(jīng)收斂。此時模型識別精度達到最佳。各算法損失函數(shù)如圖7所示。

    圖7 網(wǎng)絡(luò)模型損失曲線圖

    4.3 評價標準

    在目標檢測中常用的評價指標有準確率(Precision)、召回率(Recall)、平均精確度(AP)和各類別平均AP值mAP(Mean Average Precision)、評估速度的常用指標FPS。具體公式如下:

    TP表示被正確地劃分為正例的個數(shù),即樣本為正,預(yù)測結(jié)果為正。FP表示被錯誤地劃分為正例的個數(shù),既樣本為負,預(yù)測結(jié)果為正。FN表示被錯誤地劃分為負例的個數(shù),即樣本為正,預(yù)測結(jié)果為負。準確率代表評估捕獲的成果中目標成果所占得比例,召回率代表從預(yù)測正確目標中占所有正例的比例。根據(jù)precision與recall繪制P-R曲線,AP就是該曲線下的面積,mAP就是所有類AP的平均值。它能夠反映全局性能的指標。FPS是指畫面每秒傳輸幀數(shù),常作為目標檢測評估速度的標準。

    4.4 實驗結(jié)果展示與分析

    將訓(xùn)練好的網(wǎng)絡(luò)與其他算法在同樣實驗環(huán)境下作對比實驗,分別測試出各算法在零件數(shù)據(jù)集上的mAP值、準確率、召回率與檢測速度。檢測結(jié)果如表2所示。

    表2 算法檢測結(jié)果對比

    在相同配置的環(huán)境下,共進行了3次對比實驗,在表2中可以看出把CBAM注意力機制嵌入到Y(jié)OLOv4-tiny的FPN網(wǎng)絡(luò)結(jié)構(gòu),與YOLOv4-tiny相比較,召回率提高了2.38%,表明所提算法對目標漏檢有所提高,準確率從90.34%提高到93.38%,表明降低了目標錯檢,mAP值提高了1.82%,說明總體檢測性能得到提升。雖然檢測速度略微下降,但對實時檢測影響不大??芍崴惴梢愿玫貜目臻g和通道這兩個維度去加強對零件特征的提取,使目標特征更為豐富,提高了檢測的綜合能力。雖然使模型參數(shù)量有所增加,但檢測性能卻有明顯提高。

    在YOLOv4-tiny中嵌入CBAM注意力機制與嵌入SE注意力機制相比,前者各項指標比后者均有提高,僅平均檢測時間增加0.16ms,是由于其網(wǎng)絡(luò)模型是在SE模塊上引入了空間注意力模塊。綜合結(jié)果表明,所提算法定位更為精準,達到了速度與精度的平衡,可以更好地移植到設(shè)備平臺。測試集中檢測結(jié)果如圖8所示。所提算法在散亂放置、光線較弱、疊加等復(fù)雜場景對零件的檢測均取得了較好效果。

    圖8 檢測結(jié)果示例圖

    5 結(jié)語

    針對零件目標檢測任務(wù)的檢測精度低的問題,我們使用K-means算法對錨框重新聚類,并通過在YOLOv4-tiny中嵌入CBAM注意力機制得到改進YOLOv4-tiny算法,該算法結(jié)合了YOLOv4與CBAM注意力機制的優(yōu)勢,加強網(wǎng)絡(luò)的感受野,提高網(wǎng)絡(luò)的特征提取能力。根據(jù)多個檢測指標的實驗結(jié)果所得,改進后的YOLOv4-tiny算法精確率提高到89.84%,平均檢測速度達到28幀/秒,對零件的定位精準度和識別率均有所提升。算法所得的最小外接矩形框與中心坐標可為工業(yè)機器人在零件的智能分揀工作中提供參考,但在更具挑戰(zhàn)的零件疊加場景下的識別能力較弱,如何在該場景下進行零件檢測是后續(xù)重點研究內(nèi)容。

