• <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 ?

    基于深度學習的目標檢測算法研究

    2025-01-21 00:00:00曹斯茹金可藝陳惠妹
    中國新技術新產品 2025年1期
    關鍵詞:注意力機制目標檢測輕量化

    摘 要:為全面識別并檢測攝像頭拍攝的在城市道路上的車輛目標,本文提出一種基于YOLOv7的改進模型C-YOLOv7。在頭部網絡末端加入注意力機制模塊,提高模型檢測準確率。為減少YOLOv7算法的參數量,降低計算的復雜度,對改進后的模型進行剪枝輕量化。試驗結果表示,與原模型相比,改進后的模型的平均精度(Average Precision,AP)、精度和召回率均有提高,與C-YOLOv7模型相比,輕量化后的模型的傳輸幀數增加,推理延遲和參數量減少。改進后的模型能夠提高車輛檢測的準確度,節(jié)省存儲空間,在交通安全與管理領域發(fā)揮更大作用。

    關鍵詞:深度學習;目標檢測;注意力機制;輕量化

    中國分類號:TP 391 " " " 文獻標志碼:A

    在快速發(fā)展的交通領域,車輛檢測技術[1]是提升交通安全和效率的重要手段。深度學習基礎的車輛檢測算法具有出色的泛化能力,能夠適應多變的環(huán)境條件。盡管已有算法在檢測精度、檢測速度及模型參數優(yōu)化方面均有良好表現(xiàn),但綜合性能卓越的算法仍比較稀少。本文以城市道路車輛檢測為應用場景,依托深度學習技術[2],旨在構建一種體積更小、部署范圍更廣的目標檢測模型。該模型旨在克服傳統(tǒng)目標檢測方法中存在的準確度及計算效率偏低的問題,進而提升車輛目標檢測的準確率。

    1 基于改進的YOLOv7目標檢測模型

    YOLOv7[3]目標檢測模型的檢測速度較快,其采用多尺度特征融合策略,從不同層級的特征圖中提取信息,能夠檢測不同尺度的目標,更好地處理目標的上下文信息。模型的網絡結構比較簡單,在不同的硬件平臺和資源受限的設備上都可以運行。

    1.1 YOLOv7的網絡結構

    YOLOv7網絡模型主要包括3個部分,其特點如下。

    1.1.1 骨干網絡

    骨干網絡的主要任務是從輸入圖像中提取高質量的特征。YOLOv7使用優(yōu)化的高效長距離網絡(Efficient Long-Range Attention Network,ELAN)作為其骨干網絡,這種設計使網絡能夠在更淺的網絡層級收集更多的信息,并保持計算的高效性。

    1.1.2 頸部網絡

    頸部網絡的主要任務是將骨干網絡提取的特征進行進一步處理和融合,以執(zhí)行后續(xù)的檢測任務。其中,下采樣模塊利用最大池化(Max Pool)操作擴張當前特征層的感受野,再與正常卷積處理后的特征信息進行融合,增強了網絡的泛化性。

    1.1.3 頭部網絡

    頭部網絡的主要任務是對頸部網絡輸出的特征圖進行物體檢測。YOLOv7的頭部網絡采用多尺度的檢測機制,分別在不同尺度的特征圖中進行物體檢測,提升檢測的準確性。頭部網絡引入經過特殊設計的殘差結構輔助訓練,但是在轉換過程中可能會產生一定的精度損失。

    1.2 YOLOv7使用的損失函數

    1.2.1 定位損失(Location Loss)

    在目標形狀不規(guī)則、大小不一致的情況下,CIoU的相似性度量更準確,能夠更好地滿足各種尺寸和形狀的目標檢測要求,因此在YOLOv7中使用CIoU損失計算定位損失。IoU 的計算過程如公式(1)所示。

    (1)

    式中:IoU 為交并比;A為預測框的面積;B為真實框的面積。

    CIoU 的計算過程如公式(2)所示。

    (2)

    式中:CIoU 為完整的交并比;d為預測框與真實框中心點的距離;c為最小外接矩形的對角線距離;α為權重函數;v 為修正因子。

    CIoU 損失函數的計算過程如公式(3)所示。

    (3)

    式中:LossCIoU為完整的交并比損失。

    1.2.2 置信度損失(Confidence Loss)

    置信度損失能夠評估預測邊界框的置信度與真實目標是否存在差距,并衡量其預測的準確性。本文采用二元交叉熵損失函數計算置信度損失,計算過程如公式(4)所示。

    Lconf=-[ylog(p)+(1-y)log(1-p)] " " (4)

