• <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 ?

    基于語義生成與語義分割的機織物缺陷檢測方法

    2023-03-01 14:46:12馬浩然張團善趙浩銘
    輕工機械 2023年1期
    關(guān)鍵詞:散度織物語義

    馬浩然, 張團善, 王 峰, 趙浩銘

    (西安工程大學 機電工程學院, 陜西 西安 710048)

    紡織業(yè)的重要性上至航空航天、生物醫(yī)療,下至服裝家紡、包裝材料??椢锶毕菔怯绊懣椢锟捎眯缘年P(guān)鍵因素,具有較多缺陷的織物將被判定為次品,影響銷售甚至被銷毀,同時織物缺陷率的上升也能反映出紡織機械故障的出現(xiàn)。所以織物缺陷檢測是提升織物質(zhì)量,監(jiān)測紡機狀態(tài)的重要步驟,快速、準確地檢出缺陷對提升生產(chǎn)效率、提高產(chǎn)品質(zhì)量都有重要意義[1]。

    目前工廠中織物缺陷檢測主要依靠人工進行,這不僅需要工人具有豐富的工作經(jīng)驗,且勞動強度大,對視力損傷嚴重。即使如此,人工也僅能達到70%的正確率,這意味著高質(zhì)量的布匹不得不反復檢測,這極大地提高了生產(chǎn)成本。

    近年來,計算機技術(shù)快速發(fā)展,深度學習因其較高的檢測正確率,已經(jīng)逐漸成為織物缺陷檢測的常用方法,使用較多的任務模式有分類、目標檢測和語義分割[2-4]。分類任務僅能判別當前整張圖像是否含有缺陷,并對缺陷分類,這種方式檢測較為粗略,無法提供具體的缺陷位置;目標檢測可以提取缺陷的中心位置和外接矩形的大小,能夠更加精細地提供缺陷的信息,但無法提供缺陷的輪廓信息;語義分割可以提供織物缺陷的種類、位置、準確輪廓以及像素級精度的缺陷面積,對缺陷的描述較為全面[5]。因此語義分割任務在織物缺陷檢測中的使用頻率越來越高。

    深度學習作為有監(jiān)督學習,最為重要的是數(shù)據(jù)集的規(guī)模,數(shù)據(jù)集的規(guī)模越大、覆蓋越廣,越能反映出真實狀態(tài)下的缺陷分布。一個全面的數(shù)據(jù)集對于獲得一個泛用的、魯棒的模型十分重要。在織物缺陷檢測方面,現(xiàn)有的公共數(shù)據(jù)集數(shù)據(jù)量較少,且織物的種類也在日益增多,往往需要對擁有的有限的數(shù)據(jù)進行擴充[6]。傳統(tǒng)的擴充方式采用翻轉(zhuǎn)、旋轉(zhuǎn)和縮放等方式,但這些方式只是對現(xiàn)有圖像的處理,不能產(chǎn)生新的樣本圖像。

    生成對抗網(wǎng)絡(generative adversarial networks,GAN)[7]常常被用來擴充數(shù)據(jù)集,傳統(tǒng)的GAN輸入服從某種分布的噪聲,輸出生成的圖像,這種方式可以產(chǎn)生新的圖像,但這些圖像仍需人手工標注,這增加了工作量。傳統(tǒng)的GAN存在難以訓練、模式崩潰等問題,作為數(shù)據(jù)擴充工具,傳統(tǒng) GAN在使用上存在困難。

    近年來,語義生成作為GAN新的研究方向,廣受關(guān)注,語義生成采用編碼-解碼器的方式,輸入語義標簽,輸出與之對應的真實圖像[8]。語義生成的提出使得語義分割的數(shù)據(jù)增強不再需要手工標注,僅需要隨機產(chǎn)生語義標簽,或?qū)ΜF(xiàn)有的語義標簽進行數(shù)據(jù)增強,即可獲得語義標簽與對應的真實圖像的一組數(shù)據(jù),免去標注過程,可以在語義分割網(wǎng)絡訓練過程中實時增強。

    傳統(tǒng)GAN、深度卷積生成對抗網(wǎng)絡(deep convolution generative adversarial networks,DCGAN)中[9],庫爾貝特-萊布勒散度(Kullback-Leibler divergence),簡稱KL散度,和杰森-香農(nóng)散度(Jensen-Shannon divergence),簡稱JS散度,在生成分布與真實分布不重疊時會造成梯度消失,導致網(wǎng)絡無法收斂。瓦瑟斯坦生成對抗網(wǎng)絡(Wasserstein generative adversarial networks,WGAN)[10]使用推土機距離(earth mover′s distance,EM距離)替代KL散度和JS散度,EM距離在2分布無重疊時也能良好地衡量真實分布與生成分布的距離。邊界平衡生成對抗網(wǎng)絡(boundary equilibrium generative adversarial networks,BEGAN)將判別器設置為編碼-解碼器的形式,通過重構(gòu)誤差的分布的逼近來代替真實分布的逼近,提升了訓練速度,并且通過設置生成器與判別器損失的反饋機制來避免判別器過強導致的訓練崩潰。

    菲利普等[11]發(fā)現(xiàn),在GAN的生成器訓練中加入一些傳統(tǒng)損失函數(shù)(L1損失函數(shù))可以輔助訓練,僅使用判別器的輸出作為生成器的損失函數(shù)會導致生成的圖像缺乏真實,僅使用L1損失函數(shù)會導致生成的圖像十分模糊,2者融合可以更好地生成圖像。

