• <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 ?

    基于航拍圖像與改進(jìn)U-Net 的建筑外墻裂縫檢測方法

    2024-04-11 13:02:44劉少華任宜春鄭智雄牛孜飏
    關(guān)鍵詞:外墻卷積裂縫

    劉少華 ,任宜春 ,鄭智雄 ,牛孜飏

    (1.長沙理工大學(xué) 土木工程學(xué)院,長沙 410114;2.中國建筑第五工程局有限公司,長沙 410007)

    建筑外墻裂縫會(huì)使帶腐蝕性的雨水滲入墻體,導(dǎo)致墻體涂料與防水材料等發(fā)霉、剝落,不僅影響建筑美觀,甚至銹蝕墻內(nèi)鋼筋等材料,破壞墻體結(jié)構(gòu),帶來安全隱患。準(zhǔn)確檢測出裂縫位置,可以為制定有效的維護(hù)方案提供依據(jù)。目前,建筑外墻裂縫主要采用人工檢測,這是一種高空作業(yè),不僅危險(xiǎn),而且檢測效率和精度都很低。如何安全、高效地檢測建筑外墻裂縫成為亟須解決的問題。

    計(jì)算機(jī)視覺為裂縫檢測提供了一種非接觸式的檢測技術(shù)[1],包括圖像處理和深度學(xué)習(xí)兩類方法。基于圖像處理的裂縫檢測方法根據(jù)裂縫的紋理和邊緣等特征,人為設(shè)計(jì)裂縫檢測的依據(jù),實(shí)現(xiàn)裂縫檢測[2]。這種方法夠在特定的數(shù)據(jù)集上取得良好的檢測效果,但是裂縫的檢測精度不高,且需要針對(duì)特定的圖像設(shè)計(jì)專門的裂縫檢測算法。近年來,基于深度學(xué)習(xí)的方法在裂縫檢測領(lǐng)域取得了顯著的成果,根據(jù)裂縫檢測方式的不同可將其分為3 類:圖像分類、目標(biāo)檢測與語義分割?;趫D像分類[3]與目標(biāo)檢測[4]的裂縫檢測方式,只能識(shí)別并定位裂縫,不能在像素級(jí)別上標(biāo)記裂縫,從而無法獲得裂縫形狀信息;基于語義分割的裂縫檢測方法是對(duì)圖像中的每個(gè)像素點(diǎn)進(jìn)行分類,能將裂縫像素準(zhǔn)確標(biāo)記出來,既可以檢測有無裂縫,又能得到裂縫的位置、形狀等信息[5]。經(jīng)典語義分割模型 U-Net[6]、DeepLabv3+[7]、PSPNet[8]及其改進(jìn)模型在橋梁、路面及隧道等領(lǐng)域的裂縫檢測中得到廣泛應(yīng)用。李良福等[9]提出了改進(jìn)的PSPNet 模型,解決了橋梁裂縫分割細(xì)節(jié)信息丟失的問題;Li 等[10]提出了一種可訓(xùn)練的上下文編碼網(wǎng)絡(luò),實(shí)現(xiàn)了復(fù)雜條件下橋梁裂縫的檢測;曹錦綱等[11]提出了一種基于注意力機(jī)制的網(wǎng)絡(luò),實(shí)現(xiàn)了自動(dòng)準(zhǔn)確地路面裂縫檢測;Nguyen等[12]提出了一種兩級(jí)卷積神經(jīng)網(wǎng)絡(luò)來處理含噪聲和低質(zhì)量的道路圖像;孟慶成等[13]用改進(jìn)的MobileNet_v2 替換U-Net 編碼器,實(shí)現(xiàn)了對(duì)混凝土裂縫的實(shí)時(shí)檢測;Dang 等[14]提出了改進(jìn)的U-Net 模型,在滿足裂縫分割性能要求的基礎(chǔ)上支持裂縫自動(dòng)測量。上述模型在裂縫檢測中的成功應(yīng)用,表明深度學(xué)習(xí)方法在裂縫檢測領(lǐng)域具有廣闊的應(yīng)用前景。

    建筑外墻裂縫與橋梁、路面等混凝土裂縫擁有共同特征,然而建筑外墻因其材料多樣性,且墻體包含復(fù)雜建筑構(gòu)件,導(dǎo)致建筑外墻裂縫圖像背景更加復(fù)雜,存在更多的背景噪聲。因此,有必要為建筑外墻裂縫檢測針對(duì)性地設(shè)計(jì)一個(gè)深度學(xué)習(xí)模型?;谏疃葘W(xué)習(xí)的裂縫檢測方法在訓(xùn)練和預(yù)測階段都依賴原始圖像數(shù)據(jù),人工采集大型建筑的外墻圖像需高空作業(yè),存在安全隱患大、效率低等問題。近年來,無人機(jī)技術(shù)取得快速發(fā)展,無人機(jī)搭載傳感器為高空采集圖像提供了一種安全且高效的方式,在抗震救災(zāi)、農(nóng)業(yè)植保等領(lǐng)域得到廣泛應(yīng)用[15]。筆者使用無人機(jī)航拍采集建筑外墻圖像,并根據(jù)裂縫圖像特征設(shè)計(jì)了改進(jìn)的U-Net 模型用于裂縫檢測。

    1 裂縫數(shù)據(jù)集構(gòu)建

    1.1 圖像采集與處理

    圖像采集包括裂縫數(shù)據(jù)集構(gòu)建和裂縫檢測兩個(gè)階段。在構(gòu)建數(shù)據(jù)集時(shí),為了保證訓(xùn)練后模型的魯棒性,需要廣泛采集各類型建筑外墻圖像,包括不同光照條件、不同拍攝角度及不同航拍間距等。在裂縫檢測階段,需要根據(jù)裂縫檢測精度要求來設(shè)計(jì)圖像采集方案,規(guī)劃采集路線、航拍間距等以確定裂縫位置及圖像像素比例尺,從而指導(dǎo)裂縫修復(fù)與建筑維護(hù)。

    廣泛采集原始建筑外墻圖像以構(gòu)建建筑外墻裂縫數(shù)據(jù)集。共得到建筑外墻裂縫圖像566 張,分辨率大小為8 000×6 000。由于采集的圖像分辨率過大,不利于模型訓(xùn)練,且裁剪后的裂縫圖像細(xì)節(jié)信息更加豐富,于是對(duì)圖像進(jìn)行裁剪。利用滑動(dòng)窗口方法將原圖裁剪為512×512 大小的子圖,第1步:從圖像左上角開始,沿著自左向右、自上而下的順序依次裁剪,得到子圖165 張,保證子圖覆蓋原圖,避免信息丟失;第2 步:在圖像左下角7 488×5 488 范圍內(nèi)隨機(jī)選擇35 個(gè)點(diǎn)作為子圖左下角進(jìn)行裁剪,得到子圖35 張,用于信息補(bǔ)充。在完成所有圖像裁剪后,剔除非建筑外墻圖像及不含裂縫的背景圖像后共得到裂縫圖像3 862 張。

