• <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 ?

    一種角度自適應(yīng)的橢圓模板檢測(cè)器

    2022-12-26 14:11:08胡永利武劍孫艷豐
    關(guān)鍵詞:錨框橢圓損失

    胡永利,武劍,孫艷豐

    (北京工業(yè)大學(xué)人工智能與自動(dòng)化學(xué)院,北京 100124)

    1 引言

    近年來,隨著深度學(xué)習(xí)的興起,基于卷積神經(jīng)網(wǎng)絡(luò)[1][2](Convolutional Neural Networks,CNN)的 深 度學(xué)習(xí)算法不斷刷新諸如圖像識(shí)別、目標(biāo)檢測(cè)、語義分割、姿態(tài)估計(jì)等各類視覺任務(wù)的性能上限。相較于傳統(tǒng)的特征提取器,卷積神經(jīng)網(wǎng)絡(luò)能夠自動(dòng)從圖像數(shù)據(jù)中學(xué)習(xí)到各個(gè)層次的視覺特征,淺層的卷積神經(jīng)網(wǎng)絡(luò)可以提取圖像的邊緣、紋理等低級(jí)特征,深層的卷積神經(jīng)網(wǎng)絡(luò)則可以提取出圖像的高級(jí)抽象特征。整個(gè)網(wǎng)絡(luò)的學(xué)習(xí)過程無需手工設(shè)計(jì)參數(shù),與此同時(shí),隨著硬件性能的不斷提高,加快了卷積神經(jīng)網(wǎng)絡(luò)算法的落地和應(yīng)用。

    自2014年以來,涌現(xiàn)出了許多基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)算法,這類算法大體上都包含三個(gè)部分:首先利用卷積神經(jīng)網(wǎng)絡(luò)提取圖像特征,之后處理圖像特征信息從而完成對(duì)物體的類別預(yù)測(cè)和定位。目前已有的優(yōu)秀目標(biāo)檢測(cè)算法包括,基于錨框的目標(biāo)檢測(cè)算法Fast RCNN[3]、Faster RCNN[4]、SSD[5]、YOLO[6][7][8]等,以及擺脫錨框的目標(biāo)檢測(cè)算法CenterNet-Keypoint[9]、CenterNet[10]、FCOS[11]、Corner-Net[12]等。這些優(yōu)秀的方法為目標(biāo)檢測(cè)的應(yīng)用及落地創(chuàng)造了可能,具有很高的應(yīng)用價(jià)值。

    雖然上述目標(biāo)檢測(cè)算法均采用了不同的模型結(jié)構(gòu),但受限于數(shù)據(jù)集的影響,這些算法通常使用矩形框來進(jìn)行檢測(cè)。例如,現(xiàn)有常用的兩個(gè)公開目標(biāo)檢測(cè)數(shù)據(jù)集VOC[13],COCO[14]均采用矩形框進(jìn)行標(biāo)注。如圖1(a)所示,如果檢測(cè)對(duì)象存在傾斜的角度,那么矩形框?qū)?huì)包含很多背景區(qū)域。在提取圖像特征的過程中,由于目標(biāo)物體包含了大量的背景區(qū)域,勢(shì)必會(huì)對(duì)網(wǎng)絡(luò)的分類性能造成影響。于是近些年在遙感和文本圖像檢測(cè)方面,出現(xiàn)了一些基于旋轉(zhuǎn)矩形框的目標(biāo)檢測(cè)算法,例如R3Det[15]、RoI Transformer[16]、GlidingVertex[17]、RRPN[18]等。旋轉(zhuǎn)矩形框改善了矩形框的問題,但在面對(duì)自然圖像中復(fù)雜的物體時(shí)候,依然會(huì)包含較多的背景區(qū)域,如圖1(b)所示。另外,這類算法由于需要額外學(xué)習(xí)一個(gè)傾斜角度參數(shù),導(dǎo)致錨框的使用成倍增加,進(jìn)而使計(jì)算復(fù)雜度大幅上升。因此,設(shè)計(jì)一種能夠在不同場景、姿態(tài)和方向上均能準(zhǔn)確檢測(cè)物體邊界的模型是非常有價(jià)值和現(xiàn)實(shí)意義的工作。如圖1(c)所示,若采用旋轉(zhuǎn)橢圓框進(jìn)行檢測(cè)則能夠更好地適配物體的輪廓。另外據(jù)我們所知,目前沒有以橢圓框進(jìn)行標(biāo)注的自然場景下的數(shù)據(jù)集。因此,我們希望通過構(gòu)建一個(gè)以旋轉(zhuǎn)橢圓框標(biāo)注的自然場景下的數(shù)據(jù)集,推動(dòng)越來越多的研究者研究橢圓框目標(biāo)檢測(cè)器。

    圖1 不同形式檢測(cè)框

    2 橢圓模板檢測(cè)器

    2.1 符號(hào)表示

    圖2 EllipseNet網(wǎng)絡(luò)結(jié)構(gòu)圖

    2.2 網(wǎng)絡(luò)結(jié)構(gòu)

