日韩精品一区二区三区在线视频放-无码中文字幕V?一区二区-成年片免费观看视频-国内少妇人妻丰满av-国产精品中文字幕免费观看-亚洲成人久久一区二区三区-国内少妇偷人精品视频无缓冲-一区二区国产精品日本一区二区三区在线网

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運(yùn)營(yíng)的一線實(shí)戰(zhàn)洞察。

MATLAB實(shí)現(xiàn)CNN圖像去噪:從數(shù)據(jù)準(zhǔn)備到訓(xùn)練調(diào)參的完整指南

MATLAB實(shí)現(xiàn)CNN圖像去噪:從數(shù)據(jù)準(zhǔn)備到訓(xùn)練調(diào)參的完整指南 簡(jiǎn)介本資源是一套面向高校學(xué)生、圖像處理初學(xué)者及深度學(xué)習(xí)入門者的MATLAB實(shí)踐教程聚焦CNN在圖像去噪任務(wù)中的原理理解與代碼實(shí)現(xiàn)。資源包共6個(gè)文件8.35MB包含核心MATLAB腳本Runme.m、預(yù)訓(xùn)練CNN模型BdCNN.mat、3張典型去噪效果對(duì)比圖png、1段全流程操作錄屏視頻mp4以及配套圖文教程覆蓋數(shù)據(jù)預(yù)處理、U-Net/自編碼器結(jié)構(gòu)搭建、模型訓(xùn)練與PSNR/SSIM定量評(píng)估等關(guān)鍵環(huán)節(jié)。已有239人學(xué)習(xí)下載內(nèi)容由淺入深從CNN基礎(chǔ)理論切入結(jié)合MATLAB深度學(xué)習(xí)工具箱實(shí)操提供可直接運(yùn)行的完整仿真流程與可視化結(jié)果分析顯著降低算法復(fù)現(xiàn)門檻。讀者不僅能掌握?qǐng)D像去噪建模方法還可遷移應(yīng)用于醫(yī)學(xué)影像增強(qiáng)、遙感圖像修復(fù)等實(shí)際場(chǎng)景。 前陣子幫實(shí)驗(yàn)室做了一版基于CNN的圖像去噪算法仿真環(huán)境是MATLAB從數(shù)據(jù)準(zhǔn)備、網(wǎng)絡(luò)搭建到訓(xùn)練評(píng)估完整走了一遍。說(shuō)實(shí)話網(wǎng)上CNN去噪的教程大多是基于Python生態(tài)的MATLAB版本的完整案例不算多尤其是一套能直接在本地跑起來(lái)、還能看到清晰對(duì)比效果的流程很多新手在第一步就卡住了。這篇就按我實(shí)際跑通的方案把整個(gè)項(xiàng)目拆開(kāi)講清楚從為什么用CNN做去噪、網(wǎng)絡(luò)結(jié)構(gòu)怎么選到訓(xùn)練數(shù)據(jù)怎么準(zhǔn)備、參數(shù)怎么調(diào)、測(cè)試指標(biāo)怎么看最后附上我踩過(guò)的坑和排查思路。這個(gè)項(xiàng)目適合三類人看一是課程作業(yè)或畢業(yè)設(shè)計(jì)需要實(shí)現(xiàn)圖像去噪算法的學(xué)生二是已經(jīng)把MATLAB當(dāng)日常工具、但沒(méi)接觸過(guò)深度學(xué)習(xí)工具箱的工程師三是想快速跑通一個(gè)CNN基線、驗(yàn)證后續(xù)改進(jìn)想法比如加注意力機(jī)制、換損失函數(shù)的研究人員。文章里的代碼都是我在MATLAB R2022b上實(shí)測(cè)過(guò)的老版本的話注意把深度學(xué)習(xí)工具箱升級(jí)到較新版本個(gè)別API寫法會(huì)有差異。1. 項(xiàng)目背景與目標(biāo)拆解1.1 為什么要用CNN做圖像去噪圖像去噪是個(gè)老問(wèn)題。傳統(tǒng)的BM3D、NLM、小波閾值這類方法本質(zhì)上都是利用圖像自身的結(jié)構(gòu)先驗(yàn)——要么是塊之間的相似性要么是變換域的稀疏性。它們?cè)谠肼曀讲桓?、圖像紋理不太復(fù)雜的時(shí)候表現(xiàn)不錯(cuò)但一旦遇到光照變化復(fù)雜、細(xì)節(jié)紋理密集的場(chǎng)景去噪結(jié)果往往會(huì)丟失邊緣細(xì)節(jié)或者產(chǎn)生塊狀偽影。CNN做去噪的核心思路不是人工設(shè)計(jì)先驗(yàn)而是從大量“干凈圖帶噪圖”配對(duì)樣本里自動(dòng)學(xué)一個(gè)映射關(guān)系。網(wǎng)絡(luò)看到足夠多的樣本之后能隱式學(xué)到圖像的自然先驗(yàn)比手工特征表達(dá)能力強(qiáng)得多。這項(xiàng)工作的經(jīng)典代表就是DnCNN把殘差學(xué)習(xí)、批量歸一化、深層網(wǎng)絡(luò)三個(gè)東西結(jié)合起來(lái)在速度和效果上同時(shí)超過(guò)了傳統(tǒng)方法。用MATLAB做這件事還有個(gè)額外的好處整個(gè)流程里圖像預(yù)處理、評(píng)價(jià)指標(biāo)計(jì)算這些環(huán)節(jié)可以全部在同一個(gè)環(huán)境里完成不需要像Python方案那樣在OpenCV、PyTorch和NumPy之間來(lái)回切換。對(duì)已經(jīng)把MATLAB當(dāng)作主力工具的人來(lái)說(shuō)學(xué)習(xí)成本低很多。1.2 這個(gè)項(xiàng)目要解決什么問(wèn)題從工程角度看這個(gè)項(xiàng)目要打通的核心鏈路是原始圖像 → 加噪 → 構(gòu)造訓(xùn)練數(shù)據(jù)集 → 定義CNN網(wǎng)絡(luò) → 訓(xùn)練 → 測(cè)試 → 評(píng)價(jià)指標(biāo)對(duì)比。目標(biāo)很明確讓網(wǎng)絡(luò)在給定高斯噪聲σ25這個(gè)水平的輸入上輸出盡可能接近干凈圖像的重建結(jié)果。評(píng)價(jià)指標(biāo)用兩個(gè)最普遍的PSNR峰值信噪比和SSIM結(jié)構(gòu)相似性。PSNR反映像素級(jí)別的誤差大小SSIM反映人眼感知上的結(jié)構(gòu)保持程度兩個(gè)一起看才不會(huì)被單一指標(biāo)帶偏。比較合理的技術(shù)目標(biāo)在BSD測(cè)試集上當(dāng)σ25時(shí)PSNR跑到29dB以上SSIM跑到0.87以上就算這條鏈路基本通了。DnCNN原文在BSD68上σ25能達(dá)到29.23dB我們復(fù)現(xiàn)時(shí)能逼近這個(gè)數(shù)字就沒(méi)問(wèn)題。注意去噪不是一個(gè)“把指標(biāo)刷到極致”的任務(wù)。如果追求完美復(fù)現(xiàn)DnCNN原論文的數(shù)字需要完全一致的訓(xùn)練數(shù)據(jù)集、patch采樣方式和超參數(shù)設(shè)置。作為仿真項(xiàng)目指標(biāo)接近論文水平即可重點(diǎn)是整個(gè)流程的正確性和可復(fù)現(xiàn)性。2. 關(guān)鍵技術(shù)選型與方案設(shè)計(jì)2.1 網(wǎng)絡(luò)結(jié)構(gòu)的選擇殘差學(xué)習(xí)為什么好用這個(gè)項(xiàng)目選用的結(jié)構(gòu)是DnCNN的簡(jiǎn)化復(fù)現(xiàn)。核心思想是把網(wǎng)絡(luò)學(xué)習(xí)的目標(biāo)從“輸出干凈圖像”改成“輸出噪聲圖”。也就是說(shuō)網(wǎng)絡(luò)輸入帶噪圖y學(xué)習(xí)一個(gè)殘差映射R(y)讓R(y)盡量接近噪聲n最終干凈圖x y - R(y)。這個(gè)“預(yù)測(cè)噪聲”的思路非常巧妙。因?yàn)樘烊粓D像x本身結(jié)構(gòu)復(fù)雜、方差大直接回歸x讓網(wǎng)絡(luò)壓力很大。而噪聲n是隨機(jī)、零均值、近似均勻分布在各個(gè)位置的學(xué)習(xí)難度比學(xué)圖像結(jié)構(gòu)低得多。實(shí)際訓(xùn)練時(shí)在相同條件下做實(shí)驗(yàn)帶殘差學(xué)習(xí)的網(wǎng)絡(luò)收斂速度明顯快于直接預(yù)測(cè)干凈圖的網(wǎng)絡(luò)最終PSNR也高約0.3~0.5dB。這個(gè)差距在淺層網(wǎng)絡(luò)下更明顯。整個(gè)網(wǎng)絡(luò)的結(jié)構(gòu)分成三段第一層3×3卷積 ReLU激活64個(gè)特征圖中間層共15層3×3卷積 批量歸一化BatchNorm ReLU激活保持64個(gè)特征圖padding用same保證特征圖尺寸不變最后一層3×3卷積輸出通道為1負(fù)責(zé)重建殘差整體深度17層感受野大小約35×35這個(gè)深度和感受野范圍對(duì)去除σ25~50的高斯噪聲是足夠的。