    圖1 裂縫樣本Fig.1 Crack samples

    為了確保模型的泛化性能和復(fù)雜背景下裂縫分割的魯棒性,必須保證裂縫圖像數(shù)據(jù)中裂縫樣本及圖像背景的多樣性和復(fù)雜度。無人機(jī)航拍包括不同天氣狀況、一天的不同時(shí)間段,因光照條件不同,得到明暗程度不同的裂縫圖像;裂縫圖像包含的裂縫類型全面,包括縱向、橫向、斜向、交叉及任意分布的裂縫圖像,且圖像背景豐富,包括不同材料建筑外墻下磚縫、門窗、排水管、陰影及雜物等背景,部分裂縫圖像如圖1 所示。

    1.2 圖像標(biāo)注

    為了保證數(shù)據(jù)集的可靠性,使用開源的分割任務(wù)標(biāo)注軟件labelme 對(duì)裂縫進(jìn)行人工標(biāo)注。首先,沿著裂縫邊緣逐點(diǎn)勾勒出裂縫的輪廓,生成一個(gè)包含裂縫位置坐標(biāo)的json 文件,然后用python 代碼將其轉(zhuǎn)化為可供計(jì)算機(jī)學(xué)習(xí)的二值圖像,標(biāo)記結(jié)果如圖2 所示。

    圖2 裂縫標(biāo)注Fig.2 Crack labeling

    在完成裂縫數(shù)據(jù)集構(gòu)建后,按照8∶1∶1 的比例將數(shù)據(jù)集劃分為訓(xùn)練集、驗(yàn)證集和測試集,其中訓(xùn)練集3 102 張,驗(yàn)證集與測試集各380 張。

    2 研究方法

    2.1 U-Net 模型

    U-Net 是在全卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上提出用于醫(yī)學(xué)圖像分割的網(wǎng)絡(luò)模型。該模型是一個(gè)對(duì)稱編解碼結(jié)構(gòu),包括編碼器、解碼器兩個(gè)部分。其獨(dú)特之處在于將編碼器中低分辨率特征圖通過跳躍連接直接拼接到對(duì)應(yīng)解碼器上采樣生成的特征圖,從而有效融合淺層紋理特征和深層語義特征,有利于圖像分割。

    編碼器是由兩個(gè)無填充的3×3 卷積重復(fù)應(yīng)用組成,每一個(gè)卷積后面有一個(gè)ReLU 激活函數(shù),兩次卷積之后有一個(gè)2×2 最大池化,用于下采樣。編碼器一共包含4 個(gè)下采樣,每一個(gè)下采樣中,將特征通道的數(shù)量增加一倍,特征圖大小減為一半。編碼器主要負(fù)責(zé)提取輸入圖像的特征信息,并將多個(gè)尺度的特征圖傳入解碼器。

    解碼器是模型的加強(qiáng)特征提取網(wǎng)絡(luò),利用轉(zhuǎn)置卷積對(duì)主干網(wǎng)絡(luò)獲取的5 個(gè)初步有效特征層進(jìn)行上采用,并進(jìn)行特征融合,最終得到一個(gè)融合了所有特征的有效特征層。

    2.2 改進(jìn)的U-Net 模型

    研究表明:U-Net 模型存在細(xì)長裂縫分割不連續(xù)、復(fù)雜背景下裂縫漏檢及背景誤檢的問題。分析其可能原因?yàn)椋?)裂縫圖像正負(fù)樣本分布不均對(duì)模型性能造成影響;2)模型特征提取能力不足導(dǎo)致裂縫漏檢及誤檢;3)缺少獲取多尺度信息的能力導(dǎo)致裂縫分割不連續(xù)及背景誤檢。在分析原因基礎(chǔ)上提出了基于U-Net 的改進(jìn)模型,相對(duì)于原模型做出了3 點(diǎn)具有針對(duì)性的改進(jìn):1)使用改進(jìn)的損失函數(shù)處理裂縫圖像正負(fù)樣本分布極度不均衡的問題;2)使用預(yù)訓(xùn)練的ResNet50 網(wǎng)絡(luò)替換原模型的編碼網(wǎng)絡(luò),以提升模型特征表達(dá)能力;3)添加改進(jìn)的ASPP 模塊,獲取多尺度上下文信息。網(wǎng)絡(luò)結(jié)構(gòu)如圖3 所示。

    圖3 改進(jìn)的U-Net 模型Fig.3 Improved U-Net model

    2.2.1 殘差神經(jīng)網(wǎng)絡(luò)

    理論上,神經(jīng)網(wǎng)絡(luò)的層數(shù)越多即深度學(xué)習(xí)模型越深,網(wǎng)絡(luò)的特征表達(dá)能力越強(qiáng)。但神經(jīng)網(wǎng)絡(luò)達(dá)到一定深度時(shí),繼續(xù)加深會(huì)因?yàn)榉聪騻鞑ミ^程梯度消失導(dǎo)致模型性能變得更差。為了解決這個(gè)問題,He等[16]提出了用跳躍連接解決網(wǎng)絡(luò)加深造成梯度消失的殘差神經(jīng)網(wǎng)絡(luò)(ResNet),包括Conv Block 和Identity Block 兩個(gè)基本模塊,Conv Block 改變網(wǎng)絡(luò)的維度,用來調(diào)整特征圖大小和層數(shù);Identity Block不改變網(wǎng)絡(luò)維度,用來加深網(wǎng)絡(luò),結(jié)構(gòu)如圖4 所示。

    圖4 殘差模塊Fig.4 Residual Module

    基于深度學(xué)習(xí)的方法對(duì)建筑外墻裂縫圖像分割,然而裂縫的標(biāo)注難度較大,自制大型數(shù)據(jù)集成本太高且不實(shí)際,為了克服深度學(xué)習(xí)方法依賴大量訓(xùn)練樣本的問題,引入遷移學(xué)習(xí)方法?;谔卣魈崛〉倪w移,用ImageNet 數(shù)據(jù)集上預(yù)訓(xùn)練好的深度殘差網(wǎng)絡(luò)(刪除最后的平均池化層、全連接層和softmax 層),替換U-Net 網(wǎng)絡(luò)原來由兩層卷積加一層池化組成的編碼網(wǎng)絡(luò)。

    2.2.2 ASPP 模塊

    受空間金字塔池化(Spatial Pyramid Pooling,SPP)模塊[8]啟發(fā),Chen 等[7]提出了ASPP 模塊,結(jié)構(gòu)如圖5 所示。