    式中:Lconf為二元交叉熵損失;y為真實標簽;p為模型預測的概率,數值為0~1;log(1-p)為對模型預測的負類概率取自然對數。

    1.2.3 類別損失(Class Loss)

    類別損失的作用是衡量模型對目標類別的預測準確性。本文利用多類交叉熵損失來計算分類損失,損失函數計算過程如公式(5)所示。

    (5)

    式中:Lcls為多類交叉熵損失;C為類別總數;i為類別的索引,取值為1~C;yi為真實標簽,當yi為1時表示真實類別,當yi為0時表示其他類別;pi為模型預測第i類的概率。

    1.3 C-YOLOv7算法改進

    1.3.1 引入注意力機制

    Head部分利用卷積進行特征提取,可能會出現(xiàn)只在局部感知域內進行特征提取,不能全面考慮全局上下文信息,導致對整體信息捕捉不足的情況。針對這個問題本文提出C-YOLOv7目標檢測框架,在Head部分融入注意力機制模塊(Convolutional Block Attention Module,CBAM),提高對整體信息的捕獲能力。CBAM由2個子模塊組成:通道注意力模塊(Channel Attention Module,CAM)和空間注意力模塊(Spatial Attention Module,SAM)。CBAM引入注意力機制至特征圖中,使網絡能夠更有效地聚焦于關鍵特征,達到檢測效果。CBAM結構如圖1所示。

    在YOLOv7-Head部分卷積層中串聯(lián)進CBAM,得到新的M-Conv卷積層,將M-Conv替換為原YOLOv7中的卷積層,得到C-YOLOv7模型,其結構如圖2所示。

    不同尺寸的特征圖經過殘差結構進入通道注意力模塊,分別進行全局平均池化和全局最大池化,保留通道信息。分別將池化后的特征圖送入多層感知機(Multilayer Perceptron,MLP)中提取特征。將MLP輸出的特征進行加合,經過Sigmoid激活操作,得到通道注意力權重。通道注意力模塊的計算過程如公式(6)所示。

    Mc(F)=σ(MLP(AvgPool(F))+MLP(MaxPool(F))) (6)

    式中:Mc(F)為特征圖F的通道注意力;σ為Sigmoid激活函數;MLP為多層感知機;AvgPool(F)為F的全局平均池化;MaxPool(F)為F的全局最大池化。

    將利用通道注意力計算后輸出的特征圖作為空間注意力模塊輸入的特征圖,在通道維度分別進行全局平均池化和全局最大池化,保留空間信息。將這2個池化特征進行通道融合操作,利用卷積層操作提取特征。利用Sigmoid函數進行激活,得到包括通道注意力的空間注意力權重。在串行完成這2個步驟后,將空間注意力特征與原特征圖相乘,得到最終的輸出特征圖。通道注意力模塊的計算過程如公式(7)所示。

    Ms(F)=σ(f 7*7([AvgPool(F));MaxPool(F)])) (7)

    式中:Ms(F)為F的空間注意力;f 7*7為7*7的卷積操作。

    1.3.2 模型輕量化

    在深度學習模型中,剪枝[4]是一種重要的優(yōu)化技術,其作用是減少模型的計算量和參數量,加快推理速度,縮小模型的存儲空間。移除過濾器是一種適用于卷積神經網絡的剪枝方法,通過識別并移除對最終模型影響較小的卷積核來減少模型的參數量。針對C-YOLOv7檢測模型體積較大的問題,對C-YOLOv7進行剪枝操作,得到輕量化的目標檢測模型PC-YOLOv7。

    對過濾器進行剪枝,流程如圖3所示。設ni為第i個卷積層的輸入通道數,hi/wi為輸入特征映射的高度/寬度。卷積層在ni個輸入通道中應用ni+1個3D濾波器Fi,j,將輸入特征映射xi轉換為輸出特征映射xi+1,生成的輸出特征映射將作為下一層卷積層的輸入特征映射。當對過濾器Fi,j進行剪枝時,去除其對應的特征映射,也去除下一個卷積層過濾器中特征映射的核。