    猜你喜歡
    網(wǎng)絡(luò)結(jié)構(gòu)權(quán)值注意力
    一種融合時間權(quán)值和用戶行為序列的電影推薦模型
    讓注意力“飛”回來
    CONTENTS
    “揚眼”APP:讓注意力“變現(xiàn)”
    傳媒評論(2017年3期)2017-06-13 09:18:10
    基于權(quán)值動量的RBM加速學(xué)習算法研究
    A Beautiful Way Of Looking At Things
    基于互信息的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習
    知識網(wǎng)絡(luò)結(jié)構(gòu)維對于創(chuàng)新績效的作用機制——遠程創(chuàng)新搜尋的中介作用
    滬港通下A+ H股票網(wǎng)絡(luò)結(jié)構(gòu)演化的實證分析
    復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)比對算法研究進展
    美女cb高潮喷水在线观看| 香蕉av资源在线| 久久久久国产精品人妻aⅴ院| 国产精品人妻久久久久久| 国产伦一二天堂av在线观看| 中文资源天堂在线| 可以在线观看毛片的网站| 精品久久久久久久久久免费视频| 男女那种视频在线观看| 久久人妻av系列| 国产色爽女视频免费观看| 老女人水多毛片| 日日摸夜夜添夜夜添av毛片| 九九在线视频观看精品| 一进一出好大好爽视频| 亚洲精品久久国产高清桃花| 亚洲国产精品国产精品| 国产白丝娇喘喷水9色精品| 国产真实伦视频高清在线观看| 亚洲最大成人av| 成人性生交大片免费视频hd| 可以在线观看毛片的网站| 三级国产精品欧美在线观看| 十八禁网站免费在线| 美女cb高潮喷水在线观看| 又爽又黄a免费视频| 99久久九九国产精品国产免费| 国产精品福利在线免费观看| 淫秽高清视频在线观看| 一级黄片播放器| 看黄色毛片网站| 国产高清视频在线播放一区| 国产一区二区在线av高清观看| 一本一本综合久久| 国产成人a区在线观看| 熟女电影av网| 精品乱码久久久久久99久播| 亚洲欧美清纯卡通| 十八禁国产超污无遮挡网站| 国产成人精品久久久久久| 免费电影在线观看免费观看| 一本久久中文字幕| 天堂网av新在线| 成年女人看的毛片在线观看| 97超视频在线观看视频| 99久国产av精品国产电影| 午夜久久久久精精品| 波野结衣二区三区在线| 久久久久久伊人网av| 美女内射精品一级片tv| 高清毛片免费看| 少妇高潮的动态图| 久久这里只有精品中国| 夜夜爽天天搞| 在线播放国产精品三级| 中文亚洲av片在线观看爽| 在线观看免费视频日本深夜| 99热网站在线观看| 久久久久九九精品影院| 欧美一级a爱片免费观看看| 亚洲人成网站在线播放欧美日韩| 99热只有精品国产| 毛片女人毛片| 欧美潮喷喷水| 嫩草影视91久久| 欧美一区二区国产精品久久精品| 久久人人爽人人片av| 欧美高清成人免费视频www| 男人舔奶头视频| 亚洲无线在线观看| 麻豆av噜噜一区二区三区| 日日摸夜夜添夜夜添av毛片| 五月伊人婷婷丁香| 一区二区三区免费毛片| 一本精品99久久精品77| 亚洲中文字幕一区二区三区有码在线看| 国产精品一及| 1024手机看黄色片| 国产精品人妻久久久久久| 免费看a级黄色片| 美女xxoo啪啪120秒动态图| 成人鲁丝片一二三区免费| 久久精品国产亚洲av涩爱 | 国产精品av视频在线免费观看| 免费搜索国产男女视频| 国产乱人偷精品视频| 欧美区成人在线视频| 99热网站在线观看| 亚洲国产色片| 欧美高清成人免费视频www| 2021天堂中文幕一二区在线观| 