    圖5 ASPP 模塊Fig.5 ASPP module

    采用并行的多個(gè)具有不同擴(kuò)張率的擴(kuò)張卷積,每個(gè)分支使用不同擴(kuò)張率單獨(dú)進(jìn)行圖像特征提取,并將各分支提取特征進(jìn)行融合,從而提取得到多尺度的圖像信息。該模塊可以有效避免局部信息丟失,增加遠(yuǎn)距離信息的相關(guān)性。

    擴(kuò)張卷積是在普通卷積中增加“空洞”來擴(kuò)大感受野的卷積,相對(duì)于普通卷積增加了“擴(kuò)張率”這個(gè)超參數(shù)。通過設(shè)置擴(kuò)張率的大小,可以實(shí)現(xiàn)相同參數(shù)量和計(jì)算量下更大的感受野。如圖6 所示,擴(kuò)張率為2 的3×3 卷積核與普通3×3 卷積核相比,感受野由3×3 擴(kuò)大為5×5。

    圖6 感受野對(duì)比圖Fig.6 Comparison of receptive field

    值得注意的是,組合擴(kuò)張卷積的擴(kuò)張率設(shè)置不當(dāng)會(huì)產(chǎn)生“網(wǎng)格效應(yīng)”。當(dāng)卷積核大小為3×3,組合擴(kuò)張率設(shè)為[2,2,2]時(shí),像素利用情況如圖7(a)所示(數(shù)字表示像素利用次數(shù)),此時(shí),大量像素未被利用(數(shù)字0 處),產(chǎn)生了“網(wǎng)格效應(yīng)”;組合擴(kuò)張率設(shè)為[1,2,3]時(shí),像素利用情況如圖7(b)所示,此時(shí)像素利用全面,未產(chǎn)生“網(wǎng)格效應(yīng)”。

    圖7 像素利用情況Fig.7 Pixel utilization

    Wang 等[17]提出了混合擴(kuò)張卷積(Hybrid Dilated Convolution,HDC)理論,用于解決“網(wǎng)格效應(yīng)”問題。假設(shè)有n個(gè)卷積核大小為k×k,擴(kuò)張率為[r1…ri…rn]的擴(kuò)張卷積,定義兩個(gè)非零值之間的距離為

    式中:Mn=rn,M2≤k。另外,還需保證擴(kuò)張率的最大公約數(shù)為不能大于1。

    由于裂縫呈線性分布的特點(diǎn),既有小目標(biāo)物體的特點(diǎn)又有大目標(biāo)物體的特點(diǎn),且裂縫圖像含有多尺度背景噪聲。原U-Net 模型對(duì)細(xì)長裂縫預(yù)測存在分割不連續(xù)及背景噪聲誤檢的問題。

    為了解決上述問題,在模型編解碼之間添加ASPP 模塊。ASPP 模塊擴(kuò)張率設(shè)計(jì)基于HDC 理論,并借鑒DeepLabv3+中ASPP 模塊結(jié)構(gòu)。設(shè)計(jì)了擴(kuò)張率分別為[2,3,5]、[2,3,7]、[2,3,9]、[2,3,12]的ASPP 模塊進(jìn)行消融實(shí)驗(yàn)。

    2.2.3 損失函數(shù)

    在建筑外墻裂縫圖像中,裂縫像素所占比例極小,約為1.5%~4%,造成正(裂縫)負(fù)(背景)樣本分布極度不均衡,且樣本中存在大量易分類的負(fù)樣本。研究發(fā)現(xiàn),經(jīng)典的二分類損失函數(shù)在裂縫圖像語義分割模型中,易分類的負(fù)樣本會(huì)對(duì)損失起主要貢獻(xiàn)作用,導(dǎo)致模型對(duì)裂縫特征的學(xué)習(xí)被抑制,模型的性能和優(yōu)化方向不穩(wěn)定。

    為了解決現(xiàn)有損失函數(shù)在裂縫分割模型中的不足,提出使用Dice Loss[18]作為正則項(xiàng)與Focal Loss[19]結(jié)合的新?lián)p失函數(shù)(FD Loss),如式(2)所示。

    式中:w為數(shù)量級(jí)校正因子,保證兩者處在相同數(shù)量級(jí)上。

    Focal Loss 是基于二分類交叉熵?fù)p失函數(shù)改進(jìn)而來的處理正負(fù)樣本分布不均,并讓模型在訓(xùn)練時(shí)更專注于難分類樣本的損失函數(shù),如式(3)所示。

    式中:N為像素點(diǎn)總數(shù);與y分別表 示第n個(gè)像素的預(yù)測值與真實(shí)值,通過設(shè)置α來控制正負(fù)樣本對(duì)總損失的共享權(quán)重;通過設(shè)置γ來減少易分類樣本的權(quán)重,使模型在訓(xùn)練時(shí)更專注于難分類的樣本,本文α設(shè)為0.25、γ設(shè)為2。

    Dice Loss 源于Dice 系數(shù),可以緩解正負(fù)樣本在數(shù)量上不平衡的問題,并優(yōu)化F1_score,如式(4)所示。

    式中:N為像素點(diǎn)總數(shù);與y分別表 示第n個(gè)像素的預(yù)測值與真實(shí)值;|·|表示其參數(shù)的所有矩陣元素的和;∩表示逐個(gè)元素的乘法運(yùn)算。

    3 實(shí)驗(yàn)設(shè)計(jì)與分析

    實(shí)驗(yàn)環(huán)境配置如表1 所示。

    表1 實(shí)驗(yàn)環(huán)境配置Table 1 Experimental environment configuration

    模型訓(xùn)練100 個(gè)epoch,前50 個(gè)epoch 凍 結(jié)編碼器,對(duì)解碼器進(jìn)行訓(xùn)練。這樣可以避免因?yàn)榫幋a器預(yù)訓(xùn)練權(quán)重與未訓(xùn)練的解碼器權(quán)重相差太大導(dǎo)致編碼器預(yù)訓(xùn)練權(quán)重被破壞,同時(shí)還可以加快模型訓(xùn)練速度。批大小設(shè)為16,初始學(xué)習(xí)率設(shè)為0.000 1。后50 個(gè)epoch 對(duì)整個(gè)模型進(jìn)行訓(xùn)練,批大小設(shè)為8,初始學(xué)習(xí)率設(shè)為0.000 01。各模型損失曲線與mIoU 曲線如圖8 所示??傮w上,模型大約在85 個(gè)epoch 后達(dá)到收斂。

    圖8 各模型損失曲線與mIoU 曲線Fig.8 Loss curve and mIoU curve of each model

    3.1 評(píng)價(jià)指標(biāo)

    對(duì)于二分類問題,在進(jìn)行結(jié)果評(píng)價(jià)時(shí),可將樣例根據(jù)其真實(shí)類別與預(yù)測類別的組合劃分為真正例(TP)、假正例(FP)、真反例(TN)、假反例(FN)4種情形。