    如圖2所示,原始圖像首先經(jīng)過ResNet50來提取出不同尺度大小的特征圖C3-C5。其中C5包含了豐富的語義信息,但隨著下采樣率的增加導(dǎo)致C5上包含的小物體的有效信息逐漸較少。而淺層特征圖C3包含了小物體的邊緣信息但語義信息不足。為了融合不同特征層之間的語義信息,本文采用特征金字塔網(wǎng)絡(luò)(Feature Pyramid Network,F(xiàn)PN),F(xiàn)PN首先使用一個(gè)的卷積核來將C2-C5的通道數(shù)目統(tǒng)一變成256,之后相鄰特征層借助上采樣來自上而下的融合不同特征層之間語義信息,最終經(jīng)過FPN得到了四張融合后的特征圖F1-F5,后續(xù)分別用于完成圖像的分類和定位。

    在得到F1-F5之后,EllipseNet的回歸層部分則是在各個(gè)特征層的基礎(chǔ)上用以預(yù)測(cè)橢圓的類別及屬性(圓心位置、長短軸長和旋轉(zhuǎn)角度)。然而在實(shí)際實(shí)驗(yàn)過程中,如圖3(a)所示,觀察到FCOS預(yù)測(cè)出物體的中心位置會(huì)跟實(shí)際的中心發(fā)生偏移,究其原因是由于特征圖下采樣丟失精度以及FCOS會(huì)在中心區(qū)域附近選擇正樣本。為了彌補(bǔ)圓心偏移的損失,在預(yù)測(cè)層中額外回歸了圓心偏移量。假設(shè)第i個(gè)特征圖Fi中的某個(gè)位置坐標(biāo)為,則該位置和圓心之間的真實(shí)偏移量如公式(1)所示:

    圖3 FCOS和EllipseNet檢測(cè)效果圖

    2.3 正負(fù)樣本選擇

    EllipseNet正樣本的選擇采用了FCOS算法的思想,即首先將每個(gè)特征圖的像素位置映射回原圖尺度,若特征圖的某個(gè)位置落在了真實(shí)框內(nèi),則將其視為正樣本的一個(gè)必要條件;之后如公式(2)所示,設(shè)計(jì)了一個(gè)中心采樣比例系數(shù),分別為每個(gè)特征層Fi根據(jù)其下采樣步長設(shè)定了一個(gè)半徑r,將特征圖上的像素位置在半徑范圍內(nèi)的視為正樣本的另一個(gè)必要條件;

    但此時(shí)并沒有考慮FPN結(jié)構(gòu)按照各自特征圖尺度分配正樣本的原則,故又額外設(shè)計(jì)了regree_ranges參數(shù),該參數(shù)為每個(gè)特征圖Fi設(shè)計(jì)了一個(gè)尺度范圍scale,若正樣本的最長邊落在某個(gè)scale內(nèi),則該特征層負(fù)責(zé)預(yù)測(cè)該物體,其余特征層則視為負(fù)樣本。

    在完成上述正樣本分配后,如圖4所示,此時(shí)依然存在一個(gè)正樣本點(diǎn)可能同時(shí)匹配兩個(gè)真實(shí)框的情況,而本文做法則是直接按照面積匹配最小原則將當(dāng)前正樣本點(diǎn)匹配給面積最小的真實(shí)框。

    圖4 正樣本點(diǎn)匹配兩個(gè)真實(shí)框示意圖

    2.4 損失函數(shù)

    EllipseNet整體損失函數(shù)如公式(3)所示:

    其中Lcls表示類別損失,而表示橢圓的交并比損失??紤]到任意形狀的兩個(gè)橢圓的交并比存在運(yùn)算強(qiáng)度大的缺點(diǎn)。因此,為了加速網(wǎng)絡(luò)的訓(xùn)練,重新定義的損失函數(shù)為:

    另外,本文還額外引入了一種橢圓交并比損失函數(shù),如圖5所示,令和分別表示橢圓的真實(shí)長短軸長和預(yù)測(cè)長短軸長,則

    圖5 橢圓交并比損失函數(shù)

    兩個(gè)橢圓的近似交并比如公式(8)所示:

    由于交并比需要優(yōu)化到1,最終的橢圓交并比損失為:

    當(dāng)然在模型訓(xùn)練初始階段,網(wǎng)絡(luò)還不能夠準(zhǔn)確的預(yù)測(cè)橢圓的旋轉(zhuǎn)角度和中心偏移量,因此橢圓交并比損失是在模型訓(xùn)練穩(wěn)定后才被添加進(jìn)去的。

    2.5 推理過程

    給定一張輸入圖像后,經(jīng)過FPN得到五張?zhí)卣鲌D,之后經(jīng)過回歸層之后每張?zhí)卣鲌D的每個(gè)位置會(huì)得到五個(gè)預(yù)測(cè)值:類別置信度分?jǐn)?shù)、中心度分?jǐn)?shù)、橢圓中心偏移量、長短軸長以及旋轉(zhuǎn)角度。然后將特征圖所有像素點(diǎn)映射回原圖,將類別置信度分?jǐn)?shù)和中心度分?jǐn)?shù)相乘得到最終每個(gè)像素點(diǎn)的置信度分?jǐn)?shù),另外,本文設(shè)定一張圖最多只檢測(cè)個(gè)物體,并通過一個(gè)分?jǐn)?shù)閾值來過濾掉低于閾值的像素點(diǎn)。在得到預(yù)測(cè)點(diǎn)之后,再通過公式(1)來修正這些點(diǎn)的位置便得到了橢圓圓心的位置,另外在結(jié)合對(duì)應(yīng)位置其他預(yù)測(cè)值(長短軸長,旋轉(zhuǎn)角度)便得到了預(yù)測(cè)橢圓框,最終經(jīng)過橢圓的NMS便得到了最終的輸出結(jié)果。