日本免费a在线| 免费看日本二区| 婷婷亚洲欧美| 国产精品国产三级国产av玫瑰| 男人和女人高潮做爰伦理| 99精品在免费线老司机午夜| av天堂在线播放| 综合色丁香网| 直男gayav资源| 亚洲人成网站在线播放欧美日韩| 国产一区二区在线av高清观看| 国产中年淑女户外野战色| 久久久久免费精品人妻一区二区| 亚洲国产精品sss在线观看| 69人妻影院| 亚洲人成网站在线播| 欧美最新免费一区二区三区| 日韩欧美三级三区| 99热6这里只有精品| 国产精品亚洲美女久久久| 97人妻精品一区二区三区麻豆| 亚洲aⅴ乱码一区二区在线播放| 国产久久久一区二区三区| 小说图片视频综合网站| 国产一区二区在线av高清观看| 久久精品国产亚洲网站| 婷婷亚洲欧美| 波多野结衣高清作品| 国产精品一区www在线观看| 91在线观看av| 久久精品久久久久久噜噜老黄 | 一级毛片久久久久久久久女| 九九爱精品视频在线观看| 欧美区成人在线视频| 天堂√8在线中文| 热99re8久久精品国产| av在线亚洲专区| 久久精品久久久久久噜噜老黄 | 亚洲av熟女| av黄色大香蕉| 日本黄色视频三级网站网址| 自拍偷自拍亚洲精品老妇| 中文资源天堂在线| 又爽又黄a免费视频| 国产精品亚洲美女久久久| 人人妻人人澡欧美一区二区| 亚洲最大成人av| 国模一区二区三区四区视频| 可以在线观看的亚洲视频| 久久久久久久亚洲中文字幕| 亚洲成人av在线免费| 美女大奶头视频| 国产精品精品国产色婷婷| 亚洲av一区综合| 亚洲国产精品成人久久小说 | 天堂动漫精品| 国产精品人妻久久久影院| 不卡一级毛片| 国产爱豆传媒在线观看| 午夜a级毛片| 日韩国内少妇激情av| 亚洲av五月六月丁香网| 又粗又爽又猛毛片免费看| 久久精品国产亚洲av香蕉五月| 日本免费一区二区三区高清不卡| 国产精品久久久久久亚洲av鲁大| 在线免费观看的www视频| 美女内射精品一级片tv| 欧美另类亚洲清纯唯美| 18+在线观看网站| 22中文网久久字幕| 波多野结衣高清作品| 一级毛片我不卡| 免费黄网站久久成人精品| 日韩,欧美,国产一区二区三区 | 老女人水多毛片| 看十八女毛片水多多多| 少妇丰满av| 日本爱情动作片www.在线观看 | 国产乱人视频| 日韩欧美三级三区| 天天躁日日操中文字幕| 国产91av在线免费观看| 国产毛片a区久久久久| 插逼视频在线观看| 久久亚洲精品不卡| 五月玫瑰六月丁香| 亚洲国产高清在线一区二区三| 国产精品国产高清国产av| 九九在线视频观看精品| www日本黄色视频网| 搡老岳熟女国产| 成人永久免费在线观看视频| 97人妻精品一区二区三区麻豆| 一级毛片我不卡| 国产色爽女视频免费观看| 99国产极品粉嫩在线观看| 亚洲国产精品成人综合色| 国产成人a区在线观看| 亚洲乱码一区二区免费版| 午夜福利在线观看吧| 可以在线观看毛片的网站| av国产免费在线观看| 亚洲va在线va天堂va国产| 小蜜桃在线观看免费完整版高清| 国产精品av视频在线免费观看| av女优亚洲男人天堂| 亚洲欧美日韩东京热| 亚洲av美国av| 欧美中文日本在线观看视频| 天堂av国产一区二区熟女人妻| 成人永久免费在线观看视频| 亚洲成a人片在线一区二区| 国产综合懂色| 又黄又爽又免费观看的视频| 久久久久久九九精品二区国产| 午夜福利18| 淫秽高清视频在线观看| 别揉我奶头~嗯~啊~动态视频| 精品99又大又爽又粗少妇毛片| 久久亚洲国产成人精品v| 国产女主播在线喷水免费视频网站 | 99热这里只有是精品在线观看| 国产伦精品一区二区三区四那| 国产视频一区二区在线看| 久久精品久久久久久噜噜老黄 | 色噜噜av男人的天堂激情| 国内精品宾馆在线| 人妻制服诱惑在线中文字幕| 成人特级av手机在线观看| 亚洲久久久久久中文字幕| 