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)運營的一線實戰(zhàn)洞察。

Pytorch+Unet多類別語義分割實戰(zhàn):從數(shù)據(jù)準(zhǔn)備到模型訓(xùn)練全流程

Pytorch+Unet多類別語義分割實戰(zhàn):從數(shù)據(jù)準(zhǔn)備到模型訓(xùn)練全流程 簡介這是一份基于PyTorch實現(xiàn)Unet多類別語義分割的實戰(zhàn)資源面向具備一定深度學(xué)習(xí)基礎(chǔ)、希望掌握圖像分割模型訓(xùn)練與調(diào)優(yōu)的開發(fā)者。資源共46個文件以Python源碼為核心包含19個py腳本與24個pyc編譯文件另有2個txt配置說明和1個json參數(shù)文件整體僅69KB結(jié)構(gòu)緊湊便于直接閱讀與修改。已有15245人學(xué)習(xí)這份資源屬于同類教程中熱度較高的實踐型內(nèi)容。作者圍繞Encoder-Decoder結(jié)構(gòu)、跳躍連接、多類別輸出通道設(shè)計等關(guān)鍵點組織代碼配套提供數(shù)據(jù)加載、自定義變換、訓(xùn)練評估、損失函數(shù)、學(xué)習(xí)率調(diào)度、指標(biāo)計算等模塊并附有數(shù)據(jù)集劃分與類別權(quán)重計算腳本基本覆蓋了從數(shù)據(jù)預(yù)處理到模型推理的完整流程。通過閱讀源碼與對應(yīng)博客讀者可掌握Unet在自定義多類別數(shù)據(jù)集上的遷移方法、訓(xùn)練流程設(shè)計及調(diào)優(yōu)技巧適合用于醫(yī)學(xué)影像、遙感圖像等場景的入門與項目參考。1. 項目概述為什么選擇Pytorch配合Unet做多類別分割先說結(jié)論如果你手里有一批自己的圖片數(shù)據(jù)想按像素把圖中不同物體分出來比如道路、建筑、植被、水體這類地物目標(biāo)那“Pytorch Unet 多類別數(shù)據(jù)集”這套組合是目前開源社區(qū)里最省心、最不容易把自己繞暈的路線。這個標(biāo)題之所以有這么多人在搜是因為它幾乎覆蓋了從零入門語義分割的所有關(guān)鍵環(huán)節(jié)框架選型、模型結(jié)構(gòu)、數(shù)據(jù)組織、訓(xùn)練調(diào)參、結(jié)果評估。我自己最早接觸語義分割時也糾結(jié)過用TensorFlow還是Pytorch后來徹底轉(zhuǎn)向Pytorch原因很樸素調(diào)試方便報錯信息看得懂?dāng)帱c能直接打在張量運算那一行上。配合Unet這種編碼器-解碼器結(jié)構(gòu)哪怕數(shù)據(jù)集只有幾百張圖也能訓(xùn)出一個效果不錯的多類別分割模型。這篇文章不會跟你聊太虛的理論而是把我實際跑通整個流程的步驟、參數(shù)、踩坑記錄都擺出來你照著操作就能在自己的多類別數(shù)據(jù)集上復(fù)現(xiàn)。文章適合三類人看剛?cè)腴T語義分割的學(xué)生、需要用自己數(shù)據(jù)做分割實驗的工程師、以及想快速驗證Unet效果的產(chǎn)品人員。2. 整體設(shè)計思路與方案選型2.1 為什么Unet依然是多類別分割的首選基線Unet之所以經(jīng)典核心在于它同時保住了“細(xì)節(jié)”和“語義”。下采樣路徑不斷縮小特征圖尺寸讓模型能看到更大的感受野上采樣路徑則把高層的語義信息逐步還原到原圖分辨率。中間那一圈跳連接把下采樣時各層的位置細(xì)節(jié)直接拼到上采樣路徑上相當(dāng)于給模型開了一條“記憶通道”小目標(biāo)邊緣不容易丟。對于多類別分割任務(wù)比如五類甚至十類地物Unet每一條跳連接都在幫助模型區(qū)分“這里是邊界還是內(nèi)部”。我自己做過對比實驗在同樣的數(shù)據(jù)集上把Unet換成PSPNet發(fā)現(xiàn)小目標(biāo)類別的交并比下降明顯。原因不復(fù)雜PSPNet把重點放在全局池化上對小目標(biāo)的敏感度反而不如Unet這種逐層傳遞細(xì)節(jié)的結(jié)構(gòu)。所以如果你的數(shù)據(jù)里存在較多小目標(biāo)或細(xì)長條目標(biāo)Unet是最穩(wěn)的起點。2.2 Pytorch生態(tài)里的三個關(guān)鍵選擇第一框架版本跟進。建議用Pytorch 2.x系列如果你需要GPU訓(xùn)練記得提前確認(rèn)CUDA、cuDNN和顯卡驅(qū)動的匹配關(guān)系。以2024年之后的環(huán)境為例Pytorch 2.0以上版本對自動混合精度訓(xùn)練的支持更完善顯存占用更友好。第二模型實現(xiàn)方式。可以直接從網(wǎng)上找Unet的Pytorch實現(xiàn)也可以自己按論文結(jié)構(gòu)手寫。實話說手寫一遍Unet比復(fù)制十遍別人的代碼都有用結(jié)構(gòu)細(xì)節(jié)會刻在你腦子里。第三預(yù)訓(xùn)練編碼器。如果你用torchvision里的ResNet作為Unet的骨干加載ImageNet預(yù)訓(xùn)練權(quán)重訓(xùn)練收斂速度會快不少尤其是當(dāng)你的數(shù)據(jù)集規(guī)模不大的時候。選型邏輯很直接小數(shù)據(jù)集靠預(yù)訓(xùn)練權(quán)重大數(shù)據(jù)集靠模型容量。如果你的數(shù)據(jù)只有兩三百張建議選擇ResNet34做編碼器如果數(shù)據(jù)到了一千張以上可以嘗試ResNet50或者直接換EfficientNet。這個不是鐵律而是我在不同規(guī)模數(shù)據(jù)上反復(fù)試出來的經(jīng)驗。3. 數(shù)據(jù)準(zhǔn)備多類別數(shù)據(jù)集的整理與預(yù)處理3.1 目錄結(jié)構(gòu)與標(biāo)注格式的統(tǒng)一很多人在模型跑不起來時才發(fā)現(xiàn)問題出在數(shù)據(jù)上而不是代碼上。多類別語義分割的數(shù)據(jù)集標(biāo)準(zhǔn)的組織方式是這樣dataset/ ├── images/ │ ├── img_001.jpg │ ├── img_002.jpg │ └── ... └── masks/ ├── img_001.png ├── img_002.png └── ...圖片格式一般用jpg或png都行但掩膜mask必須是png而且是單通道的灰度圖或調(diào)色板模式。為什么必須png因為jpg是有損壓縮會導(dǎo)致標(biāo)注類別邊緣出現(xiàn)偽色模型會學(xué)到錯誤信息。特別注意掩膜每個像素點的數(shù)值背景為0第一個類別為1第二個類別為2以此類推。如果你用Labelme這類工具標(biāo)注導(dǎo)出的掩膜是調(diào)色板模式需要用代碼轉(zhuǎn)成類別索引不然訓(xùn)練時一算損失就是一片NaN。3.2 數(shù)據(jù)增強與樣本均衡技巧多類別分割里最頭疼的問題就是類別不平衡。