    3 實(shí)驗(yàn)結(jié)果

    3.1 數(shù)據(jù)集

    據(jù)本文所知,目前沒有用旋轉(zhuǎn)橢圓框標(biāo)注的自然場景下的數(shù)據(jù)集。為了測(cè)試EllipseNet在自然場景數(shù)據(jù)集上的性能,本文在PASCAL VOC2007數(shù)據(jù)集基礎(chǔ)上構(gòu)造了一個(gè)旋轉(zhuǎn)數(shù)據(jù)集,其中原始的PASCAL VOC2007數(shù)據(jù)集包含了豐富的自然場景,該數(shù)據(jù)集總共標(biāo)注了20個(gè)類別的物體。但由于PASCAL VOC2007數(shù)據(jù)集中物體大多數(shù)垂直于地面,為了增加角度的多樣性需要對(duì)該數(shù)據(jù)集進(jìn)行旋轉(zhuǎn)。本文通過使用傳統(tǒng)的圖像處理算法等比例的旋轉(zhuǎn)圖像并人為的用旋轉(zhuǎn)橢圓框?qū)ξ矬w進(jìn)行了標(biāo)注。本文將構(gòu)造完成的數(shù)據(jù)集稱為Rotate VOC2007數(shù)據(jù)集,該數(shù)據(jù)集總共包含了5,747張圖像,其中4,981張圖像用于訓(xùn)練,766張圖像用于測(cè)試,總共包含了隸屬于20個(gè)類別的18,445個(gè)旋轉(zhuǎn)的物體。

    3.2 對(duì)比方法

    本文選擇了目前性能優(yōu)異的旋轉(zhuǎn)檢測(cè)算法和EllipseNet做對(duì)比,包括一階段旋轉(zhuǎn)檢測(cè)算法和二階段旋轉(zhuǎn)檢測(cè)算法。其中,一階段檢測(cè)算法包括:

    (1)RetinaNet-OBB[21],一種借助水平錨框的高效旋轉(zhuǎn)檢測(cè)算法。

    (2)FCOS-Poly[11]:在FCOS算法基礎(chǔ)上結(jié)合Poly-IoU-Loss損失函數(shù)進(jìn)行旋轉(zhuǎn)檢測(cè)的算法。

    (3)Gliding Vertex[17]:一種在預(yù)測(cè)水平矩形框基礎(chǔ)上額外再預(yù)測(cè)四個(gè)角點(diǎn)偏移量的旋轉(zhuǎn)檢測(cè)算法。

    (4)R3Det[15]:一種通過引入特征微調(diào)模塊來克服旋轉(zhuǎn)候選框特征不對(duì)齊的旋轉(zhuǎn)檢測(cè)算法。

    與上述一階段旋轉(zhuǎn)檢測(cè)算法相比,二階段旋轉(zhuǎn)檢測(cè)算法由于額外增加了一個(gè)RPN模塊其性能普遍較好,但隨之帶來的缺點(diǎn)就是檢測(cè)速度相對(duì)較慢。本文選擇的二階段檢測(cè)算法包括:

    (1)R2CNN-OBB[4]:一個(gè)在FasterRCNN基礎(chǔ)上改造的直接預(yù)測(cè)旋轉(zhuǎn)框的二階段檢測(cè)算法。

    (2)RoI Transformer[16]:一種借用水平錨框并借助RoI Learner模塊學(xué)習(xí)水平錨框到旋轉(zhuǎn)錨框變換的二階段檢測(cè)算法。

    (3)Oriented RCNN[22]:一種借助Oriented RPN模塊學(xué)習(xí)水平錨框到旋轉(zhuǎn)錨框變換的二階段目標(biāo)檢測(cè)算法。

    3.3 超參數(shù)設(shè)置

    本文將數(shù)據(jù)集R-VOC2007中圖像統(tǒng)一變換成[512,800,3]大小。另外,在模型訓(xùn)練過程中,使用了隨機(jī)上下、左右翻轉(zhuǎn)的圖像增強(qiáng)方法。模型總共迭代了100輪,并將初始學(xué)習(xí)率設(shè)置為5e-5。使用Adam[23]優(yōu)化器并以批次2對(duì)模型進(jìn)行訓(xùn)練。在正負(fù)樣本選擇過程中,令中心采樣率,各特征圖下采樣率為。在損失函數(shù)計(jì)算過程中,將Focal Loss的兩個(gè)超參分別設(shè)置為和,將權(quán)重系數(shù)分別設(shè)置為,。