    從訓練良好的模型中去除不重要的過濾器來提高計算效率。計算過濾器的絕對權重總和Σ|Fi,j|來衡量每一層中過濾器的相對重要性。由于各過濾器的輸入通道數ni相同,因此Σ|Fi,j|也表示其平均核權重。與該層中的其他過濾器相比,核權重較小的過濾器傾向于生成弱激活的特征映射,該映射對最終結果影響較小,因此剪去核權重較小的過濾器。計算過濾器的絕對權重總和,如公式(8)所示。

    (8)

    式中:Sj為第i個過濾器的絕對值權重總和;Fi,j為第i個過濾器的第j個權重。

    進行剪枝的具體步驟如下。1)統(tǒng)計卷積層的權重,計算每個卷積層權重的絕對值總和,將其作為剪枝依據。2)根據權重總和對過濾器進行排序,并選擇一部分進行剪枝。percent參數決定需要剪枝的比例。本文將percent設為0.2。3)移除選擇的卷積層中不重要的過濾器,創(chuàng)建一個新的卷積層,復制舊卷積層的權重和偏置來移除過濾器。4)將剪枝后的卷積層替換回模型中。

    2 試驗結果

    2.1 試驗環(huán)境

    本文模型使用PyTorch語言編寫算法的程序代碼,操作系統(tǒng)為Windows 10,訓練模型使用的GPU為NVIDIA 4060Ti GPU,初始學習率為0.000 1。在每次訓練迭代中進行前向傳播再進行反向傳播,從而實現(xiàn)優(yōu)化。

    2.2 數據集選取

    本文選擇公開數據集Data for STREETS(A novel camera network dataset for traffic flow,STREETS)作為檢測對象,該數據集包括5 249張訓練集樣本、291張測試集樣本以及582張驗證集樣本。在數據集中有各種城市街道的交通場景,利用安裝在城市街道重要道路和交通繁忙的路口的高清攝像頭采集多樣化的交通車輛數據,其包括不同天氣條件、交通密度和時間段的數據類型。

    2.3 各目標檢測模型對比試驗

    C-YOLOv7與其他目標檢測模型的試驗對比結果見表1。

    由表1可知,與原版本以及其衍生版本相比,改進后的C-YOLOv7在平均精度、精度以及召回率方面均有提高,精度為83.7%,說明改進后的模型在目標檢測方面效果較好。

    2.4 目標檢測模型輕量化

    使用輕量化目標檢測模型PC-YOLOv7與C-YOLOv7進行試驗,對比結果見表2,使用平均精度、傳輸幀數、推理延遲和參數量4個評價指標。試驗結果表明,經過剪枝后的YOLOv7模型準確度較高,模型尺寸更小,計算復雜度更低。

    表2 輕量化模型試驗對比結果

    模型 平均精度/% 傳輸幀數/(幀·s-1) 推理延遲/ms 參數量/G

    C-YOLOv7 78.0 30 33 22.8

    PC-YOLOv7 74.3 32 29 4.9

    3 結論

    本文提出一種改進的目標檢測模型C-YOLOv7,在YOLOv7頭部卷積層中添加CBAM,得到新的卷積層來替換YOLOv7中原來的卷積層,提高了模型的檢測精度。對改進后的模型進行剪枝輕量化,減少模型參數量,使模型更易于部署。試驗結果表明,與原模型相比,改進模型的平均精度、精度和召回率分別提升至78.0%、83.7%和74.0%;推理延遲縮短至29 ms,參數量為原模型的21.5%。

    深度學習的車輛目標檢測模型仍然有改進空間,例如結合視覺、雷達等多種傳感器數據與檢測模型進行多模態(tài)數據融合,以提高對車輛的識別能力和檢測精度,并增強在各種環(huán)境條件下的適應性和魯棒性。在保障數據安全的前提下,有效地利用大數據來提升檢測算法的性能和智能化程度。

    參考文獻

    [1]曹家樂,李亞利,孫漢卿,等.基于深度學習的視覺目標檢測技術綜述[J].中國圖象圖形學報,2022,27(6):1697-1722.

    [2]張陽婷,黃德啟,王東偉,等.基于深度學習的目標檢測算法研究與應用綜述[J].計算機工程與應用,2023,59(18):1-13.

    [3]李長海.基于改進YOLOv7的紅外行人目標檢測方法[J].汽車工程師,2024(8):15-21.

    [4]毛遠宏,曹健,賀鵬超,等.深度神經網絡剪枝方法綜述[J].微電子學與計算機,2023,40(10):1-8.