    課題組采用BEGAN的網(wǎng)絡結(jié)構(gòu)[12],同時在生成器訓練時添加加權(quán)的L1損失函數(shù)作為輔助,L1損失函數(shù)使用尺寸自適應加權(quán)函數(shù)進行加權(quán),減少大尺寸缺陷模糊的問題。BEGAN同樣采用EM距離評估生成分布和真實分布的差距,這可以避免KL散度和JS散度帶來的梯度消失。課題組選用多樣性比率γ(diversity ratio),用于控制生成網(wǎng)絡在多樣性和生成質(zhì)量中的比例,同時比例控制原理(proportional control theory)的加入用于控制判別器對生成樣本和真實樣本重構(gòu)誤差期望維持在γ附近,從而避免判別器對生成樣本過于嚴格而導致的訓練崩潰。

    1 語義生成

    生成網(wǎng)絡主要包括網(wǎng)絡原理的構(gòu)造和網(wǎng)絡結(jié)構(gòu)及參數(shù)的選擇。生成對抗網(wǎng)絡采用BEGAN的形式,生成器與判別器都采用編碼-解碼器的形式,判別器獲取生成樣本與真實樣本的重構(gòu)誤差,損失函數(shù)采用EM距離,采用L1損失函數(shù)輔助生成器的訓練。

    1.1 原理及損失函數(shù)設計

    傳統(tǒng)GAN 的優(yōu)化目標分為2部分:判別器D(xi)與生成器G(z)部分。

    1) 判別器部分。

    (1)

    式中:xi為采樣樣本,Pr是真實圖像分布,PG是生成器生成的圖像分布。

    對于判別器,在輸入真實圖像時,判別器D(xi)的期望輸出越大越好,即Exi~PrlnD(xi)越大越好;在輸入生成圖像時,判別器D(xi)的期望輸出越小越好,即Exi~PGln [1-D(xi)]越小越好。

    2) 生成器部分。

    Exi~PGln [1-D(xi)]。

    (2)

    對于生成器的優(yōu)化目標,在對判別器輸入為生成圖像時,判別器的輸出期望越大越好,即Exi~PGln [1-D(xi)]越小越好。

    定義V(D,G)為優(yōu)化目標,則有:

    (3)

    式中:PG=G(z),z~N(μ,σ2);V(D,G)為關(guān)于判別器與生成器的優(yōu)化函數(shù);∏(Pr,PG)是真實樣Pr與生成樣本PG的聯(lián)合分布;z是符合某種分布的噪聲,往往是正態(tài)分布。

    在固定生成器G(z)時,最優(yōu)的判別器

    (4)

    當判別器最優(yōu)時,生成器的優(yōu)化目標為:

    (5)

    引入KL散度和JS散度:

    divKL(P1‖P2)=Exi~P1ln (P1/P2)。

    (6)

    (7)

    式中P1與P2為不同的樣本分布。

    將生成器優(yōu)化目標寫成JS散度的形式:

    2divJS(Pr‖PG)-2ln 2。

    (8)

    JS散度存在弊端,當真實樣本分布Pr與生成樣本分布PG分布完全不重疊時,JS散度恒為ln 2。即無論Pr與PG的分布多近或多遠,JS散度為定值,這導致了梯度消失;而在實際情況中,Pr與PG的分布完全不重疊的情況十分常見,JS散度存在的弊端直接導致了原始的GAN難以訓練。

    EM距離W(Pr,PG)可以更好地衡量2個分布的差距。

    (9)

    對于聯(lián)合分布樣本σ,從中采樣真實樣本xr和生成樣本xG,計算2者距離,取下界,定義為EM距離。

    BEGAN將樣本分布的優(yōu)化轉(zhuǎn)化為樣本重構(gòu)誤差L的優(yōu)化,即:

    L(xi)=|xi-D(xi)|η。

    (10)

    式中η∈[1,2]。

    除此之外,BEGAN還引入了多樣性比例γ和比例控制原理,使得網(wǎng)絡可以調(diào)節(jié)多樣性和生成質(zhì)量。

    (11)

    式中:Rd為標簽中缺陷像素占比,yd為缺陷樣本,yb為背景樣本,μ為尺寸自適應權(quán)重,gd為生成缺陷樣本,gb為生成背景樣本,α為調(diào)節(jié)權(quán)重。

    1.2 網(wǎng)絡結(jié)構(gòu)

    生成器與判別器均采用編碼-解碼器的形式。編碼器的網(wǎng)絡結(jié)構(gòu)如圖1所示,輸入經(jīng)過純卷積網(wǎng)絡進行下采樣,最終到15×15像素大小。傳統(tǒng)的最大池化下采樣不適用于語義生成任務,抑制低激活值不利于網(wǎng)絡推導織物紋理。下采樣部分采用卷積進行,卷積核4×4,步長為2。

    解碼器的作用主要是還原圖像分辨率以及產(chǎn)生紋理。傳統(tǒng)網(wǎng)絡上采樣為避免訓練初期出現(xiàn)的周期性噪聲而回避使用反卷積,轉(zhuǎn)而采用雙線性插值進行上采樣。而在織物缺陷生成任務中,訓練初期反卷積的周期性噪聲的出現(xiàn)有利于織物底紋的推理,故采用反卷積進行上采樣,同時串聯(lián)一個3×3的卷積進一步產(chǎn)生紋理。解碼器網(wǎng)絡結(jié)構(gòu)如圖2所示。