    本文采用的硬件平臺(tái)為因特爾的i9-10900X CPU和一塊顯存為24GB的英偉達(dá)3090顯卡,Pytorch采用的版本為1.7.1。

    3.4 實(shí)驗(yàn)結(jié)果分析

    表1展示了EllipseNet和其他旋轉(zhuǎn)檢測(cè)算法的性能比較。從表中可以看出,二階段目標(biāo)檢測(cè)算法RoI Transformer和一階段目標(biāo)檢測(cè)算法Gliding Vertex分別以48.27%和46.06%的mAP值取得了最優(yōu)的性能。雖然EllipseNet僅取得了38.71%的mAP值,但在汽車和自行車兩個(gè)類別上分別擊敗了其余所有的方法,這也在一定程度上驗(yàn)證了本文方法在面對(duì)復(fù)雜的自然場景時(shí)也具有一定的性能優(yōu)勢(shì)。

    表1 RVOC2007數(shù)據(jù)集實(shí)驗(yàn)結(jié)果對(duì)比

    3.5 消融實(shí)驗(yàn)

    (1)橢圓中心回歸:一個(gè)橢圓的中心對(duì)確定一個(gè)橢圓框的位置非常重要。雖然FCOS能夠預(yù)測(cè)物體的中心區(qū)域,但在一定程度上,如圖3(a)所示,依然會(huì)存在一定的偏差。表2展示了是否添加橢圓中心偏差分支的消融實(shí)驗(yàn),從中可以看出,在額外回歸橢圓圓心偏差后mAP有1.4%的提升,從而驗(yàn)證了橢圓中心對(duì)預(yù)測(cè)橢圓位置的重要性。

    表2 橢圓中心偏差分支消融實(shí)驗(yàn)

    (2)橢圓交并比損失函數(shù):表3展示了不同損失函數(shù)對(duì)EllipseNet性能的影響,從表中可以看出,相較于僅使用Smooth L1 Loss[4],在添加了橢圓交并比損失后EllipseNet的mAP漲了0.9%,從而驗(yàn)證了橢圓交并比損失函數(shù)能夠進(jìn)一步的提升模型的性能。

    表3 損失函數(shù)消融實(shí)驗(yàn)

    3.6 可視化分析

    如圖6所示,本文可視化了EllipseNet在RVOC2007數(shù)據(jù)集上的部分檢測(cè)結(jié)果,可以看出,在復(fù)雜的自然場景下EllipseNet能夠較好的檢測(cè)各個(gè)角度姿態(tài)下的物體。

    圖6 RVOC2007可視化

    4 結(jié)論

    本文提出了一種能夠更加精確檢測(cè)物體的旋轉(zhuǎn)橢圓目標(biāo)檢測(cè)器EllipseNet,設(shè)計(jì)網(wǎng)絡(luò)結(jié)構(gòu)使其預(yù)測(cè)橢圓的圓心偏移量、長短軸長以及旋轉(zhuǎn)角度來完成旋轉(zhuǎn)橢圓的預(yù)測(cè)。另外在損失函數(shù)部分,考慮到橢圓框本質(zhì)上應(yīng)該作為一個(gè)整體來進(jìn)行損失計(jì)算,而不應(yīng)該用Smooth L1 Loss來單獨(dú)回歸橢圓框的各個(gè)屬性,因此本文額外又提出了一種橢圓交并比損失函數(shù)來進(jìn)一步提升了模型的性能。最終實(shí)驗(yàn)表明,EllipseNet具有一定的應(yīng)用價(jià)值。