    猜你喜歡
    注意力機制目標檢測輕量化
    汽車輕量化集成制造專題主編
    基于深度學習的問題回答技術研究
    一種輕量化自卸半掛車結構設計
    智富時代(2019年2期)2019-04-18 07:44:42
    基于LSTM?Attention神經網絡的文本特征提取方法
    基于注意力機制的雙向LSTM模型在中文商品評論情感分類中的研究
    軟件工程(2017年11期)2018-01-05 08:06:09
    InsunKBQA:一個基于知識庫的問答系統(tǒng)
    視頻中目標檢測算法研究
    軟件(2016年4期)2017-01-20 09:38:03
    行為識別中的人體運動目標檢測方法
    移動機器人圖像目標識別
    瞄準掛車輕量化 鑼響掛車正式掛牌成立
    專用汽車(2016年1期)2016-03-01 04:13:19
    美女免费视频网站| 人人妻人人澡欧美一区二区| 中文亚洲av片在线观看爽| 欧美+日韩+精品| 亚洲欧美日韩东京热| 天天一区二区日本电影三级| 欧美+日韩+精品| 国语自产精品视频在线第100页| 成人高潮视频无遮挡免费网站| 少妇高潮的动态图| 亚洲经典国产精华液单| 成人永久免费在线观看视频| 18禁裸乳无遮挡免费网站照片| 九色成人免费人妻av| 亚洲精品成人久久久久久| 联通29元200g的流量卡| av专区在线播放| 亚洲欧美成人精品一区二区| 少妇的逼水好多| 欧美绝顶高潮抽搐喷水| 久久久欧美国产精品| 少妇熟女aⅴ在线视频| 一个人看的www免费观看视频| 欧美激情久久久久久爽电影| 国产高清不卡午夜福利| 亚洲中文字幕日韩| 欧美区成人在线视频| 日本黄大片高清| 精品人妻偷拍中文字幕| 亚洲美女黄片视频| 色噜噜av男人的天堂激情| 搡女人真爽免费视频火全软件 | 国产高潮美女av| 国产乱人视频| 成人三级黄色视频| 国产不卡一卡二| 色吧在线观看| 欧美一区二区国产精品久久精品| АⅤ资源中文在线天堂| 久久久久久大精品| 亚洲国产精品成人综合色| 一个人观看的视频www高清免费观看| 久久国内精品自在自线图片| 美女 人体艺术 gogo| 国产片特级美女逼逼视频| 久久午夜亚洲精品久久| 熟女人妻精品中文字幕| 老司机午夜福利在线观看视频| 日本在线视频免费播放| 青春草视频在线免费观看| 在线播放无遮挡| 伦理电影大哥的女人| 我的老师免费观看完整版| 亚洲真实伦在线观看| 久久这里只有精品中国| 国产黄a三级三级三级人| 最近中文字幕高清免费大全6| 午夜福利在线观看吧| 熟女人妻精品中文字幕| 亚洲第一电影网av| 天堂av国产一区二区熟女人妻| 亚洲欧美日韩东京热| 全区人妻精品视频| 日韩av不卡免费在线播放| 午夜a级毛片| 亚洲国产欧美人成| 亚洲欧美日韩卡通动漫| 国产欧美日韩一区二区精品| 人妻久久中文字幕网| 午夜精品一区二区三区免费看| 欧美日韩国产亚洲二区| 免费观看在线日韩| 人人妻人人澡欧美一区二区| 深夜精品福利| 日本免费a在线| 亚洲精品国产av成人精品 | 男女啪啪激烈高潮av片| 人人妻人人澡欧美一区二区| 深夜精品福利| 欧美zozozo另类| 亚洲国产色片| 最新在线观看一区二区三区| 中文在线观看免费www的网站| 欧美高清成人免费视频www| 亚洲成人av在线免费| 国产免费一级a男人的天堂| 免费看a级黄色片| 九九久久精品国产亚洲av麻豆| 床上黄色一级片| 日日干狠狠操夜夜爽| 国产精华一区二区三区| 美女高潮的动态| 精品99又大又爽又粗少妇毛片| 真实男女啪啪啪动态图| 午夜免费男女啪啪视频观看 | 一区二区三区四区激情视频 | 国产美女午夜福利| 成人亚洲精品av一区二区| 