比如一棟建筑物可能只占畫面面積的5%背景卻占了70%。如果直接訓(xùn)練模型會傾向把所有像素都預(yù)測成背景。我的做法是對每個類別統(tǒng)計像素占比然后給損失函數(shù)里的每個類別分配權(quán)重權(quán)重和像素占比成反比。數(shù)據(jù)增強我用的是albumentations庫比torchvision的transform靈活得多。我常用的一套增強組合包括水平翻轉(zhuǎn)、垂直翻轉(zhuǎn)、隨機旋轉(zhuǎn)90度、隨機裁剪和亮度對比度調(diào)整。這里有個細(xì)節(jié)對圖像做翻轉(zhuǎn)和旋轉(zhuǎn)時掩膜必須做同樣的變換albumentations保證了這一點。增強不是越多越好如果你的類別是建筑物這類剛性目標(biāo)翻轉(zhuǎn)和旋轉(zhuǎn)沒問題如果你處理的是文本行這類有方向性的目標(biāo)旋轉(zhuǎn)90度會把標(biāo)注搞亂。3.3 自定義Dataset類的關(guān)鍵代碼寫Dataset類時最容易犯的一個錯誤是忘記把掩膜里的類別索引壓到從0開始連續(xù)分布。以下是我常用的代碼import torch from torch.utils.data import Dataset from PIL import Image import os import numpy as np class SegmentationDataset(Dataset): def __init__(self, image_dir, mask_dir, transformNone, class_mappingNone): self.image_dir image_dir self.mask_dir mask_dir self.transform transform self.class_mapping class_mapping or {} self.images sorted([f for f in os.listdir(image_dir) if f.endswith((.jpg, .png))]) def __len__(self): return len(self.images) def __getitem__(self, idx): img_name self.images[idx] img_path os.path.join(self.image_dir, img_name) mask_path os.path.join(self.mask_dir, img_name.replace(.jpg, .png)) image np.array(Image.open(img_path).convert(RGB)) mask np.array(Image.open(mask_path)) # 不要convert(RGB)保持灰度 # 如果mask是調(diào)色板模式0-255任意值需要做類別映射 if self.class_mapping: mapped_mask np.zeros_like(mask) for old_id, new_id in self.class_mapping.items(): mapped_mask[mask old_id] new_id mask mapped_mask if self.transform: transformed self.transform(imageimage, maskmask) image transformed[image] mask transformed[mask] image_tensor torch.from_numpy(image).permute(2, 0, 1).float() / 255.0 mask_tensor torch.from_numpy(mask).long() return image_tensor, mask_tensor這段代碼里有個非常重要的點掩膜轉(zhuǎn)成tensor用.long()不要用.float()。因為后面損失函數(shù)CrossEntropyLoss期望輸入是整數(shù)類別索引如果用float會報錯或者產(chǎn)生錯誤結(jié)果。我在一開始就踩過這個坑整整調(diào)了一個晚上才發(fā)現(xiàn)是類型不匹配。4. 模型實現(xiàn)Unet結(jié)構(gòu)與多類別輸出適配4.1 Unet核心結(jié)構(gòu)拆解我在這里不放完整的三百行Unet代碼了因為網(wǎng)上開源實現(xiàn)非常多我建議你找一個star數(shù)高的倉庫讀一遍結(jié)構(gòu)但有幾個核心參數(shù)必須搞清楚。Unet整體分為編碼器、瓶頸、解碼器三段。編碼器是若干個卷積塊加下采樣特征圖尺寸減半通道數(shù)翻倍瓶頸在最底層解碼器逐步上采樣通道數(shù)減半并與對應(yīng)的編碼器特征圖拼接。關(guān)鍵在于最后一層卷積的輸出通道數(shù)必須等于你的類別數(shù)。舉例如果是五類分割最后一層卷積輸出通道數(shù)就設(shè)為5。每個通道對應(yīng)一個類別的置信度分?jǐn)?shù)。訓(xùn)練時用CrossEntropyLoss它對每個像素在通道維度上做softmax后計算損失。這部分不需要你自己寫softmaxPytorch的CrossEntropyLoss內(nèi)部已經(jīng)包含了。4.2 多類別輸出的通道設(shè)置與損失函數(shù)選擇我遇到不少人在修改Unet時只改了模型最后一層的輸出通道數(shù)但忽略了編碼器預(yù)訓(xùn)練權(quán)重的加載方式。如果是自己寫的Unet從頭訓(xùn)練沒問題如果你的編碼器要加載預(yù)訓(xùn)練權(quán)重前幾層的通道數(shù)必須和ImageNet預(yù)訓(xùn)練模型一致通常就是RGB三通道輸入輸出通道按骨干網(wǎng)絡(luò)設(shè)定。損失函數(shù)方面多類別分割最常用的是CrossEntropyLoss加DiceLoss的組合。我實際測試下來純用CrossEntropyLoss小目標(biāo)類別的分割效果一般純用DiceLoss訓(xùn)練初期損失波動劇烈。兩者的加權(quán)和比較穩(wěn)具體公式是loss 0.7 * ce_loss 0.3 * dice_loss這個比例可以根據(jù)你的數(shù)據(jù)調(diào)整。如果類別特別不均衡把dice_loss的權(quán)重調(diào)高到0.5甚至0.7。DiceLoss對不平衡不敏感它能直接優(yōu)化類別區(qū)域的重合度。5. 訓(xùn)練配置與完整實操流程5.1 環(huán)境準(zhǔn)備與關(guān)鍵參數(shù)設(shè)置環(huán)境方面推薦用Anaconda創(chuàng)建獨立的環(huán)境。以Ubuntu系統(tǒng)為例常見組合是Python 3.10.11加Pytorch 2.8.0加CUDA 12.1這一套搭配在GTX 30系和40系顯卡上表現(xiàn)穩(wěn)定。