    使用交并比(IoU)、精準(zhǔn)率(Precision)、召回率(Recall)和F1_score這4 個(gè)指標(biāo),對(duì)網(wǎng)絡(luò)模型的分割性能進(jìn)行定量評(píng)估。

    IoU 突出預(yù)測結(jié)果與標(biāo)簽的重合度,是常見的圖像分割評(píng)價(jià)指標(biāo);Precision 突出預(yù)測結(jié)果中誤檢像素的比例;Recall 突出漏檢的比例;F1_score綜合考慮了Precision 與Recall,F(xiàn)1_score值越大代表模型性能越好。

    3.2 實(shí)驗(yàn)分析

    3.2.1 損失函數(shù)對(duì)比實(shí)驗(yàn)

    分別使用Focal Loss、Dice Loss 以及FD Loss作為模型的損失函數(shù),在自制數(shù)據(jù)集上訓(xùn)練,并在測試集上測試,得到實(shí)驗(yàn)結(jié)果如圖9 所示。

    圖9 損失函數(shù)實(shí)驗(yàn)結(jié)果Fig.9 Experimental results of loss function

    由圖9 可知,F(xiàn)ocal Loss 從局部進(jìn)行考察,其Precision 較高,Recall 相對(duì)較低;Dice Loss 從全局進(jìn)行考察,Recall 較高,Precision 較低。FD Loss 結(jié)合兩者共同優(yōu)化模型,引導(dǎo)模型更加注重對(duì)難分類的正(裂縫)樣本進(jìn)行學(xué)習(xí),并提高預(yù)測裂縫區(qū)域與標(biāo)注裂縫區(qū)域的重合度。相較于單獨(dú)使用Focal Loss和Dice Loss,F(xiàn)D Loss 在裂縫數(shù)據(jù)上表現(xiàn)出更優(yōu)異的效果,且訓(xùn)練過程更加穩(wěn)定。

    3.2.2 編碼網(wǎng)絡(luò)對(duì)比實(shí)驗(yàn)

    在U-Net 模型基礎(chǔ)上,將模型編碼網(wǎng)絡(luò)分別替換為預(yù)訓(xùn)練的ResNet18、ResNet34、ResNet50 及ResNet101 進(jìn)行實(shí)驗(yàn)(模型使用FD Loss 作為損失函數(shù)),實(shí)驗(yàn)結(jié)果如表2 所示。

    表2 編碼網(wǎng)絡(luò)實(shí)驗(yàn)結(jié)果Table 2 Experimental results of encoder

    由表2 可知,隨著編碼網(wǎng)絡(luò)的加深,各評(píng)價(jià)指標(biāo)都逐步提升,說明加深編碼網(wǎng)絡(luò)提高了模型特征提取能力,模型對(duì)裂縫的分割性能得到優(yōu)化;然而編碼網(wǎng)絡(luò)使用ResNet101 時(shí),各評(píng)價(jià)指標(biāo)反而大幅下降,說明此時(shí)的模型復(fù)雜度與數(shù)據(jù)集大小及裂縫的分割難度不匹配,模型出現(xiàn)了過擬合現(xiàn)象。選擇ResNet50 作為遷移網(wǎng)絡(luò),在增強(qiáng)模型特征提取能力的同時(shí)避免網(wǎng)絡(luò)過深導(dǎo)致模型與分割任務(wù)復(fù)雜度不匹配,造成過擬合。

    3.2.3 ASPP 模塊擴(kuò)張率對(duì)比實(shí)驗(yàn)

    在U-Net 模型基礎(chǔ)上,分別在編解碼網(wǎng)絡(luò)間添加3 種不同擴(kuò)張率的ASPP 模塊進(jìn)行實(shí)驗(yàn)(模型使用FD Loss 作為損失函數(shù)),實(shí)驗(yàn)結(jié)果如表3 所示。

    表3 擴(kuò)張率實(shí)驗(yàn)結(jié)果Table 3 Experimental results of dilated rate

    由表3 可知,為了避免“網(wǎng)格效應(yīng)”,根據(jù)HDC理論設(shè)計(jì)的ASPP 模塊為兩個(gè)較小擴(kuò)張率加一個(gè)較大擴(kuò)張率的組合,隨著較大擴(kuò)張率由5、7、9 逐漸增大時(shí),各項(xiàng)評(píng)價(jià)指標(biāo)均逐漸上升,說明組合的較大擴(kuò)張率增大有助于提升模型的裂縫分割性能。當(dāng)擴(kuò)張率設(shè)置為[2,3,12]時(shí),評(píng)價(jià)指標(biāo)反而減小。這是因?yàn)槠銶2=6>3,不滿足HDC 理論,導(dǎo)致模型性能下降。當(dāng)擴(kuò)張率設(shè)為[2,3,9]時(shí),各項(xiàng)評(píng)價(jià)指標(biāo)均達(dá)到最高,模型分割性能最優(yōu)。基于此,改進(jìn)的ASPP 模塊選擇擴(kuò)張率為[2,3,9]的一組擴(kuò)張卷積,結(jié)構(gòu)如圖10 所示。

    圖10 改進(jìn)的ASPP 模塊Fig.10 Improved ASPP module

    改進(jìn)的ASPP 模塊首先使用一個(gè)1×1 的普通卷積作為第1 層,保留原特征圖以補(bǔ)充空間信息;然后使用擴(kuò)張率為[2,3,9]的擴(kuò)張卷積作為2 到4 層,提取多尺度物體的特征;最后使用全局平均池化作為第5 層,獲取全局特征。

    3.2.4 消融實(shí)驗(yàn)

    為了驗(yàn)證改進(jìn)策略對(duì)提高模型分割性能的有效性,在自制數(shù)據(jù)集上進(jìn)行消融實(shí)驗(yàn)。分別驗(yàn)證進(jìn)行遷移學(xué)習(xí)、添加改進(jìn)的ASPP 模塊以及二者組合對(duì)模型分割效果的影響(模型都使用FD Loss 作為損失函數(shù)),實(shí)驗(yàn)結(jié)果如表4 所示。