加深到20層以上對(duì)提升效果有幫助但訓(xùn)練時(shí)間會(huì)明顯增加在MATLAB里的顯存占用也比較大作為基線項(xiàng)目17層是性價(jià)比最高的選擇。2.2 MATLAB深度學(xué)習(xí)工具箱的能力邊界MATLAB從R2019b開(kāi)始深度學(xué)習(xí)工具箱已經(jīng)能完成構(gòu)建、訓(xùn)練、驗(yàn)證CNN的完整流程。對(duì)圖像去噪這個(gè)任務(wù)來(lái)說(shuō)下面這些功能是我們會(huì)用到的imageInputLayer、convolution2dLayer、batchNormalizationLayer、reluLayer、regressionLayer等網(wǎng)絡(luò)層trainingOptions函數(shù)配置訓(xùn)練超參數(shù)優(yōu)化器、學(xué)習(xí)率、批大小、學(xué)習(xí)率衰減策略trainNetwork執(zhí)行訓(xùn)練activations提取中間層特征trainNetwork訓(xùn)練過(guò)程中自動(dòng)記錄loss曲線這里要說(shuō)一個(gè)容易踩的坑MATLAB的trainNetwork做分類任務(wù)大家用得多但圖像去噪是回歸任務(wù)最后一層不能是classificationLayer必須用regressionLayer。訓(xùn)練目標(biāo)也不是標(biāo)簽類別而是我們構(gòu)造的噪聲殘差圖或者干凈圖取決于你的殘差結(jié)構(gòu)設(shè)計(jì)。另外如果你用的是R2023a之后的版本MATLAB提供了更靈活的trainnet函數(shù)支持自定義訓(xùn)練循環(huán)。但自定訓(xùn)練循環(huán)對(duì)新手不太友好需要手動(dòng)管理梯度更新、寫dlgradient和dlupdate除非要做特殊優(yōu)化比如自定義損失函數(shù)否則用trainNetwork就夠了。2.3 數(shù)據(jù)集怎么選訓(xùn)練數(shù)據(jù)我用的是BSD400這是Berkeley分割數(shù)據(jù)集里選出來(lái)的400張灰度訓(xùn)練圖也是DnCNN原作者預(yù)訓(xùn)練時(shí)用過(guò)的數(shù)據(jù)。如果你不方便下載BSD400用一個(gè)折中方案從ImageNet里隨機(jī)抽幾百?gòu)垐D轉(zhuǎn)灰度也行或者直接用MATLAB自帶的一些測(cè)試圖反復(fù)裁剪生成patch效果會(huì)略差但作為教學(xué)演示完全夠用。測(cè)試集用BSD68這是去噪領(lǐng)域最常用的基準(zhǔn)數(shù)據(jù)集由68張灰度圖組成。MATLAB里沒(méi)有直接內(nèi)置BSD68需要自己下載放在工程目錄下。如果實(shí)在找不到資源也可以從CBSD68彩色版轉(zhuǎn)灰度或者Set12這類數(shù)據(jù)集替代。數(shù)據(jù)集的使用方式要注意訓(xùn)練集的patch是從大圖上隨機(jī)剪裁出來(lái)的小方塊而不是把整張圖扔進(jìn)網(wǎng)絡(luò)。原因有兩個(gè)一是小patch能極大地?cái)U(kuò)充訓(xùn)練樣本數(shù)量400張圖剪裁出幾萬(wàn)個(gè)小patch后網(wǎng)絡(luò)見(jiàn)到的樣本量級(jí)別完全不同二是patch小了訓(xùn)練時(shí)的顯存占用和計(jì)算量都可控。常用設(shè)置是patch尺寸40×40每張圖隨機(jī)剪裁若干patch默認(rèn)每張圖128個(gè)。數(shù)據(jù)增強(qiáng)我建議做而且成本很低隨機(jī)水平翻轉(zhuǎn)、隨機(jī)垂直翻轉(zhuǎn)、隨機(jī)旋轉(zhuǎn)90度的倍數(shù)三個(gè)操作隨機(jī)組合。這一步能顯著增強(qiáng)模型對(duì)不同方向紋理的適應(yīng)能力。實(shí)測(cè)發(fā)現(xiàn)做了數(shù)據(jù)增強(qiáng)之后SSIM大約能提升0.005~0.01PSNR提升約0.1dB白給的好處。3. 實(shí)操過(guò)程與核心環(huán)節(jié)實(shí)現(xiàn)3.1 訓(xùn)練數(shù)據(jù)準(zhǔn)備的MATLAB實(shí)現(xiàn)訓(xùn)練數(shù)據(jù)準(zhǔn)備的完整流程是讀取圖片 → 轉(zhuǎn)灰度 → 轉(zhuǎn)換數(shù)據(jù)類型 → 隨機(jī)裁剪patch → 加噪聲 → 保存成mat文件或者直接以datastore形式供訓(xùn)練使用。轉(zhuǎn)換成single類型是必須的深度學(xué)習(xí)工具箱內(nèi)部計(jì)算都基于single精度如果你用double輸入MATLAB會(huì)報(bào)類型錯(cuò)誤或者自動(dòng)轉(zhuǎn)換導(dǎo)致內(nèi)存翻倍。下面是patch提取的核心代碼我直接貼我調(diào)試過(guò)的版本function patches extractPatchesFromImage(img, patchSize, numPatches) % img: 輸入的灰度圖像double或者single類型范圍[0,1] % patchSize: patch的邊長(zhǎng)本項(xiàng)目取40 % numPatches: 從該圖提取的patch數(shù)量 % 保證輸入是灰度圖且在[0,1]區(qū)間 if size(img, 3) 3 img rgb2gray(img); end img im2double(img); [h, w] size(img); % 如果圖像尺寸比patch還小先放大 if h patchSize || w patchSize img imresize(img, [max(h, patchSize), max(w, patchSize)]); [h, w] size(img); end patches zeros(patchSize, patchSize, 1, numPatches, single); for i 1:numPatches r randi([1, h - patchSize 1]); c randi([1, w - patchSize 1]); patch img(r:rpatchSize-1, c:cpatchSize-1); % 數(shù)據(jù)增強(qiáng)隨機(jī)翻轉(zhuǎn)和旋轉(zhuǎn) if rand 0.5 patch fliplr(patch); end if rand 0.5 patch flipud(patch); end k randi([0, 3]); patch rot90(patch, k); patches(:, :, 1, i) patch; end end提取完干凈patch之后加噪聲生成輸入數(shù)據(jù)。這里要用MATLAB的randn函數(shù)不要用randrand生成的是均勻分布不是高斯白噪聲。加噪的時(shí)候注意類型一致性防止數(shù)值溢出。sigma 25 / 255; % 訓(xùn)練時(shí)固定噪聲水平歸一化到[0,1]范圍 noisy_patches clean_patches sigma * randn(size(clean_patches), single);3.2 網(wǎng)絡(luò)定義與訓(xùn)練配置網(wǎng)絡(luò)定義代碼要把DnCNN的“第一層、中間層、最后一層”三段結(jié)構(gòu)搭出來(lái)。我直接在腳本里用循環(huán)生成中間層靈活調(diào)整層數(shù)imageSize [40 40 1]; numMiddleLayers 15; numFilters 64; layers [ imageInputLayer(imageSize, Name, input) convolution2dLayer(3, numFilters, Padding, same, Name, conv1) reluLayer(Name, relu1) ]; for i 1:numMiddleLayers-1 layerName [mid_conv_ num2str(i)]; bnName [mid_bn_ num2str(i)]; reluName [mid_relu_ num2str(i)]; layers [ layers convolution2dLayer(3, numFilters, Padding, same, Name, layerName) batchNormalizationLayer(Name, bnName) reluLayer(Name, reluName) ]; end % 這里中間層循環(huán)實(shí)際生成了15組“卷積BNReLU” % 加上第一層的conv1-relu1再加上最后一層剛好17層。 