Windows下的流程類似只是CUDA環(huán)境變量配置要格外小心。如果顯卡顯存只有6G建議輸入圖片尺寸用256x256批次大小設(shè)為4到8顯存12G以上的話輸入尺寸可以提高到512x512批次大小設(shè)8到16。我整理了訓(xùn)練階段幾個關(guān)鍵的超參數(shù)參考值參數(shù)推薦值備注輸入尺寸256x256 / 512x512小顯存用256大顯存用512批次大小4 / 8 / 16視顯存而定初始學(xué)習(xí)率1e-4 / 1e-3使用AdamW優(yōu)化器學(xué)習(xí)率調(diào)整CosineAnnealingLR避免后期震蕩訓(xùn)練輪數(shù)50 / 100看驗證集指標(biāo)早停優(yōu)化器AdamW比Adam穩(wěn)定性好5.2 訓(xùn)練循環(huán)中的關(guān)鍵代碼訓(xùn)練循環(huán)本身并不復(fù)雜但有一些細(xì)節(jié)會讓訓(xùn)練過程順暢很多。比如啟用自動混合精度用autocast和GradScaler顯存能省下近一半訓(xùn)練速度還能提升。另外每個epoch保存一次checkpoint別只保存在最后一個epoch——訓(xùn)練中斷是家常便飯有checkpoint才能續(xù)上繼續(xù)訓(xùn)。一個簡化但完整可跑的訓(xùn)練循環(huán)結(jié)構(gòu)import torch from torch.cuda.amp import autocast, GradScaler scaler GradScaler() optimizer torch.optim.AdamW(model.parameters(), lr1e-4) scheduler torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_maxepochs) for epoch in range(epochs): model.train() total_loss 0 for images, masks in train_loader: images, masks images.to(device), masks.to(device) optimizer.zero_grad() with autocast(): outputs model(images) loss ce_criterion(outputs, masks) 0.3 * dice_loss(outputs, masks) scaler.scale(loss).backward() scaler.step(optimizer) scaler.update() total_loss loss.item() scheduler.step() avg_loss total_loss / len(train_loader) print(fEpoch {epoch}/{epochs}, Loss: {avg_loss:.4f}) if epoch % 5 0: torch.save(model.state_dict(), fcheckpoints/unet_epoch_{epoch}.pth)注意dice_loss需要自己實現(xiàn)def dice_loss(pred, target, smooth1.0): pred torch.softmax(pred, dim1) target_onehot torch.nn.functional.one_hot(target, num_classesnum_classes).permute(0, 3, 1, 2).float() intersection (pred * target_onehot).sum(dim(2, 3)) union pred.sum(dim(2, 3)) target_onehot.sum(dim(2, 3)) dice (2 * intersection smooth) / (union smooth) return 1 - dice.mean()5.3 評估指標(biāo)與結(jié)果可視化訓(xùn)練完成后不要只看loss要算每個類別的IoU和mIoU。mIoU是所有類別IoU的平均值這是語義分割最通用的評價指標(biāo)。我需要提醒你計算IoU時要對每個類別單獨統(tǒng)計不能直接拿混淆矩陣整體算。具體實現(xiàn)可以用sklearn的confusion_matrix輔助。from sklearn.metrics import confusion_matrix def compute_iou(pred_mask, true_mask, num_classes): pred_flat pred_mask.flatten() true_flat true_mask.flatten() cm confusion_matrix(true_flat, pred_flat, labelslist(range(num_classes))) intersection np.diag(cm) union cm.sum(axis0) cm.sum(axis1) - np.diag(cm) iou intersection / (union 1e-6) return iou可視化方面推薦把預(yù)測結(jié)果疊加到原圖上用半透明色塊顯示不同類別。我覺得看分割效果比死磕指標(biāo)更直觀很多邊界問題光看IoU是發(fā)現(xiàn)不了的。別只看訓(xùn)練集的預(yù)測效果一定要去驗證集上抽幾張圖看邊界質(zhì)量——是不是出現(xiàn)鋸齒狀、是不是有空洞。6. 常見問題與排查技巧實錄6.1 損失降至Nan的排查過程這是最多人碰到的坑。我遇到過一次損失降到NaN排查步驟是先檢查掩膜里是否有超出類別數(shù)的值。比如類別數(shù)是5掩膜數(shù)值范圍卻是0到255這會讓CrossEntropyLoss計算出NaN。然后檢查數(shù)據(jù)歸一化圖片輸入是否除以了255掩膜是否保持整數(shù)類型。最后檢查學(xué)習(xí)率如果初始學(xué)習(xí)率設(shè)到0.1梯度爆炸也會導(dǎo)致NaN。我習(xí)慣把初始學(xué)習(xí)率控制在1e-4到1e-3配合AdamW很少再碰到NaN。6.2 顯存不足的應(yīng)對策略顯存不足是個很現(xiàn)實的問題。我一開始用512x512輸入、批次16直接爆顯存。后來做了三件事?lián)Q成分批訓(xùn)練、縮小輸入尺寸、啟用混合精度。假設(shè)你的顯卡是8G顯存推薦直接用256x256輸入加批次8加混合精度這樣訓(xùn)練速度反而可能比大尺寸低批次更穩(wěn)定。另外在forward里加一句torch.cuda.empty_cache()也能清理一部分碎片顯存但不要在每個step都調(diào)用會拖慢速度。6.3 模型訓(xùn)練不收斂或過擬合的調(diào)整訓(xùn)練不收斂先看損失曲線是震蕩還是不下降。震蕩說明學(xué)習(xí)率太高調(diào)低一個數(shù)量級不下降說明可能模型結(jié)構(gòu)或數(shù)據(jù)出了問題。