    表4 消融實(shí)驗(yàn)結(jié)果Table 4 Ablation experimental results

    比較實(shí)驗(yàn)結(jié)果可知,在改進(jìn)損失函數(shù)的基礎(chǔ)上用ResNet50 替換編碼網(wǎng)絡(luò),Recall 提升了6.78%,同時(shí)IoU、Precision 和F1_score 都有相應(yīng)的提升,說明引入遷移學(xué)習(xí)的U-Net 模型可以提取更豐富的裂縫特征,減少了部分裂縫不能被準(zhǔn)確分割的狀況;在改進(jìn)損失函數(shù)的基礎(chǔ)上添加改進(jìn)的ASPP 模塊,Precision 提升了2.72%,同時(shí)IoU、Recall 和F1_score都有相應(yīng)的提升,說明改進(jìn)的ASPP 模塊獲取多尺度上下文信息的能力在U-Net 模型中得到利用,降低了將背景誤檢為裂縫的狀況,保證了裂縫分割的連續(xù)性;改進(jìn)的U-Net 模型是在改進(jìn)損失函數(shù)的基礎(chǔ)上引入遷移學(xué)習(xí)方法并加入改進(jìn)的ASPP 模塊,與單個(gè)改進(jìn)策略相比,以上評(píng)價(jià)指標(biāo)都有一定的提升,說明用ResNet50 替代編碼網(wǎng)絡(luò)與添加改進(jìn)的ASPP 模塊可以共同優(yōu)化模型,并提升模型性能。與原模型相比,IoU 指標(biāo)和F1_score 分別提升了3.53%、4.18%,說明所提改進(jìn)策略有效提升了模型的裂縫分割性能。

    3.2.5 經(jīng)典語義分割模型對(duì)比

    為了驗(yàn)證改進(jìn)模型的先進(jìn)性和魯棒性,在自制建筑外墻裂縫數(shù)據(jù)集上復(fù)現(xiàn)了經(jīng)典語義分割模型U-Net、DeepLabv3+及PSPNet,并與模型進(jìn)行對(duì)比。為了確保實(shí)驗(yàn)有效性,各模型在相同實(shí)驗(yàn)參數(shù)下進(jìn)行訓(xùn)練。通過評(píng)價(jià)指標(biāo)與分割結(jié)果進(jìn)行定性與定量地對(duì)比模型性能。不同模型在建筑外墻裂縫數(shù)據(jù)集上實(shí)驗(yàn)結(jié)果如表5 所示。

    表5 模型對(duì)比結(jié)果Table 5 Model comparison results

    由表5 可知,改進(jìn)的U-Net 模型各項(xiàng)評(píng)價(jià)指標(biāo)分別為69.06%、82.57%、86.3%、84.39%,均高于其他語義分割模型,說明模型對(duì)建筑外墻裂縫分割具有最優(yōu)的性能。

    為了更直觀地對(duì)比經(jīng)典模型與本文模型對(duì)建筑外墻裂縫圖像的分割效果,選取3 張分別包含細(xì)長裂縫、任意分布裂縫及復(fù)雜背景噪聲的裂縫圖像進(jìn)行預(yù)測,得到各模型的分割結(jié)果如圖11 所示。

    圖11 裂縫分割結(jié)果對(duì)比Fig.11 Crack segmentation results comparison

    由圖11 可知,經(jīng)典語義分割模型在裂縫數(shù)據(jù)集上訓(xùn)練后均能進(jìn)行裂縫分割,但由于原模型并非針對(duì)裂縫特征進(jìn)行設(shè)計(jì),故裂縫分割效果較差,存在大量漏檢和誤檢的情況。對(duì)比經(jīng)典模型分割效果可知,U-Net 模型對(duì)裂縫的分割效果較理想,存在少量誤檢和漏檢的情況;Deeplabv3+模型對(duì)裂縫的分割效果較U-Net 要差,漏檢和誤檢情況更加明顯;PSPNet 模型對(duì)裂縫的分割效果較差,不僅分割粗糙,且存在大量漏檢和誤檢。與經(jīng)典模型相比,針對(duì)裂縫特征改進(jìn)的U-Net 模型對(duì)裂縫分割不僅準(zhǔn)確,而且分割精細(xì),與標(biāo)簽圖像基本一致;與U-Net模型相比,改進(jìn)模型解決了原模型細(xì)長裂縫分割不連續(xù)、復(fù)雜背景下裂縫漏檢及背景誤檢的問題。

    4 結(jié)論

    針對(duì)建筑外墻裂縫人工檢測方法效率低、檢測效果和安全性差的問題,提出基于無人機(jī)航拍與計(jì)算機(jī)視覺的裂縫檢測方法。針對(duì)U-Net 模型存在的問題進(jìn)行改進(jìn),并進(jìn)行對(duì)比實(shí)驗(yàn),得出以下結(jié)論:

    1)無人機(jī)靈活性強(qiáng),可以繞建筑飛行并快速獲取高清的外墻圖像。在構(gòu)建裂縫數(shù)據(jù)集和建筑外墻裂縫定期檢測階段,可以使用無人機(jī)繞建筑航拍實(shí)現(xiàn)安全、高效地采集建筑外墻圖像。

    2)提出了組合Focal Loss 與Dice Loss 的FD Loss,用于模型優(yōu)化。新?lián)p失函數(shù)具有更強(qiáng)的處理正負(fù)樣本分布不均的能力,保證了模型訓(xùn)練過程的穩(wěn)定性,并提高了模型對(duì)裂縫的分割性能。

    3)所提改進(jìn)的U-Net 模型增強(qiáng)了模型編碼網(wǎng)絡(luò)的特征提取能力,以及模型獲取多尺度上下文信息的能力,解決了原模型細(xì)長裂縫分割不連續(xù)、復(fù)雜背景下裂縫漏檢及背景誤檢的問題,IoU 指標(biāo)和F1_score 分別提升了3.53%、4.18%。實(shí)驗(yàn)表明,改進(jìn)的U-Net 模型可以對(duì)復(fù)雜背景下的裂縫進(jìn)行準(zhǔn)確識(shí)別,具有較強(qiáng)的魯棒性。

    4)所提基于無人機(jī)航拍與計(jì)算機(jī)視覺的建筑外墻裂縫檢測方法,使用無人機(jī)獲取裂縫圖像,并利用改進(jìn)的U-Net 模型對(duì)裂縫進(jìn)行檢測。該方法解決了傳統(tǒng)建筑外墻裂縫檢測方法需要人工高空作業(yè)帶來的安全問題,并提高了裂縫檢測的效率和精度。