    猜你喜歡
    錨框橢圓損失
    基于YOLOv3錨框優(yōu)化的側(cè)掃聲吶圖像目標(biāo)檢測(cè)
    Heisenberg群上由加權(quán)次橢圓p-Laplace不等方程導(dǎo)出的Hardy型不等式及應(yīng)用
    錨框策略匹配的SSD飛機(jī)遙感圖像目標(biāo)檢測(cè)
    基于SSD算法的輕量化儀器表盤檢測(cè)算法*
    基于GA-RoI Transformer的遙感圖像任意方向目標(biāo)檢測(cè)
    少問一句,損失千金
    胖胖損失了多少元
    例談橢圓的定義及其應(yīng)用
    一道橢圓試題的別樣求法
    玉米抽穗前倒伏怎么辦?怎么減少損失?
    国产精品国产高清国产av | 少妇粗大呻吟视频| 一本一本久久a久久精品综合妖精| 丝袜美腿诱惑在线| 国产97色在线日韩免费| 精品国产乱子伦一区二区三区| 国产精品98久久久久久宅男小说| 免费少妇av软件| 日韩视频一区二区在线观看| 精品一区二区三区四区五区乱码| 久久国产精品人妻蜜桃| 热re99久久精品国产66热6| 亚洲国产看品久久| 久久99一区二区三区| 亚洲国产av新网站| av电影中文网址| 韩国精品一区二区三区| 天天添夜夜摸| 久久精品国产99精品国产亚洲性色 | 日日爽夜夜爽网站| 久久久久久久国产电影| 日韩视频一区二区在线观看| 亚洲第一欧美日韩一区二区三区 | 捣出白浆h1v1| 成年人黄色毛片网站| 国产高清国产精品国产三级| 另类精品久久| 国产一区二区三区综合在线观看| 国产国语露脸激情在线看| 亚洲 欧美一区二区三区| 一区二区三区激情视频| 国产不卡av网站在线观看| 久久久久久久久久久久大奶| 欧美大码av| 少妇 在线观看| 精品人妻在线不人妻| 交换朋友夫妻互换小说| 亚洲avbb在线观看| 国产精品亚洲一级av第二区| 亚洲,欧美精品.| 久久久久国内视频| 色视频在线一区二区三区| 日韩中文字幕欧美一区二区| 亚洲男人天堂网一区| 十八禁人妻一区二区| 丰满人妻熟妇乱又伦精品不卡| 下体分泌物呈黄色| a级片在线免费高清观看视频| a级毛片在线看网站| 久久久久国产一级毛片高清牌| 中文字幕精品免费在线观看视频| 在线观看一区二区三区激情| 亚洲国产精品一区二区三区在线| 国产高清国产精品国产三级| 动漫黄色视频在线观看| 国产亚洲欧美在线一区二区| 亚洲人成电影免费在线| 咕卡用的链子| 国产真人三级小视频在线观看| 欧美在线一区亚洲| 欧美精品av麻豆av| 久久久久久人人人人人| 俄罗斯特黄特色一大片| 久久久久久亚洲精品国产蜜桃av| 欧美日韩精品网址| 美女高潮喷水抽搐中文字幕| 黄色片一级片一级黄色片| 中文字幕高清在线视频| 欧美av亚洲av综合av国产av| 一级,二级,三级黄色视频| 久久久精品94久久精品| 国产成人欧美| 成在线人永久免费视频| 少妇的丰满在线观看| av不卡在线播放| 国产淫语在线视频| 精品福利永久在线观看| 天堂8中文在线网| 老汉色∧v一级毛片| 国产在线视频一区二区| tocl精华| √禁漫天堂资源中文www| 精品国内亚洲2022精品成人 | 久久影院123| 亚洲自偷自拍图片 自拍| 不卡av一区二区三区| 国产深夜福利视频在线观看| 亚洲精品在线美女| 国产精品香港三级国产av潘金莲| 国产伦人伦偷精品视频| 国产麻豆69| 午夜久久久在线观看| 男男h啪啪无遮挡| av不卡在线播放| 老司机靠b影院| 久久精品国产a三级三级三级| 国产野战对白在线观看| 99re6热这里在线精品视频| 男女免费视频国产| 这个男人来自地球电影免费观看| 狂野欧美激情性xxxx| 亚洲精品av麻豆狂野| 国产精品一区二区精品视频观看| 午夜精品国产一区二区电影| 热99久久久久精品小说推荐| 欧美激情高清一区二区三区| 69精品国产乱码久久久| 亚洲欧洲日产国产| 丝袜美足系列| 久久久久久免费高清国产稀缺| 欧美在线黄色| 国产精品一区二区在线观看99| 黄片大片在线免费观看| 少妇的丰满在线观看| 精品国产乱子伦一区二区三区| 久热爱精品视频在线9| 亚洲美女黄片视频| 久久毛片免费看一区二区三区| 狠狠婷婷综合久久久久久88av| 69精品国产乱码久久久| 精品第一国产精品| 水蜜桃什么品种好| 999久久久精品免费观看国产| 亚洲天堂av无毛| 亚洲国产欧美在线一区| 高清欧美精品videossex| 在线观看人妻少妇| 久久人妻福利社区极品人妻图片| 三级毛片av免费| 日日爽夜夜爽网站| 亚洲三区欧美一区| 久久亚洲精品不卡| 亚洲欧美一区二区三区黑人| 亚洲成国产人片在线观看| 99九九在线精品视频| 