    圖1 編碼器網(wǎng)絡結(jié)構(gòu)Figure 1 Encoder structure

    圖2 解碼器網(wǎng)絡結(jié)構(gòu)Figure 2 Decoder structure

    生成器與判別器采用相同的結(jié)構(gòu),唯一不同的是生成器的輸入維度m=6,而判別器的輸入維度m=3。模型添加了大跨度的特征融合,編碼器的特征與其尺寸匹配的解碼器特征相加。每個卷積層后添加BN層,使用ELU作為激活函數(shù)。整體采用大跨度的特征連接用于補充特征損失,輔助輪廓推導。圖3所示為整體網(wǎng)絡結(jié)構(gòu)。

    圖3 生成器/判別器網(wǎng)絡結(jié)構(gòu)Figure 3 Generator/discriminator network structure

    1.3 參數(shù)選擇

    在BEGAN的訓練過程中,采用Adam優(yōu)化器,β1=0.500,β2=0.999。為確保生成樣本的多樣性,在BEGAN的損失函數(shù)中,多樣性比例γ=1,λk=0.001。在生成器訓練過程中,圖4中展示了不同α下的生成結(jié)果。在α=10.0時,生成圖像清晰度低,真實性較差;在α=1.0時,清晰度提高;α=0.1時,生成圖像清晰,真實性好。過高的L1損失函數(shù)權(quán)重α將導致生成網(wǎng)絡多樣性降低,且生成的圖像較為模糊,故取α=0.1。

    圖4 不同α的生成結(jié)果Figure 4 Generation results for different α

    2 語義分割

    語義分割網(wǎng)絡同樣采用編碼-解碼器的形式,采用帶空洞卷積的空間池化金字塔(atrous spatial pyramid pooling,ASPP)結(jié)構(gòu)[13],最小下采樣尺寸為30×30像素,這是保持織物缺陷不被縮放的最小下采樣尺寸。設置尺寸自適應函數(shù)對Dice損失函數(shù)進行加權(quán)。

    2.1 缺陷分析及損失函數(shù)設計

    采樣得到的織物圖像分辨率為1 920×1 440像素,將整張圖像作為網(wǎng)絡輸入將導致過高的顯存占用,現(xiàn)有的深度學習框架在并行處理中能取得更高的處理效率,所以原圖像被分割張數(shù)為4×3子圖像,每張子圖像經(jīng)過雙線性插值縮放到240×240像素。

    織物疵點數(shù)據(jù)中,缺陷的分布并不均勻,有數(shù)量與大小的差距,語義分割中,每個像素點都被視為一個樣本,那么織物缺陷的樣本分布是十分不均勻的,呈現(xiàn)無缺陷樣本與有缺陷樣本的不均衡,缺陷的樣本種類間不均衡。這種不均衡的現(xiàn)象導致像素數(shù)量占比較低的缺陷種類容易被忽略,這部分的損失容易被背景稀釋,導致無法收斂或者滯后收斂。

    Dice損失函數(shù)可以很好反映網(wǎng)絡輸出結(jié)果與目標的差距,這使得Dice損失函數(shù)在語義分割任務中被廣泛地使用。原始Dice損失函數(shù)無法解決樣本不均的問題,需要尺寸自適應函數(shù)解決樣本不均衡的問題,將尺寸自適應函數(shù)改變相位如下:

    式中:pd為網(wǎng)絡預測輸出,td為標簽。

    2.2 網(wǎng)絡結(jié)構(gòu)

    語義分割網(wǎng)絡同樣采用編碼-解碼器的結(jié)構(gòu),如圖5所示。殘差塊是編碼器網(wǎng)絡的基本組成,它可以更好地補充特征,同時還能防止網(wǎng)絡退化。編碼器將輸入下采樣至30×30像素的大小。240×240像素的圖像中,缺陷的最小跨度為8個像素,故30×30像素的大小是保證缺陷不被縮放的最小下采樣尺寸。在下采樣后,采用了ASPP以不同空洞率Dr對解碼器的底層特征進行采樣,這是為了能夠更好地提取到不同尺度的缺陷,同時也能擴大感受野,更好地檢測尺度較大的缺陷。解碼器中,使用了反卷積進行上采樣,相較于雙線性插值上采樣,反卷積可以更好地推理輪廓,同時可以減少特征張量的維度,減少計算量。

    2.3 參數(shù)選擇

    語義分割網(wǎng)絡訓練中,使用Adam優(yōu)化器,Adam優(yōu)化器參數(shù)β1=0.900,β2=0.999。訓練采用使用余弦退火學習率,參數(shù)為T0=12,Tmult=2。

    圖5 語義分割網(wǎng)絡結(jié)構(gòu)Figure 5 Semantic segmentation network structure

    3 實驗結(jié)果

    BEGAN在數(shù)據(jù)集上使用尺寸自適應L1損失函數(shù)與原始L1損失函數(shù)各訓練了1 800次,使用測試集并進行數(shù)據(jù)擴充,增加缺陷多樣性。語義分割網(wǎng)絡在原始數(shù)據(jù)集上,使用原始Dice損失函數(shù)與尺寸自適應Dice損失函數(shù)各訓練了1 000次。在使用BEGAN擴充的數(shù)據(jù)集上,使用尺寸自適應Dice損失函數(shù)訓練1 000次。將結(jié)果進行對比分析。

