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

深耕商務建站與企業(yè)官網(wǎng)運營的一線實戰(zhàn)洞察。

PyTorch DataLoader加載高光譜數(shù)據(jù)全流程詳解

PyTorch DataLoader加載高光譜數(shù)據(jù)全流程詳解 簡介這套7z壓縮包面向使用PyTorch處理高光譜圖像HSI的開發(fā)者與研究者針對高光譜數(shù)據(jù)通道多、內(nèi)存占用大、格式復雜等特點解決DataLoader加載數(shù)據(jù)時的讀取、預處理與批處理效率問題。包內(nèi)共7個文件含3個Python腳本數(shù)據(jù)加載、工具函數(shù)與訓練流程、2個pyc緩存文件以及2個mat格式的Indian Pines高光譜數(shù)據(jù)集整體壓縮后僅5.69MB腳本覆蓋dataloader封裝、Dataset構(gòu)造與訓練入口便于直接參照或改造。已有607人學習下載內(nèi)容聚焦從Dataset定義到collate_fn自定義的完整鏈路并涉及歸一化、多線程加載、pin_memory加速、shuffle隨機采樣與數(shù)據(jù)增強等實用設置。讀者可結(jié)合壓縮包內(nèi)的高光譜數(shù)據(jù)子目錄與數(shù)據(jù)集構(gòu)造模塊快速掌握針對高光譜多維數(shù)組的批處理方法和訓練腳本寫法同時理解緩存機制與自定義批處理函數(shù)對模型泛化和訓練效率的影響代碼結(jié)構(gòu)清晰、模塊劃分明確適合希望將PyTorch數(shù)據(jù)加載流程落地到HSI任務中的初中級工程師。 高光譜圖像這幾年在遙感深度學習里幾乎成了標配輸入——地物分類、變化檢測、異常目標識別動不動就是一個三維數(shù)據(jù)立方體直接喂給模型??珊芏嗳死@過了網(wǎng)絡結(jié)構(gòu)那關反而被最基礎的數(shù)據(jù)加載絆住高光譜數(shù)據(jù)不是一張圖而是一個長寬幾百、波段幾十上百的三維數(shù)組和torchvision里現(xiàn)成那套ImageFolder完全不是一個路子。這篇文章把我實際跑高光譜分類任務時怎么用PyTorch的DataLoader把數(shù)據(jù)真正“喂”進模型的全流程拆開講包括Dataset怎么寫、DataLoader參數(shù)怎么調(diào)、預處理怎么做、哪些坑我是踩過以后才明白的。內(nèi)容面向剛?cè)腴T遙感深度學習、或者被數(shù)據(jù)加載卡住的研究生和工程師有基礎代碼能力的人照著就能跑通。1. 高光譜數(shù)據(jù)加載為什么不能照搬普通圖像方案1.1 先搞清楚你手上到底是一份什么樣的數(shù)據(jù)高光譜遙感數(shù)據(jù)本質(zhì)上是一個三維數(shù)據(jù)立方體通常記作H×W×B。H和W是空間維度代表地物的長和寬B是光譜維度代表傳感器在連續(xù)電磁波譜上采樣的波段數(shù)。普通RGB圖像只有3個波段高光譜數(shù)據(jù)動輒上百個波段比如Indian Pines數(shù)據(jù)集是145×145像素、200個波段Pavia University是610×340像素、103個波段。每個像素不再是一個三通道的顏色值而是一條完整的光譜曲線這才是高光譜“識別地物”的核心價值所在。除了數(shù)據(jù)本身還有一個配套的標簽矩陣。以Indian Pines為例標簽是一個145×145的二維矩陣每個位置存一個類別編號比如0表示背景未標注1到16是不同地物類別。你的模型要做的事情就是根據(jù)中心像素周圍一個鄰域窗口內(nèi)的光譜和空間信息預測這個像素屬于哪一類。這個“鄰域窗口”的設定是理解高光譜DataLoader設計的關鍵起點。1.2 普通圖像加載方式在哪里行不通很多新手上來就嘗試torchvision的ImageFolder結(jié)果發(fā)現(xiàn)根本無從下手。原因是高光譜數(shù)據(jù)幾乎沒有現(xiàn)成的文件夾結(jié)構(gòu)一個.mat或者.h5文件里就裝著整幅圖像的全部數(shù)據(jù)標簽也不是文件名而是一個獨立的矩陣。更麻煩的是如果一個樣本就是一個完整的145×145×200的數(shù)據(jù)立方體顯存再大也塞不下——你總不能把一個整圖當成一個樣本去訓練吧。所以在高光譜分類里國內(nèi)的公開數(shù)據(jù)集Indian Pines、Pavia University、Salinas等普遍采用一個共同策略以每個像素為中心裁取一個固定大小的空間patch比如11×11或13×13把patch內(nèi)所有像素的所有波段作為輸入該中心像素的標簽作為輸出。這樣一來樣本數(shù)等于有效標注像素數(shù)每個樣本的尺寸是patch_size×patch_size×波段數(shù)既保留了空間上下文信息又把數(shù)據(jù)切成了適合訓練的塊。Dataset的核心工作就是把這個裁patch的過程封裝起來。2. 手寫自定義Dataset的核心實現(xiàn)2.1 Dataset接口只需要實現(xiàn)三個方法PyTorch定義Dataset類非常簡潔只要繼承torch.utils.data.Dataset然后實現(xiàn)__len__和__getitem__兩個方法就行。__len__返回樣本總數(shù)__getitem__給定一個索引返回一組訓練樣本和標簽。對于高光譜數(shù)據(jù)常見做法是在__init__階段把數(shù)據(jù)立方體和標簽矩陣讀進內(nèi)存同時把所有有效像素的坐標存成一個列表__getitem__里根據(jù)坐標索引去切patch。