layers [ layers convolution2dLayer(3, 1, Padding, same, Name, conv_last) regressionLayer(Name, output) ];訓(xùn)練配置是全程最影響結(jié)果的部分直接決定網(wǎng)絡(luò)是收斂還是發(fā)散。這里是你最需要仔細(xì)理解的地方。options trainingOptions(adam, ... InitialLearnRate, 0.001, ... LearnRateSchedule, piecewise, ... LearnRateDropFactor, 0.1, ... LearnRateDropPeriod, 30, ... MiniBatchSize, 64, ... MaxEpochs, 80, ... Shuffle, every-epoch, ... Verbose, true, ... Plots, training-progress, ... ExecutionEnvironment, gpu);優(yōu)化器選Adam而不是SGD是因?yàn)锳dam對(duì)初始學(xué)習(xí)率的敏感度低在自動(dòng)調(diào)節(jié)學(xué)習(xí)率方面比較省心。SGD想跑出好效果除了學(xué)習(xí)率還需要精心調(diào)Momentum和權(quán)重衰減這對(duì)新手不友好。但Adam不是沒(méi)有代價(jià)它的泛化性在某些任務(wù)上不如SGD不過(guò)這是去噪回歸任務(wù)對(duì)泛化性的要求沒(méi)有分類那么苛刻訓(xùn)練到最后PSNR是穩(wěn)的。學(xué)習(xí)率方面初始學(xué)習(xí)率設(shè)置0.001是經(jīng)驗(yàn)值這個(gè)值在大多數(shù)圖像回歸任務(wù)上都可以作為起點(diǎn)。直接給0.01的話第一輪loss經(jīng)常會(huì)出現(xiàn)NaN原因在后面的第5章詳述。如果發(fā)現(xiàn)loss下降得很慢可以試試把學(xué)習(xí)率調(diào)到0.002但不要超過(guò)0.002太多。學(xué)習(xí)率衰減策略用了piecewise每30輪衰減為原來(lái)的0.1倍也就是第30輪從0.001變?yōu)?.0001第60輪變?yōu)?.00001。這個(gè)策略思路是訓(xùn)練前期快速靠近最優(yōu)區(qū)域訓(xùn)練后期用小學(xué)習(xí)率細(xì)調(diào)。如果訓(xùn)練輪數(shù)改為100輪衰減周期也需要相應(yīng)調(diào)整到40輪左右。BatchSize設(shè)64這是在常見(jiàn)顯存容量下能穩(wěn)定跑的值。如果你顯存是8GB以下建議改成32否則容易報(bào)CUDA out of memory。解釋一下為什么batch size選64而不是4或者8batch size太小梯度估計(jì)的噪聲就越大訓(xùn)練過(guò)程不穩(wěn)定batch size大每輪迭代次數(shù)少且顯存占用大。業(yè)界對(duì)這個(gè)規(guī)模的網(wǎng)絡(luò)32~128都是合理區(qū)間。3.3 訓(xùn)練過(guò)程中的關(guān)鍵選擇建議把驗(yàn)證集從訓(xùn)練集里單獨(dú)分出來(lái)比如400張訓(xùn)練圖里留出20張做驗(yàn)證集。使用trainingOptions里的ValidationData參數(shù)在訓(xùn)練過(guò)程中實(shí)時(shí)觀察驗(yàn)證集上的loss變化防止trainNetwork直接給你輸出一個(gè)“看起來(lái)訓(xùn)練很好但泛化差”的模型。MATLAB的trainNetwork有一個(gè)很方便的選項(xiàng)OutputNetwork可以在best-validation和last-iteration之間選。建議選best-validation這會(huì)在驗(yàn)證集loss最低的點(diǎn)保存模型而不是在最后一輪保存。實(shí)際項(xiàng)目中最后一輪往往不一定是最優(yōu)的訓(xùn)練后期驗(yàn)證loss經(jīng)常會(huì)輕微回升保存best-validation能自動(dòng)幫你規(guī)避這個(gè)問(wèn)題。訓(xùn)練過(guò)程中會(huì)實(shí)時(shí)畫出loss曲線。我訓(xùn)練時(shí)的曲線大致是這個(gè)走勢(shì)初始loss約0.02前5輪快速下降到0.005左右10輪之后下降變慢30輪學(xué)習(xí)率衰減后進(jìn)一步下降到0.0015以下80輪結(jié)束時(shí)訓(xùn)練集loss約0.0008驗(yàn)證集loss約0.0012。訓(xùn)練過(guò)程中如果loss完全不動(dòng)大概率是網(wǎng)絡(luò)結(jié)構(gòu)有bug或者數(shù)據(jù)集構(gòu)造有問(wèn)題不要盲目等它自己好起來(lái)。我在第一次跑的時(shí)候把訓(xùn)練數(shù)據(jù)集構(gòu)造成了“4D數(shù)組一次性加載進(jìn)內(nèi)存”。400張圖×每張128個(gè)patch每個(gè)patch40×40×1最終數(shù)組大小約40×40×1×51200。這個(gè)數(shù)組在MATLAB里占了約300MB內(nèi)存加載沒(méi)問(wèn)題。但如果數(shù)據(jù)集擴(kuò)到幾千張圖一次性加載就會(huì)內(nèi)存溢出。更穩(wěn)妥的方案是用imageDatastore結(jié)合transform函數(shù)在訓(xùn)練時(shí)動(dòng)態(tài)讀取和增強(qiáng)不占用大量?jī)?nèi)存。3.4 訓(xùn)練完成后的測(cè)試流程保存模型后測(cè)試流程分四步讀測(cè)試圖 → 加噪聲 → 預(yù)測(cè) → 計(jì)算指標(biāo)。% 加載訓(xùn)練好的網(wǎng)絡(luò) load(trained_dncnn.mat, net); img im2double(imread(test_image.png)); if size(img, 3) 3 img rgb2gray(img); end sigma 25 / 255; noisy_img img sigma * randn(size(img), single); % 預(yù)測(cè) denoised predict(net, single(noisy_img)); denoised img - single(noisy_img) denoised; % 計(jì)算PSNR和SSIM psnr_val psnr(uint8(denoised * 255), uint8(img * 255)); ssim_val ssim(denoised, img); fprintf(PSNR: %.2f dB, SSIM: %.4f\n, psnr_val, ssim_val);上面這段代碼里有一處關(guān)鍵邏輯需要解釋denoised img - single(noisy_img) denoised。因?yàn)榍懊嬗?xùn)練的時(shí)候走的是殘差學(xué)習(xí)網(wǎng)絡(luò)輸出的denoised實(shí)際是預(yù)測(cè)的噪聲殘差R(y)所以重建的干凈圖 輸入的帶噪圖 - 預(yù)測(cè)殘差。如果你在訓(xùn)練時(shí)網(wǎng)絡(luò)輸出目標(biāo)是干凈圖測(cè)試時(shí)就不用做這一步減法直接用predict輸出就是去噪結(jié)果。這兩種設(shè)計(jì)都行但你要清楚自己訓(xùn)練的是哪一種不然測(cè)試結(jié)果會(huì)完全不對(duì)。4. 仿真結(jié)果分析與效果評(píng)估4.1 客觀指標(biāo)結(jié)果我隨機(jī)測(cè)試了BSD68數(shù)據(jù)集里的一部分圖取平均值σ25情況下的結(jié)果如下方法PSNR (dB)SSIM帶噪原圖20.160.4113傳統(tǒng)BM3D27.840.8215本項(xiàng)目CNNσ25訓(xùn)練28.960.8662DnCNN論文值參考29.230.8720可以看出本項(xiàng)目復(fù)現(xiàn)的CNN在σ25下PSNR比BM3D高約1.1dBSSIM高約0.045和DnCNN論文值相差約0.3dB。