午夜精品国产一区二区电影| 亚洲成av片中文字幕在线观看| 欧美乱妇无乱码| 我的亚洲天堂| 999久久久精品免费观看国产| 国产淫语在线视频| 亚洲av欧美aⅴ国产| 欧美日韩亚洲国产一区二区在线观看 | kizo精华| 18在线观看网站| 久久热在线av| 亚洲色图av天堂| 国产男靠女视频免费网站| 久久精品人人爽人人爽视色| 亚洲一卡2卡3卡4卡5卡精品中文| 9色porny在线观看| 下体分泌物呈黄色| 无遮挡黄片免费观看| 精品久久久久久久毛片微露脸| 色精品久久人妻99蜜桃| 人妻久久中文字幕网| 高清欧美精品videossex| 丰满饥渴人妻一区二区三| 动漫黄色视频在线观看| 久久狼人影院| 性高湖久久久久久久久免费观看| 一级,二级,三级黄色视频| 国产成人免费观看mmmm| 精品少妇内射三级| 欧美日韩黄片免| 国产免费av片在线观看野外av| 中文字幕另类日韩欧美亚洲嫩草| 午夜精品久久久久久毛片777| 欧美精品av麻豆av| 亚洲精品一卡2卡三卡4卡5卡| 精品亚洲成国产av| 亚洲精品国产精品久久久不卡| 丝袜人妻中文字幕| 久久久国产一区二区| 女性被躁到高潮视频| 黄片小视频在线播放| 久久久精品国产亚洲av高清涩受| 成年版毛片免费区| 久久久水蜜桃国产精品网| 国产精品亚洲av一区麻豆| 亚洲欧美激情在线| 免费高清在线观看日韩| 色视频在线一区二区三区| 亚洲成人免费av在线播放| 久久精品成人免费网站| 丰满少妇做爰视频| 中文字幕人妻丝袜一区二区| 一本色道久久久久久精品综合| 亚洲欧美日韩另类电影网站| 肉色欧美久久久久久久蜜桃| 99精品在免费线老司机午夜| 国产精品国产av在线观看| 视频区图区小说| 曰老女人黄片| 国产一区二区三区综合在线观看| 91麻豆av在线| av天堂在线播放| 国产精品 国内视频| 人人妻人人添人人爽欧美一区卜| 成年动漫av网址| 欧美成狂野欧美在线观看| 久久国产精品人妻蜜桃| 动漫黄色视频在线观看| av网站免费在线观看视频| 国产成人欧美在线观看 | 精品亚洲成a人片在线观看| 中国美女看黄片| 精品国产国语对白av| 80岁老熟妇乱子伦牲交| 老司机午夜福利在线观看视频 | 男女边摸边吃奶| 在线观看免费高清a一片| 在线观看免费视频网站a站| 亚洲欧美日韩高清在线视频 | 日韩中文字幕视频在线看片| 国产高清视频在线播放一区| 最新的欧美精品一区二区| 午夜日韩欧美国产| 91成人精品电影| 精品免费久久久久久久清纯 | 大码成人一级视频| 黑人操中国人逼视频| 欧美日韩亚洲高清精品| 亚洲av美国av| 一级,二级,三级黄色视频| 午夜久久久在线观看| 女同久久另类99精品国产91| 成年动漫av网址| 国产免费福利视频在线观看| 性少妇av在线| 精品国产国语对白av| 亚洲精品在线观看二区| 成人亚洲精品一区在线观看| 国产麻豆69| 在线观看舔阴道视频| 天天躁夜夜躁狠狠躁躁| 国产精品.久久久| 中文字幕人妻熟女乱码| 国精品久久久久久国模美| 国产欧美日韩一区二区三区在线| 99re6热这里在线精品视频| 国产色视频综合| 国产1区2区3区精品| 久久久久久免费高清国产稀缺| 亚洲av美国av| 制服诱惑二区| 午夜免费鲁丝| 精品国产亚洲在线| www.999成人在线观看| 如日韩欧美国产精品一区二区三区| 2018国产大陆天天弄谢| 国产精品久久久久久精品电影小说| 精品一区二区三卡| 欧美精品一区二区大全| 国产男女内射视频| 国产精品1区2区在线观看. | 欧美 日韩 精品 国产| 天堂动漫精品| 久久这里只有精品19| 日日摸夜夜添夜夜添小说| 99久久人妻综合| 亚洲性夜色夜夜综合| 国产激情久久老熟女| 久久精品国产a三级三级三级| 青草久久国产| 亚洲三区欧美一区| 国产黄色免费在线视频| 精品福利观看| 交换朋友夫妻互换小说| 欧美精品啪啪一区二区三区| 欧美日韩亚洲综合一区二区三区_| 国产精品一区二区在线不卡| 精品人妻在线不人妻| 首页视频小说图片口味搜索| 极品少妇高潮喷水抽搐| 亚洲国产av影院在线观看| 国产精品久久久久久精品古装| 久久久久久久久久久久大奶| 美女国产高潮福利片在线看| 国产伦人伦偷精品视频| 一本久久精品| 久久国产精品大桥未久av| 一级毛片女人18水好多| 一二三四社区在线视频社区8| 午夜久久久在线观看| 午夜福利视频在线观看免费| 国产一区二区在线观看av| 亚洲精品在线美女| 久久性视频一级片| 黄网站色视频无遮挡免费观看| cao死你这个sao货| 免费日韩欧美在线观看| 精品免费久久久久久久清纯 | videos熟女内射| 99热国产这里只有精品6| 日本黄色视频三级网站网址 | av天堂久久9| 国产精品香港三级国产av潘金莲| 