    3.1 BEGAN實驗結(jié)果

    圖6所示為不同訓練階段下的缺陷圖片生成圖像,可以明顯地觀察到:使用尺寸自適應損失函數(shù)的生成結(jié)果優(yōu)于原始L1損失,使用尺寸自適應L1損失函數(shù)的圖像更加清晰,缺陷部分更加真實、清晰。

    圖6 原始L1損失函數(shù)與尺寸自適應L1損失函數(shù)生成圖像對比Figure 6 Comparison of original L1 loss function and size-adaptive L1 loss function generated images

    3.2 語義分割實驗結(jié)果

    圖7所示為在原始Dice損失與尺寸自適應Dice損失下, 模型訓練中驗證集精度的對比。由圖7可以看出在使用原始Dice損失時,模型的收斂出現(xiàn)了明顯的滯后。這是因為在原始Dice損失下,小尺寸缺陷的損失被稀釋,模型難以訓練,負樣本優(yōu)先于正樣本收斂,最終導致模型訓練時間過長。尺寸自適應Dice損失函數(shù)能很好地解決這一問題,正、負樣本損失分開計算可以減輕負樣本對正樣本的稀釋。尺寸自適應函數(shù)對不同尺寸缺陷進行自適應權(quán)重分配,提高小尺寸缺陷的損失占比,由此解決正樣本間不均衡問題。使用尺寸自適應Dice損失函數(shù)使得模型的檢測精度提高了11.1%。

    圖7 Dice損失函數(shù)與尺寸自適應Dice損失函數(shù)模型準確率對比Figure 7 Accuracy comparison of Dice loss function and size-adaptive Dice loss function models

    圖8所示為使用BEGAN擴充數(shù)據(jù)集并且適應尺寸自適應Dice損失函數(shù)訓練的模型的檢測結(jié)果。模型可檢測多種顏色及紋理的機織物,對缺陷的分割以及分類效果較好,能劃分復雜形狀缺陷輪廓,對于孔洞、斷紗等小尺寸缺陷的檢測效果優(yōu)異。

    圖8 語義分割網(wǎng)絡檢測結(jié)果Figure 8 Semantic segmentation network detection results

    圖9所示為使用原始數(shù)據(jù)集訓練出的語義分割網(wǎng)絡與使用BEGAN擴充過的數(shù)據(jù)集訓練的語義分割網(wǎng)絡的性能對比。使用傳統(tǒng)數(shù)據(jù)增強相較于使用原始數(shù)據(jù)集的提升較小,因為傳統(tǒng)的數(shù)據(jù)增強只是對現(xiàn)有圖片進行旋轉(zhuǎn)、縮放、翻轉(zhuǎn)等操作,本質(zhì)上并未產(chǎn)生新的樣本。使用BEGAN擴充的數(shù)據(jù)集更接近缺陷的真實分布,并且生成樣本經(jīng)過判別器篩選,擴充的缺陷圖像皆是從隨機語義標簽重新生成的,缺陷圖像更加多樣,使得訓練出的模型魯棒性更好。

    圖9 不同數(shù)據(jù)增強方法對比Figure 9 Comparison of different data enhancement methods

    均交并比(mean intersection over union,MIoU)為語義分割的標準度量,計算所有類別交集和并集之比的平均值:

    式中:n為預測類別數(shù)量;TP表示模型預測為正例,實際也為正例,預測正確;FN表示模型預測為反例,實際為正例,預測錯誤;FP表示模型預測為正例,實際為反例,預測錯誤。

    表1所示為不同數(shù)據(jù)增強方法下,模型的檢測精度。使用BEGAN的語義生成方法獲得了最好的效果,在測試集上獲得90.8%的MIoU均值。

    表1 數(shù)據(jù)增強方法對比

    4 結(jié)語

    課題組針對織物缺陷檢測中的數(shù)據(jù)集缺失設計了語義生成網(wǎng)絡,使用BEGAN平衡生成器與判別器,加入尺寸自適應的L1損失函數(shù)輔助訓練,提升缺陷圖像生成質(zhì)量。語義生成的圖像經(jīng)過判別器篩選后進入擴充數(shù)據(jù)集,使得缺陷圖像真實性更好。相較于傳統(tǒng)數(shù)據(jù)增強方法,語義生成的圖像更加真實,且能產(chǎn)出全新樣本;相較于傳統(tǒng)GAN進行的數(shù)據(jù)擴充,語義生成可以指定位置、形狀和類別進行針對性生成,免去標注過程。

    在語義分割方面,提出了尺寸自適應Dice損失函數(shù),該損失函數(shù)能夠解決樣本不均衡問題,使得網(wǎng)絡對小缺陷更加敏感, 提高檢出率。尺寸自適應Dice損失函數(shù)相較于原始的Dice損失函數(shù)收斂更快,且最終得到的模型檢測精度提高了11.1%。

    使用BEGAN的免標注的數(shù)據(jù)集擴充,與傳統(tǒng)數(shù)據(jù)增強方法進行對比,使用尺寸自適應Dice損失函數(shù)對模型進行訓練,避免模型收斂滯后。最終在測試集上得到均交并比為90.8%,在GTX 1080Ti的運行速度可達到99幀/s。