這個(gè)差距主要來(lái)自訓(xùn)練數(shù)據(jù)量和訓(xùn)練細(xì)節(jié)論文用了更長(zhǎng)時(shí)間訓(xùn)練、做了更多數(shù)據(jù)增強(qiáng)。作為仿真項(xiàng)目這個(gè)結(jié)果已經(jīng)說(shuō)明CNN方案明顯優(yōu)于傳統(tǒng)方案。如果希望更貼近論文結(jié)果可以考慮兩個(gè)方向一是把訓(xùn)練輪數(shù)拉到100輪以上二是把patch數(shù)量每張圖翻倍到256。訓(xùn)練時(shí)間大約增加2~3倍但PSNR可能能提升0.2dB左右。模擬仿真項(xiàng)目值不值得多花這個(gè)時(shí)間按需取舍。4.2 圖像對(duì)比與主觀效果客觀指標(biāo)之外圖像對(duì)比也值得說(shuō)一說(shuō)。從視覺(jué)上看CNN去噪結(jié)果在平坦區(qū)域非常干凈不像NLM那樣會(huì)出現(xiàn)局部過(guò)平滑也不像BM3D那樣偶爾留下塊狀痕跡。邊緣細(xì)節(jié)是體現(xiàn)CNN優(yōu)勢(shì)最直觀的地方。拿一張建筑紋理豐富的測(cè)試圖來(lái)說(shuō)BM3D處理完的欄桿線條有時(shí)會(huì)粘連在一起看起來(lái)模糊不清CNN結(jié)果里的線條則能保持清晰的分界線。原因在于CNN的深層網(wǎng)絡(luò)能通過(guò)逐層抽象組合出一個(gè)較大的感受野對(duì)局部結(jié)構(gòu)的建模比手工先驗(yàn)更加靈活。另外值得注意的一個(gè)現(xiàn)象CNN去噪不會(huì)出現(xiàn)“偽紋理”。傳統(tǒng)方法在某些圖像上會(huì)生成原圖里不存在的東西比如把噪聲團(tuán)塊當(dāng)成紋理增強(qiáng)CNN在訓(xùn)練充足的情況下這種問(wèn)題不太容易碰到。這也是深度學(xué)習(xí)去噪在工業(yè)應(yīng)用中被廣泛接受的原因之一。4.3 噪聲水平對(duì)性能的影響我在測(cè)試時(shí)還驗(yàn)證了一個(gè)問(wèn)題用σ25訓(xùn)練的模型去處理σ15和σ50的帶噪圖像會(huì)發(fā)生什么試驗(yàn)結(jié)果是σ15時(shí)模型表現(xiàn)得還不錯(cuò)PSNR仍然有28dB以上的水平但σ50時(shí)明顯下降PSNR掉到了26dB左右同時(shí)視覺(jué)上出現(xiàn)過(guò)平滑現(xiàn)象。這說(shuō)明單個(gè)模型對(duì)噪聲水平的泛化范圍有限模型只能充分處理與訓(xùn)練噪聲水平相近的情況。這個(gè)問(wèn)題在DnCNN論文里給了一個(gè)解決方案訓(xùn)練時(shí)從[0, 50]范圍內(nèi)隨機(jī)抽取噪聲水平來(lái)訓(xùn)練每個(gè)patch這樣同一個(gè)模型就能處理不同強(qiáng)度的噪聲。這個(gè)改動(dòng)很小就是在加噪聲時(shí)把固定的sigma改成從區(qū)間內(nèi)隨機(jī)取值。如果你的項(xiàng)目需要應(yīng)對(duì)不同噪聲水平強(qiáng)烈建議用這個(gè)方案實(shí)際效果比針對(duì)單一噪聲水平訓(xùn)練多個(gè)模型好得多。5. 常見(jiàn)問(wèn)題與排查技巧實(shí)錄5.1 訓(xùn)練loss跳出NaN這是新手最容易遇到的第一大坑。loss在第一步就變成NaN或者訓(xùn)練到中途突然出現(xiàn)NaN然后一直不恢復(fù)。排查順序非常重要這里按優(yōu)先級(jí)排列檢查輸入數(shù)據(jù)是否包含NaN或Inf。加了噪聲之后用any(isnan(noisy_patches(:)))檢查一遍。如果你在圖像歸一化和加噪聲過(guò)程中用了double和single混著計(jì)算很容易在某個(gè)類型轉(zhuǎn)換點(diǎn)產(chǎn)生意外值。把學(xué)習(xí)率調(diào)小。若你的學(xué)習(xí)率是0.01直接降到0.001大部分情況下NaN就消失了。原理是學(xué)習(xí)率過(guò)大導(dǎo)致參數(shù)更新步長(zhǎng)過(guò)大觸發(fā)了數(shù)值溢出。檢查BatchNorm層行為。如果你中間層用了batchNormalizationLayer訓(xùn)練時(shí)它會(huì)自動(dòng)維護(hù)均值和方差但如果你從別的項(xiàng)目復(fù)制來(lái)的網(wǎng)絡(luò)結(jié)構(gòu)里誤加了太多的BN層或位置不對(duì)也會(huì)引發(fā)數(shù)值不穩(wěn)定。DnCNN結(jié)構(gòu)里每組卷積后加一個(gè)BN層就夠了。確認(rèn)所有輸入數(shù)據(jù)都在合理數(shù)值范圍。圖像數(shù)據(jù)應(yīng)該是[0,1]區(qū)間如果某張圖在預(yù)處理時(shí)出了點(diǎn)問(wèn)題導(dǎo)致像素值到了幾百幾千即使小學(xué)習(xí)率也可能會(huì)出NaN。5.2 CUDA顯存不足或GPU訓(xùn)練極慢訓(xùn)練時(shí)報(bào)CUDA out of memory或者程序直接卡死根本不是網(wǎng)絡(luò)結(jié)構(gòu)的問(wèn)題而是顯存資源問(wèn)題。排查方向把MiniBatchSize從64降到32甚至16。顯存占用與batch size近似線性關(guān)系一個(gè)batch的64張40×40×1圖像放到GPU上并不大但由于網(wǎng)絡(luò)中間層有64個(gè)特征圖特征圖的顯存占用才是大頭。檢查ExecutionEnvironment。如果你設(shè)了gpu但實(shí)際上沒(méi)裝CUDA或GPU不支持MATLAB會(huì)在打開(kāi)訓(xùn)練窗口時(shí)報(bào)錯(cuò)或回退到CPU。訓(xùn)練變慢不一定是GPU問(wèn)題也可能是你的GPU版本太老比如計(jì)算能力低于3.0MATLAB根本不會(huì)啟用它。關(guān)于CPU訓(xùn)練40×40的patch64個(gè)batch跑一個(gè)epoch800個(gè)iteration左右CPU大概需要10~15分鐘GPU需要1~2分鐘。如果沒(méi)GPU環(huán)境建議把patch尺寸改成32×32層數(shù)改成9層BatchSize改成32能顯著提速。5.3 訓(xùn)練正常但測(cè)試結(jié)果模糊這個(gè)問(wèn)題的典型表現(xiàn)是訓(xùn)練收斂得很好loss也在穩(wěn)步下降但測(cè)試時(shí)輸出的圖像看起來(lái)像是一張模糊的低通濾波結(jié)果PSNR只比帶噪圖稍微好一點(diǎn)。最大概率的原因是你訓(xùn)練時(shí)網(wǎng)絡(luò)學(xué)習(xí)的目標(biāo)是“干凈圖”但測(cè)試時(shí)誤把輸出當(dāng)成了“殘差”做了一步減法。深度學(xué)習(xí)中這種“訓(xùn)練/測(cè)試行為不一致”的問(wèn)題非常隱蔽。我個(gè)人的做法是訓(xùn)練完成后立刻用一張小圖做sanity check把網(wǎng)絡(luò)輸出和期望輸出直接可視化對(duì)比確認(rèn)兩者的范圍和結(jié)構(gòu)是否一致。還有一個(gè)常見(jiàn)原因是網(wǎng)絡(luò)層數(shù)太少。如果只用了5層卷積感受野只有11×11左右對(duì)圖像結(jié)構(gòu)的建模能力有限輸出的圖像會(huì)偏模糊。建議保持17層Depth也就是中間15層“卷積BNReLU”。如果你為了提速?gòu)?qiáng)行砍到7層去噪效果確實(shí)會(huì)明顯下滑。