    猜你喜歡
    外墻卷積裂縫
    基于3D-Winograd的快速卷積算法設(shè)計(jì)及FPGA實(shí)現(xiàn)
    碳酸鹽巖裂縫描述七大難點(diǎn)
    裂縫(組詩)
    鴨綠江(2021年35期)2021-04-19 12:23:56
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    如此外墻,防水還扛得住么?!
    地球的裂縫
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    一種外墻清洗機(jī)器人控制系統(tǒng)
    電子測試(2018年1期)2018-04-18 11:52:09
    外墻保溫技術(shù)探討
    江西建材(2018年1期)2018-04-04 05:26:48
    外墻色彩
    国产精品一及| 欧美3d第一页| 午夜免费男女啪啪视频观看| 22中文网久久字幕| 最近最新中文字幕免费大全7| 午夜亚洲福利在线播放| 三级毛片av免费| 久久久a久久爽久久v久久| 免费看光身美女| 汤姆久久久久久久影院中文字幕 | ponron亚洲| 亚洲av男天堂| 一级毛片我不卡| 精品99又大又爽又粗少妇毛片| 国产av一区在线观看免费| 日韩 亚洲 欧美在线| 又黄又爽又刺激的免费视频.| 色综合色国产| 在线观看一区二区三区| 一二三四中文在线观看免费高清| 国产91av在线免费观看| 免费无遮挡裸体视频| 亚洲成人精品中文字幕电影| 搡老妇女老女人老熟妇| 国产精品久久久久久久久免| 中国美白少妇内射xxxbb| 91久久精品电影网| 国产av不卡久久| 亚洲综合精品二区| 久久人妻av系列| 欧美不卡视频在线免费观看| 热99在线观看视频| videossex国产| 一卡2卡三卡四卡精品乱码亚洲| 中文资源天堂在线| 国产午夜精品久久久久久一区二区三区| 男女边吃奶边做爰视频| 少妇人妻精品综合一区二区| kizo精华| 国产一区二区三区av在线| 国产精品精品国产色婷婷| 亚洲人与动物交配视频| 精品久久久久久久人妻蜜臀av| 日本免费在线观看一区| 亚洲国产欧美在线一区| 亚洲欧美中文字幕日韩二区| 亚洲av中文字字幕乱码综合| 欧美又色又爽又黄视频| 18禁在线播放成人免费| 免费看日本二区| 日日摸夜夜添夜夜添av毛片| 精品人妻视频免费看| 亚洲av电影在线观看一区二区三区 | 亚洲真实伦在线观看| 成年女人永久免费观看视频| 非洲黑人性xxxx精品又粗又长| 成人一区二区视频在线观看| 欧美精品一区二区大全| 97超视频在线观看视频| 国产真实乱freesex| 天堂网av新在线| 亚洲国产高清在线一区二区三| 亚洲伊人久久精品综合 | 18+在线观看网站| 男女啪啪激烈高潮av片| 美女xxoo啪啪120秒动态图| 秋霞在线观看毛片| 伊人久久精品亚洲午夜| 99久久精品热视频| 男人和女人高潮做爰伦理| 最近最新中文字幕大全电影3| 熟女电影av网| 国产av不卡久久| 国产精品嫩草影院av在线观看| av在线老鸭窝| 日韩av在线免费看完整版不卡| 亚洲av免费在线观看| 亚洲va在线va天堂va国产| 99久久成人亚洲精品观看| 国语自产精品视频在线第100页| 26uuu在线亚洲综合色| 日本爱情动作片www.在线观看| 免费在线观看成人毛片| videos熟女内射| 老司机影院毛片| 一区二区三区高清视频在线| 国产国拍精品亚洲av在线观看| 亚洲国产精品成人久久小说| 国产伦一二天堂av在线观看| 久久精品夜夜夜夜夜久久蜜豆| 亚洲国产精品成人综合色| 精品99又大又爽又粗少妇毛片| 国产黄片美女视频| 亚洲18禁久久av| 在现免费观看毛片| 人人妻人人看人人澡| 亚洲精品久久久久久婷婷小说 | 国产欧美日韩精品一区二区| 亚洲成人精品中文字幕电影| 好男人视频免费观看在线| 高清在线视频一区二区三区 | 99国产精品一区二区蜜桃av| 老女人水多毛片| 日本免费在线观看一区| 最近视频中文字幕2019在线8| 桃色一区二区三区在线观看| 一个人看视频在线观看www免费| 久久精品久久久久久噜噜老黄 | 久久久久久九九精品二区国产| 男女国产视频网站| 午夜精品国产一区二区电影 | 久久人妻av系列| 我的老师免费观看完整版| 精品久久久久久久久av| 麻豆乱淫一区二区| 一个人看的www免费观看视频| 七月丁香在线播放| 国产成人aa在线观看| 久久久欧美国产精品| 国产午夜精品久久久久久一区二区三区| 久久6这里有精品| 国产久久久一区二区三区| 国产老妇女一区| 亚洲av福利一区| 日韩 亚洲 欧美在线| 亚洲性久久影院| 精华霜和精华液先用哪个| 国产精品久久视频播放| 国产又色又爽无遮挡免| 成人国产麻豆网| 插阴视频在线观看视频| 中文字幕av在线有码专区| 2021天堂中文幕一二区在线观| 国产黄片视频在线免费观看| 成人美女网站在线观看视频| 在线观看av片永久免费下载| 免费大片18禁| 国产一区有黄有色的免费视频 | 亚洲成人中文字幕在线播放| 国产亚洲av嫩草精品影院| 欧美潮喷喷水| 国产真实伦视频高清在线观看| 免费搜索国产男女视频| 国产一区有黄有色的免费视频 | 午夜a级毛片| 一本久久精品| 欧美人与善性xxx| 久久亚洲精品不卡| 麻豆成人午夜福利视频| 久久亚洲国产成人精品v| 91av网一区二区| 国产高清有码在线观看视频| 国产成人精品一,二区| 久久精品人妻少妇| 欧美成人a在线观看| 一级爰片在线观看| 日日啪夜夜撸| 亚洲国产精品成人综合色| 男女那种视频在线观看| 亚洲欧美精品专区久久| 午夜免费激情av| 成人欧美大片| 日韩制服骚丝袜av| 久99久视频精品免费| 久久久久久久久久成人| 国产高清视频在线观看网站| 最近2019中文字幕mv第一页| 亚洲成色77777| 爱豆传媒免费全集在线观看| 成人鲁丝片一二三区免费| 国产白丝娇喘喷水9色精品| 国产精品人妻久久久影院| 三级国产精品片| 全区人妻精品视频| 国产亚洲最大av| 国产v大片淫在线免费观看| 熟女电影av网| 一夜夜www| 亚洲天堂国产精品一区在线| 日本免费一区二区三区高清不卡| 