在线观看av片永久免费下载| av卡一久久| 少妇的逼水好多| 精品一区二区免费观看| 国产单亲对白刺激| 精品人妻偷拍中文字幕| 亚洲va在线va天堂va国产| 国产伦在线观看视频一区| 亚洲精品色激情综合| 久久精品国产99精品国产亚洲性色| 成年女人看的毛片在线观看| 免费搜索国产男女视频| 中国美白少妇内射xxxbb| 亚洲av美国av| 国产久久久一区二区三区| 久久久午夜欧美精品| 成人无遮挡网站| 在线播放无遮挡| 国产精品免费一区二区三区在线| 人妻久久中文字幕网| 久久精品人妻少妇| 久久久色成人| av福利片在线观看| 乱人视频在线观看| 国产伦精品一区二区三区四那| 99久久精品热视频| 韩国av在线不卡| 亚洲电影在线观看av| 一区二区三区四区激情视频 | 日本免费一区二区三区高清不卡| 最近手机中文字幕大全| 国产伦在线观看视频一区| 亚洲国产欧洲综合997久久,| 九九爱精品视频在线观看| 日日啪夜夜撸| 国产欧美日韩一区二区精品| 国产精品1区2区在线观看.| 亚洲最大成人av| 97超视频在线观看视频| 特大巨黑吊av在线直播| 婷婷精品国产亚洲av在线| 国产精华一区二区三区| 亚洲av二区三区四区| 听说在线观看完整版免费高清| 精品人妻一区二区三区麻豆 | 精品欧美国产一区二区三| 又黄又爽又免费观看的视频| 久久综合国产亚洲精品| 久久精品国产鲁丝片午夜精品| 亚洲精品一卡2卡三卡4卡5卡| 伦精品一区二区三区| 国产成人a区在线观看| 一级黄色大片毛片| 国产一区二区三区av在线 | 十八禁网站免费在线| 精品一区二区三区视频在线| 亚洲丝袜综合中文字幕| 免费在线观看影片大全网站| 十八禁网站免费在线| 成人性生交大片免费视频hd| 美女被艹到高潮喷水动态| 中文字幕av成人在线电影| 国产男人的电影天堂91| 最近在线观看免费完整版| 精品国内亚洲2022精品成人| 插逼视频在线观看| 国产黄a三级三级三级人| 成年女人毛片免费观看观看9| 国产精品一区二区性色av| 亚洲婷婷狠狠爱综合网| 亚洲av五月六月丁香网| 久久6这里有精品| 人人妻人人看人人澡| 在线免费观看的www视频| 成年av动漫网址| 亚洲欧美日韩无卡精品| 亚洲一区高清亚洲精品| 蜜臀久久99精品久久宅男| 国产淫片久久久久久久久| 国产高清不卡午夜福利| 免费搜索国产男女视频| 色综合色国产| а√天堂www在线а√下载| 午夜视频国产福利| 国产成人福利小说| 欧美潮喷喷水| 精品久久久久久久久av| 欧美最黄视频在线播放免费| 欧美精品国产亚洲| 精品久久久噜噜| 免费av毛片视频| 亚洲欧美精品综合久久99| 亚洲精品日韩在线中文字幕 | 啦啦啦观看免费观看视频高清| 日日撸夜夜添| 乱码一卡2卡4卡精品| 精品国产三级普通话版| 欧美高清性xxxxhd video| 亚洲国产精品sss在线观看| 麻豆乱淫一区二区| 波多野结衣高清无吗| 99在线视频只有这里精品首页| 日本成人三级电影网站| 精品久久久久久久末码| 变态另类成人亚洲欧美熟女| 亚洲高清免费不卡视频| 免费av不卡在线播放| 日本a在线网址| 欧美日韩国产亚洲二区| 嫩草影院精品99| 亚洲av中文字字幕乱码综合| 亚洲国产欧美人成| 少妇的逼水好多| 亚洲精品粉嫩美女一区| 天堂av国产一区二区熟女人妻| 长腿黑丝高跟| 成人综合一区亚洲| 国产av不卡久久| 老女人水多毛片| 一进一出好大好爽视频| 国产大屁股一区二区在线视频| 久久亚洲精品不卡| 亚洲第一电影网av| av免费在线看不卡| 久久人妻av系列| 日日撸夜夜添| 特大巨黑吊av在线直播| 亚洲一区二区三区色噜噜| 深夜精品福利| 精品一区二区免费观看| 男插女下体视频免费在线播放| 国产在线精品亚洲第一网站| 最好的美女福利视频网| videossex国产| 