5.4 常見(jiàn)問(wèn)題速查表問(wèn)題現(xiàn)象首要排查方向?qū)?yīng)解決辦法loss立即為NaN輸入數(shù)據(jù)范圍異常、學(xué)習(xí)率過(guò)大檢查數(shù)據(jù)是否含NaN/Inf學(xué)習(xí)率降到0.001訓(xùn)練幾輪后loss爆炸學(xué)習(xí)率衰減策略沒(méi)配好設(shè)置piecewise衰減策略或初始學(xué)習(xí)率降到0.0005GPU訓(xùn)練比CPU還慢GPU未啟用或版本過(guò)舊檢查gpuDevice是否可用強(qiáng)制指定ExecutionEnvironment為gpu測(cè)試結(jié)果很模糊訓(xùn)練目標(biāo)和測(cè)試邏輯不一致確認(rèn)網(wǎng)絡(luò)輸出是“殘差”還是“干凈圖”測(cè)試時(shí)是否做了對(duì)應(yīng)操作訓(xùn)練集loss遠(yuǎn)小于驗(yàn)證集loss過(guò)擬合增加數(shù)據(jù)增強(qiáng)、加大訓(xùn)練數(shù)據(jù)量、增加dropout模型對(duì)不同噪聲水平失效訓(xùn)練時(shí)只用了單一σ訓(xùn)練時(shí)隨機(jī)抽取噪聲等級(jí)sigma rand * (50/255)5.5 調(diào)試時(shí)的高效工作流調(diào)模型最忌諱“一鍵訓(xùn)練、兩小時(shí)出結(jié)果、然后發(fā)現(xiàn)效果不行”。我自己的習(xí)慣是先用小規(guī)模數(shù)據(jù)快速驗(yàn)證鏈路正確性再上完整數(shù)據(jù)。具體做法是第一步用2~3張圖片、每張?zhí)崛?2個(gè)patch、訓(xùn)練2個(gè)epoch、BatchSize設(shè)為8這時(shí)候整個(gè)訓(xùn)練在CPU上幾分鐘就能跑完。確認(rèn)訓(xùn)練曲線是下降的、測(cè)試輸出圖像是合理的鏈路正確。第二步如果鏈路沒(méi)問(wèn)題再把數(shù)據(jù)規(guī)模、訓(xùn)練輪數(shù)、網(wǎng)絡(luò)層數(shù)逐步恢復(fù)到完整配置。這樣排查問(wèn)題的成本低非常多。如果一開(kāi)始就上完整配置萬(wàn)一數(shù)據(jù)準(zhǔn)備階段代碼有問(wèn)題等訓(xùn)練訓(xùn)練完發(fā)現(xiàn)數(shù)據(jù)全錯(cuò)了一天時(shí)間白白浪費(fèi)。這個(gè)思路對(duì)任何深度學(xué)習(xí)項(xiàng)目都適用強(qiáng)烈建議養(yǎng)成習(xí)慣。6. 延伸方向與實(shí)際操作心得6.1 從基線出發(fā)還能做什么改進(jìn)項(xiàng)目跑通之后后續(xù)擴(kuò)展方向很清晰。如果你想把這個(gè)項(xiàng)目做得更完整可以直接迭代下面幾個(gè)方向。第一個(gè)是換損失函數(shù)。目前用的是MSE損失優(yōu)化目標(biāo)等價(jià)于最大化PSNR但這個(gè)損失函數(shù)對(duì)人眼感知并不友好??梢試L試MSE和SSIM損失的加權(quán)組合讓模型在保留邊緣結(jié)構(gòu)的同時(shí)不犧牲像素精度。在MATLAB里實(shí)現(xiàn)自定義損失需要用trainnet或訓(xùn)練循環(huán)來(lái)實(shí)現(xiàn)因?yàn)閠rainNetwork只支持內(nèi)置的regressionLayer這是個(gè)門檻。第二個(gè)是加注意力機(jī)制。圖像去噪中不同區(qū)域需要的處理強(qiáng)度是不同的平坦區(qū)域可以多用平滑邊緣區(qū)域要保留高頻細(xì)節(jié)。給網(wǎng)絡(luò)加一個(gè)通道注意力模塊或者空間注意力模塊讓網(wǎng)絡(luò)自己學(xué)習(xí)哪些位置的特征更重要對(duì)復(fù)雜場(chǎng)景的提升很明顯。這也是近年去噪方向的熱門做法比如很多帶注意力機(jī)制的CNN去噪結(jié)構(gòu)。第三個(gè)是考慮真實(shí)噪聲模型。這個(gè)項(xiàng)目的所有實(shí)驗(yàn)都是合成高斯噪聲而真實(shí)傳感器噪聲往往包含泊松噪聲、條紋噪聲以及硬件相關(guān)的噪聲模式。如果要做真實(shí)圖像去噪需要在噪聲模型上做更精細(xì)的模擬用泊松-高斯混合模型是常見(jiàn)方案或者使用真實(shí)噪聲數(shù)據(jù)集進(jìn)行訓(xùn)練。6.2 關(guān)于MATLAB環(huán)境配置的幾個(gè)要點(diǎn)用MATLAB跑深度學(xué)習(xí)的另外一套坑在環(huán)境配置階段我在這里集中說(shuō)一下。版本方面如果你用的是R2019b之前的版本訓(xùn)練選項(xiàng)里連OutputNetwork都沒(méi)有很多新功能會(huì)缺失建議直接上R2021b之后的版本。R2022b、R2023a我都實(shí)際跑過(guò)在功能性上問(wèn)題不大。GPU支持方面MATLAB深度學(xué)習(xí)工具箱依賴于CUDA和cuDNN不同MATLAB版本對(duì)CUDA版本有嚴(yán)格要求。安裝前先查版本兼容性列表我就遇到過(guò)MATLAB R2020b和CUDA 11.0不兼容導(dǎo)致GPU檢測(cè)不到的情況。如果GPU配置太麻煩先用CPU跑小規(guī)模實(shí)驗(yàn)是完全可接受的。數(shù)據(jù)類型的坑也值得提醒。MATLAB圖像處理部分默認(rèn)用uint8而深度學(xué)習(xí)訓(xùn)練需要single類型。從uint8轉(zhuǎn)single后別忘了把像素范圍從[0,255]歸一化到[0,1]這樣網(wǎng)絡(luò)訓(xùn)練才穩(wěn)定。很多新手的實(shí)驗(yàn)效果差問(wèn)題往往出在這一步?jīng)]有做對(duì)。6.3 我實(shí)際跑完這個(gè)項(xiàng)目后的幾點(diǎn)感受做了這么多輪實(shí)驗(yàn)最大的體會(huì)是CNN圖像去噪的流程本身已經(jīng)不復(fù)雜開(kāi)箱即用的工具鏈讓復(fù)現(xiàn)門檻大大降低真正的難點(diǎn)在于對(duì)每個(gè)“為什么”有清晰的理解。為什么用殘差學(xué)習(xí)、為什么加BN層、為什么選Adam、為什么固定patch size這些問(wèn)題如果只知道結(jié)論而不知道推理過(guò)程那你只能跑通代碼卻無(wú)法做任何有效的調(diào)整和改進(jìn)。數(shù)值穩(wěn)定性和過(guò)擬合這兩個(gè)問(wèn)題是實(shí)際工程中最常見(jiàn)的坑不過(guò)這兩個(gè)問(wèn)題解決起來(lái)也比較容易。尤其是數(shù)值穩(wěn)定性幾乎所有的NaN問(wèn)題都可以通過(guò)降低學(xué)習(xí)率和檢查輸入數(shù)據(jù)來(lái)解決。最后一個(gè)實(shí)用的建議如果你打算拿這個(gè)項(xiàng)目擴(kuò)展內(nèi)容比如發(fā)給別人看或者寫進(jìn)報(bào)告訓(xùn)練過(guò)程的可視化截圖、不同噪聲水平下的結(jié)果對(duì)比表、以及l(fā)oss曲線走勢(shì)圖這些“過(guò)程證據(jù)”一定要做好歸檔。仿真項(xiàng)目的結(jié)果固然重要但別人判斷你項(xiàng)目是否可靠往往更看重過(guò)程記錄的完整程度。本文還有配套的精品資源點(diǎn)擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
超碰97人妻| 99久久久| 天天操天天插| www.久久制服糖| 亚州欧美另类| 日本新免费二区三区| 婷婷五月天av| 青娱乐国产精品| 女优视频第10页| 欧美一区二区日韩三区| 亚洲女人91| 免费人人搞97| 国产又大又粗又色生活片亚洲国产精品成人久久久综合免费 | 91精品老女人| 91 国产丝袜在线播放-百度| 黄色成品网站| 久久久九97| 国产区91柔拿会所技师| 麻豆三极片| 男人天堂无码| 青青青艹在线视频| 亚洲色图91欧美日韩| 亚洲高清综合网| av大香蕉网站| 久久久久久久久久久久久久久久9| 日本在线播放不卡一区| 午夜.DJ高清在线观看免费7| 亚州综合色| 亚洲欧美精品91| 92福利社视频| 欧洲综合无码| 国内黄色精品| 久久久久久久亚洲Av无码| 香蕉精品二区二区| 久久久久96| 九九九影院| 岛国人妻少妇av在线观看| 亚洲欧美国产日本一区二区三区| 人人操人人插人人摸人人干| 日韩视频精品在线观看| 欧美第二页| 97日韩欧美亚洲| www.91欧美| 欧美久久草熟女| www.