女人十人毛片免费观看3o分钟| 久久久a久久爽久久v久久| 久久欧美精品欧美久久欧美| 久久6这里有精品| 久久久精品大字幕| 欧美日韩精品成人综合77777| 性色avwww在线观看| 中文字幕av在线有码专区| 亚洲欧洲国产日韩| 春色校园在线视频观看| 日韩国内少妇激情av| 日日撸夜夜添| 国产中年淑女户外野战色| 国产毛片a区久久久久| 亚洲精品乱久久久久久| 亚洲欧美精品综合久久99| 国产精品久久久久久久电影| 免费观看性生交大片5| 日本一本二区三区精品| 亚洲欧美精品专区久久| 好男人在线观看高清免费视频| 亚洲,欧美,日韩| 国产成人91sexporn| 欧美xxxx性猛交bbbb| 亚洲国产精品合色在线| 亚洲国产欧美人成| 高清在线视频一区二区三区 | 亚洲欧美日韩高清专用| 网址你懂的国产日韩在线| 国产亚洲午夜精品一区二区久久 | 免费在线观看成人毛片| 寂寞人妻少妇视频99o| 偷拍熟女少妇极品色| 国产 一区 欧美 日韩| 日产精品乱码卡一卡2卡三| 午夜老司机福利剧场| 国产亚洲精品av在线| 亚洲伊人久久精品综合 | 亚洲av日韩在线播放| 69人妻影院| 又爽又黄无遮挡网站| 国产成人freesex在线| 国产私拍福利视频在线观看| 日本欧美国产在线视频| 国产成人一区二区在线| 九色成人免费人妻av| 中文字幕免费在线视频6| 成人毛片a级毛片在线播放| 两个人视频免费观看高清| 国产淫语在线视频| 免费av毛片视频| 成年免费大片在线观看| 中文字幕av成人在线电影| 亚洲五月天丁香| 亚洲欧美成人精品一区二区| 国产男人的电影天堂91| 亚洲精品一区蜜桃| eeuss影院久久| 国产精品久久久久久精品电影小说 | 色综合站精品国产| 黄色欧美视频在线观看| 国产一区二区在线观看日韩| 精品人妻熟女av久视频| 亚洲av日韩在线播放| 亚洲aⅴ乱码一区二区在线播放| 联通29元200g的流量卡| 国产精品,欧美在线| 国产69精品久久久久777片| 国产精品久久久久久久电影| 嫩草影院入口| 久久鲁丝午夜福利片| 国产亚洲午夜精品一区二区久久 | 久久草成人影院| 国产女主播在线喷水免费视频网站 | 午夜免费激情av| 搞女人的毛片| or卡值多少钱| 免费人成在线观看视频色| 亚洲av成人精品一二三区| 精品无人区乱码1区二区| 熟女电影av网| videossex国产| 欧美激情国产日韩精品一区| 九九热线精品视视频播放| 丝袜喷水一区| 少妇丰满av| 中文字幕精品亚洲无线码一区| 美女脱内裤让男人舔精品视频| 天美传媒精品一区二区| 亚洲无线观看免费| 中文字幕熟女人妻在线| 欧美潮喷喷水| 亚洲av成人av| 久久久a久久爽久久v久久| 黄片wwwwww| 欧美xxxx性猛交bbbb| 夜夜看夜夜爽夜夜摸| 亚洲av熟女| 亚洲人成网站在线观看播放| 日本猛色少妇xxxxx猛交久久| 又爽又黄a免费视频| av免费观看日本| 乱系列少妇在线播放| 在线天堂最新版资源| 欧美zozozo另类| 午夜免费男女啪啪视频观看| 男女边吃奶边做爰视频| 成人一区二区视频在线观看| 国产亚洲91精品色在线| 国产 一区 欧美 日韩| 在线观看一区二区三区| 老司机福利观看| 久久欧美精品欧美久久欧美| 午夜激情欧美在线| 人妻夜夜爽99麻豆av| videossex国产| 不卡视频在线观看欧美| 国产精品女同一区二区软件| kizo精华| 舔av片在线| 久久久精品大字幕| 亚洲国产欧美在线一区| 亚洲在线自拍视频| 草草在线视频免费看| 桃色一区二区三区在线观看| 久久99精品国语久久久| 精品无人区乱码1区二区| 两个人的视频大全免费| 日本欧美国产在线视频| 成年版毛片免费区| 亚洲av一区综合| 日韩欧美在线乱码| 久久精品综合一区二区三区| 黄色欧美视频在线观看| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 国产国拍精品亚洲av在线观看| 日韩欧美国产在线观看| 久久99热这里只有精品18| 亚洲精品456在线播放app| 日本五十路高清| 能在线免费观看的黄片| 亚洲中文字幕日韩| 18禁在线播放成人免费| 国产精品伦人一区二区| .国产精品久久| 成年女人永久免费观看视频| 啦啦啦啦在线视频资源| 亚洲第一区二区三区不卡| 国产视频首页在线观看| 又爽又黄a免费视频| 日日啪夜夜撸| 午夜福利视频1000在线观看| 一卡2卡三卡四卡精品乱码亚洲| 欧美激情国产日韩精品一区| 欧美日韩精品成人综合77777| 久久久色成人| 日韩成人伦理影院| 日韩精品有码人妻一区| 男人的好看免费观看在线视频| 亚洲成av人片在线播放无| 日韩精品有码人妻一区| 亚洲成人久久爱视频| 国产白丝娇喘喷水9色精品| 国产精品日韩av在线免费观看| 久久久国产成人精品二区| 精品国产一区二区三区久久久樱花 | 国产精品久久久久久久电影| 久久久精品欧美日韩精品| 高清毛片免费看| 午夜福利高清视频| 日日摸夜夜添夜夜爱| 国产日韩欧美在线精品| av免费观看日本| 精品一区二区三区视频在线| 久久精品国产亚洲av涩爱| 午夜a级毛片| 国产精品美女特级片免费视频播放器| 亚洲经典国产精华液单| 噜噜噜噜噜久久久久久91| 九九爱精品视频在线观看| 久久热精品热| 欧美性猛交黑人性爽| 久久综合国产亚洲精品| 嫩草影院精品99| 午夜久久久久精精品| 自拍偷自拍亚洲精品老妇| 亚洲av免费高清在线观看| 少妇高潮的动态图| 亚洲自偷自拍三级| 国模一区二区三区四区视频| 秋霞伦理黄片| 精品国产三级普通话版| 国产精品国产三级国产专区5o | 一级黄片播放器| 美女被艹到高潮喷水动态| 亚洲欧美日韩无卡精品| 欧美色视频一区免费| 国产精品1区2区在线观看.