午夜视频国产福利| 婷婷精品国产亚洲av| 又粗又爽又猛毛片免费看| 3wmmmm亚洲av在线观看| 五月玫瑰六月丁香| 亚洲av第一区精品v没综合| 国产真实乱freesex| 内地一区二区视频在线| 18+在线观看网站| 在线观看66精品国产| 天天躁夜夜躁狠狠久久av| 日韩制服骚丝袜av| 黄色视频,在线免费观看| 日日干狠狠操夜夜爽| 国产欧美日韩一区二区精品| 欧洲精品卡2卡3卡4卡5卡区| 联通29元200g的流量卡| 伊人久久精品亚洲午夜| 久久精品91蜜桃| 亚洲国产精品sss在线观看| 国产欧美日韩精品亚洲av| 欧美zozozo另类| 在线免费十八禁| 欧洲精品卡2卡3卡4卡5卡区| 日韩在线高清观看一区二区三区| 网址你懂的国产日韩在线| 亚洲精品一区av在线观看| 97超视频在线观看视频| 免费搜索国产男女视频| 三级毛片av免费| 成人综合一区亚洲| 人妻制服诱惑在线中文字幕| 天天躁夜夜躁狠狠久久av| 日本 av在线| 亚洲性夜色夜夜综合| 亚洲四区av| 亚洲精品乱码久久久v下载方式| 国内精品久久久久精免费| 欧美日本视频| 身体一侧抽搐| 精品一区二区免费观看| 嫩草影院新地址| 午夜爱爱视频在线播放| 99久久成人亚洲精品观看| av在线亚洲专区| 12—13女人毛片做爰片一| av国产免费在线观看| 99在线人妻在线中文字幕| 亚洲aⅴ乱码一区二区在线播放| 欧美xxxx性猛交bbbb| 丝袜喷水一区| 夜夜看夜夜爽夜夜摸| 国产不卡一卡二| 我要看日韩黄色一级片| 毛片女人毛片| 99热这里只有是精品在线观看| 欧美一级a爱片免费观看看| 午夜精品一区二区三区免费看| 熟妇人妻久久中文字幕3abv| 男人舔奶头视频| 色哟哟·www| 日本一二三区视频观看| 别揉我奶头 嗯啊视频| 欧美激情国产日韩精品一区| 人妻夜夜爽99麻豆av| 日韩欧美一区二区三区在线观看| 国产精品女同一区二区软件| 一进一出抽搐动态| 国产成人a区在线观看| 久久久久国产精品人妻aⅴ院| 国产午夜精品久久久久久一区二区三区 | 看免费成人av毛片| 国产男靠女视频免费网站| 成人特级av手机在线观看| 亚洲av免费高清在线观看| 在线播放国产精品三级| 伦理电影大哥的女人| 禁无遮挡网站| 性插视频无遮挡在线免费观看| 久久人人爽人人片av| a级一级毛片免费在线观看| 人人妻,人人澡人人爽秒播| 一级毛片电影观看 | 国产午夜精品论理片| 亚洲欧美日韩无卡精品| 久久久久久大精品| 亚洲高清免费不卡视频| 一级毛片我不卡| 国产美女午夜福利| 国产av麻豆久久久久久久| 亚洲第一区二区三区不卡| 亚洲真实伦在线观看| 十八禁网站免费在线| 六月丁香七月| 极品教师在线视频| 国产成人一区二区在线| 久久精品人妻少妇| 深夜精品福利| 男人的好看免费观看在线视频| 亚洲天堂国产精品一区在线| 精品福利观看| 午夜福利18| 99在线人妻在线中文字幕| 高清毛片免费观看视频网站| 成年女人毛片免费观看观看9| a级一级毛片免费在线观看| 三级国产精品欧美在线观看| 菩萨蛮人人尽说江南好唐韦庄 | 国产在视频线在精品| 一个人看视频在线观看www免费| 日韩av不卡免费在线播放| 九色成人免费人妻av| 嫩草影院入口| 午夜精品国产一区二区电影 | 亚洲一级一片aⅴ在线观看| 亚洲欧美日韩卡通动漫| 最近的中文字幕免费完整| 又黄又爽又刺激的免费视频.