午夜激情久久久久久久| 国产xxxxx性猛交| 精品久久久久久电影网| av线在线观看网站| 欧美日韩福利视频一区二区| 成人特级黄色片久久久久久久 | 我要看黄色一级片免费的| 伊人久久大香线蕉亚洲五| 纵有疾风起免费观看全集完整版| 国产男女内射视频| 在线观看www视频免费| 热99久久久久精品小说推荐| 久久精品亚洲av国产电影网| 免费在线观看日本一区| 狠狠精品人妻久久久久久综合| 免费高清在线观看日韩| 色尼玛亚洲综合影院| 另类精品久久| 国产一区二区激情短视频| 中文字幕人妻熟女乱码| 亚洲av成人一区二区三| 欧美av亚洲av综合av国产av| 色精品久久人妻99蜜桃| 一区二区三区国产精品乱码| 涩涩av久久男人的天堂| 亚洲免费av在线视频| 狠狠精品人妻久久久久久综合| 欧美精品一区二区免费开放| 国产成人欧美| 精品熟女少妇八av免费久了| 大型黄色视频在线免费观看| 精品国产一区二区久久| 精品人妻1区二区| av福利片在线| 久久久久久免费高清国产稀缺| 91av网站免费观看| www.熟女人妻精品国产| 久久久久久久大尺度免费视频| 亚洲av第一区精品v没综合| 亚洲avbb在线观看| 国产成人欧美| 香蕉丝袜av| 狂野欧美激情性xxxx| 麻豆乱淫一区二区| 视频区欧美日本亚洲| 亚洲avbb在线观看| 免费在线观看影片大全网站| 精品免费久久久久久久清纯 | 伦理电影免费视频| 午夜精品国产一区二区电影| 69av精品久久久久久 | 女人久久www免费人成看片| 亚洲精品一二三| 在线永久观看黄色视频| 汤姆久久久久久久影院中文字幕| 真人做人爱边吃奶动态| 国产主播在线观看一区二区| 一进一出抽搐动态| 美国免费a级毛片| 一进一出好大好爽视频| 成年人免费黄色播放视频| 国产欧美日韩综合在线一区二区| 9191精品国产免费久久| 久久精品国产亚洲av香蕉五月 | 黄频高清免费视频| 我要看黄色一级片免费的| 香蕉丝袜av| 中文字幕精品免费在线观看视频| 在线看a的网站| 99国产精品一区二区三区| 18禁美女被吸乳视频| 一本大道久久a久久精品| 国产精品自产拍在线观看55亚洲 | 日本五十路高清| e午夜精品久久久久久久| 精品亚洲成国产av| 午夜激情久久久久久久| 在线永久观看黄色视频| 青青草视频在线视频观看| 一本一本久久a久久精品综合妖精| 国产在线精品亚洲第一网站| 免费在线观看完整版高清| 亚洲情色 制服丝袜| 男女床上黄色一级片免费看| 黄色毛片三级朝国网站| 女性生殖器流出的白浆| 一本综合久久免费| 欧美在线一区亚洲| 日韩一区二区三区影片| 久9热在线精品视频| 国产高清视频在线播放一区| 国产欧美日韩综合在线一区二区| 涩涩av久久男人的天堂| 国产亚洲欧美精品永久| 久久精品aⅴ一区二区三区四区| 久久久精品94久久精品| 天堂动漫精品| 大片免费播放器 马上看| 久久久水蜜桃国产精品网| 午夜福利视频精品| 丝袜美腿诱惑在线| 手机成人av网站| 国产成人精品无人区| 国产精品99久久99久久久不卡| av超薄肉色丝袜交足视频| 国产精品一区二区精品视频观看| 国产精品成人在线| 欧美+亚洲+日韩+国产| 日本撒尿小便嘘嘘汇集6| 91成人精品电影| 777米奇影视久久| 欧美黑人精品巨大| 天堂8中文在线网| 亚洲av美国av| 成年女人毛片免费观看观看9 | 不卡av一区二区三区| 日本精品一区二区三区蜜桃| 黑人猛操日本美女一级片| 日本五十路高清| 国产黄频视频在线观看| 丰满少妇做爰视频| 亚洲av美国av| 人妻久久中文字幕网| 男人舔女人的私密视频| 国产精品 国内视频| 丰满少妇做爰视频| 亚洲性夜色夜夜综合| av不卡在线播放| 久久亚洲真实| 亚洲精品中文字幕在线视频| 国产一区二区在线观看av| 国产成人系列免费观看| 高清在线国产一区| 99在线人妻在线中文字幕 | 99国产极品粉嫩在线观看| 久久精品国产99精品国产亚洲性色 | 日本a在线网址| 黄色成人免费大全| 欧美人与性动交α欧美精品济南到| 好男人电影高清在线观看| 首页视频小说图片口味搜索| 少妇被粗大的猛进出69影院| av国产精品久久久久影院| 免费高清在线观看日韩| 9热在线视频观看99| 最新的欧美精品一区二区| 每晚都被弄得嗷嗷叫到高潮| 久久久久久亚洲精品国产蜜桃av| 80岁老熟妇乱子伦牲交| 国精品久久久久久国模美| 99国产综合亚洲精品| 在线十欧美十亚洲十日本专区| 久久天躁狠狠躁夜夜2o2o| 亚洲精品国产区一区二| 精品久久久久久电影网| 欧美日韩亚洲高清精品| 免费不卡黄色视频| 日韩欧美一区视频在线观看| 国产99久久九九免费精品| 欧美日韩中文字幕国产精品一区二区三区 | 嫩草影视91久久| 