很多第一次寫Dataset的人會疑惑為什么不把patch提前切好存成數(shù)組原因很簡單——訓練時要做隨機采樣大部分數(shù)據(jù)集的標注像素有幾萬個Indian Pines約10249個像素有標注每個像素都要切一個11×11×200的patch提前切好意味著幾十G的內(nèi)存消耗和巨大的預處理時間完全不劃算。每次按需切片才是工程上合理的方式。2.2 兼容多格式數(shù)據(jù)讀取與歸一化高光譜公開數(shù)據(jù)集的存儲格式五花八門我遇到過的主要是三類MATLAB的.mat文件、HDF5的.h5文件、以及ENVI標準格式.hdr同名的.dat/.img文件。讀取邏輯建議在Dataset的__init__里做一次統(tǒng)一封裝這樣換數(shù)據(jù)集時只改讀取函數(shù)后續(xù)訓練邏輯完全不用動。用scipy.io的loadmat讀.mat用h5py讀.h5ENVI格式可以用spectral庫的envi.open接口。讀進來之后最重要的是歸一化。我自己的習慣是先做按波段的z-score標準化。做法是把數(shù)據(jù)從H×W×B reshape成(H*W)×B對每個波段算均值和標準差然后統(tǒng)一做標準化。這樣處理后每個波段的值都處在同一量級不會因為個別高反射波段在數(shù)值上主導梯度更新。注意標準差要加一個極小值比如1e-6防止某個全零的波段除零。2.3 完整可用的代碼模板下面這段代碼是我在實際項目里用的精簡版直接復制就能跑通Indian Pines這類數(shù)據(jù)。核心邏輯都在注釋我寫詳細一點。import numpy as np import torch from torch.utils.data import Dataset import scipy.io as sio class HyperspectralDataset(Dataset): def __init__(self, data_path, label_path, patch_size11, normalizationTrue, target_classNone): data_path: 高光譜數(shù)據(jù)文件(.mat或.h5) label_path: 標簽文件(.mat或.h5) patch_size: 空間鄰域窗口大小建議奇數(shù) # 讀取數(shù)據(jù)立方體shape: (H, W, B) if data_path.endswith(.mat): self.data sio.loadmat(data_path)[data].astype(np.float32) elif data_path.endswith(.h5): import h5py with h5py.File(data_path, r) as f: self.data f[data][:].astype(np.float32) else: raise ValueError(暫不支持該文件格式) # 讀取標簽矩陣shape: (H, W) if label_path.endswith(.mat): self.labels sio.loadmat(label_path)[label].astype(np.int64) else: import h5py with h5py.File(label_path, r) as f: self.labels f[label][:].astype(np.int64) h, w, b self.data.shape # 按波段z-score標準化 if normalization: flat self.data.reshape(-1, b) mean flat.mean(axis0) std flat.std(axis0) 1e-6 self.data ((self.data - mean) / std).astype(np.float32) self.patch_size patch_size self.pad patch_size // 2 # 對原圖做padding讓邊界像素也能切成完整patch self.data_padded np.pad(self.data, ((self.pad, self.pad), (self.pad, self.pad), (0, 0)), modereflect) self.labels_padded np.pad(self.labels, self.pad, modeconstant, constant_values0) # 收集所有有效像素的坐標 self.samples [] h_p, w_p self.labels_padded.shape for i in range(self.pad, h_p - self.pad): for j in range(self.pad, w_p - self.pad): if self.labels_padded[i, j] ! 0: self.samples.append((i, j)) def __len__(self): return len(self.samples) def __getitem__(self, idx): i, j self.samples[idx] # 切patchshape: (patch_size, patch_size, B) patch self.data_padded[i - self.pad : i self.pad 1, j - self.pad : j self.pad 1, :] # 轉(zhuǎn)成PyTorch需要的 (C, H, W) 格式 patch_tensor torch.from_numpy(patch.transpose(2, 0, 1)).float() label torch.tensor(self.labels_padded[i, j], dtypetorch.long) return patch_tensor, label這段代碼里有幾個細節(jié)值得說。