| 大香蕉久久网| 搡老岳熟女国产| 日韩强制内射视频| 在线免费观看不下载黄p国产| 日韩一区二区视频免费看| 日本黄大片高清| 国产精品,欧美在线| 久久午夜福利片| 精品久久久久久成人av| 日韩,欧美,国产一区二区三区 | 国产精品伦人一区二区| 午夜免费男女啪啪视频观看 | 可以在线观看的亚洲视频| 国产高清三级在线| 永久网站在线| 亚洲国产欧洲综合997久久,| 在现免费观看毛片| 久久久a久久爽久久v久久| 人妻制服诱惑在线中文字幕| eeuss影院久久| 搡老妇女老女人老熟妇| 国产亚洲欧美98| 午夜免费男女啪啪视频观看 | 好男人在线观看高清免费视频| 观看免费一级毛片| 国产高清不卡午夜福利| 国产精品久久久久久精品电影| 亚洲av第一区精品v没综合| aaaaa片日本免费| 久久久精品大字幕| 亚洲人成网站高清观看| 亚洲国产精品合色在线| 神马国产精品三级电影在线观看| 在线免费观看的www视频| 性插视频无遮挡在线免费观看| 麻豆国产av国片精品| 如何舔出高潮| 91在线观看av| 亚洲中文字幕日韩| 一区福利在线观看| 嫩草影院新地址| 91精品国产九色| 国产亚洲精品综合一区在线观看| 麻豆久久精品国产亚洲av| 波多野结衣高清无吗| 色综合站精品国产| 偷拍熟女少妇极品色| av女优亚洲男人天堂| 国产综合懂色| av黄色大香蕉| 91狼人影院| 老熟妇仑乱视频hdxx| 婷婷六月久久综合丁香| 嫩草影院精品99| 乱系列少妇在线播放| 国产成人a区在线观看| 日本成人三级电影网站| 亚洲精品亚洲一区二区| 亚洲av成人av| 久久午夜亚洲精品久久| 亚洲av电影不卡..在线观看| 国产午夜精品论理片| av在线观看视频网站免费| a级毛片免费高清观看在线播放| 91在线精品国自产拍蜜月| 午夜激情欧美在线| 国产精品人妻久久久久久| 一进一出抽搐gif免费好疼| 亚洲内射少妇av| 国产精品嫩草影院av在线观看| 日日摸夜夜添夜夜添小说| 12—13女人毛片做爰片一| 天堂动漫精品| 俺也久久电影网| 麻豆久久精品国产亚洲av| 久久久久久伊人网av| 国产人妻一区二区三区在| 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| 亚洲aⅴ乱码一区二区在线播放| 国产精品久久电影中文字幕| 国产亚洲精品久久久久久毛片| 免费电影在线观看免费观看| 性插视频无遮挡在线免费观看| 免费在线观看成人毛片| 搞女人的毛片| 精品国产三级普通话版| 俄罗斯特黄特色一大片| 97超级碰碰碰精品色视频在线观看| 国产大屁股一区二区在线视频| 99久久九九国产精品国产免费| 成人国产麻豆网| 日日干狠狠操夜夜爽| .国产精品久久| 两个人视频免费观看高清| 日本黄色片子视频| 成年版毛片免费区| 五月玫瑰六月丁香| 亚洲国产色片| 人妻丰满熟妇av一区二区三区| 国产精品综合久久久久久久免费| 综合色丁香网| 干丝袜人妻中文字幕| h日本视频在线播放| 身体一侧抽搐| 一级毛片久久久久久久久女| 免费大片18禁| 国产高清激情床上av| 亚洲最大成人中文| 如何舔出高潮| 69人妻影院| 日韩一本色道免费dvd| 18+在线观看网站| 成人亚洲欧美一区二区av| 天堂√8在线中文| 亚洲av免费高清在线观看| 日韩大尺度精品在线看网址| av.在线天堂| 国产一区二区亚洲精品在线观看| 97超级碰碰碰精品色视频在线观看| 欧美人与善性xxx| 欧美日韩精品成人综合77777| 一级毛片久久久久久久久女| 欧美中文日本在线观看视频| 三级男女做爰猛烈吃奶摸视频| 国产精品国产三级国产av玫瑰| 国产精品一区www在线观看| 成人永久免费在线观看视频| 黄片wwwwww| 性色avwww在线观看| 日本撒尿小便嘘嘘汇集6| 国产在线男女| 亚洲欧美精品自产自拍| 国产一区二区在线观看日韩| 亚洲四区av| 亚洲成av人片在线播放无| 亚洲成人中文字幕在线播放| 国产精品久久久久久av不卡| 国产高清三级在线| 国产一区二区三区av在线 | 亚洲精品国产成人久久av| 人妻久久中文字幕网| 