    猜你喜歡
    散度織物語義
    帶勢加權(quán)散度形式的Grushin型退化橢圓算子的Dirichlet特征值的上下界
    無Sn-Pd活化法制備PANI/Cu導電織物
    《紡織品織物折痕回復角的測定》正式發(fā)布
    竹纖維織物抗菌研究進展
    語言與語義
    具有部分BMO系數(shù)的非散度型拋物方程的Lorentz估計
    H型群上一類散度形算子的特征值估計
    H?rmander 向量場上散度型拋物方程弱解的Orlicz估計
    “上”與“下”語義的不對稱性及其認知闡釋
    織物柔軟劑的香氣發(fā)展趨勢
    国产精品偷伦视频观看了| 大片电影免费在线观看免费| 一区二区三区四区激情视频| 久久国内精品自在自线图片| 综合色丁香网| 国产精品国产三级国产av玫瑰| 欧美bdsm另类| 大话2 男鬼变身卡| 蜜桃在线观看..| 亚洲精品一二三| 另类亚洲欧美激情| 人妻一区二区av| 母亲3免费完整高清在线观看 | 亚洲国产精品专区欧美| 一级毛片我不卡| 久久久久久久国产电影| 岛国毛片在线播放| 亚洲欧美成人综合另类久久久| 看免费av毛片| 国产精品国产三级国产专区5o| 国产xxxxx性猛交| 中文字幕另类日韩欧美亚洲嫩草| 国产精品国产三级国产av玫瑰| av国产久精品久网站免费入址| 纯流量卡能插随身wifi吗| 人妻一区二区av| 国产精品国产三级专区第一集| 爱豆传媒免费全集在线观看| 成人国产麻豆网| 中文欧美无线码| 国产精品偷伦视频观看了| 亚洲色图 男人天堂 中文字幕 | 伊人久久国产一区二区| 精品熟女少妇av免费看| 一级毛片 在线播放| 99久久综合免费| 国产精品蜜桃在线观看| 亚洲成色77777| 精品国产乱码久久久久久小说| 日韩成人av中文字幕在线观看| a级毛色黄片| av视频免费观看在线观看| 午夜福利网站1000一区二区三区| 午夜久久久在线观看| 国内精品宾馆在线| 国产在线一区二区三区精| 极品少妇高潮喷水抽搐| 日本色播在线视频| 亚洲一码二码三码区别大吗| 最近中文字幕2019免费版| 欧美日韩综合久久久久久| 色网站视频免费| 日本av免费视频播放| 亚洲国产精品一区三区| 97精品久久久久久久久久精品| 日韩欧美一区视频在线观看| 国产高清不卡午夜福利| 一区二区三区精品91| 国产精品国产三级国产av玫瑰| 丰满乱子伦码专区| 国产成人aa在线观看| 夜夜爽夜夜爽视频| 欧美精品人与动牲交sv欧美| 中国国产av一级| 51国产日韩欧美| 日日啪夜夜爽| 97在线视频观看| 久久国产精品大桥未久av| 精品熟女少妇av免费看| 亚洲av中文av极速乱| 少妇人妻 视频| 国产1区2区3区精品| 熟妇人妻不卡中文字幕| 久久久欧美国产精品| 国产成人精品在线电影| 日本黄色日本黄色录像| 精品人妻熟女毛片av久久网站| 在线精品无人区一区二区三| 亚洲激情五月婷婷啪啪| 国产综合精华液| 成人二区视频| 久久精品人人爽人人爽视色| 国产欧美另类精品又又久久亚洲欧美| 久久精品夜色国产| 国产精品麻豆人妻色哟哟久久| 日韩在线高清观看一区二区三区| 在线观看人妻少妇| 免费少妇av软件| 久久精品熟女亚洲av麻豆精品| 国产淫语在线视频| 全区人妻精品视频| 777米奇影视久久| 亚洲欧美中文字幕日韩二区| 国产成人一区二区在线| 精品一区二区三区四区五区乱码 | 18禁在线无遮挡免费观看视频| 一二三四在线观看免费中文在 | 永久网站在线| 亚洲精品日韩在线中文字幕| 香蕉国产在线看| 一区二区av电影网| 国语对白做爰xxxⅹ性视频网站| 十八禁高潮呻吟视频| 久久久久久久久久人人人人人人| xxx大片免费视频| 少妇人妻 视频| 精品第一国产精品| av黄色大香蕉| 汤姆久久久久久久影院中文字幕| 日日爽夜夜爽网站| 日日啪夜夜爽| a级毛片在线看网站| 制服人妻中文乱码| 乱人伦中国视频| av.