我遇到過一次模型輸出恒為背景的情況檢查發(fā)現(xiàn)掩膜數(shù)值沒有對齊所有類別都被映射成了0。過擬合則表現(xiàn)為訓(xùn)練集損失低但驗證集IoU不增這時加大數(shù)據(jù)增強強度、加Dropout、縮小模型容量都有效。我把這些高頻問題整理成了一個速查表癥狀可能原因解決方案損失NaN掩膜值超出類別范圍檢查mask像素值確保0到num_classes-1顯存不足輸入尺寸過大/批次過大降輸入尺寸、分批、開混合精度驗證IoU不漲過擬合或?qū)W習(xí)率過大加增強、降學(xué)習(xí)率、早停預(yù)測全是背景類別索引不對齊檢查數(shù)據(jù)集類映射邏輯邊界粗糙跳連接被忽略檢查模型是否真的用到了skip connection6.4 模型保存、加載與推理的完整流程訓(xùn)練完模型后保存方式我推薦只存state_dict不存整個模型因為后者在Pytorch版本升級后容易反序列化失敗。加載模型后做推理要注意輸入圖片必須做和訓(xùn)練時一樣的預(yù)處理resize到相同尺寸、歸一化到0到1、轉(zhuǎn)成張量、加batch維度。預(yù)測輸出是一個形狀為(1, num_classes, H, W)的張量用argmax(dim1)取每個像素的類別索引。最后轉(zhuǎn)換成彩色圖時準(zhǔn)備一個調(diào)色板數(shù)組把類別索引映射成RGB顏色。import torch import numpy as np from PIL import Image import torchvision.transforms as transforms def inference_single_image(model, image_path, device, num_classes): transform transforms.Compose([ transforms.Resize((256, 256)), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) image Image.open(image_path).convert(RGB) input_tensor transform(image).unsqueeze(0).to(device) model.eval() with torch.no_grad(): output model(input_tensor) pred torch.argmax(output, dim1).squeeze(0).cpu().numpy() return pred推理后如果想保存成彩色分割圖可以用這樣一個簡單的映射color_map np.array([ [0, 0, 0], # 背景 [255, 0, 0], # 類別1紅色 [0, 255, 0], # 類別2綠色 [0, 0, 255], # 類別3藍色 [255, 255, 0], # 類別4黃色 ], dtypenp.uint8) segmentation_rgb color_map[pred] Image.fromarray(segmentation_rgb).save(prediction.png)7. 多類別數(shù)據(jù)標(biāo)注與類別映射的實戰(zhàn)心得7.1 標(biāo)注工具選擇與格式轉(zhuǎn)換常見坑多類別分割最關(guān)鍵的第一步其實是標(biāo)注質(zhì)量。我試過Labelme、EISeg、CVAT最終常用Labelme配合腳本轉(zhuǎn)成Unet需要的png掩膜。Labelme導(dǎo)出的是json文件每個多邊形對應(yīng)一個label需要逐張解析json并把多邊形填充成掩膜。這里有個非常隱蔽的坑json里標(biāo)注的label名稱和你最終想要的類別索引可能不是一回事一定要建立一個字典做映射。import json import numpy as np import cv2 import os def json_to_mask(json_path, height, width, label_map): with open(json_path, r, encodingutf-8) as f: data json.load(f) mask np.zeros((height, width), dtypenp.uint8) for shape in data[shapes]: label shape[label] points np.array(shape[points], dtypenp.int32) if label in label_map: cv2.fillPoly(mask, [points], label_map[label]) return mask這段函數(shù)把json里的每個多邊形填充到掩膜上label_map里存的是比如{建筑: 1, 道路: 2, 植被: 3}這樣的鍵值對。實際操作中我發(fā)現(xiàn)最花時間的不是寫轉(zhuǎn)換腳本而是清洗標(biāo)注數(shù)據(jù)。比如相鄰圖片邊緣處多邊形沒有貼合圖像邊界導(dǎo)致交界處出現(xiàn)一條無類別帶狀區(qū)域這一條區(qū)域會成為模型預(yù)測錯誤的高發(fā)區(qū)。處理方法是對掩膜做一個形態(tài)學(xué)閉運算把細(xì)小的空洞縫補上。7.2 數(shù)據(jù)集劃分比例與驗證集選擇多類別分割的數(shù)據(jù)劃分和普通分類不太一樣。除了按文件數(shù)量比例劃分還要考慮類別分布。我遇到過一種情況訓(xùn)練集里“水體”樣本很多驗證集里“水體”只出現(xiàn)在一張圖的一角結(jié)果導(dǎo)致驗證集水體IoU特別低模型并沒有過擬合純粹是驗證集抽樣偏差。比較穩(wěn)妥的做法是按圖像整體劃分保證每一類在訓(xùn)練集和驗證集都出現(xiàn)如果某個類別的圖像特別少可以考慮將數(shù)據(jù)增強用到驗證集上但這并不常規(guī)更合理的是用k-fold交叉驗證。對數(shù)據(jù)量只有幾百張的情況k-fold交叉驗證是評估模型真實水平的有效方式。最后分享一個細(xì)節(jié)在訓(xùn)練過程中如果發(fā)現(xiàn)某幾個類別的IoU一直偏低先別急著改模型結(jié)構(gòu)回到標(biāo)注數(shù)據(jù)里看看這些類別的標(biāo)注質(zhì)量是否有重疊標(biāo)注、漏標(biāo)、邊界粗糙的情況。我之前處理遙感影像分割時“陰影”類別的IoU怎么都上不去后來仔細(xì)拉大圖片比對發(fā)現(xiàn)標(biāo)注員把很多本來就模糊的陰影邊界標(biāo)歪了模型學(xué)到的邊界自然混亂。重新清洗了一批標(biāo)注后這個類別的IoU直接提升了十幾個點。數(shù)據(jù)質(zhì)量決定了模型效果的上限這話在語義分割里體現(xiàn)得特別明顯。本文還有配套的精品資源點擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