天天躁夜夜躁狠狠久久av| 欧美在线一区亚洲| 乱码一卡2卡4卡精品| 亚洲中文字幕一区二区三区有码在线看| 噜噜噜噜噜久久久久久91| 天堂影院成人在线观看| 日韩精品青青久久久久久| 免费大片18禁| 91久久精品国产一区二区成人| 国产色婷婷99| 五月伊人婷婷丁香| 亚洲四区av| 不卡视频在线观看欧美| 亚洲av成人av| 精品99又大又爽又粗少妇毛片| 大型黄色视频在线免费观看| 欧美激情在线99| 精品久久久噜噜| 五月伊人婷婷丁香| 欧美色视频一区免费| 亚洲国产精品合色在线| 97超视频在线观看视频| 91精品国产九色| av在线蜜桃| 欧美在线一区亚洲| 国产探花在线观看一区二区| 搡老岳熟女国产| 51国产日韩欧美| 99久久九九国产精品国产免费| 国产黄a三级三级三级人| 99久国产av精品| 午夜福利在线观看免费完整高清在 | 亚洲电影在线观看av| 成年女人永久免费观看视频| 99久国产av精品| 国产女主播在线喷水免费视频网站 | 老熟妇仑乱视频hdxx| av视频在线观看入口| 国产av麻豆久久久久久久| 国产高清激情床上av| 亚洲欧美中文字幕日韩二区| 又黄又爽又免费观看的视频| 国产国拍精品亚洲av在线观看| 欧美成人精品欧美一级黄| 国产高潮美女av| 99国产精品一区二区蜜桃av| a级一级毛片免费在线观看| 亚洲综合色惰| 成年女人毛片免费观看观看9| 国产精品综合久久久久久久免费| 欧美成人a在线观看| 国产免费男女视频| 成人特级av手机在线观看| 久久久久精品国产欧美久久久| av天堂在线播放| 久久久国产成人免费| 亚洲av五月六月丁香网| 在线观看美女被高潮喷水网站| 精品国内亚洲2022精品成人| 婷婷六月久久综合丁香| 最新在线观看一区二区三区| 国产高潮美女av| 亚洲欧美清纯卡通| 久久鲁丝午夜福利片| 淫秽高清视频在线观看| 99热这里只有是精品50| 久久99热这里只有精品18| 老司机午夜福利在线观看视频| 精品人妻偷拍中文字幕| 18禁裸乳无遮挡免费网站照片| 国产精品99久久久久久久久| 国产精品日韩av在线免费观看| 大又大粗又爽又黄少妇毛片口| 99热网站在线观看| 亚洲av不卡在线观看| 精品一区二区三区人妻视频| 天美传媒精品一区二区| 中文字幕久久专区| 国产蜜桃级精品一区二区三区| 久久草成人影院| 午夜影院日韩av| 精品无人区乱码1区二区| 欧美日韩一区二区视频在线观看视频在线 | 国产美女午夜福利| 成人特级黄色片久久久久久久| 欧美zozozo另类| 日本熟妇午夜| 激情 狠狠 欧美| 国产欧美日韩精品一区二区| 久久精品国产清高在天天线| 国产v大片淫在线免费观看| 99国产极品粉嫩在线观看| 麻豆成人午夜福利视频| 熟女电影av网| 夜夜爽天天搞| 亚洲最大成人中文| 黄色视频,在线免费观看| 免费观看精品视频网站| 男女做爰动态图高潮gif福利片| 午夜爱爱视频在线播放| 国产成人精品久久久久久| 性插视频无遮挡在线免费观看| 少妇熟女aⅴ在线视频| 美女xxoo啪啪120秒动态图| 精品国内亚洲2022精品成人| 我的女老师完整版在线观看| 亚洲av电影不卡..在线观看| 亚洲成人精品中文字幕电影| 三级毛片av免费| 男女啪啪激烈高潮av片| 一本一本综合久久| 国产v大片淫在线免费观看| 国产高清视频在线播放一区| 午夜免费激情av| 国产精品亚洲一级av第二区| 亚洲五月天丁香| 精品福利观看| av卡一久久| 少妇高潮的动态图| 国产精品久久久久久av不卡| 少妇熟女aⅴ在线视频| 综合色丁香网| 97超碰精品成人国产| 久久久精品94久久精品| 午夜视频国产福利| 精品久久国产蜜桃| 一级毛片aaaaaa免费看小| 男女边吃奶边做爰视频| 联通29元200g的流量卡| 