婷婷| 欧美性特| 熟女人妻av在线资源,黄色的资源| 亚洲成人久久一区二区| 国产精品色片一区二区| 国产操逼逼网| 人人操人人uiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiii | 中文字幕在线观看视频www| 尤物网址| 99精品欧美一区二区三区桃色| 国产精品久久久久久高清无码免费看 | 啊啊啊啊啊好多水| 大香蕉中文在线| 乱人乱色一区二区三区免费| 久久αⅴ| 国产无码精品无码| 永久免费发布性爱网| 噜噜噜在线视频| 久久国产性爱| 一级特黄aaa大片在线观看成人一级片在线观看 | 欧美gv在线观看| 国产v片在线免费观看| 麻豆天美传媒毛片| 中文字幕天堂在线| 啪啪啪东京| 中文字幕精品一区欧美| 中文字幕精品日韩中文字幕| 日韩黄色一区二区三区| 成人国产精品三级A片| 熟女人妻一区二区三区| 97色碰| 欧美拳交在线播放| 亚洲日韩青青草色月| 岛国人妻少妇av在线观看| 欧美A√综合网 | 久久久蜜桃一区二区三区| 欧美色偷拍 | 中出20p| 97精品人妻一二三四| 一区二区播放| 人妻少妇精品| 蜜乳AV一区| 亚洲图片偷拍视频区| 99精品热| 五月天综合网| 99精品在线| 97超碰中文在线| 无码不卡八戒| 久综合网| 日韩精品人妻中文字幕久久久| 黑人与人妻| 欧美日韩精品久久久久东北老熟妇| 98超碰欧美| 国产无码成人无码| 午夜爽爽爽在线观看永久入口姬片| 国产亚洲禁久一区二区| 97超碰碰碰| 操逼999| 黑人精品欧美一区二区蜜桃| 偷拍精品一区二区三区| 国产精品婬乱一级毛片彝族| 91色久| 人人手机欧洲亚洲国产人妻| 国内外毛片在线观看| 97超碰超| 人妻少妇被猛烈进入中| 蜜臀久久99精品久久综合| julia高潮后不停追击中出| 五月婷婷激情| 日本久久999| 日韩一级二级三级免费看完整版 | α√在线| 91久精品| 中日韩久久久免费看| 粉嫩av在线| 中文字幕精品一区二区精| 日韩三级一区 | 禁片 高清 在线观看视频网站| 91九九九逼| 高精欧美色| 大香蕉视频一二三区| 人妻-91porn| 欧美 传媒 麻豆 日韩 偷拍| 日逼97| 涩涩这里只有精品视频| 中文字幕91综合| 日产成人久久| 99国产在线 精品 视频| 免费看美国人人爽,人人操| 久欲AV| PMv在线观看| 九九色热| 色综合 加勒比| 中国一级αV| 精品久久人妻成人网| 一级黄碟在线观看| 男女啪啪网站免费视频| http://qxhbdz.com| 一区二区三区一亚洲中文字幕、综合区灬 | 99色热| 欧美精品,四区。五区| 一区二区乱码福利| 婷婷成人五月天| 肉丝中文无码高清| 伊人五月天| 欧美高潮| 人人操人人干网页| 在线视频一区二区传媒| 91色香| 国产女性无套 免费观看| 99热aaa| 欧洲在线性爱视频| 久久亚洲熟妇在线视频| 超碰免费人妻人人| 精品国产嫩穴视频| 国产亚洲福利第一页丝袜| 黑操B| 精人妻一区二区三区| 无码日韩网站| 中文字幕一二三av| 密桃99999| 无码人妻1727| 大香蕉综合| 精品一区二区三区国产| 夜夜高潮夜夜爽高清视频一| 少妇一级无码精品| 91丝袜美腿片| 色综合色欲色综合色综合色综合| 丝袜视频网国产90| 大香蕉av在线| 亚洲无 码A片在线观看麻豆| 骚逼一区二区| 久久久久久久国产a∨| 97超碰超欧美。| 国产视频不卡在线观看| 夜夜爽夜夜爽| 情色av电影| 国产精品亚洲高清在线| 女生看匆91网站| 一区二区你上我| 人妻少妇久久中文字幕一区二区 麻豆| 超碰亚洲97| 亚洲一区在线观看欧洲| 日韩丝袜高跟制服在线观看| 欧美激情中文字幕另类小说| 9Ⅰ超碰| 操穴国产| 中国少妇XXXX做受| 少妇天堂| 中文字幕在线2| 婷婷五月天成人网| 日韩激情电影中文字幕| 少妇专区一二三四五| 一起草精品人妻| 亚洲国产精品无石码久久| 日本韩国一本产品小视频日本韩国一本产品久久久产品小视频日本韩国一本产品久 | 欧美日本成人一区二区| 亚洲区限制级| 久99久视频| 无码精品久久久久久亚洲| 制服少妇欧美| 激情综合五月| 国产精品美女在线一区| 久久αⅴ| 亚洲和欧美裸体美女双飞视频| 久久久久久精品免费看A级| 久久精品久久久久久久| 亚洲天天精品| 亚洲国产综合久久久性感熟妇| 日韩精品人妻一| 精品免费囯产一区二区三区 | 天堂亚洲欧美| 一区二区三区色综合| 综合色色网| 亚洲av无码国产精品字幕| 亚拍在线| 美女人妻色网站| 国产亚洲中文不卡二区| 爱逼综合| 视频在线97| 成年男人的天堂| 精品区国产区一区二区三区| 亚洲啪啪视频免费| 性欧美91| 欲综合网| 黄色片大香蕉| 国产v片在线免费观看| 97天天插| 欧美日韩精品久久| 日本天天吊| 中文字幕aⅴ在线视频| 久久9久| 国产AV线| 中文字幕十五区| 久久久久久久一级黄色打同平台| 亚洲aV性爱| 国产av激情无码久久天堂| 亚洲精品熟妇1区2区3区。| 日本日日色视频| 99热亚洲| 操逼日韩无码| 久久人人舔人人爽舔人人av片| 亚洲色图欧美色图另类图片| 男女啊啊啊啊啊| 久久久久9| 91网18| 日韩美女久久一区二区三区| 日韩成人免费电影| 伊人黄色视频免费观看| 欧美性爱第一区| 水多多映视AV| 美女久久久久久久久久久| 爱丝福利| 欧美97se| 97鸡把在线视频| 91黑丝操| 国产精品大香蕉| 精品人妻一区| 免费一级a毛片久久久久久鸭绿欲| 精品91日日夜夜超清资源| 久久有码视频| 91痴汉| 国产精品久久久久久久久久二区三区| 欧美一区二区成人一卡| 日韩钢筋无码高清啾啾啾| 黑丝91视频| 欧美亚洲玖玖玖| 99精品无码| 色区久久| 九九Av| www.狠狠| 97九色人妻| 9久热| 色情五月婷婷| 日韩精品在线放| 精品人妻一区二区三区在| 伊人麻豆传媒| 熟妇综合一区二区三区| 日本高清视频xxxx| 色噜噜人妻丝袜a∨先锋影| 久久精品店| 郑州宾馆老熟女露脸啪啪| 国模不卡| 任你草| 亚洲天堂综合AV| 天天狠| 这里是精品| 欧美色图天堂网m| 一区=区三区视频| 欧美在线伊人色| 9 7超碰在线免费观看| 色哟哟-国产专区| 精品小视频在线| 91色伦综合| 青青青草伊人精品| 亚洲中文字幕一区| 东京热男人天堂| 男人的天堂2019| 欧洲在线性爱视频| 日韩性爱视频在线免费观看| 干干干天天| 日本熟妇人妻中出视频| 99999精品| 色激情综合网站| 国产一级舔足在线观看| 精品少妇人妻av久久免费| 免费超碰97在线观看| 伊人五月天婷婷| 国语国产操逼伊人AV网| 久久久久久人妻| 麻豆视频test| 国产五码丝袜屁眼| 欧美97视频| 天天干夜夜肏| 农村妇女精品一二区| 亚洲天天综合| 欧美自拍偷拍免费观看| 国产精品女同| 人妻日日干| 日本九九九九| 69综合网| 日韩欧美天堂| 国产一区二区三区高清视频| 国产亚洲性生活视频播放| 免费作爱一级视频| 黄色网址久久精品欧美喷水| 日本九九久久99| 亚洲激情久久久伊人综合| 亚洲男人天堂网| 中文字幕一区二区日韩网| av天堂手机版追回| 91 国产丝袜在线放观看| 伊人伊人LD| 蜜桃视频精品一区二区| 97日视频| 亚洲成人AB| 黑人精品XXX一区一二区| 国产久久av| 人妻啊啊人妻啊啊| 亚洲爱爱视频一区二区| 加勒比人妻综合| 亚洲丝袜诱惑| 亚洲欧美中文一区二区三| 日韩成人精品中文字幕| 欧美性综合| 97超碰碰| 欧美性生活综合| 九九热五区| 99操逼| 色阁阁AV综合网| 精品久| 国产AV久久野战精品| 啊啊啊好爽快点啊啊啊嗯嗯| 九七人妻在线| 亚洲高清无毛一区二区| 日本大片日本一区二区免费高清| 裸体1区| 久久久9999| 在线看片国产精品每日更新| 老熟女熟妇| 亚洲资源一区| 亚洲性爱无码乱伦av| 中文字幕一区 二 区 三 四 五 区日 日 骚 | 女人被添高潮免费视频| 美女大乳久久久久久久女人18| 蜜桃传媒视频第一区入口在线看| 在线看的av| 中文AV制服乱伦| 99久久综合| 精品人妻一二三四区视频| 精品高潮| 日韩亚洲美女一区久久| K8久久久久| 欧美黑人精品在线播放| 一区二区三区四区五区高清无码永久视频 | 天天摸夜夜摸| 97超碰人人模人人拍人人| 久久久97| 神马久久久久久久久| 黄视频免费| 玖玖在线视频| 欧美熟妇精品黑人巨大91| 午夜亚洲| AV电影在线播放| 欧美日韩97在线| 高清成年美女黄网站免费大全 | 五月天加勒比啪| 狠狠色噜噜狠狠狠狠2018| 狠狠躁AV| 国产午夜精品在线观看| 久久五月婷| 全国男人天堂网| 国产无码一二三区| 天天在线91| 久久久久久久国产视频| 看看日B真人视频| 乱欲一区二区| 91精品丝袜在线观看| 福利一级版子| 一区二区三区亚洲| 超碰免费欧美7| 乱伦a片视频| 美日韩在线不卡人妻| 在线观看亚洲成人精品| 妇女视频网站| 无码WWW免费视频网站| 蜜屁Av| 久久久久久电影| 99热日| 8050午夜少妇无码| 日韩BBN| 久久久久9999| 久久超碰网| 日韩精品资源专区二区| 久草资源在线视频官方总站日韩丝袜美腿 | 国产亚洲精品av一区| 青木玲在线不卡| 黄色小视频日本txt| 操淫穴亚洲五月丁香 | 人人色人人操在线| 欧美色图 色综合图| 国产精品交换一区二区| 日韩无码精品综合久久| 亚洲超碰综合网| 在线精品福利免费播放| 婷婷性网| 玖玖97综合| 1769国内精品视频| 成人久久久精品| 久操精品网| 久9爱精品| 欧美亚涩| 色爽——AV| 婷婷丁香五月激情啪啪| 97干色| 青青三级视频| 人妻少妇精品一区二区三区| 日韩欧美亚欧在线视频| 久久噜| 一品道视频一区二区三区| 人妻另类 专区 欧美 制服| 四季AV一区二区凹凸精品小说| 亞洲久久直播| 欲香欲色| 亚洲。