亚洲精美粉嫩嫩泬在线观看 | 亚洲成人妻日韩在线| 亚洲日韩人妻中文字幕一区| 亚洲色9| 欧美性生活免费网| 69av一区二区三区| 久久中文字幕人妻熟av女蜜柚| 97精品综合| 国产91影院| 五月开心久久AV官网| AV一区观看| 欧美成人一区二区| 亚洲日韩黑丝| 人妻天堂综合网| 欧美性爱第一页久久| 美日韩一二三区| 欧美在线播放aaaa| 欧美丝袜制服久久| 新久久AV| 美女裸体无遮挡永久免费观看网站| 精品国产久久乱码| 人妻熟妇一区二区三区| 一本一道久久综合久久| 91美女視頻| 男人的天堂.com| www超碰| 九九视频黄色片| 中文字幕av片| 青娱乐手机日韩在线视频| 日本91白丝| 五月天丁香网| 色综合色欲色综合色综合色综合| 国产精品久久久三级无码| www.av在线视频| 色色色日本| 亚洲情色 欧美| 欧美97免费| 97伦乱| 亚洲丰满很很操| 成人网欧美风情| 天天综合在线4| 亚洲精品三| 人妻精品视频一区二区| 日韩AV电影网站| 色色色综合网| 久久精品人体AV| 女优视频第10页| 国产热RE99久久6国产精品首| 激情国产乱伦Av| 操日韩第| 无码精品一区二区三区潘金莲| 第四色奇米影视777| 操B视频日韩无码| 亚洲无码视频免费在线观看网址! J?P?NESEHD熟女熟妇伦 | 四虎免费看黄| 中文字幕伊人| JuliaAnnXXX888| 亚洲日韩国产精品| 乱伦a片视频| 综合国产影视三级| 久久久蜜桃一区二区三区| 精品久久在线区一区| 久久精品亚洲婷婷| 91人妻视频| 91美女视频在线| 日日干男人的天堂| 国产精品久久久亚洲第一牛牛_在线观看 | 自拍鲍鱼一区在线高清观看免费| 亚洲美女AV无码| 欧美性性性| 97色色色| 一级片在线观看高清无码| 日韩Va亚洲va欧美Ⅴa久久| 亚洲一卡2卡3卡4卡乱码网站| 一级特级aaaa毛片免费观看 | 裸模AV女优| 97精品中文字幕| 亚洲天天更新| 色yeye成人免费视频| 熟女突然公开看18禁影片| 天天爽天天操| 日本孕妇孕交| 男人的天堂2018| 人妻少妇色综合| 一区操逼日比视频| 高清国产av无码| 无码99| 亚洲诱惑| 国产家庭乱伦表演| 日本久久久精品电影| 久久精品男人的天堂| 香蕉精品二区二区 | 国产精品一区二区密臀| 日本欧美一区二区三区免费| 色穴精品| 99re久久| 欧美日韩性爱视屏免费看了| 啊啊啊久久久视频| 日本免费不卡二区| 亚洲 暴爽 AV人人爽日日碰| 黄片com.| 丝袜色综合| 天美传媒AV在线播放| 中文字幕亚洲永久精品| 日日夜夜干| 亚洲情色欧美| 欧美亚洲第1页| 高清国产无码av| www.色婷婷色综合| 人人潮人人摸| 欧美性生活综合| 在线黄色污污网站| 国产一国产一级毛片古装| 国产精品视频一区二区三区八戒| 97干com| 男女国产精品| 99无码视频| 中文幕97| 青青草视频在线观看一区二区| 99国产精品自在自在| 夜色91| 日韩精品一区二区三区色欲| 超碰久久精品| 婷婷月色| 96精品久久久久久久久久| 三级三久久线久久99久目本WW| 欧美传媒一区| av在线不卡一区二区三区| 一区二区 电影 亚洲| 国产乱伦视频污| 精品国产乱码久久久久久影片| 色九色久| 啊啊啊 在线观看| 校园春色AV天堂| 91久久婷婷| 亚洲欧洲日韩中文字幕一区| 五月天激情国产综合婷婷婷| 香蕉99秘 一区精品蜜桃臀| 色色色色综合网| 国产精品96久久久久久| 中文字幕亚洲欧美在线不卡| 玖玖久久久| 曰韩成人免费视频| 9Ⅰ超碰| 国产亚洲在线| 中文字幕av亚洲精品| 久久亚洲影院一区二区| 人人妻人人爽 97人人看碰人免费公开视频| 麻豆蜜桃视频在线观看| 日韩欧美性爱电影在线观看| 国产高清不卡视频| 欧美不卡二区| 啪啪啪男女亚洲中文字幕99| 日韩紧密久久| 亚乱色| 久久成人精品| 亚洲一区日韩| 天天操天天干一区二区| 欧美激情久久久久| 日韩精品三区四区| 亚洲国产奇米影视久久| 91性网| 久久a久久| 91人妻中文| 大香蕉日韩| 亚洲永久永久永久永久一级一级一级精品| 国语精品内射在线观看| 精品久久久久久无码| 91欧美性| 亚州宗合另类| 性爱视频无打码在线观看| 免费1级a做爰片观看| 东京热亚洲一区二区| 视频一区二区免费在线| 日本一区二区三区精品| 免费操逼91| 人妻人人澡人人爽人人| 激情第四色| 日韩欧美性爱电影在线观看| 久色99999| 岛国黄| 99无码| 国产综合久久久鬼色| 国产综合网站在线播放| 国产熟女精品一区二区| 蜜臀久久精品久久久久视频| 亚洲国产精品久久久久久久久久| 亚洲精品尤物yw在线影院| 玖玖大干人妻| 午夜呻吟欧美| 色婷五月天| 国产亚洲日韩欧| 午夜噜噜噜| 67194无码不卡| 啪啪资源网| 久九九九| 丰满人妻-区二区三区免费看| 偷拍在线观看视频| 久久草在线综合视频| 国产强奸乱伦xd| 婷婷爽人人婷婷爽视频| 人妻少妇精品无码专区二区密桃| 日韩人妻无码精品系列| 日本一二区免费| 青娱乐亚洲自拍| 久久久久久久强迫| 青青草久草| 97久久精品不卡| 欧美九九99久久精品| 亚洲国产欧美中日韩成人综合视频| 富女玩鸭子一级毛片| 淫纸中9区| 加勒比东京热五月天天堂网| 伊人久日| 欧美成97爱| 另类专区加勒比| 亚洲色图欧美另类在线| 天美欧美国产| 91N综合网在线| 亚洲污污网站| 激情四射婷婷六月天| 欧美夜色| 男人的天堂视频精品乱在线| 手机在线视频国内精品| 人人操人人uiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiii | 18精品一二区| 九九热AV| 国产 热久久久久国产精品| 午夜舔阴达高潮视频免费看| 日韩乱伦AⅤ| 精品久久久一本一道| 欧美性爱www免费版| 国产亚洲性生活视频播放| 国产精品96| 欧美精品97| 亚洲婷婷丁香在线| 亚洲性爱电影| 日韩在线观看字幕精品| 免费视频无码| 激情小说在线视频| 97在线免费视频| 色在线视频导航| 超碰97久久| 亚洲黄片免费在线播放| 国产精品亚洲高清在线| 婷婷亚洲色| 嗯阿好爽好紧| 日韩精品人妻中文字有码在线| 人妻人妻天天碰| 亚洲精品久久一区二区三区蜜桃臀| 狠狠干精品一二三四五六2022| 91夜夜蜜桃臀1区2区3区| 精品人妻一区二区三区免费视频| aaaa少妇高潮大片| 婷婷九月国产| 色大师网站www永久网站视频| 久久的网站啊啊啊啊啊| 无码九九九九| 午夜国产综合视频在线观看| 伊人女女资源在线观看| 啊啊啊不要好疼视频| 97欧美精品综合| 亚洲一区二区三区麻豆传媒| 亚洲经典啪啪| 无码精品蜜桃一区二区三区ww| 日韩在线欧美精品一区二区| 日本丝袜人妻内射| 日本色婷婷| 天美传媒AV国产在线| 精品久操| 亚洲日本韩国极品一区二区| 国产最新小视频在线播放下载| 性暴力欧美猛交在线直播| 熟女五十路一区二区三| 九热久| 亚洲色天| 69人妻精品一区二区绯色| 日本日日色视频| 伊人欧美大香蕉视频| 国产免费黄色一级大片| 99这里有精品视频| 狠狠干妹子| 性饥渴少妇av无码毛片| 亚洲色堂免费视频| 九久久精| 能直接看AV的网站| 4141514逼喷水三级片| 午夜男人的天堂| 操操操日本的逼| 