国产欧美日韩精品亚洲av| 国产高清三级在线| 99热只有精品国产| 久久人妻av系列| 99热网站在线观看| 直男gayav资源| 久久这里只有精品中国| 亚洲人成网站在线播| 美女免费视频网站| 久久久国产成人精品二区| 亚洲美女黄片视频| 99热6这里只有精品| 中文字幕av成人在线电影| 国产黄色视频一区二区在线观看 | av卡一久久| 看十八女毛片水多多多| 丝袜美腿在线中文| 久久久久国产网址| 99国产精品一区二区蜜桃av| 免费看光身美女| 精品免费久久久久久久清纯| 国产成人freesex在线 | 别揉我奶头 嗯啊视频| 亚洲美女视频黄频| 色av中文字幕| 亚洲精品日韩av片在线观看| 色视频www国产| 亚洲成人精品中文字幕电影| 亚洲一区高清亚洲精品| 欧美日本亚洲视频在线播放| 少妇人妻精品综合一区二区 | 亚洲国产精品合色在线| 丝袜美腿在线中文| 看十八女毛片水多多多| 一个人观看的视频www高清免费观看| 大香蕉久久网| 国产成人a∨麻豆精品| 免费av不卡在线播放| 99riav亚洲国产免费| 成人特级黄色片久久久久久久| 插阴视频在线观看视频| 你懂的网址亚洲精品在线观看 | 美女大奶头视频| 91精品国产九色| 男女下面进入的视频免费午夜| 老司机福利观看| 九九久久精品国产亚洲av麻豆| 国产又黄又爽又无遮挡在线| 我的女老师完整版在线观看| 观看免费一级毛片| 亚洲18禁久久av| 国产探花在线观看一区二区| 国国产精品蜜臀av免费| 小蜜桃在线观看免费完整版高清| 国产一区二区激情短视频| 小蜜桃在线观看免费完整版高清| 露出奶头的视频| 亚洲性久久影院| 日本爱情动作片www.在线观看 | 女人十人毛片免费观看3o分钟| 大香蕉久久网| 午夜福利在线观看吧| 老女人水多毛片| 国产精品国产三级国产av玫瑰| 国产aⅴ精品一区二区三区波| 99热网站在线观看| 男女那种视频在线观看| 国产精品,欧美在线| 成人美女网站在线观看视频| 变态另类丝袜制服| 中文字幕av在线有码专区| 我要搜黄色片| 老熟妇乱子伦视频在线观看| 一边摸一边抽搐一进一小说| 亚洲电影在线观看av| 亚洲欧美日韩高清专用| 久久热精品热| 日本撒尿小便嘘嘘汇集6| 97人妻精品一区二区三区麻豆| 一卡2卡三卡四卡精品乱码亚洲| 日韩制服骚丝袜av| 国产成人a区在线观看| 麻豆国产97在线/欧美| 欧美激情国产日韩精品一区| 毛片一级片免费看久久久久| 国产亚洲精品久久久久久毛片| 最近在线观看免费完整版| 波多野结衣高清无吗| 最新在线观看一区二区三区| 一a级毛片在线观看| 中文字幕人妻熟人妻熟丝袜美| 亚洲国产欧洲综合997久久,| 免费一级毛片在线播放高清视频| 激情 狠狠 欧美| 婷婷亚洲欧美| 久久国内精品自在自线图片| 日韩欧美 国产精品| 午夜激情欧美在线| 国产 一区精品| 欧美国产日韩亚洲一区| 国产高清视频在线观看网站| 亚洲av中文字字幕乱码综合| 久久久精品欧美日韩精品| 欧美激情久久久久久爽电影| 插阴视频在线观看视频| 99久久久亚洲精品蜜臀av| aaaaa片日本免费| 国内揄拍国产精品人妻在线| 天堂网av新在线| 黄色视频,在线免费观看| 亚洲色图av天堂| 亚洲国产精品成人久久小说 | 无遮挡黄片免费观看| 国产91av在线免费观看| 免费电影在线观看免费观看| 国产在线男女| а√天堂www在线а√下载| 欧美日韩综合久久久久久| 久99久视频精品免费| 蜜臀久久99精品久久宅男| 老司机福利观看| 亚洲国产欧洲综合997久久,| 中文资源天堂在线| 少妇猛男粗大的猛烈进出视频 | 亚洲精华国产精华液的使用体验 | 日韩亚洲欧美综合| 国产午夜精品久久久久久一区二区三区 | 欧美极品一区二区三区四区|