第一我在__init__直接對原圖做了padding這樣邊界像素也能裁出完整的patch而且不用在__getitem__里做煩人的邊界判斷每次都是固定尺寸切片干凈很多。第二padding模式用reflect比constant填0更自然因為高光譜圖像相鄰像素光譜曲線本來就接近反射填充不會引入突兀的偽信息。第三標簽padding的地方填0這樣邊界區(qū)域即使被裁到也不會參與訓練因為0被我們當成背景過濾掉了。2.4 從整圖到patch的取舍邏輯為什么要用patch而不用單像素我最早做過一個對比實驗單像素輸入即1×1×B訓練出來的模型在Indian Pines上的總體精度大概比用11×11 patch低5到8個百分點。原因很直觀高光譜圖像里地物分類高度依賴空間紋理信息同一個光譜特征在農(nóng)田和城區(qū)可能代表完全不同的東西。patch相當于把中心像素周邊鄰居一起引入給模型提供了上下文。但patch也不是越大越好。patch過大有兩個問題一是類別邊界會被模糊邊緣像素的patch里混入了太多異類地物反而干擾分類二是計算量和顯存開銷隨patch面積平方增長。我實測下來Indian Pines用11×11或13×13比較均衡Pavia University空間分辨率相對高13×15左右的矩形patch也見過有人用。選patch時可以先固定一個值把流程跑通再去調(diào)參。3. DataLoader參數(shù)配置與性能細節(jié)3.1 batch_size和shuffle怎么設Dataset定義好了DataLoader就是個參數(shù)配置的事但參數(shù)配不好照樣出問題。先看batch_size。高光譜patch輸入是(B, C, H, W)的張量以11×11×200為例一個樣本的數(shù)據(jù)量是11×11×200×4字節(jié)約96KB看起來不大但batch累積起來就不一樣了。假設batch_size64一個batch的數(shù)據(jù)是64×96KB約6MB這只是輸入真正占顯存的是中間激活值模型越深、通道數(shù)越大顯存消耗越夸張。所以我的建議是先從batch_size16或32開始用nvidia-smi實時看顯存占用再逐步往上調(diào)找到一個“能跑滿GPU但不OOM”的值。shuffle參數(shù)在訓練集要設True這個大家基本都知道但要注意shuffle對高光譜數(shù)據(jù)的影響比普通圖像更大。高光譜數(shù)據(jù)集中同一個地物塊在空間上高度相關像素標簽是成片的。如果不shuffle一個batch里可能全是同一塊農(nóng)田的像素模型在這個batch里學到的全是局部特征loss曲線會像鋸齒一樣劇烈波動。shuffle之后每個batch都盡量混入不同類別的樣本訓練才穩(wěn)定。3.2 num_workers到底開多少num_workers控制DataLoader用幾個子進程來并行加載數(shù)據(jù)。對高光譜場景這里有個容易踩的大坑如果整個數(shù)據(jù)立方體都在內(nèi)存里每個worker進程會復制一份完整的數(shù)據(jù)副本。Indian Pines這種小數(shù)據(jù)量還好幾百MB撐死了但如果你處理的是航空影像拼接出來的大場景高光譜圖一個數(shù)據(jù)立方體可能好幾個GB開4個worker就意味著內(nèi)存直接翻4倍機器再大也容易扛不住。我的實際建議是先設num_workers0跑通確認邏輯沒問題后再嘗試增大。在Linux服務器上num_workers設為CPU核心數(shù)的一半通常性價比最高Windows環(huán)境下num_workers零點以上經(jīng)常報錯和系統(tǒng)多進程機制有關踩過這個坑之后我現(xiàn)在在Windows上干脆就一直用0。數(shù)據(jù)加載如果成了瓶頸優(yōu)先考慮用內(nèi)存映射或者提前把數(shù)據(jù)切成小塊而不是盲目加worker。3.3 pin_memory與數(shù)據(jù)類型轉(zhuǎn)換DataLoader里還有一個固定搭配建議直接加上pin_memoryTrue。這個參數(shù)的作用是把數(shù)據(jù)放進鎖頁內(nèi)存GPU訓練時從CPU傳到GPU可以走更快的數(shù)據(jù)通路幾乎是無本萬利的加速手段。唯一的代價是占用一點內(nèi)存對高光譜數(shù)據(jù)動輒幾百MB的數(shù)據(jù)集來說完全可以接受。數(shù)據(jù)類型方面要特別注意。我在__getitem__里返回的patch用torch.float32標簽用torch.long這是PyTorch訓練的標準配置。很多新手會忽略高光譜數(shù)據(jù)被讀進來時往往是float64比如從.mat讀出來默認就是double直接用float64的patch跑模型顯存直接翻倍速度還慢一半。所以在Dataset讀取階段一定要顯式.astype(np.float32)這個習慣能幫你少踩無數(shù)內(nèi)存坑。如果你用的是半精度混合精度訓練AMP那在訓練循環(huán)里做轉(zhuǎn)換就行Dataset里保持float32反而更靈活。4. 高光譜數(shù)據(jù)的預處理與數(shù)據(jù)增強4.1 歸一化是標配但歸一化的粒度有講究前面代碼里做了按波段的z-score標準化這在高光譜任務里幾乎是標配。