久久精品视频久久久| 精品丰满熟妇人妻一区| 国产女人与拘做受视频免费| 欧美综合97www| 巨乳特殊服务按摩| 狠狠爱综合网| 国产精品97视频| 亚洲1区2区三区高清中文字幕| 97亚洲综合电影| 久久精品噜噜噜成人看免欧美大片| 欧美一二三级精品在线| 亚州色站 日韩电影| 伊人网高清| 天天日天天插| 亚洲福利中文字幕在线| 吉川爱美98堂在线| 亚洲AV无码乱码| 国产蜜臀精品一区免费尤物| 精品亚洲天堂| 久久久九97| 久久啊啊| 久久久久亚洲Aⅴ无码| 亚洲一区中文字幕一区| 亚洲男人的天堂网| 亚洲综合另类小说色区亚洲成av人片在www| 在线观看一卡二卡| 久久久久久九| 丝袜内射| 久久嫩草| 99国产精品久久久久久久成人热 | 成人线上超碰| 91天天爱| 色欲久久99国产精品久久久久久| 在线亚洲丝袜视频网站| 亚洲天堂AV在线播放| 屌妞视频久久久久久久久久久久| 老熟女搡BBBB搡BBBB视频| 亚洲国产丝袜熟女av| 97天天爽| 97无码视频在线播放| 中日无幕一二三四区| 曰韩人妻中文字幕在线| 中文字幕-区二区三区四区视频中国| 久久久久久久免费A片国产成a人亚洲精∨品无码 | 夜夜爽妓女| 久久久九九九| 中文字幕在线观看AV| 男女猛烈无遮掩视频免费软件| 看黑人AV不卡| 日韩中文字幕精品一区在线| 亚洲美腿丝袜香蕉影视欧美成人| 婷婷10月天青娱乐| 亚洲色鬼| 国产一区二区二区按摩精品啪视频| 日韩国产品视频中文字| 做爱A级亚欧| 欧美 日韩第一性色| 在线日韩视频| 国产精品麻豆免费视频| 91精品国产91久久久久久久久久久久| 国产四虎在线| 99视频在线| 久久久久久网址| 九九九草| 色天使大香蕉| 日本在线不卡一二区| 夜夜爽爽爽| 水多多映视AV| 色区97| 1区2区3区中文字幕日韩| 一区二区三区精品视频| 男女啪啪网站免费视频| 亚洲少妇激情一区二区三区| 国产又黄又猛又粗又爽的网站| 强奸乱伦 亚洲一区| 高潮9999外国| 美女干逼2| 日本一本一区二区三区四区五区欧美日韩中文字幕 | 91丝袜在线视频| 91大学精品激情戏| aⅴ日韩成人电影av在线免费看av大全| 东京太热男人的天堂久久久| 亚洲青色欧美| 欧美在线啊啊啊 | 国产AV色黄看到爽| 精品视频一区二区| 欧美伊人电影| 在线观看 99热| 亚洲 欧美 小说| 长长久久免费视频| 另类 日韩 熟女| 成人精品久久久午夜福利| 神马麻豆福利院| 超碰9 7女人| 久久久男人的天堂| 激情婷婷黑人91| 91精品人妻啪啪间| 九九九九九九九九九九九九九九九女| 久久国产视频专区一二三 | 亚洲骚逼少妇| 综合自拍| 九九九精品美女| 久久老熟女| 久久成人精品| 人人澡人人澡人人| 999国产精品999久久久久久| 亚洲综人网| 欧美色图自拍| 亚洲欧美天| 久艹99| 91熟女.com| 欧美综合骚| 亚州伊人色综台| 狠狠狠狠狠狠| 熟妇艹鸡八| 亚洲视频一二区| 国产精品ww久久| 97在线看| 日韩黄色片子| 日韩国产成人自拍视频| www.zbzhongsen.com| 操逼日韩无码 | 蜜乳av一区二区| 亚洲国产欧美一区二区潘金莲 | 九九九九九九九九九五码| 国产精品久久久久久久久久久久久久久久久久| 第四色色综合91| 黄呦呦在线| 四虎免费视频| 91欧美经典| 国产亚洲色婷婷久久99精品91 - 百度| 亚洲成人网站在线观看| 日韩专区数据列表-第3230页-精品国产一区二区三区香蕉 久久99熟女人妻中文字 | 亚洲全色网| 国产亚洲精品激情| 狠狠色噜噜狠狠狠狠狠色综合久久| 亚洲毛片一级带毛片基地| 国产精品免费视频人成| 97天天爽| 久久久久久久久久久久久女过产乱-少妇高潮一区二区三区喷水-成人AV | 亚州九九九精品视频| 久久久久久久久女黄| 另类欧美色| 一本色道综合久久欧美| 婷婷亚洲天堂| 校园春色中文字幕AV| 美女黄色91| 尤物网站91| 精品人体无圣光凹凸| 97av在线视频| 日本五十路在线| 好湿好紧视频| 人人操人人摸avav| 欧美少妇熟女| AV色五月天| 国产精品久久久久久久久久久久| 免费av在线播放二区| 天天久久久久久| 百度百度日本操逼| 另类专区在线观看| 久久999久| 极品色综合| 成人午夜小视频手机在线看| 老熟女熟妇| 成人青青草原伊人| 老司机射| 中文字幕久久精视频久久大全| 99超碰碰| 一,爱啪啪,在线免费视频| 97内射偷拍| 91宗合网| 大香蕉啪啪网| 超碰97综合网| AV污污污污| 综合网欧| 中国一级αV| 五月丁香综合啪啪| 91日韩网站| 久久6热视频免费观看| 高清不卡国产| 欧美资源| 五月丁香综合| 久久精品—区二区三区内射| 美女久久久| 日本精品高清一二区一本到| 亚洲日韩乱码中文无码蜜桃臀网站| 男人午夜天堂| 艳美熟妇先锋一二三区| 最近二区三区视频大全| 欧美亚洲丝袜人妻制服99| 久久精品国产99久久,亚洲日韩久久日本一区一区三区 | 欧美18老人禁| 色五月婷婷在线| 一本一道久久综合久久| 在线可观看的黄色网址| 加勒比久久av| 天天干天天狼在线视频| 日日爽熟女| 亚洲视频1区| 五月丁香影视| 超碰超碰超碰超碰的大鸡吧操黑丝袜| 综合久久中文字幕综合日韩精品| 色 婷97| 日本精品五区| 成人贴图日韩欧美| 人人做,人人操,人人摸| 久久欧洲| 国产一区二区在线播放量| 一区二区 电影 亚洲| 久久久久久99AV无码免费网站| 97AV爱| 中文字幕精品免费一区二区| 九九九久久久久| 欧美日日操| 综合情欲网| 国产精品熟女乱伦| 九九九九九九九九九国产精品| 三级网色| v91av| a网站免费观看| www.男人的天堂| 99国内精品| 久久精品国内Av熟女高清| 久草新免费| 欧美一区二区福利在线| 亚洲久久东京热一二三四五区视频| 天天精品| 国产强奸无码乱伦| 啊啊啊啊好大好硬啊啊啊啊啊 | 亚洲蜜乳av| 日日夜夜骑| 久久久久久久久久久人妻| 国产精品成人久久一区二区三区| 黑人干亚洲| 蜜桃视频精品一区二区| 三级AV入口| 玖玖爱视频网站| 日韩熟女精品无码专区一区二区 | 国产又粗又又黄又猛| 人妻另类 专区 欧美 制服| 欧美日韩另类字幕中文| 夜夜爽77777| 欧亚成人| 亚洲毛片基地专区| 91老熟女91老女人| 亚洲美欧999| 婷婷伊人綜合中文字幕| 久久99国产综合精品女同| 国产精品露脸在线观看| 欧美黑人极品高潮喷吹熟女黑人性暴力日韩在线欧美极品一区 | 久久精品国产72国产精品福利| 亚洲天堂男人的天堂| 精品无码人妻一区二区免费蜜桃| 长长久久曰曰夜夜成人网| 韩国午夜理伦三级好看| 影音先锋少妇| 在线午夜成人无码视频| 久久黄黄黄| 成熟熟女国产精品一区二区| 欧美熟爽综合| 99精品在线播放| 亚洲一区二区精品福利| 隔壁邻居波多野结衣中文字幕| 高精欧美色| 亚洲清纯唯美| 素人无码中文字幕| 婷婷五月天社区| 一区二区三区激情在线观看| 国产精品一区二区校花| 日欧操屄| 中文字幕久久婷婷丁香五月天| 99精品九九九九九九| 综合大香蕉美。