天堂。日本在线观看| 深夜操逼网| 日韩av电影成人在线| 亚洲天堂少妇| 免费啪啪av| 9997se| 午夜精品一区二区三区三上悠亚| 国产精品无码久久久久2025| 久久久久国色αv免费观看| 欧美日韩淫加| 婷婷五月天丁香| 国产一级特黄大片处女| 亚洲精品电影| 国产精品suv一区| 99九九久久| 亚川综合视频| 九九九网站| 蜜臀久久久国产| 99热色精品| 日韩精品人妻一| 国产日韩美女小穴视频网站不卡| 亚洲棕合电彰| 91丝袜美女国产| 精品亚洲国产成人精品| 亚洲AV麻豆Aⅴ无码电影一| 久久久久婷婷精品av电影| 中文字幕老熟妇黄色视频| 国语对白露脸XXXXXX| 另类图片五月天| 99自拍B亚洲 | www.99热| 男插女青青影院| 亚洲 日本 不卡| 超碰综合色| 熟妇熟女视频一区二区三区| 欧美日日操| 91亚洲欧洲| 91精品国| wuyechaopeng| 青草视频人妻在线观看| 亚洲综合性感在线| 天天操av懂色| 丁香五月性| 国产三级日产三级韩国三级| 天天激情干| 69视频入口| 噜噜噜噜久久久精品免费| 亚洲少妇中文字幕网址| av天堂天堂av日韩| 思思视频免费看网站| 97亚洲在线| 亚洲男人天堂网站| 骚熟女AV网| 啊啊啊啊好大好硬啊啊啊啊啊 | 日韩中文字幕视频在线观看| 色综合天天| 色哟哟AⅤ| 欲香欲色| av网站国产主播在线| 久久免费9| 欧美色图99| 锕锕好爽 死我在线观看| 91欧美综合在线| 午夜欧美神马久久久久| 国产农村妇女精品一| 亚洲免费精品一区| 亚洲熟女乱色| 九九久久首页| 韩国轻伦国内自拍一区| 一区二区三区日韩欧美| 人妻在线中出视频| 96AV久久久| 九一亚洲国产免费| 艳尻美人妻| 91艹逼精品| 久久综合女优| 性交一区二区在线播放| 无套内射性感少妇视频| 久草福利在线资源站| 欧日a| 综合久| 久久激情网| 色播丁香| 色色婷婷五月天| 性色av网站| 国产精品自拍xxxx| 超碰在线香蕉| 成人精品一区二区91毛片不卡| 色色网91| 欧美视频边做饭边橾| 精品伊人久久久大香线蕉小说| 一区二区三区 日韩欧美| 综合久久欧美| 国产原创自拍| 91色黑人少妇| 东京热熟女亚洲视频网站| 夜夜做夜夜爽精品视频| 亚洲情色 自拍| 色逼综合| 久久久久亚洲av综合波多野制衣| 影音先锋视频在线| 国产精品午夜高潮呻吟久久av| 99精品久久久久久久婷婷蜜桃| 女优视频第10页| 久久理论字幕视频| 午夜后入| 9久热这里只有精品| 懂色aV一区二区天美传媒| 99久久精品无码一区二区毛片免费 | 女生看匆91网站| 精品一区二区三区丰满熟女-亚洲欧美一区| 亚洲欧美97√| ,成人免费啪啪视频| 久久久久久国产手机AV| 五月丁香影视| 欧美91网站| 天天综合91入口| 亚洲色人| 国产精品自在线发布| 9九九九九视频在线观看| 69精品人人人人| 另类专区加勒比| 亚洲欧美色图片| 国产女人高潮嗷嗷嗷叫小说| 亚洲欧美国产日本一区二区三区| 九九九网页| 天天日熟妇| 97超碰超碰| 福利视频一区二区微拍| 日本超碰在线国产一区| 精品九九九九九九九九九| 久久久久女教师免费一区 | 欧美激情专区| 东亚亚洲无码高清| 久久久久久久 九九九九九九九| 无码人妻精品一区二区三区九九| 综合欧美亚洲| AV免费在线播放一区| 日韩欧美亚洲国产日韩| 欧美日韩操逼动图| 日本曲间由美性生活片| 学生妹天天看| 久久精品国产亚洲AV清纯| 韩国三级理论在线| 久久综合精品一区二区三区| 国产自偷| 成人亚欧免费视频| 天堂日本亚洲欧美| 欧美 亚洲精品首页| 久草视频观看视频在线| 91欧美偷拍| 久久啊啊| 日本韩欧美在线播放a| 亚洲视频小说| 女人天堂av在线播放| 五月丁香拍拍激情综合三级| 天天淫人人妻日日色| 日韩成人小视频| 成人七区| 精彩国产视频播放1区2区| 夜夜免费视频| 小视频玖玖| 国产人伦精品一区二区三区 | 欧洲精品一二三在线| 蜜臀99久久国产| 免费亚洲黄色视频在线观看| 操美女人妻| 亚州综合在线| 五月丁香亭亭| 91黑丝操| 精品人妻av在线播放| 天天干天天干天天干| 另类图片五月天| 欧美人人曰人人操人人射射| 国产久久久9999| 欧美色宗合| 精品久久久久久亚洲| 免费视频观看60秒| 国产成人+综合亚洲+天堂| 午夜男人一级A片7777| 伦理日韩国产久久| 另类一区| 欧美,亚洲,日韩,v,天堂,手机在线观看| 琪琪精品免费一区二区三区| 伊人久久大香线蕉亚洲五月天,青草青草欧美日本一区二区,欧美日产欧美日产国产 | 激情综合五| 中国韩国明星一极片一区乱码毛片人妻熟女一区二区三区 | 亚欧高清在线| 97视频900| 中文字幕交换人妻| 97少妇人妻中文字幕久久 | 婷婷色中文字幕| 91美女视频。| 天天干少妇| 嗯嗯啊好爽| 久久久久骚| 欧美人与动性人交a| 嗯嗯啊啊啊好舒服| 中国AV美女| 精品久久大胆人体| 蜜臀久久99精品久久久久免费观| 韩国黄色片精品久久久| 一区三区啪啪| 爱妃国产亚洲视频中文字幕| 丰满少妇一区二区三区四区观看| 超碰99在线| 久久久久久国产无码精品| 国产精品爽爽va在线观看98| 夜夜爽妓女| 亚洲色 国产 欧美 日韩| 国产精品视频麻豆入口| 国产精品一区二区三区,亚洲综合| 国产精品久久久久久久免牛肉蒲团| 男女激情黄色网址| 超碰三级秋霞| 盗摄女人妻在线| B049AV在线播放| 性做久久久久久免费观看软件| 成人草草视频| 超碰日本97美女人妻人人玩人人爱| 欧美巨大性舒爽顶到了| 欧美78| 久久久久亚洲Aⅴ无码| 亚洲五月丁香花狠狠干一区二区三区| 最新中文字幕在线亚洲| 久久久无码国精品无码三区三区| 久九九九九九九热| 亚洲 另类 丝袜 自拍 动漫| 91亚.色| 色网综合网| 3D污黄视频在线观看| 欧美日韩在线国产在线| 亚洲美女精品| 97天天爽| 91搞逼视频| 97亚洲色图| 男同专区一区二区三区在线| 在线中文字幕极品av| 黄页大片在线观看| 黄色区免费观看中文字幕| 人乳av| 91oumei| 久久综合亚洲色1080p| 亚洲日韩狠狠撸视频| 99re6久热只有精品6在线直播| 中文字幕国产| 精品久久97| 97爱b| 五月丁香婷婷啪啪| 国产精品久久久久久久AV大片| 我想要啊 啊 啊| 亚洲精品一二三四区| 色一色综合网| 亚洲阿v天堂在线| 欧美日日人人天天| 五月婷婷综合网| 国产宅男宅女在线观看| 九九热九九| 久久99草| 欧美色图偷拍另类| 99性爱| 萌白酱自拍视频| 98久久| 综合色久欲| 精品久久久久久久久久久久| 黑丝少妇| 影音先锋中文字幕日本好一区二区| 1769成人国产精品视频| 欧美色图99| 亚洲激情色片| 少妇毛片久久| 婷婷五月色| 亚洲欧美日韩精品久| 操屄日韩| 一区二区三区麻豆| 二对二中文字幕。| 草草影院在线视频| 一级黄色视频网| 熟妇女人妻呻吟久久AV| 日本午夜精品理论片A级APP发布| 国产亚洲精品A在线观看下载| 欧美色蜜桃97| 超碰久在线天天做| 午夜精品久久久久久久99热影院| 精品国产一区二区三区av在线资源| 国产欧美日韩精品中文| 岛国激情视频在线观看| 男人的天堂va在线| 91操熟妇| 大屁股国产在线视频| 91伊人影视综合| 日韩人妻少妇中文字幕| 亚洲中文字幕精品久久久久久直播| 国产区91柔拿会所技师| 国产一区免费午夜视频| 亚州色综合| 97在线视频免费看| 四虎精品亚洲| 欧亚韩国999| 78久久久| 欧美无圣光在线| 麻豆久久久久久久久丝袜| 午夜天堂精品久久久久91| 91足交| 国产日韩区| 无码137片内射在线影院| av亚欧| 91激情| 日本精品一区二区不卡| 97精选久久| 日韩少妇丰满亚洲| 欧美日韩理论一区| 宅男91视频在线播放| 乱欲视频| 97色碰| 欧日韩一二三f区| 18精品一二区| 67914在线兔费成人视频| 亚洲精品 欧美精品| 98福利在线视频| 亚洲人码13| 国产欧美日产一区二区三区 - 国产欧美日| 伊人991| 九九九九免费高| 美日韩一二三区| 久久久久大香青草精品综合| 97一区二区三区视频| 色香伊人| 久久中文字幕人妻熟av女蜜柚| 久久一区二区加油站| 嗯嗯啊啊的视频| 九草九九九| 国语精品av| 欧美美女视频| 熟女探花啪啪| 亚洲国产精品99久久久| 日韩Va亚洲va欧美Ⅴa久久| 欧美久久伊人| www.超碰| 久操视频免费在线观看| 91欧美偷拍| 日韩中文字幕2020| 自拍第一页| 校园春色AV天堂| 又大又大又大又粗爽高潮观看| 免费av高清无码| 26uuu性| 天天操天天舔| 殴美性色a级欧美| 亚洲 自拍偷拍 欧美| 欧美系列在线一区二区| 大香蕉久操| 操九九九九九九| 欧美日韩少妇色情| 色香综合天天影视综合| 天天干夜夜操一区二区| 69一区二区| 大香蕉www.