但我看你數(shù)據(jù)的時候可以多做一步先把每一個波段的值統(tǒng)計一下分布高光譜數(shù)據(jù)經(jīng)常會遇到幾個波段全是噪聲或者全為零的情況比如水汽吸收波段這些波段如果直接參與訓練相當于往模型里灌垃圾信息。要么在預處理階段直接刪掉要么在做標準化時把方差極低的波段固定到一個小常數(shù)附近避免除零。歸一化粒度上有一個選擇全局歸一化還是按像素歸一化我傾向于按波段做全局標準化因為高光譜成像的物理含義是地表對太陽輻照的反射率不同波段的反射率有著不同的動態(tài)范圍統(tǒng)一到同一量級后模型學到的每個波段權(quán)重才有可比性。而按像素歸一化會破壞光譜間的相對關系反而不利于分類。4.2 光譜維度和空間維度的增強怎么做數(shù)據(jù)增強在高光譜任務里容易被忽略因為看起來“數(shù)據(jù)量挺大”——Indian Pines有幾萬像素標簽感覺足夠訓練了。但實際上很多地物類別樣本極少存在嚴重的類別不平衡。數(shù)據(jù)增強在高光譜里有一個獨特優(yōu)勢除了常規(guī)的空間增強翻轉(zhuǎn)、旋轉(zhuǎn)、隨機裁剪還能做光譜維度的增強這是普通RGB圖像做不到的。光譜增強里我試過兩種比較有效的方法。第一種是光譜加噪聲給patch的光譜維度加上服從高斯分布的小噪聲相當于模擬傳感器在不同光照條件下的噪聲變化。第二種是隨機波段丟棄每次訓練隨機丟掉5%到10%的波段逼模型學到冗余和魯棒的特征實測下來對提升泛化有穩(wěn)定幫助。空間增強方面翻轉(zhuǎn)和旋轉(zhuǎn)在patch級別操作即可但要注意驗證集和測試集不能做任何增強否則評價指標會虛高。4.3 類別不平衡問題的采樣策略高光譜數(shù)據(jù)集的類別不平衡非常嚴重比如Indian Pines里有些類別只有幾十個樣本而另一些有上千個。如果直接按原始分布訓練模型會學成“多數(shù)類主導”少數(shù)類幾乎預測不出來。這時候可以給DataLoader配一個WeightedRandomSampler權(quán)重和每個類別的樣本數(shù)成反比讓稀有類別在采集時獲得更高的概率。具體做法是統(tǒng)計每個類別的像素數(shù)量計算權(quán)重數(shù)組傳給采樣器。不過這里有個現(xiàn)實問題加權(quán)采樣可能會導致多數(shù)類欠擬合總體精度反而下降。我自己的經(jīng)驗是如果目標是論文里的Overall Accuracy對比可以先留著不平衡不做處理把基線跑出來如果目標是實際應用中的地物識別那加權(quán)采樣或者Focal Loss值得優(yōu)先嘗試。作為一個工程問題先把加權(quán)采樣器實現(xiàn)了對比一下再定。5. 實操高頻問題與排查經(jīng)驗5.1 加載速度慢訓練一直在等數(shù)據(jù)如果訓練時GPU利用率經(jīng)常掉到50%以下很大概率是數(shù)據(jù)加載成了瓶頸。高光譜數(shù)據(jù)計算量本身不大瓶頸往往在磁盤IO和內(nèi)存拷貝上。第一步可以檢查你讀入的是不是壓縮格式比如.mat里默認可能用了壓縮存儲每次讀取都要解壓這個我在實踐中遇到多次如果是解決思路是預先轉(zhuǎn)成內(nèi)存友好的.npy格式。第二步檢查__getitem__里有沒有做了多余的計算比如每次都在里面重新做切片、標準化等重復運算。標準化應該提前在__init__完成__getitem__只負責最輕量的切片和類型轉(zhuǎn)換。5.2 內(nèi)存暴漲程序直接被殺內(nèi)存問題最常見的原因就是前面提到的多進程復制。另外還有一類情況容易被忽略你把整個數(shù)據(jù)集在Dataset里讀了一遍但在預處理時又用np.concatenate或者Python列表不斷追加導致多份拷貝同時存在。老話重提高光譜數(shù)據(jù)處理最好全程用Numpy數(shù)組減少不必要的拷貝。如果數(shù)據(jù)真的太大可以選擇在__getitem__里按需讀取HDF5文件的特定區(qū)域HDF5天然支持部分讀取比一次性加載整個大文件更優(yōu)雅。5.3 驗證和測試階段的分割要小心訓練集和驗證集的劃分很多人直接在像素級別上隨機劃分這在遙感場景會有嚴重問題同一個地物的相鄰像素高度相關隨機劃分會把“劇透”信息泄漏進驗證集導致驗證精度虛高。更重要的是如果訓練集和驗證集有大量空間重疊你評估的不是泛化能力而是記憶能力。正確的做法是按空間區(qū)域劃分或者對每個類別按像素列表分層抽樣但保證同一類別的訓練和驗證像素盡量遠離。工業(yè)界還有一種做法是分塊留出比如整圖按網(wǎng)格切塊把一部分塊整體作為驗證集這樣更貼近真實應用場景。另外有一個小坑Dataset的__getitem__每次返回的patch都是獨立切片驗證時需要逐patch推理再拼接成完整預測圖。這個過程注意也要padding一致否則拼接出來的預測圖邊緣會對不齊。5.4 一個完整的訓練調(diào)用示例最后把DataLoader部分整合起來方便你直接參考標準用法。from torch.utils.data import DataLoader from torch.utils.data.sampler import WeightedRandomSampler import numpy as np # 實例化Dataset train_ds HyperspectralDataset( data_pathIndian_Pines.mat, label_pathIndian_Pines_gt.mat, patch_size11, normalizationTrue ) # 按類別數(shù)量計算采樣權(quán)重 labels train_ds.labels # (H, W) unique, counts np.unique(labels[labels ! 