国产高清三级在线| 此物有八面人人有两片| 欧美日韩乱码在线| 男人狂女人下面高潮的视频| 国产免费一级a男人的天堂| 露出奶头的视频| 一卡2卡三卡四卡精品乱码亚洲| 国产极品精品免费视频能看的| 最近视频中文字幕2019在线8| 久久精品国产鲁丝片午夜精品| 国产爱豆传媒在线观看| 99国产精品一区二区蜜桃av| 亚洲在线观看片| 少妇人妻一区二区三区视频| 午夜免费激情av| 亚洲性久久影院| 亚洲av免费在线观看| 美女高潮的动态| 国产午夜福利久久久久久| 69人妻影院| 联通29元200g的流量卡| 久久久久久国产a免费观看| 啦啦啦韩国在线观看视频| АⅤ资源中文在线天堂| 看黄色毛片网站| 综合色av麻豆| 久久亚洲国产成人精品v| 欧美性猛交╳xxx乱大交人| 中国美白少妇内射xxxbb| 美女xxoo啪啪120秒动态图| 亚洲性久久影院| 午夜亚洲福利在线播放| 欧美激情国产日韩精品一区| 日日摸夜夜添夜夜爱| 黄色配什么色好看| 中国美女看黄片| 三级男女做爰猛烈吃奶摸视频| 成人无遮挡网站| 高清午夜精品一区二区三区 | 亚洲一区高清亚洲精品| 久久精品国产自在天天线| 精品99又大又爽又粗少妇毛片| 精品国产三级普通话版| 乱码一卡2卡4卡精品| 黑人高潮一二区| 中文字幕久久专区| 久久久久久大精品| 国产探花极品一区二区| 国产精品久久久久久av不卡| 插逼视频在线观看| 成人性生交大片免费视频hd| 国产男靠女视频免费网站| 久久精品国产99精品国产亚洲性色| 18禁黄网站禁片免费观看直播| 亚洲av不卡在线观看| 男人舔女人下体高潮全视频| 中文字幕人妻熟人妻熟丝袜美| 亚洲av免费在线观看| 精品国内亚洲2022精品成人| 中国国产av一级| 国产免费男女视频| 久久韩国三级中文字幕| 欧美日韩综合久久久久久| 最近手机中文字幕大全| 久久热精品热| 日本黄色片子视频| 亚洲美女视频黄频| 欧美一级a爱片免费观看看| 久久人人爽人人爽人人片va| 小蜜桃在线观看免费完整版高清| av在线天堂中文字幕| 久久久久久久久久成人| 色播亚洲综合网| 国产高清不卡午夜福利| 欧美日韩综合久久久久久| 给我免费播放毛片高清在线观看| 22中文网久久字幕| 国产69精品久久久久777片| 我的老师免费观看完整版| 少妇猛男粗大的猛烈进出视频 | 婷婷亚洲欧美| 最后的刺客免费高清国语| 色哟哟哟哟哟哟| 国产麻豆成人av免费视频| 男女啪啪激烈高潮av片| 国产精品嫩草影院av在线观看| 国语自产精品视频在线第100页| 亚洲人成网站在线观看播放| 亚洲精品亚洲一区二区| 国产高清有码在线观看视频| 天堂网av新在线| 国产不卡一卡二| 日本黄色片子视频| 日韩一本色道免费dvd| 好男人在线观看高清免费视频| 亚洲精品一卡2卡三卡4卡5卡| 欧美激情在线99| 国产精品野战在线观看| 亚洲综合色惰| 一a级毛片在线观看| 亚洲五月天丁香| 亚洲精华国产精华液的使用体验 | 大型黄色视频在线免费观看| 午夜视频国产福利| 国产成年人精品一区二区| 亚洲国产精品久久男人天堂| 国产 一区精品| 亚洲精品456在线播放app| 国产午夜精品久久久久久一区二区三区 | 99热6这里只有精品| 大型黄色视频在线免费观看| 国产精品一区www在线观看| 三级国产精品欧美在线观看| 老司机影院成人| 夜夜看夜夜爽夜夜摸| 99riav亚洲国产免费| .