| 日本新免费二区三区| 狠狠干精品一二三四五六2022| 性吧在线视频| 亚洲五月天激情| 最新国产精品久久精品| 大香蕉五月天婷婷| 久9热| 亚洲成A∨人影院在线欢看| 午夜一级免费毛片| 国产黄片精品在线| 啊啊啊用力在线观看| 日本色婷婷| 欧美操逼一二三区| 亚洲精品丝袜-不卡成人免费……| 欧美麻豆成人同性GⅤ在线| 大香蕉久| 婷婷丁香久久| 五月天伊人| 天天综合91在线| 亚州色图第三区| 日韩三四五区| 伊人91| 久久久久13| 中文一区二区婷婷视频| 亚洲免费97免费| 青青草字幕AV| 欧美性爱视频免费一区一A | 亚洲双插| 在线观看啊啊啊啊啊| 97视频免费在线| a啊啊啊啊啊啊啊啊一区二区| 日韩综合97p| 日韩有码 一区二区三区| 国产福利电影| 日韩 欧美 视频 在线 一区| 亚洲色欲天天人妻无码系列专区| 欧美日韩夜夜| 蜜臀亚洲综合一二三四区| yazhououmeizongya| 中文字幕在线免费观看 | 探花视频免费观看国产专区| 欧美色视频在线| 国产精品免费视频人成| 丝袜熟女2P| 蜜桃色院一区久久 | www.91逼逼.com| 丝袜大香蕉| 国产乱弄免费在线视频。| 亚洲,欧美,综合网| 国产无码久久高清| 亚洲精品日韩国产欧美| 台湾佬激情综合| 加勒比综合a∨| 综合 亚洲 欧美| 久久久久久久久成人av解说| 美日韩成人| 情色五月天网| 国产二区三区免费视频| 人妻少妇av在线观看| 久久免费看高潮毛片韩国| 女同性恋中文字幕| 日韩中文字幕国产| 五月天激情小说| 超碰1997| CCYY草草影院地址入口| 色色五月婷| www99热| 激情黄色五月天| 精品视频在线观看精品| 性做久久久久久久| 樱花草社区www中国| 青娱乐黄色录像| 亚洲人妻中文高清| 天堂精品在线| 亚洲AO在线| a级成人毛片免费视频高清| 黄色电影观看久久9| 天天干一区二区| 欧美少妇高潮| www.99色| 四月丁香婷婷| 精品传媒在线一区| 99久久9| 欧美91色| 激情网色| 操我啊啊啊啊啊| 亚洲欧美黄| 俺去也婷婷| 青青操日韩| 在线性黄高清免费视频| 亚洲国产精品久久久久婷婷老年| 日韩美女操b| 日韩欧美丝袜诱惑| 老熟女乱伦一区| 亚洲蜜臀懂色| 大二网站亚洲| 97国产精品| 欧美精品自慰系列寂寞少妇| 亚洲棕合电彰| 中文字幕文字幕无码一区二区三区电影99| 1769成人国产精品视频| 日日夜夜干| 女优大全 - 91n| 久久黄黄| 九九久久玖玖| 男人天堂.AB| 亚洲欧美综合| www四虎| 亚洲国产综合视频| 亚洲欧美骚| 久久这里只精品99re66图| 亚洲熟妇白浆无码AV| www激情| juliaann欧美丝袜办公室| 大香蕉啪啪啪| 9久精品| 2025亚洲男人天堂| 中文字幕国产| 国产精品电| 丰满的三级少妇欧美久久久| 欧美一级二级三级| 加勒比AV网| 2019天天干天天操| 欧美色图 人妻| 99性爱在线观看| 美性中文综合网| 人人摸人人摸人人干| 99久久免费看精品国产一区| 黑操B| 日韩三A大片在线观看| 欧美色自拍| 91精品丝袜久久久久久| 91天天| 精品中文一区二区| 大胆91| 91午夜无码| 久操视频免费观看| 狠狠躁AV| 国语av最新自产拍在线观看| 性欧美91| 夜夜高潮夜夜爽| 久久久成人国产精品无码| 九七色图| 学生妹天天看| 五月婷婷爱六月丁香色| yaouchengrenav| 黄色十八禁| 婷婷五月天补不补| 欧美aⅴ99久久黑人专区| wwwcaobibi| 99久久国产精品免费高潮| 激情视频一二三| 屌逼麻豆| 久久久成人国产精品无码| 久久狠狠色噜噜狠狠狠狠97| 丰满丝袜少妇AV| 少妇免费视频| 日日日日日| 高清无码 国产精品| 欧美色图片| 久久噜噜噜精品国产亚洲综合| 欧美亚洲影视| 五月丁香六月婷| 国产精品无码在线| 18禁在线视频| 国产精品美女久久久久久网站| 久久精品无码不卡| 亚洲天堂情色| 久久不卡一区二区| 亚洲欧美大| 综合久久中文字幕综合日韩精品| 亚川综合视频| 亚洲高清视频在线免费观看| 91黄站| 亚洲综合草草| 国产精品久久久九九九| 欲色影视综合吧| 色综合98| 欧美日韩中文亚洲v在线综合| 一二三四视频中文字幕在线看| 九色黄站| 99rre在线精品99re8| 免费男人的天堂| 97视频在线视频| 人人澡人人弄| 国精综合一二三区影视| 99热 按摩 日韩| 欧亚不卡| 曰本熟女视频| 午夜性| 蜜臀久久在线视频| 色偷偷色偷偷欧美日韩| AV一二区| 啊啊啊啊啊啊啊国| 毛片视频白嫩| 嗯~啊~快点 死我视频| 99久久这里只有精品| 天堂日本亚洲欧美| 欧美精品丝袜久久久中文字幕| 人人妻人人操人人乐| 日韩人妻操B| 91亚洲欧美色图| 超碰天天久久79| 天天天天天天天天综合| 刺激性视频黄页| 刺激精品视频| 九九自拍伦理| 九九九草| 大奶的诱惑| A级片一区| 欧美性生活免费网| 性在久久久久久| 综合久久中文字幕综合日韩精品| 综合色99| 亚洲少妇色| 九九九影院| 一二三卡欧美日韩人妻免费精品| 婷婷激情五月综合| 国产精品夜夜| 免费一级a毛片久久久久久鸭绿欲| 一二三四视频中文字幕在线看| 国产女乱淫真高清免费视频| 欧美日日操| 久热这里| 日本A级视频| 狠狠爱AV| 大象AV在线| 老司机射| 又大又白奶子| 国产精品91一样| 日韩欧美偷拍美女视频| 久久99精品九九久久久婷婷| 亚洲久草AV色图| 亚洲情欲| 在线看片国产精品每日更新| 91丨九色丨大屁股| 欧美无圣光在线| 九九九九欧美| 麻豆天美91| 国产精品久久久久久片| 欧美综合自拍成人自拍第二十页| 91天天爱| 中文久久久| 污污汅18禁网站在线永久免费观看| 女人喷水视频在线观看| 天天综合,91综合永久| 伊人久久久日韩一区| 9久久久久久| 影音先锋视频在线| 玖玖视频在线资源一区二区三区| 91国产美女丝袜足交精品视频| 女人天堂网| 青青免费在线视频一区| 成人 日韩欧美一区| 麻豆 亚洲 97| 欧美日韩国产成人高清| 丁香五月久久| 欧美 亚洲 另类 综合| 欧美激情久操网| 91九色首页| s片在线观看| 日韩有码中文字幕女同性恋| 园内精品自拍视频在线播放| 99热超碰| 欧美热图99| 亚洲中文一区二区三区视频| 西西美女视频网| 欧美色网| 白丝1区2区3区| 久草资源在线| 男人的天堂一区三区| 九九九九免费视频| 国产在线视频二区| 免费农村成人少妇人妻Aa一区二区视频| 亚洲天天天| 在线无码操| 大香蕉男人的天堂| 亚洲一区操| 激情亚洲天堂| 88xx成人精品视频| 二级毛片| 五码视频在线观看| 91暧暧| 99www.bibizy香蕉资源国产一区二区三区高清 | 岛国大片在线观看网站入口| 国产欧美一区二区| 日骚逼视频| 色蜜AV| 色香欲影| 亚洲成人av色网| 性色高清..……| 久久99综合| 青草精品视频一日本久久久久网站| 在线无码操| 国产国产亚洲一二三久久| 成人免费福利网站国产| 久久久精品一区二区| 欧美人与动性人交a| 日韩精品国产精品五码一区二区| 美女啊啊啊啊啊啊| 亚洲.欧美.丝袜.中文.