0], return_countsTrue) class_count dict(zip(unique, counts)) sample_weights [] for i, j in train_ds.samples: cls train_ds.labels[i - train_ds.pad, j - train_ds.pad] sample_weights.append(1.0 / class_count[cls]) sampler WeightedRandomSampler(sample_weights, num_sampleslen(sample_weights), replacementTrue) train_loader DataLoader( train_ds, batch_size32, shuffleFalse, # 使用sampler時必須置False samplersampler, # 可替換為None來關閉加權(quán)采樣 num_workers4, pin_memoryTrue, drop_lastTrue ) for batch_idx, (patches, targets) in enumerate(train_loader): patches patches.cuda() targets targets.cuda() # 這里就是你的模型前向和反向代碼這個加載環(huán)節(jié)跑通之后剩下的模型結(jié)構(gòu)、損失函數(shù)、評估指標都和水到渠成一樣。但環(huán)境依賴那里多說一句PyTorch和CUDA版本的匹配是個老生常談的問題我第一次裝GPU版的時候就被版本不兼容坑過一整天直接按照官方提供的組合命令來裝盡量別混裝。我在實際做高光譜分類項目的過程中反復調(diào)整最多的不是網(wǎng)絡層數(shù)反而是數(shù)據(jù)加載和預處理這部分。尤其當你在多個數(shù)據(jù)集上做對比實驗時Dataset寫得好不好直接決定你后續(xù)的工作量。把數(shù)據(jù)讀取、歸一化、patch采樣、加載調(diào)度這四件事固化成一個通用模塊以后換任何高光譜數(shù)據(jù)集都能幾分鐘內(nèi)適配這件事值得你花時間一次性做扎實。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
亚洲无码国产精品久久| 熟女露脸激情自拍视频| 国产精品视频一区二区三区八戒| 男女啊啊啊啊啊| 97香蕉人人乳| 9久综合网| 欧美韩国你懂得在线 | 日本东京热加勒比久久| 成·人免费午夜在线观看| 国产传媒1234区| 91狠狠色丁香婷婷综合久久| 国产成人精品日本亚洲语言| 天天摸夜夜添无码小视频| 高颜值美女口爆高潮浪叫| 国产传媒日本欧美专区| 超碰人人妻| 国产小黄片在线免费观看| 97九色| 91视频综合在线| 国产日本熟女顶级一区二区三区视频 | 青草精品视频一日本久久久久网站| 欧美少妇大量自拍视频在线观看| 大色综合网| 操逼逼一区视频| 欧美精品三级黄片| 色九久| 后入福利| 久久久91福利姬| 九九成人精品| 欧美精品91| 国产不卡片| 丝袜AV一二三区| 午夜一区| 中文字幕第页| 天美传媒国产原创中文字幕亚洲欧美另类| 人妻久久久| av一区二区三区 中文| 天天色天天干天天射| 欧美18 在线观看| 国产91影院| 蜜臀久久99精品久久久久久婷婷| 天天干18禁| 97综合激情| 亚洲狠狠入| 久久久久幕乱码| AV在线播放网址| 无码人妻精品一区二区三区九九| 老司机免费视频在线91| 男人把坤坤插入女人的下体| 日本不卡一区二区三区| 好爽视频在线观看视频 | 97欧美性爱| 神马久久久久久伦理片| 亚洲操操操| av优播| 精品免费1| 肉丝网站91| 宅男91视频在线播放| 久久久亚洲精品电影免费看| 久久久精品,3| 精品视频一区二区| 在线国产探花| 97视频在线观看播放与子乱对白在线……| 日本熟妇熟色97一本在线观看| 殴美,日韩国产伦精品| 偷拍亚洲高清图片| 精品少妇99| 天天肏天天干| 亚洲精美粉嫩嫩泬在线观看 | 久九九九九九九热| 夜夜嗨绯色| 久久久久久免费电影| 91国产丝袜白虎| 人妻少妇精品| 377p欧洲日本亚洲大胆| 九九亚洲| 麻豆黄站| 全免费a敌肛交毛片免费| 亚洲精品乱码久久久久久蜜桃麻豆| 99精品久久| 日日爽熟女| 国产精品97视频| 成人精品在线免费视频| 国产小视频91| 亚洲97p| 啊啊啊啊啊啊啊啊视频| 黄色一级视| 人妻少妇蜜桃视频欧美一区| 九七人妻在线| 成人免费看吃奶视频网站| 熟女被操视频网址| juliaann丝袜大战黑鬼| 男女国产精品| 成人福利视频网| 日韩人妻操B| 天堂伊人久久| 国产精品久久天天干| 新版天堂中文资源8在线| 澳门成人网站久国产日韩| 色97欧美| 国产三级中文有码在线视频| 日韩美女久久一区二区三区| 成人开心网在线视频| 国产偷拍网站| 91亚·色| 青青操国产夫妻| 福利视频一区二区微拍| 91国精产品| 18禁看网站一区| 啊啊啊操一区| 欧美碰碰综合色| 乱伦1色页| 久久超碰亚洲人| 国产乱码久久久| 99e久久国产精品| 综合久久婷婷| 中文字幕第95页| 一区二区三区在线资源| 色综和网| 在线观看日韩av不卡| 91偷拍欧美亚洲| 韩日欧亚a级| 国产成人精品日本视频| 好舒服视频| 富女玩鸭子一级毛片| 日本精品成人无码| 91老熟女91老女人| 人人操人人uiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiii | 激情四射五月天| 欧美白嫩在线放| 揉揉日日日日| 亚洲激情网一二三四区| yaouchengrenav| 亚洲另类综合欧美| 久操免费观看| 综合网亚洲1| 国产在线强奸视频| 偷拍2020| 九色97| www.