国产精品久久| 国模一区二区三区四区视频| 国产白丝娇喘喷水9色精品| 欧美在线一区亚洲| 精品少妇黑人巨大在线播放 | 国产三级在线视频| 久久九九热精品免费| 午夜福利在线观看免费完整高清在 | 听说在线观看完整版免费高清| 久久亚洲国产成人精品v| av在线天堂中文字幕| 人妻丰满熟妇av一区二区三区| 99久久中文字幕三级久久日本| 精品人妻一区二区三区麻豆 | 国产亚洲精品久久久com| 亚洲av二区三区四区| 校园人妻丝袜中文字幕| 国产av麻豆久久久久久久| 久久人人爽人人爽人人片va| 国产高清三级在线| 五月玫瑰六月丁香| 精品99又大又爽又粗少妇毛片| 国产爱豆传媒在线观看| 99热全是精品| 亚洲成人精品中文字幕电影| 人妻久久中文字幕网| 日韩欧美一区二区三区在线观看| 亚洲国产精品国产精品| 国产一区亚洲一区在线观看| 十八禁国产超污无遮挡网站| 欧美精品国产亚洲| 亚洲三级黄色毛片| 国产欧美日韩精品亚洲av| 国产探花在线观看一区二区| 丰满的人妻完整版| 十八禁国产超污无遮挡网站| 国产精品一区二区三区四区久久| 国产精品电影一区二区三区| 国产黄a三级三级三级人| 国产在线男女| 亚洲无线在线观看| 搡老熟女国产l中国老女人| 国产黄色小视频在线观看| 国产探花极品一区二区| 91久久精品国产一区二区成人| 国产黄片美女视频| 国产精品久久久久久av不卡| 小说图片视频综合网站| 午夜福利视频1000在线观看| 我的老师免费观看完整版| 三级毛片av免费| 国产精品久久久久久亚洲av鲁大| 欧美3d第一页| av国产免费在线观看| 国产精品久久久久久久久免| 无遮挡黄片免费观看| 国产精品伦人一区二区| 午夜a级毛片| 直男gayav资源| av免费在线看不卡| 人妻丰满熟妇av一区二区三区| 成年女人永久免费观看视频| 亚洲人成网站在线观看播放| 激情 狠狠 欧美| 欧美+日韩+精品| 日本a在线网址| 日韩国内少妇激情av| 欧美激情在线99| 国产白丝娇喘喷水9色精品| 一个人观看的视频www高清免费观看| 国产精品乱码一区二三区的特点| 国产高清有码在线观看视频| 国产精品一区二区三区四区免费观看 | 午夜激情欧美在线| 人人妻人人澡欧美一区二区| 亚洲精品456在线播放app| 久久精品国产自在天天线| 免费黄网站久久成人精品| 色综合亚洲欧美另类图片| 国产久久久一区二区三区| 我的女老师完整版在线观看| 十八禁国产超污无遮挡网站| 99在线人妻在线中文字幕| 少妇的逼水好多| 我要搜黄色片| 色综合色国产| 99riav亚洲国产免费| 国产极品精品免费视频能看的| 成人av在线播放网站| av中文乱码字幕在线| 欧美成人精品欧美一级黄| 最新中文字幕久久久久| 久久久久精品国产欧美久久久| 99热只有精品国产| 日韩一区二区视频免费看| 国产一区二区三区在线臀色熟女| 精品福利观看| 热99re8久久精品国产| 久久精品国产亚洲av香蕉五月| 日韩在线高清观看一区二区三区| 最近手机中文字幕大全| 精华霜和精华液先用哪个| 亚洲丝袜综合中文字幕| 精品久久久久久久末码| 2021天堂中文幕一二区在线观| 国产 一区 欧美 日韩| 一个人免费在线观看电影| 日韩欧美 国产精品| 九九爱精品视频在线观看| 国产一区二区三区在线臀色熟女| 亚洲国产高清在线一区二区三| 99久国产av精品| 国产一区二区亚洲精品在线观看| .国产精品久久| 国产69精品久久久久777片| 免费高清视频大片| 国产精品1区2区在线观看.| 欧美色欧美亚洲另类二区| 美女黄网站色视频| 国内精品一区二区在线观看| 狂野欧美白嫩少妇大欣赏| 色吧在线观看| 国内精品一区二区在线观看| 热99re8久久精品国产| 97超视频在线观看视频| 日韩精品中文字幕看吧| 秋霞在线观看毛片| 亚洲18禁久久av| 白带黄色成豆腐渣| 麻豆乱淫一区二区| 天堂动漫精品| 99久久九九国产精品国产免费| 非洲黑人性xxxx精品又粗又长| 亚州av有码| 大香蕉久久网| 久久精品夜色国产| 亚洲av免费在线观看| 白带黄色成豆腐渣| 亚洲欧美中文字幕日韩二区| 久久精品国产亚洲av香蕉五月| 欧美人与善性xxx| 熟女人妻精品中文字幕| 99久久中文字幕三级久久日本|