在线天堂| 高清av免费在线| 秋霞在线观看毛片| 黑丝袜美女国产一区| 各种免费的搞黄视频| 老司机亚洲免费影院| 少妇的逼水好多| 日本av免费视频播放| 精品第一国产精品| 99久久人妻综合| 日本-黄色视频高清免费观看| 国产男女内射视频| 国产69精品久久久久777片| 日本黄色日本黄色录像| 亚洲色图 男人天堂 中文字幕 | 超碰97精品在线观看| 国产 精品1| 伊人久久国产一区二区| 国产午夜精品一二区理论片| 免费看光身美女| 国产在线免费精品| 亚洲成人av在线免费| 日韩av不卡免费在线播放| 一区二区av电影网| 国产综合精华液| 好男人视频免费观看在线| 国产欧美日韩一区二区三区在线| 午夜视频国产福利| 欧美日韩一区二区视频在线观看视频在线| 全区人妻精品视频| 在线天堂最新版资源| 一级,二级,三级黄色视频| 一级,二级,三级黄色视频| 国产亚洲欧美精品永久| videossex国产| 成人二区视频| 精品亚洲成国产av| 免费少妇av软件| 五月开心婷婷网| 日韩av不卡免费在线播放| 亚洲av成人精品一二三区| 91久久精品国产一区二区三区| 咕卡用的链子| 麻豆乱淫一区二区| 国产精品麻豆人妻色哟哟久久| 久久久久久久久久成人| 国产成人精品久久久久久| 日本色播在线视频| 大片电影免费在线观看免费| 高清不卡的av网站| 天堂俺去俺来也www色官网| 亚洲国产精品999| 亚洲美女视频黄频| 国产 精品1| 日本黄色日本黄色录像| 中文精品一卡2卡3卡4更新| 三级国产精品片| 国产成人精品福利久久| 99热国产这里只有精品6| 国产精品一区二区在线不卡| 三上悠亚av全集在线观看| 国产成人一区二区在线| 只有这里有精品99| 国产老妇伦熟女老妇高清| 国产成人一区二区在线| 2018国产大陆天天弄谢| 高清毛片免费看| 男的添女的下面高潮视频| xxxhd国产人妻xxx| 午夜福利乱码中文字幕| 哪个播放器可以免费观看大片| 久久国产亚洲av麻豆专区| 午夜影院在线不卡| 国产 一区精品| 国产精品久久久久成人av| 国产又色又爽无遮挡免| 一级毛片 在线播放| 亚洲精品第二区| 久久久久国产网址| 国产视频首页在线观看| 又黄又爽又刺激的免费视频.| 2022亚洲国产成人精品| 一区二区三区乱码不卡18| 久久这里有精品视频免费| 国产欧美日韩综合在线一区二区| 国产亚洲精品久久久com| 国产精品不卡视频一区二区| 国产成人免费观看mmmm| 热re99久久精品国产66热6| 99精国产麻豆久久婷婷| 国产成人av激情在线播放| 新久久久久国产一级毛片| 18在线观看网站| 嫩草影院入口| 色5月婷婷丁香| 亚洲av男天堂| 韩国高清视频一区二区三区| 亚洲国产精品一区二区三区在线| 国产1区2区3区精品| 亚洲丝袜综合中文字幕| 国产极品粉嫩免费观看在线| 国产精品一二三区在线看| 国产男女超爽视频在线观看| 亚洲精品久久午夜乱码| 飞空精品影院首页| 成年人免费黄色播放视频| av在线观看视频网站免费| 国产亚洲欧美精品永久| 一区二区三区乱码不卡18| 久久久久久人妻| 亚洲久久久国产精品| 国产精品偷伦视频观看了| 搡老乐熟女国产| 国产黄色视频一区二区在线观看| 亚洲丝袜综合中文字幕| 色吧在线观看| 另类精品久久| 午夜日本视频在线| 在现免费观看毛片| 美女脱内裤让男人舔精品视频| 亚洲av电影在线观看一区二区三区| 男女午夜视频在线观看 | 水蜜桃什么品种好| 久久久国产精品麻豆| 亚洲欧洲日产国产| 涩涩av久久男人的天堂| 精品国产乱码久久久久久小说| 午夜激情av网站| 亚洲国产欧美日韩在线播放| 在线看a的网站| 看免费av毛片| 亚洲精品一二三| 18禁裸乳无遮挡动漫免费视频| 欧美3d第一页| 国产极品天堂在线| 天美传媒精品一区二区| 精品一区二区三区视频在线| 韩国精品一区二区三区 | 免费观看在线日韩| 日本wwww免费看| 国精品久久久久久国模美| 建设人人有责人人尽责人人享有的| 两个人免费观看高清视频| 国产精品一区二区在线观看99| 美女国产视频在线观看| 国产男女超爽视频在线观看| 日韩一本色道免费dvd| 国产男女内射视频| 男人爽女人下面视频在线观看| 国产又爽黄色视频| 免费av不卡在线播放| 26uuu在线亚洲综合色| 高清不卡的av网站| 国产在线一区二区三区精| 成人亚洲精品一区在线观看| av免费观看日本| 久久青草综合色| 丰满饥渴人妻一区二区三| 99国产精品免费福利视频| 亚洲一区二区三区欧美精品| 欧美日韩视频高清一区二区三区二| 在线免费观看不下载黄p国产| 国产精品人妻久久久久久| 亚洲精品乱久久久久久| av在线app专区| 日本午夜av视频| 久久精品夜色国产| 久久免费观看电影| 亚洲欧美中文字幕日韩二区| 狠狠婷婷综合久久久久久88av| 日日爽夜夜爽网站| 十八禁网站网址无遮挡| 成人18禁高潮啪啪吃奶动态图| 一级爰片在线观看| 七月丁香在线播放| 国产在线一区二区三区精| 免费人妻精品一区二区三区视频| 欧美xxxx性猛交bbbb| 久久人妻熟女aⅴ| 精品少妇内射三级| 国产一区有黄有色的免费视频| 制服丝袜香蕉在线| 色吧在线观看| 国产精品久久久久成人av| 亚洲丝袜综合中文字幕| 免费高清在线观看视频在线观看| 丰满迷人的少妇在线观看| 三级国产精品片| 午夜视频国产福利| 免费人妻精品一区二区三区视频| xxxhd国产人妻xxx| 老熟女久久久| 欧美精品一区二区大全| 夫妻午夜视频| 黄网站色视频无遮挡免费观看| 亚洲,欧美精品.