成人无码| 欧美精品四区| 久久久新亚洲AV| 久久精彩免费视频| 亚洲操人| 色综合色欲色综合色综合色综合| 午夜精品久久久久久久男人的天堂 | 淫色网综合| 91少妇| 综合国产97| 亚洲色天| 精品无码一二三四区| 91色人妻| 吉川爱美亚洲二区在线 | 九久久九精品视频| 国产精品高清2021在线| 操亚州| 狠狠色噜噜狠狠狠狠狠色综合久久 | A片大香蕉在线| 英伦大奶子熟妇吊带| 免费αV在线视频| 欧美曰韩国产精品| 无码日韩网站| 亚洲国产精品成人综合| 欧美中字不卡| 长长久久88视频| 精品视频在线观看精品| 亚洲日韩欧美一区二区| 99超级碰免费视频| 欧美性爽xyxOOOO| 物尤视频一区二区| 大地资源在线观看中文第二页| 91亚洲黄色网| 人人污日韩一区二区| 欧美日韩激情无码专区| 欧美91变态| 免费久久9999| 日韩一级二级| 人人摸人人干人人拍97| 婷婷五月天激情四射| 国产精品小视频一区二区三区| 黄视频免费| 国产91丝袜在线播放蜜月| 色99视频| 色色五月丁香| 欧美黄片欧美黄片xxx| 免费97视频| 一区二区三区精品黑丝白丝酒店对鸡 | 久操大香蕉超碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰 | 日韩一区二区熟女| 成年女人18级毛片毛片免费观看| 亚洲熟妇一,二,三期| 欧美在线l亚洲| 欧美日韩m| 91精品啪在线观看国产城中村| 啪啪啪综合网| 无码精品啪啪啪一区二区三区三州| 78p欧美| 黑人精品成人一区二区三区| 日本性爱视频一级| 亚洲在线欧美| 在线天堂资源亚洲| 欧美日韩97在线| 亚洲乱色视频一区、二区在线| 人妻aa| 国产三级在线现体验区| 亚洲av青草久久一区二区| 国产精品久久久999| 欧美日韩人人精品| 美女诱惑爱爱| 99久久久久| 人人妻人射| 欧美精品宗合| 国产日韩精品suv| 麻豆视频一区二区| www.亚洲成人一区| 91人精品妻入口| 蜜桃久久一区二区| 91丝袜视频在线观看| 亚洲人妻久久久| 激情小说亚洲图片| 久久久111| 欧美熟爽综合| 成年男人的天堂| 亚洲欧洲视频小说在线观看| 毛片中心9视频99| 屌逼麻豆| 天天摸夜夜摸| 人妻美腿丝袜制服诱惑综合天堂-| 99久久综合网| 丁香五月偷拍| 污啪啪啪视频| 熟妇视频一区二区三区在线观看| 久久综合精品一区二区三区| 操学生天天| 91久久18禁| 亚州日韩97| 天天日美女的B| 日日嗨AV一区二区夜夜| 天天躁夜夜躁狠狠躁AV| 97超碰超| 九九九九精品九九九九| 日韩一级欧美一级国产一级台湾| av网站国产主播在线| 国产综合色精品在线观看| a片自拍直播视频| 白丝被操91| 性爱Av免费| 色综合V| 亚洲精品第一| 色婷婷网| 五月天色图| 日韩精品第3页| 国产乱码久久久久久| 正宗无毛一线天嫩逼| 欧美丝袜中文字幕07在线| 国产极品馒头逼| 国产精品网址| 天天做天天爱天天爽| 欧洲综合视频| 欧美 综合| 国产自啪精品视频网站黑丝| 91n欧美| 永久电影三级在线观看| 奇米狠999| av九九| 伊人青青一区成人视频在线观看区| 欧美久久婷婷| 综合网少妇| 国产精品不卡一区二区三区av| 亚洲精品无码成人久久久99| 五月综合色| 亚洲少妇激情视频| 啊啊在线| 日韩性爱网址| 9久久美女首页| 麻豆一区二区AV天美| 亚洲欧洲中文日韩女优乱码| 久久香蕉网| 中文幕97| 草草草视频在线免费看| 色999亚洲人成色| 大香蕉天天看妹子| 亚欧成人一级片在线播放| 亚洲欧洲日韩天堂av| 91精品大奶人妻| 97久久精品国产| 最新AV在线| 国产熟女免费观看久久| 青青草在线成人视频| 国产av色网| 日少妇视频| 郑州宾馆老熟女露脸啪啪| 精品国产乱码久久久久久影片| Aa东京男人的天堂| 久久无码成人| 亚洲射综合网| 欧美综合网在线| 亚洲操逼网| 密臀国产在线| 玖玖玖玖精品国产剧情| 久久9精品网站| 熟女五十路一区二区三| 97爱亚洲综合色| 国产亚洲福利第一页丝袜| 性站| 国产强奸乱伦第1页| www.99视频| 玖玖爱视频网站| 激情专区综合| 国产成人五月天丁香花| 日韩啪啪网| 夜夜嗨一区二区三区三州加勒比 | 熟女中出视频| 婷婷综合伊人一区| 五月天色图影视| 日韩久射综合| 天天综合网国产| 少妇淫妇久久久久久久| 另类小说五月天| 外国免费性情大片| 男人的天堂在线有码| www.91视频网| 国产一区二区三区中文字幕| 欧美97爱| 欧美亚综合色图| 亚洲日韩人妻中文字幕一区| 大香蕉综合久久| 国产熟女免费观看久久| 超碰97极品9| 大香蕉520| 97干97色| 精品乱码在线观看| 国产日本久久免费精品| 中文字幕精品一区二区精| 99热在线不卡| 人人操人人摸人| 久久精品操| 日本一级一级一级一级| 俺去啦俺来也久久综合| 中文字幕乱偷人妻久久艾草网| 蜜桃av综合网发布| 91丝袜美女视频| 熟女在线视频| 免费看A片毛毛片在线播| 亚洲日韩黑丝| 午夜性| jk白丝没脱就开始啪啪| 91精品丝袜久久久久久| 久久婷婷一区二| av日韩国产一区二区| 欧美日韩制服| 亚洲免费97免费| 日韩免费看黄片| 9118禁| 亚洲欧美日韩不卡人妻| 亚洲最大的黄色电影网站。