综合| 精品97久久| GVH-003 母子姦 青木玲-麻豆视频,麻豆视传媒短视频网站入口,麻豆视传媒官网直 | 在线99热| 综合九九| 国产一级αv免费看片| 色婷婷日韩精品一区二区三区| 国产亚洲日本精品在线| 精品国产综合久久福利,热99这里有精品综合久久,99热这里只有免费国产精品,精 | 91中文字幕在线观看| 国内毛片免费h片在线| 欧美激情 亚洲色图| 婷婷五月天福利| 精品人妻视频入口| 操B久久| 日日日日做夜夜夜夜无码| 久久久久久九九九九九九| 黑人精品成人一区二区三区 | 色y情视频免费看| 一区二区视频你懂的| 牛黄色久午久| 97在线免费| surenchaopeng| 十八禁啪啦拍视频无遮挡| 啪啪啪亚欧美视频| 欧美熟女妇同| 91久久久久久久| 亚洲国产一级黄色视频| 学生妹天天看| 嗯啊啊啊轻点视频| 国产精品嫩草影院免费| 日本一二三免费久久| 99综合自拍| 日本一级性爱| 91精品人| 无码二级三级| 九月丁香婷婷| 日韩欧美中文| 久夜操| 欧美色图 人妻| 大香蕉手机视频| 17c嫩草51久久91嫩草| 后入式五六区| 红桃视频高潮| 狠狠色婷婷7777久| 激情网色| 人人操欧美风骚| 啊啊啊啊,啊啊好多水| 99啪啪| 五月丁香六月婷| 天天躁日日躁xxxxx| 草草草视频在线免费看| 无码九九九九| 国产精品午夜成人福利| 口爆综合网| 91在线精品| 日欧操屄| 国产精品白领在线观看 | 欧美操逼熟女| 97色97干| 99re这里只有精品9| 老熟妇一区二区三区| 欧美 传媒 麻豆 日韩 偷拍| 男人的天堂亚洲| 激情视屏国产乱伦强奸| 中文字幕第9页萱萱影音先锋| 亚洲美女精品九九视频| 粉嫩久久久极品| 日本人妻天堂网站在线播放| 嗯~啊~快点 死我视频| 综合色图区| 日韩不卡a级视频专区| 中文字幕一区二区三区高清| 91社区伊人| 78精品| 色九久| 色色97爱| 国产麻豆91欧美一区二区久久婷婷国产精品| 超碰无码五月97| 97 视频在线| 五月天黄色av| 99999精品成人| 九九热精品在线| 亚洲精品819| 韩国轻伦国内自拍一区| 天堂蜜桃无码视频一区二区| 91久久久久久| 成人性爱电影一区二区| 人人操人人uiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiii | 天天干天天拍| 欧洲一级性爱视频在线观看| 女人被男人桶爽视频网站| 手机在线中文字幕国产| 久久精品日韩| 中文字幕在线观看永久| 亚洲天堂人妻熟妇视频| 狠狠中文字幕| 日韩视频啪啪| 丁香婷婷久久| 激情五月天色播| 人妻激情偷乱视频一区二区三区 | 91快色色色色色| 日本精品不卡一二三区| 小情侣高清国产在线视频| 国产成人bd在线观看| 免费AV播放| 综合色图,成人综合网| 日韩美脚一区二区网站| 精品97精品97| 亚洲日韩少妇一道本视频| 97超碰超欧美。| 伊人九九| 超碰在线人人射| 中文字幕99999| 黑人白女精品一区| 亚欧免费| 欧美大片一区二区三区| 尤物网站91| 天天夜躁日日躁狠狠2002| 人妻偷拍一区二区三区| 黄色视频高清无码网站| 日逼视频日本| 偷窥自拍A片| 立川理惠无码一区二区| 99这里只有精品| 一区=区三区视频| 国产精品粉嫩福利在线| 91亚洲网站| 97无码视频在线播放| 日韩一级成人毛片免费观看 | 99久久精品欧美国产| 一二三区在线| 91大胆欧美| 久久久不卡区一区二区三区久久久| 蜜桃狠狠色伊人亚洲综合 | 四虎av在线| 日产操逼| 日韩亚洲国产视频| 久久宗合亚洲| 操逼精品视频| 色爽——AV| 三四中文字幕| 国产精品探花色| 大地资源在线观看中文第二页| 亚洲成人碰碰| 欧美亚洲成人在线一区二区三区| 桑老女人九区| 免费人成在线观看网站品爱网| 国产激情在线观看| 大香蕉综合| 天堂成人网| 中文字幕一区电影在线观看| 女色视频社区| 久久三区四区| 成人精品一区二区91毛片不卡| 色综合网1| 今日头条成人一区二区三区四虎精品| 黑人性欧美| 欧美极度丰满熟妇hd| 欧亚第一综合网| 综合色一区三区二区| 天美麻花大全视频| 中文字幕女同在线| 曰韩人妻中文字幕在线| 操婷婷逼| 96久久久精品| 日日噜噜夜夜狠狠视频无| 丝袜AV一二三区| 亚洲天堂久久| 黄片直播三级黄片两女一男| 欧美日韩精品国产91| 一中国女人毛片水真多| 99热官网| 偷窥自拍亚洲| 再深点灬舒服灬太大了好硬好爽| 欧美97视频| 中出欧美| 精品女人999| 欧美色综合网| 99无码精品| 久久久555| 午夜福利免费福利视频| 91N综合网在线| 国产A v无码专区| 亚洲日韩乱码中文无码蜜桃臀网站| 国产二区三区免费视频| 91在线欧色| 国产精品96| 天天综合91在线| 亚洲天堂精品日韩电影| 夜夜爽33333| 葡萄牙性视频一二区| 精品少妇一区二区三区免费观看| 97国产|免费| 亚洲老熟妇xxx| 风韵犹存大大大大香蕉 | 国产无码高清操逼视频| 亚洲 日本 一 二 三| 97超碰国产亚洲精品| 无码逼| 欧美色日本| 久久久久亚洲Aⅴ无码| 欧美91久久久久| 日韩操逼性鲍| 国产噜噜噜噜噜久久久久久久久| 国产黄色影片在线观看| 人妻天天爽| 午夜福利视频在线一区| 97国产精选| 女优视频第10页| 东北毛片| 我中文字幕6区| 国产91精品福利在线| 久操av在线| 色色无码| 成人性爱免费播放| 亚洲性图91| 无码抄逼网| 啊啊啊啊,啊啊好多水| 天天综合精品| 草草电影院| 91成人社区| 人人干人人操人人..com| 欧美在线色| 超碰97起碰| 欧美日韩午夜精品一区二区三区 | 一区=区三区视频| 香蕉久久AⅤ...| AV女资源| 国产白领连续中出在线观看| 一类无码操逼视频| 色欧美在线| 精品十三区| 久久久久久国产无码精品| 亚洲不雅视频1区二区| 大香蕉综合久久| 日韩成人性爱电影在线播放| 亚洲av青草久久一区二区| 九九九久久久久| 深夜激情无码| 91AV入口| 久久国产精品视频| 久久伊人网视频一区二区三区| 青青久久艹| 国产成人无码久久精品| 日韩三级在线观看网站| 久久一本大香蕉 | 久 久无码人妻AV| 亚洲色悠悠久久88| 蜜桃久久综合视频| 欧美,日韩,亚洲视频| 久久久999| avav青青草久久夜| 精品射1999| 亚洲免费看片| 亚欧成人中文字幕一区| 97香蕉网| 啊啊啊啊啊啊啊啊要喷了| 熟女丰满人妻一区| 日韩欧美一级特黄大片| 九九综合九九综合| 97久操| 污电影在线观看| 刺激性视频黄页| 日本理论在线| 国产欧美日韩一区二区三区| 男人天堂欧美| 女人香蕉久久毛毛片精品| 天天干人妻| 久久中出在线| 蜜臀久久99精品久久久久久久久| 乱老女人一区二区视频| 国产一级高跟丝袜| 极品色综合| 夜夜嗨免费视频| 亚州综合图片| 黑人与人妻| 中文字幕乱码人妻一区二区三区,99精品 | 欧美综合色| 91熟女视频网| 长久操视频| 日韩中文9| 亚洲视频二区 | 91少妇香蕉久久精品| 美日韩在线不卡人妻| 九一亚洲国产免费| 天美久久久久| 91网站18在线| 夜夜高潮夜夜爽高清视频一| 日韩一级二级| 日韩人妻资源网| 夜夜爽爽爽| 亚洲av强奸乱伦| 久久人人看| 亚洲国产成人高清在线| 中文字幕av乱伦| 午夜色婷婷| 日韩精品国产精品五码一区二区|