| 国产黄频视频在线观看| 午夜福利视频精品| 男人舔女人的私密视频| 人人妻人人爽人人添夜夜欢视频| 午夜日本视频在线| 丰满迷人的少妇在线观看| 国语对白做爰xxxⅹ性视频网站| 亚洲精品日本国产第一区| av在线老鸭窝| 亚洲精品一二三| 亚洲av日韩在线播放| 搡老乐熟女国产| 在线免费观看不下载黄p国产| 少妇的逼水好多| 大香蕉久久成人网| 免费大片18禁| 欧美成人午夜免费资源| 久久99一区二区三区| 成人漫画全彩无遮挡| 激情视频va一区二区三区| 色94色欧美一区二区| 国产成人免费观看mmmm| 麻豆精品久久久久久蜜桃| 国产男女超爽视频在线观看| 国产精品欧美亚洲77777| 国产成人aa在线观看| 亚洲成人手机| 亚洲少妇的诱惑av| 精品人妻偷拍中文字幕| 亚洲成人手机| 成年女人在线观看亚洲视频| av在线观看视频网站免费| www.色视频.com| 国产精品三级大全| 久久国产亚洲av麻豆专区| 久久久久久久精品精品| 亚洲av综合色区一区| 欧美激情国产日韩精品一区| 久久这里只有精品19| 下体分泌物呈黄色| 91精品三级在线观看| 久久久久精品久久久久真实原创| 久久精品国产综合久久久 | 天天操日日干夜夜撸| 亚洲内射少妇av| 久久久久国产精品人妻一区二区| 成人免费观看视频高清| 少妇的丰满在线观看| 久久国内精品自在自线图片| 深夜精品福利| 久久人人爽人人爽人人片va| 飞空精品影院首页| 免费观看av网站的网址| √禁漫天堂资源中文www| 在线 av 中文字幕| 久久精品熟女亚洲av麻豆精品| 日韩av不卡免费在线播放| 9色porny在线观看| av在线app专区| 69精品国产乱码久久久| 18禁动态无遮挡网站| 哪个播放器可以免费观看大片| 亚洲av综合色区一区| 国产精品一国产av| 中文字幕免费在线视频6| 国产国语露脸激情在线看| 成年av动漫网址| 69精品国产乱码久久久| 丝袜脚勾引网站| 亚洲欧美精品自产自拍| 国产一区亚洲一区在线观看| 51国产日韩欧美| 老司机影院毛片| 久久久久人妻精品一区果冻| 免费黄网站久久成人精品| 亚洲精品自拍成人| 99久国产av精品国产电影| 天堂中文最新版在线下载| 欧美国产精品va在线观看不卡| 欧美xxⅹ黑人| 亚洲av免费高清在线观看| 五月开心婷婷网| 国产精品三级大全| 久久精品国产a三级三级三级| 夫妻性生交免费视频一级片| 美女国产视频在线观看| 国产日韩欧美视频二区| 亚洲av电影在线进入| 十分钟在线观看高清视频www| 国产精品一区www在线观看| 深夜精品福利| av片东京热男人的天堂| av女优亚洲男人天堂| 久久鲁丝午夜福利片| 国产精品三级大全| 精品亚洲乱码少妇综合久久| 久久免费观看电影| 亚洲国产精品一区三区| 日韩制服丝袜自拍偷拍| 18在线观看网站| 黄色视频在线播放观看不卡| av在线观看视频网站免费| 青春草国产在线视频| 午夜av观看不卡| 国产欧美日韩一区二区三区在线| 亚洲av.av天堂| 精品人妻一区二区三区麻豆| 亚洲综合色网址| 夜夜爽夜夜爽视频| 欧美另类一区| 久久久久精品人妻al黑| videossex国产| 免费女性裸体啪啪无遮挡网站| 国产老妇伦熟女老妇高清| 亚洲av欧美aⅴ国产| 久久人人爽人人片av| 欧美精品一区二区免费开放| 黑人巨大精品欧美一区二区蜜桃 | 成年av动漫网址| 亚洲综合色惰| 成年动漫av网址| 丰满乱子伦码专区| 精品少妇黑人巨大在线播放| videossex国产| 欧美xxⅹ黑人| 51国产日韩欧美| 精品福利永久在线观看| 天美传媒精品一区二区| 亚洲人成网站在线观看播放| 搡女人真爽免费视频火全软件| 国产黄色视频一区二区在线观看| 国产免费现黄频在线看| 国国产精品蜜臀av免费| 一个人免费看片子| 最黄视频免费看| 午夜福利视频精品| 美女脱内裤让男人舔精品视频| 在现免费观看毛片| 国产永久视频网站| 欧美3d第一页| 亚洲伊人久久精品综合| 精品人妻一区二区三区麻豆| 国产男女内射视频| 国产av一区二区精品久久| 人人澡人人妻人| 十八禁网站网址无遮挡| 男男h啪啪无遮挡| 免费观看在线日韩| 少妇人妻精品综合一区二区| 日韩中字成人| 又黄又爽又刺激的免费视频.