| 美女xxoo啪啪120秒动态图| 在线观看美女被高潮喷水网站| 99热这里只有精品一区| av在线蜜桃| 免费搜索国产男女视频| kizo精华| 长腿黑丝高跟| 久久精品国产鲁丝片午夜精品| 中文欧美无线码| 国产淫片久久久久久久久| 国产成人freesex在线| 色哟哟·www| 亚洲天堂国产精品一区在线| 91aial.com中文字幕在线观看| 午夜精品在线福利| 九草在线视频观看| a级毛片免费高清观看在线播放| 国产久久久一区二区三区| 久久久午夜欧美精品| 亚洲精品国产av成人精品| 高清视频免费观看一区二区 | 激情 狠狠 欧美| 国产免费又黄又爽又色| 亚洲怡红院男人天堂| 国产人妻一区二区三区在| 伦理电影大哥的女人| 久久久久久大精品| 亚洲在线观看片| 色综合亚洲欧美另类图片| 久久久国产成人精品二区| 欧美三级亚洲精品| 日本欧美国产在线视频| 亚洲精品乱码久久久久久按摩| 国产精品美女特级片免费视频播放器| 婷婷色麻豆天堂久久 | 日本wwww免费看| av黄色大香蕉| 国产av不卡久久| 亚洲丝袜综合中文字幕| 中文字幕熟女人妻在线| 国内精品一区二区在线观看| 18禁裸乳无遮挡免费网站照片| 精品熟女少妇av免费看| 人妻少妇偷人精品九色| 只有这里有精品99| 老司机福利观看| 久久婷婷人人爽人人干人人爱| 观看免费一级毛片| 久久精品综合一区二区三区| 搞女人的毛片| 欧美成人一区二区免费高清观看| 日本-黄色视频高清免费观看| 一级毛片我不卡| 黄色一级大片看看| 听说在线观看完整版免费高清| 大又大粗又爽又黄少妇毛片口| 国产精品av视频在线免费观看| 人妻系列 视频| 一区二区三区高清视频在线| 亚洲精品国产av成人精品| 免费无遮挡裸体视频| 免费大片18禁| 亚洲人成网站在线观看播放| 中文精品一卡2卡3卡4更新| 国产av一区在线观看免费| 少妇被粗大猛烈的视频| 美女高潮的动态| 日韩人妻高清精品专区| 亚洲最大成人手机在线| av天堂中文字幕网| 免费搜索国产男女视频| 成人高潮视频无遮挡免费网站| 中国国产av一级| 亚洲丝袜综合中文字幕| 网址你懂的国产日韩在线| 日韩欧美三级三区| 亚洲不卡免费看| 97人妻精品一区二区三区麻豆| 99热全是精品| ponron亚洲| 男人和女人高潮做爰伦理| 精品不卡国产一区二区三区| 亚洲aⅴ乱码一区二区在线播放| 亚洲无线观看免费| 日韩强制内射视频| 99热精品在线国产| 亚洲自偷自拍三级| 国产大屁股一区二区在线视频| 看非洲黑人一级黄片| 超碰97精品在线观看| 午夜福利在线在线| 在线免费观看不下载黄p国产| 亚洲精品aⅴ在线观看| 日本免费一区二区三区高清不卡| 午夜免费激情av| 高清午夜精品一区二区三区| 一边摸一边抽搐一进一小说| 少妇高潮的动态图| 99国产精品一区二区蜜桃av| 免费看光身美女| 日本av手机在线免费观看| h日本视频在线播放| 亚洲欧美日韩高清专用| 欧美日韩在线观看h| 久久精品国产鲁丝片午夜精品| 高清av免费在线| 伦精品一区二区三区| 久久午夜福利片| 人妻夜夜爽99麻豆av| 国产69精品久久久久777片| www.色视频.com| 国产淫语在线视频| 免费观看性生交大片5| 日本免费在线观看一区| 国产亚洲一区二区精品| 搡女人真爽免费视频火全软件| 国产日韩欧美在线精品| 亚洲av一区综合| 伊人久久精品亚洲午夜| 嫩草影院新地址| 大又大粗又爽又黄少妇毛片口| 日韩精品有码人妻一区| 婷婷色av中文字幕| 男人舔奶头视频| 国产视频内射| 亚洲真实伦在线观看| 亚洲欧美日韩高清专用| 国产精品久久久久久久电影| videossex国产| 小说图片视频综合网站| 一边摸一边抽搐一进一小说| 三级男女做爰猛烈吃奶摸视频| 午夜福利在线观看吧| 欧美日韩综合久久久久久| 亚洲va在线va天堂va国产| av.在线天堂| 国产亚洲精品久久久com| 国产成人精品久久久久久| 久久久久网色| 人妻夜夜爽99麻豆av| 久99久视频精品免费| 男女啪啪激烈高潮av片| 国产中年淑女户外野战色| 久久久午夜欧美精品| 国产精品一二三区在线看| 国产真实伦视频高清在线观看| 国产精品伦人一区二区| eeuss影院久久| 精品久久久久久成人av| 久久这里只有精品中国| 别揉我奶头 嗯啊视频| 亚洲美女视频黄频| 久久精品国产鲁丝片午夜精品| 美女黄网站色视频| 成人美女网站在线观看视频| 国产一区二区在线av高清观看| 久久这里有精品视频免费| 欧美一区二区国产精品久久精品| 啦啦啦观看免费观看视频高清| 国产一区二区在线av高清观看| 久久久久久久久中文| 一级毛片久久久久久久久女| 伊人久久精品亚洲午夜| 天天躁日日操中文字幕| 身体一侧抽搐| 少妇熟女欧美另类| 精品久久久久久久久亚洲| 欧美另类亚洲清纯唯美| 男女边吃奶边做爰视频| 波野结衣二区三区在线| 人妻系列 视频| 国产精品,欧美在线| 高清视频免费观看一区二区 | 国产一级毛片在线| 少妇的逼好多水| 成年版毛片免费区| 国产中年淑女户外野战色| 美女国产视频在线观看| 色5月婷婷丁香| 免费观看的影片在线观看| 成人三级黄色视频| 久久精品熟女亚洲av麻豆精品 | 亚洲国产精品成人久久小说| 成人国产麻豆网| 午夜免费男女啪啪视频观看| 插阴视频在线观看视频| 国产 一区精品| 黄色欧美视频在线观看| 91久久精品国产一区二区三区| 国产精品99久久久久久久久| 亚洲av熟女| 精品酒店卫生间| 18禁在线播放成人免费| 亚洲三级黄色毛片| 国产精品人妻久久久影院| 波多野结衣巨乳人妻| 视频中文字幕在线观看| 国内精品一区二区在线观看| 午夜福利在线观看吧| 国产精品一区二区性色av| a级毛色黄片| 精品国产三级普通话版| 亚洲国产精品久久男人天堂| 亚洲一级一片aⅴ在线观看| 观看免费一级毛片| 精品一区二区三区视频在线| 亚洲精品久久久久久婷婷小说 | 搞女人的毛片| 成人无遮挡网站| 人妻夜夜爽99麻豆av| 国产精品国产三级国产专区5o | 精品99又大又爽又粗少妇毛片| av免费在线看不卡| 久久这里有精品视频免费| 国产黄色小视频在线观看| 国产黄片美女视频| 日韩亚洲欧美综合| 亚洲真实伦在线观看| 免费黄网站久久成人精品| 亚洲熟妇中文字幕五十中出| 在线播放无遮挡| 欧美zozozo另类| 国产av码专区亚洲av| 午夜激情欧美在线| eeuss影院久久| 国产成人精品一,二区| 成人漫画全彩无遮挡| 人人妻人人澡人人爽人人夜夜 | 大香蕉97超碰在线| 亚洲成人精品中文字幕电影| av黄色大香蕉| 有码 亚洲区| 色网站视频免费| 一级av片app| 久久久久久大精品| 永久网站在线| 国产精品永久免费网站|