超碰| 超碰av在线| 日韩欧美成人大香蕉| 老熟女中文字幕高清| 人妻激情视频| av亚欧| 伦伦成年午夜免费视频| 五月婷婷性爱| 国产午夜福利视频在线| 午夜精品人妻二区三区| 欧美熟妇精品黑人巨大91| 亚洲一区在线观看欧洲| 日韩精品黄片免费观看| 亚洲91极品| 学生妹天天看| 超碰97亚洲| 久久99午夜精品一区人妻| 91 在线亚洲| 五月开心久久AV官网| 91 偷| 蜜乳AV.COM| 婷婷五月天成人网| 久久少妇视频| 天天综合91在线| 高清肉丝中文无码| 精品在线蜜臀| 中日韩熟女| 青青青操| 亚洲加勒比色图| 久久久久久亚洲Av无码| 97干在线| 99re在线视频国产| 日本在线999| 天堂俺去俺来也www久久婷婷| 污啪啪啪视频| 欧美一品道| 国产 亚洲 一二三四| 91碰碰碰| 国产精品一区二区在钱播放| 俞拍自拍| 国产亚洲精品A在线观看下载| 亚洲成人免费电影| 亚洲熟女乱色一区二区三区久久久 | 東南亚性呦成人伦理资源在线视频| 日产操逼| 激情四射五月天| www.男人天堂| 亚洲国产一级黄色视频| 亚洲AV免费在线| 欧洲精品欧洲精品| 国产高清免费不卡av| 97资源超碰| 欧美+日产+中文| 黄色av一区二区在线| 91网亚洲| 欧亚日韩中文在线| 六月婷婷综合| 久久精品毛片免费不卡| 欧美综合第一| 中文字幕精品探花视频| 男人天堂一区二区| 九九这里只有精品| 国产操偷| 国产丰满少妇久久久精品影院| 亚洲人天堂| 成人在线日韩| 久操影视| 欧美精品99久久久**| 免费人人搞97| 免费人成毛片乱码| 精品少妇后入一区二区三区四区人妻巨乳| 久久久久久久久久久精| 人人插人人摸人人| 亚洲激情色片| 亚洲一区在线观看欧洲 | 欧美久久人体| 91精品人妻电影| 欧美伦乱爱| 亚洲精品人妻在线| 国产五码丝袜屁眼| 无码高清国产AV| 你草精品在线视频| 欧美一级美片在线观看免费| 青青草在线视频人人想人人上| 色欲久久99国产精品久久久久久| 99九九精品| 久久大香蕉97| 99精品在线| 91 综合网| 国产11页| 亚洲男人天堂av| 神马视频久久久久久| 亚洲天堂自拍| 国产一区自拍欧美日韩| 精品一区二区三区四区女| 波多野42部激情无码喷潮| 97精品视频免费| 亚洲精品国产专区在线观看| 搞中出视频在线观看| 免费精品中文字幕| 色网综合网| 很很热性爱视频| 欧洲一区二区| 桃色五月天| 久久久无码视频| 91 丝袜在线| 黄色大片免费在线| 无码人妻精品一区二区三区九九 | 热天堂一区二区| 欧美特大AA级黄片| 乱久久久| 99久久综合网| 国产精品乱码久久| 91在线限制级| 国产精品一区二区校花| 超碰到97情色| 东京热亚洲一区二区| 夜夜欢天天干| 亚洲影院小综合| av天堂天堂av日韩| 人人妻人人色一区二区三区| 五月丁香激情综合网| 婷婷色香伊人| 又黄又粗又硬又长又大| 婷婷激情五月天小说网| 狠狠爱夜夜| 亚洲 欧美都市激情| 日本性爱视频一级| 秋霞福利网| www.婷婷五月天| 亚欧高清| 天天操熟妇| www.狠狠干.coom| 少妇人妻太紧太深av| 一本一道久久综合久久| 91 手机在线播放 绯色| 俄罗斯一区二区视频在线观看| 日本黄色天堂| 亚洲欧美大香蕉| 亚洲欧美国产中文视频| 人妻激情在线视频| 亚洲一区二区麻豆影院| 中文字幕高清精品一区| 白嫩白嫩的午夜九久久久久久久久久久久成人剧场 | 午夜精品久久久久久久99热影院 | 六月婷婷色综合| 热无码中文亚洲H一道本一区二区| 蜜乳av一区二区三区四区不卡| 人妻精品视频一区二区三区| 欧美国产一区二区三区麻豆传媒| 成人美女av| 国产偷人伦激情在线观看| 骚逼自拍99| 少妇诱惑视频| 在线视频日韩欧美国产| 可以免费看黄片的视频| 超碰97极品9| 久久男人网| 国产一级片| 男女做爰猛烈动高潮A片免费应用| 综合色久欲| 中文字幕人妻色偷偷久久皮 | 立川理惠无码一区二区| 91久久久亚洲| 激情文学小说一区二区| 国产精品制服丝袜中文字幕日韩一区二区三区 | 极品少妇久久久| 久久一二三四五六七八九区区| 97色碰| 无码精品人妻一区二区三区妖精| 一二三区视频在线观看| 日韩78m视频| 久久久久骚| 久久久久久AⅤ无码免费肉站 | 美女黄频a美女大全免费皮| 欧美片第一页| 精精品人妻一区二区三区| 亚熟hd视频在线| 嗯嗯嗯嗯啊啊啊好紧好大| 自偷自拍的亚洲视频| 亚洲小电影免费涩涩成人在线高清 | 久久人妻精品| 久久久久九九九| 蜜臀AV秘一区翔田千里| 欧美翘臀视频网站一区二区三区| AV天黑人| 麻豆 亚洲 97| 中日韩久久人妻一区二区| 嗯啊不要在线| 99热在线播放| 日本亚洲熟女视频| 人人看欧美性爱| 成全动漫视频观看免费下载| 国产深夜福利| 亚洲性高潮| 亚洲欲| 另类图片亚洲加勒比另类图片亚洲加勒比另类图片亚洲加勒比 | 九九热九九| 中文字幕1区2区| 91N综合在线| 亚洲男人天堂网久久| 中文字幕第页| 国内三级自拍小视频在线观看| 色五天伊人| 人妻少妇久久中文字幕一区二区 麻豆| 天堂av最新电影网| 941超碰| 蜜桃臀久久| 嫩草 我啊~嗯~在线| 久久久专区| 99色婷婷中文字幕乱色| 日韩精品99久久久久久中文字幕 | 少妇色综合| 久久久久久九九九九-美女久久久久久久-成人AV | 色香蕉影院| 999岛国大片| 中文字幕在线日亚州9| 亚洲第一无码播放立川理惠| 啪啪资源网| 国产91乱伦| 人人妻人射| 无码精品一区二区三区潘金莲| 欧美一区二区三区蜜桃| www.久久最新地址| 日本一区二区成人在线| 欧美性爱中文字幕无线码| 激情网色| 免费啪啪一级视频| 黄色av一区二区在线| 亚洲精品人妻吞精av| 天天爽人人综合免费7799| 人妻中文字幕日韩电影| 插日本熟女视频| 欧美αv.com| 色久桃花影院在线观看| 久久av成人无码免费| 中国一区二区亚洲人妻| 丰满人妻无码一区二区三区| 深夜国产一区二区三区在线看| 午夜精品久久久久久久99蜜桃一| 一级性爱aaaa| 91色情黑丝搞鸡在线观看一区二区三区三州| 色综合久| 九色97| 日本天堂网| 老女人老91妇女老热女| 999熟女精品| 啊啊啊啊好疼| 欧美日韩中文视频播放| 国产亚洲99久久精品熟| 俄罗斯一区二区视频在线观看| jizzjizz欧美| 日本123区操B视频| 91狠婷| 久偷拍| 伊人96在线| 91综合网站| 2019精品国产无码成人| 手机在线A片| 欧美性爱系列| 精品少妇后入一区二区三区四区人妻巨乳| 天天看天天综合成人网| 另类av综合久久| 亚洲 中文 欧美 日韩 在线| 丰满人妻一区二区三区免费| 欧美影院一区二区三区| 日韩美女操b| 成人在线日韩| 91久久伊人婷婷青青草| 国产乱码精品久久久久久| 久久久久久久久久久精| 尤物视频视频官网| 国产91乱伦| 狠狠色婷婷| 九九成人精品| 一区二区三区一亚洲中文字幕、综合区灬 | 欧美色图 人妻| 91中出在线| 一区二区三区免费视频入口| 国产白嫩漂亮KTV在线| 蜜臀少妇一区二区| 亚洲熟妇熟在线电影视频| 日韩精品9999| 国产97色在线 | 亚洲| 日韩强奸av| 口爆吞精在线观看| 久久久久久国产精品| 久久女人视频| 天天享受天天看| 成人无码欧美一级A片狼牙直播| 一本久道久久综合狠狠爱一密臀精| 92性色国产午夜福利在线661 | 午夜无码熟妇丰满人妻| 极品色综合| 91足交| 美女露胸露奶头| 中文字幕av一区二区三区人妻少妇 | 国模不卡| 五月综合激情网| 九九九热精品| 97精品一区二区视频| 3p国产欧美99热| 国模不卡一本二本三电影| 九久久精| 欧美成人四级在线播放| 99热这里只有精品9| 欧美亚洲激情一二三| 欧美性爱综合,免费| 亚洲爽图| 国产激情综合| 性色国产东北露脸精品视频| 色噜噜日韩精品| 精品中文字幕第一页| 天天综合91在线| 伊人四虎综合| 91精品微拍福利| 91超碰人人| 青草伊人网| 亚州免费啪啪视频| 麻豆乱码久久精| 97亚洲中文| 亚洲一区二区三区AV无码| 99热精品青草在线 | 思思热免费视频观看| 91爰爱欧美| 97在线免费观看| 天天操夜夜操| 啊啊啊操死我了| 人摸人人操人| 日韩激情视频| 3PAV乱伦视频| 久久精品国产精品亚洲艾通辽熟妇| 在线情色电影 91大 | 色吧 综合| 入口操逼网站| 裸体1区| 九九视频黄色片| 色鬼在线综合| 男人天堂2017| 性爱久久| 九热久| 91丨九色丨熟女高潮| 亚洲丝袜二区在线| 国产精品自拍xxxx| 亚洲永久永久永久永久一级一级一级精品| 久久久四区| 色婷婷激情| 五月情色天| 综合久久欧美| 久久精品一区二区三区蜜桃臀| 天堂中文日本在线观看| 日韩丝袜高跟制服在线观看| 中字幕人妻一区二区三区| 亚洲国产一区二区三区在线| 男人天堂东京热|