| 亚洲欧洲日产国产| 久久鲁丝午夜福利片| 99九九在线精品视频| 永久免费av网站大全| 国产乱来视频区| 欧美bdsm另类| 天天影视国产精品| 中文字幕最新亚洲高清| 日韩熟女老妇一区二区性免费视频| 又黄又粗又硬又大视频| 丝袜人妻中文字幕| 18禁观看日本| 久久久久视频综合| 中国美白少妇内射xxxbb| 99热全是精品| 日韩av在线免费看完整版不卡| 丝袜在线中文字幕| 日韩不卡一区二区三区视频在线| 纯流量卡能插随身wifi吗| 男人操女人黄网站| 国产精品国产三级国产专区5o| 欧美精品一区二区大全| 亚洲国产最新在线播放| 女性生殖器流出的白浆| 美女xxoo啪啪120秒动态图| 日韩一区二区视频免费看| 午夜激情久久久久久久| 一个人免费看片子| 一级毛片 在线播放| 精品亚洲成a人片在线观看| 亚洲综合色惰| 80岁老熟妇乱子伦牲交| 免费观看无遮挡的男女| 成人毛片60女人毛片免费| 一边摸一边做爽爽视频免费| 国产国语露脸激情在线看| 巨乳人妻的诱惑在线观看| 两个人看的免费小视频| 99精国产麻豆久久婷婷| 黄色视频在线播放观看不卡| 中文字幕人妻熟女乱码| 日韩电影二区| 啦啦啦中文免费视频观看日本| av.在线天堂| 国产乱来视频区| 一区二区av电影网| 80岁老熟妇乱子伦牲交| 国产成人a∨麻豆精品| 天天操日日干夜夜撸| 亚洲精品中文字幕在线视频| 亚洲精品乱久久久久久| 亚洲精品一二三| 精品少妇内射三级| 男女边摸边吃奶| 久久久久久人妻| 一级a做视频免费观看| 久久久久国产网址| 亚洲国产色片| 精品国产乱码久久久久久小说| 国产色婷婷99| 久久99热这里只频精品6学生| 亚洲人成77777在线视频| 欧美精品亚洲一区二区| 亚洲欧洲国产日韩| 人妻 亚洲 视频| 日日摸夜夜添夜夜爱| 纵有疾风起免费观看全集完整版| 欧美日韩亚洲高清精品| 精品午夜福利在线看| 久久精品国产亚洲av涩爱| 久久97久久精品| 久久久久久久久久久免费av| 亚洲成人手机| 久久久国产精品麻豆| 日日爽夜夜爽网站| 亚洲中文av在线| 国产成人免费无遮挡视频| 少妇高潮的动态图| 91精品伊人久久大香线蕉| 90打野战视频偷拍视频| 久久精品国产综合久久久 | xxxhd国产人妻xxx| 久久久久精品人妻al黑| 国产成人免费无遮挡视频| 国产成人精品在线电影| 欧美精品亚洲一区二区| 久久这里只有精品19| 欧美变态另类bdsm刘玥| 久久精品国产综合久久久 | 国产深夜福利视频在线观看| www.熟女人妻精品国产 | 成年人午夜在线观看视频| 一区在线观看完整版| 巨乳人妻的诱惑在线观看| 国产av国产精品国产| 在线看a的网站| 亚洲国产成人一精品久久久| 多毛熟女@视频| 90打野战视频偷拍视频| 国产日韩欧美视频二区| 少妇人妻久久综合中文| 久久av网站| 美国免费a级毛片| 制服诱惑二区| 亚洲国产看品久久| 国产成人a∨麻豆精品| 1024视频免费在线观看| 三级国产精品片| 国产精品国产三级国产av玫瑰| 亚洲精品久久成人aⅴ小说| 丝袜美足系列| 国产黄频视频在线观看| 免费少妇av软件| 国产1区2区3区精品| 亚洲精品自拍成人| 老女人水多毛片| 多毛熟女@视频| 熟女av电影| 亚洲色图综合在线观看| videosex国产| 丰满少妇做爰视频| 国产熟女欧美一区二区| 国产精品嫩草影院av在线观看| 精品福利永久在线观看| 日韩一区二区三区影片| 99香蕉大伊视频| av在线app专区| 九色成人免费人妻av| 中国美白少妇内射xxxbb| av国产精品久久久久影院| 免费看光身美女| 亚洲情色 制服丝袜| 看免费成人av毛片| 毛片一级片免费看久久久久| 国产高清不卡午夜福利| 女性被躁到高潮视频| 亚洲一区二区三区欧美精品| 国产无遮挡羞羞视频在线观看| 国产 一区精品| 久久精品国产a三级三级三级| xxx大片免费视频| 久久久精品免费免费高清| 丰满迷人的少妇在线观看| 免费看光身美女| 99久久综合免费| 国产免费一级a男人的天堂| 麻豆乱淫一区二区| 免费播放大片免费观看视频在线观看| av在线老鸭窝| 午夜久久久在线观看| 亚洲精品美女久久久久99蜜臀 | 久久久国产精品麻豆| 卡戴珊不雅视频在线播放| 香蕉丝袜av|