可以免费在线观看a视频的电影网站| 久久精品国产亚洲av香蕉五月 | 欧美日韩亚洲高清精品| 少妇的丰满在线观看| 另类亚洲欧美激情| 亚洲色图综合在线观看| 日韩欧美免费精品| 精品少妇一区二区三区视频日本电影| 女警被强在线播放| 巨乳人妻的诱惑在线观看| 高清在线国产一区| 日韩熟女老妇一区二区性免费视频| 欧美人与性动交α欧美软件| 汤姆久久久久久久影院中文字幕| 亚洲av成人不卡在线观看播放网| 成人三级做爰电影| 十八禁网站免费在线| 女人爽到高潮嗷嗷叫在线视频| 纵有疾风起免费观看全集完整版| 亚洲精品国产区一区二| 国产精品亚洲av一区麻豆| 另类亚洲欧美激情| 中文字幕高清在线视频| 人成视频在线观看免费观看| 飞空精品影院首页| 日韩中文字幕视频在线看片| 一本一本久久a久久精品综合妖精| 亚洲国产欧美网| 精品福利永久在线观看| 欧美日韩亚洲高清精品| 亚洲综合色网址| 日韩欧美三级三区| 一区二区三区乱码不卡18| 1024视频免费在线观看| 自线自在国产av| 熟女少妇亚洲综合色aaa.| 99精品欧美一区二区三区四区| 淫妇啪啪啪对白视频| 美女高潮喷水抽搐中文字幕| 欧美精品av麻豆av| 在线永久观看黄色视频| 国产精品 欧美亚洲| 久久亚洲精品不卡| 大片电影免费在线观看免费| 99久久人妻综合| 免费在线观看黄色视频的| 国产精品亚洲一级av第二区| 母亲3免费完整高清在线观看| 欧美性长视频在线观看| 肉色欧美久久久久久久蜜桃| 在线观看舔阴道视频| 午夜福利在线免费观看网站| 啦啦啦视频在线资源免费观看| 亚洲成av片中文字幕在线观看| 欧美大码av| 欧美变态另类bdsm刘玥| 国产亚洲欧美精品永久| 午夜福利欧美成人| 亚洲avbb在线观看| 精品视频人人做人人爽| 一级片'在线观看视频| 日本欧美视频一区| 老司机福利观看| 欧美精品高潮呻吟av久久| 欧美黄色淫秽网站| 日韩成人在线观看一区二区三区| 操美女的视频在线观看| 午夜福利视频在线观看免费| 午夜成年电影在线免费观看| 欧美老熟妇乱子伦牲交| 久久99热这里只频精品6学生| 国产在线免费精品| a级毛片黄视频| 国产av又大| 纯流量卡能插随身wifi吗| 久久久精品国产亚洲av高清涩受| 日韩精品免费视频一区二区三区| av一本久久久久| 欧美黑人欧美精品刺激| 50天的宝宝边吃奶边哭怎么回事| 国产高清国产精品国产三级| 一区二区日韩欧美中文字幕| 国产在线精品亚洲第一网站| 露出奶头的视频| 欧美激情久久久久久爽电影 | 色视频在线一区二区三区| 一个人免费在线观看的高清视频| 一区二区三区乱码不卡18| 亚洲欧美一区二区三区黑人| 亚洲欧美一区二区三区久久| 国产精品一区二区在线观看99| 久久精品国产综合久久久| 久久中文字幕一级| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲精华国产精华精| 黄色毛片三级朝国网站| 亚洲精品美女久久av网站| 亚洲avbb在线观看| 国产深夜福利视频在线观看| 99久久精品国产亚洲精品| 国产日韩欧美亚洲二区| 老司机午夜十八禁免费视频| 亚洲伊人色综图| 国产av又大| 成人av一区二区三区在线看| 一进一出抽搐动态| 日韩免费av在线播放| 99久久国产精品久久久| av天堂在线播放| 成人国产av品久久久| 黄片大片在线免费观看| 国产亚洲一区二区精品| 国产精品美女特级片免费视频播放器 | 天堂动漫精品| 久久ye,这里只有精品| 欧美激情极品国产一区二区三区| 久久精品亚洲精品国产色婷小说| 人成视频在线观看免费观看| 动漫黄色视频在线观看| av福利片在线| 亚洲美女黄片视频| 国产精品免费大片| 欧美激情 高清一区二区三区| 精品少妇久久久久久888优播| 国产免费现黄频在线看| netflix在线观看网站| 国产有黄有色有爽视频| 免费日韩欧美在线观看| 人成视频在线观看免费观看| 亚洲精品一卡2卡三卡4卡5卡| 又大又爽又粗| 久久久久久免费高清国产稀缺| 美女主播在线视频| 丝瓜视频免费看黄片| 十分钟在线观看高清视频www| 亚洲欧美色中文字幕在线| 国产精品免费大片| 一本一本久久a久久精品综合妖精| 精品国内亚洲2022精品成人 | 一区二区三区激情视频| 欧美精品一区二区免费开放| 悠悠久久av| 极品人妻少妇av视频| 亚洲国产毛片av蜜桃av| 熟女少妇亚洲综合色aaa.| 欧美午夜高清在线| 两个人看的免费小视频| 国产一区二区激情短视频| 脱女人内裤的视频| 久久人妻福利社区极品人妻图片| 成年版毛片免费区| 国产黄色免费在线视频| 美女视频免费永久观看网站| 女人精品久久久久毛片| 一进一出好大好爽视频| 在线十欧美十亚洲十日本专区|