| 人人操人人大香蕉| 热思思免费视频| 天天综合网合集91| 97香蕉人人乳| 五月天婷婷色色| 亚洲精品尤物yw在线影院| 极品美女嘿咻| 欧美性五月| 亚洲一区二区三区麻豆传媒| 狠狠久久亚洲欧美专区| 日本视频在线观看污污污| 午夜传煤十二区精品| 欧美日韩国产中文精品字幕自在自线,| 国产一区二区三区视频在线看| 久久99干一本高清| 91性高| 麻豆精品久久久久久久| 国产综合网站在线播放| 久久精品人人做人人看| 亚洲久久久| 色踪合AV| 亚码人妻| 久操高青| 青青操青娱乐| 亚洲国产激情国产av| 亚洲蜜乳av| 亚洲国产精品无码AV久久久| 欧美日韩资源| 日韩小电影| #NAME?| 国产成人精品午夜福利| 欧美白嫩女HD| 第二页中文字幕| 四月丁香婷婷| 欧美日韩中文亚洲v在线综合| 亚洲无码成人精品| 欧美日韩*字幕一区| 新亚洲无码| 亚洲Av诱惑| 竹菊一区二区三区AV线| 熟女露脸激情自拍视频| 国产超碰欧美| 青青草综合在线| 超碰这里有精品| 日本孕妇孕交| av草草在线电影| 加勒比久久av| 97chaopenrihan| 亚洲国产亚洲天堂| 久久久免费视频18| 抽插亚洲无码| 97超碰人人操人人操| 亚洲色图欧美激情| 九九综合久久中文字幕| 日韩国产乱子伦App| 伦伦成年午夜免费视频| 人人干人人操人人..com| 国产精品无码论坛| 另类天堂| 色综合潮| 久久综合久色欧美综合狠狠| 天天综合站| 91爱剪切久久| 亚洲 暴爽 AV人人爽日日碰| 91久久青青草原精品| 日本爽爽爽爽爽爽免费视频| 岛国激情视频软件| 国产亚洲禁久一区二区| www.夜夜| 一区,二区,三区视频| 99.色网| 日韩78m视频| 黄色av播放免不| 国产又粗又长的视频| 欧美色蜜桃97| 一级毛片电影免费看| 思思视频免费看网站| 欧美亚洲尤物久久| 六月婷婷综合| 男生女生啊啊啊啊| 综合自拍| 亚洲 无码 偷拍| 欧美日日操| 国产日韩欧美三级片 | 精品日韩产品在线,日韩在线不卡视频,欧美日韩免费专区/久, | 97亚洲精品| 成人日韩3| 国产高潮AA片免费看| 95精品在线| 啊啊啊啊啊啊啊啊啊在线观看| 2023天天操夜夜操| 国产中文精品一区二区在线观看| 99无码视频| 亚洲欧洲无码97久久精品| 免费国产| 日本黄色精品专区网站| 91粉嫩萝控精品福利网站_精品影音先锋国| 天天日天天舔| 欧美,亚洲,日韩,v,天堂,手机在线观看 | 99久热| 亚洲色图 欧美热图 清纯唯美 另类自拍 | 国产操逼逼网| 色婷婷狠狠| 伊人久久亚洲色欲综合网站 | 欧美综合骚| 色眯眯av| 国产精品美女久久久久久网站| 国产精品无套内谢| 麻豆久久视频在线地址| 国产成人精品一区| 日本色色视频网站| 99自拍视频在线| 天天色怡春院| 亚洲无码电影久久久| 综合网色| 亚洲日本大香蕉1| 日本人妻伦在线中文字幕| 极品极品色影院| 日韩欧美天天爽爽爽天天爽爽 | 久久9久9久99久9久9| 女人香蕉久久毛毛片精品| 美女写真| 九热超碰| 91爆操视频| 91夜色chaopeng| 91视频综合| 色小视频蜜乳| 精品久久久一本一道| 色色色欧美| 伊人久久久日韩一区| 尤物网站91| 一区二区三区精品黑丝白丝酒店对鸡| 99精品九九九九九九| 亚洲午夜福利视频| 2020中文字幕在线| 欧美人人曰人人操人人射射| 性老妇一区二区三区| 久久精品国产欧美日韩亚洲欧美日韩中文久久国产一区 | 九九九热| 毛片视频白嫩| 欧美日本成人一区二区| 超碰免费人人| 欧美日韩精品久久久久久久久东北老熟妇| 天天日少妇逼AV| 欧美激情专区| 清清一区二区三区四区不卡视频| 日本国产亚洲一区在线观看| 中文伊人大香蕉视频| 97超碰人妻| 操狠狠| 丝袜美腿丝袜| 日本人体九九九九九九| 国产精品人妻无码久久久老鸭窝| 青娱乐av在线| 精品国产一区二区三区在线播出| 亚洲涩涩| 婷婷五月天在线观看| 综合网91| 亚洲区限制级| 久久婷婷亚洲| 97超碰香蕉| 青青草九九九九九| 成人av影院在线观看| 久久精品99久久久久久| 婷婷亚洲综合| a片自拍直播视频| 一区二区视频你懂的| 亚洲最大AV网| 校园春色综合网| 日本天天吊| 黑人白女精品一区| 欧美激情高清性猛交| 欧美少妇一区二区三区| 日韩 欧美 另类 人妻| 久99在线免费观看视频| 欧美色图亚洲色图成人在在线| 国产人妖的免费的视频| 欧美色另类| 60秒试看最爽10分钟网站| 国产精品视频白浆免费| 亚洲综合91| 国产91精品久久久久久久网曝门| 日韩欧美经典在线观看| 影音先锋每日最新资源在线观看| 老司机福利社视频在线观看| 澳门人妻久久| 亚洲成av人片色午夜乱码| 夜夜春夜夜操| 亚洲码和欧洲精品激情系列| 99久久久无码国产精品性男| 午夜操一操| 伊人在线大香蕉二。| 人妻天天爽夜夜爽精品2| 日本一本道A级黄色毛片试看60分钟| 91麻豆天美| 天天日骚逼熟女| 亚洲精品欧洲精品| 五月天激情网站| 日韩av不卡在线观看| 欧洲性爱无码区| 在线洲亚线| 密臀视频一区二区三区| 色婷婷av在线观看| 国产成人自拍视频在线| 日本免费中文字幕在线| 欧美gv在线观看| 麻豆成人影音在线| 春色综合免费| 蜜桃精品视频一区二区三区| 久久超碰大香蕉| 冬京热男人的天堂| 狠狠中文字幕| 翘臀vidoes| 综合网色| 丁香五月婷婷基地| 99在线观看| 能直接看AV的网站| 人妻中文字幕日韩电影| 久久91精品国产9丨久久分亭| 精品久久久久久AV无码| 东北少妇高潮zzzz| 久操操AV电影| a一区二区三区乱码在线| 91av一区二区在线观看| 超碰色男人操熟女| 欧美精品三区| 成人蜜乳小视频网站| 国产精品女aA片爽爽视频| 亚洲97综| 久久天天艹| 亚洲成人在线高清| 人妻中文在线| 97爱| av网站在线看| 无码精品久久| 超碰无码加勒比| 中日韩久久久| 五月天玖玖资源站| 久久精品日韩专区免费观看| 久久日本熟女精品一区| k频道色撸撸| 啊嗯好大视频在线观看| 国产人妻一区二区三区欧美毛片| 美女毛片999| 免费亚洲国产精品久久一区| 人妻大香蕉| 91欧美www| 91美女小视频| 黄色视频60分钟| 视频在线观看免费一区二区三区| 凸凹视频在线观看| 志村玲子视频一区二区| 神马午夜久久久| 久久久91福利姬| 成人小电影网站tex| 日本一级真人黄色性爱视频| 香蕉国产精品麻豆亚洲欧美日韩| 91九色蝌蚪在线观看| 午夜黄色免费在线观看| 蜜臀久久99精品久久久久久久久| 97色色国产视频| 亚洲素人综合| 色色毛片| 国产99热| 91亚洲网站| 大香蕉淫人网| 人人潮人人摸| 日韩另类色图| 日韩人妻精品久久久久| 白丝少妇一区二区| 亚州色阁| 一区在线精品中文字幕| 中文一区在线视频| AV天堂丝袜| 日本不卡一区二区三区| 国产乱伦视频污| 国产热RE99久久6国产精品首| 天天天肏屄欧美| AV色五月天| www国产无码| 国产免费永久精品无码| 欧美韩国你懂得在线| 天美传媒AV在线| 人人操人人大香蕉| 骚逼一区二区| 美女性91| 伊人久久婷婷| 欧美在线中M| 91性感在线| 777奇米影视777四色| 91美女在线视频| 九九热国产| 日韩av在线播放不卡| 欧美日本天堂| 男人女人18禁片免费看网站| 黄色污污污污污污网站| 久久老熟女| 曰韩av中文字幕专区| 美女91av| 日欧操屄| 亚州性色| 我爱大香蕉| 啊啊啊啊啊好舒服视频| 日韩亚洲中文字幕在线| 天美欧美国产| 操逼免费视频无码国产| #NAME?| 高清国产精品无码| 啊啊啊啊啊在线视频| 久久老女人| 99爱在线视频| 密臀在线一区尤物| 欧美极品女人的天堂| 欧美激情精品| 日韩素人无码一区二区三区三州| 另类欧美色| 囯产操逼片| 91插B网站| 欧美日韩999| 国产嫩草精品A88AV| 国产一区二区三区影片| 91网站18在线| 亚洲精品无码成人久久久99| 蜜臀aV午夜一区二区三区| 熟女精品va中文字幕| 国产乱码久久久久久| 欧 美 自 拍 偷 拍| 91欧美性| www色色色com| 伊人天天久久动态图| 福利风月五月天影院| 成在线人在线观看视频| 激情四射五月天| 天天色综合天天操| 亚洲色图欧美色图另类图片| 超碰激情808| 精品午夜福利国产一区二区在线观看| 秋霞福利网| 狠狠操综合| 欧美91在线| 噜噜噜久久亚洲精品色情| www.91理论| 成人青青草原伊人| 色香色香欲天天天影视综合网| 黄色成人网久久久久久| 久久综合久色欧美综合狠狠| 艹少妇网站| 一区二区影视| 色九九九九| 国模少妇一区二区三区| 日韩15p| 欧美 牲| 噜噜噜在线视频| 伊人国产AV| 超碰97在线 欧美 国产| 日韩视频啪啪| 天天草天天日| 91精品国| 超碰国产情侣自拍网| 污污汅18禁网站在线永久免费观看 | 南澳成人一级片在线播放| 色97| 亚洲AV无码AV吞精久久久久| 97超碰色情| 婷婷三区| 亚洲综合激情五月久久| 亚洲天天做日日做天天谢日日| 久久久九精品| 美腿色图| 国产51色综合久久免费| 啊啊啊好想要| 亚洲欧美天| 蜜桃视频一区二区三区| 超碰超碰欧美| 国产精品成人在线| 手机在线人成免费视频| 日本性爱视频一级| AV男人天堂网| 一区,二区,三区视频| 偷拍网站久久男女男| 精品国产丝袜一区二区三区乱码| 日本色日夜干| 欧美中日韩XXXX| 美女诱惑在线一区| 97久久超碰国产网站| 丁香五月天视频| 亚洲成人福利电影免费| 日本人妻中文字幕| a级免费在线观看| 一区二区影视| 男人天堂 天天射| 亚洲天堂第一页| 色一射色一射| 97香焦色区| 亚洲性爱高潮影院| 精品亚洲国产成人AV制服丝袜| 日本三级A片网站com| 男插女青青影院| 日本一二区不卡| 色欲天香天天综合网-成年人三级片网站-欧美乱妇狂野-日韩国产专区-久久久久久 | 午夜a成v人电影| 日产操逼| 69XX一中文字幕人妻91| 丝袜亚洲综合| 欧美日韩资源| 色www精品视频在线观看| 亚州春色| 99青青草国产视频| 日本 免费 一区二区三区 久久香蕉 | 久久9精品视频| 国产11页| 黄总AV色图| 97超碰色屌| 激情亚洲天堂| 成人久久精品| 人妻少妇久久| 欧美综合狠| 一本大道久| 香蕉大久久久| 麻豆一区二区三区在线看| 久九九九九九九九热| 外国免费性情大片| 久久亚洲中文字幕视频| 日韩操逼性鲍| 亚洲国产尤物yw在线观看| 天天综合网日韩7799| 色噜噜人妻丝袜a∨先锋影| 人成午夜免费大片| 依人大香蕉| 校园春色之综合网| 亚洲综合一| 亚洲九月丁香| 啊啊啊啊一区| 91美女在线视频| 久久大陆| 夜色五月天| 狠狠操官网| 97色伦97色伦国产欧美| 三级特黄60分钟播放| 亚洲高清无码在线桃色| 亚洲精品日日夜夜52| 九九九久千久久激情蜜桃在线看 | 亚洲AV麻豆Aⅴ无码电影一| 91视频伊人| av午夜影院在线播放| 天堂8在线新版官网| 91精品免费| 日韩成人精品| 色九久| 大肥女高潮bbwbbwhd视频| 女人与公拘交酡2020视频| 久久久性| 国产网红精品| 人妻啊啊人妻啊啊| 影音先锋一区二区在线资源| 99精品九九九九九九| 视频国产成人精品日本亚洲18| 粉嫩av久久一区二区三区| 日本媚薬中文字幕在线| 国产精品麻豆免费视频| 超碰人人干| 欧美成人综合| 亚洲91色| 四虎影视永久在线免费| 天天色综合图片| 欧美超碰人妻97| 久久精品熟女亚洲AV麻豆软件| 日韩欧美俄罗斯A片| 67914在线精品观看| 91精品婷婷国产综合久久| 国产午夜福利电影免费在线观看 | 天天色综合天天操| 很黄很污的免费网站| 91欧美综合| 亚洲欧美日韩免费观看| 午夜舔阴达高潮视频免费看| 欧美日韩第一页| 国产性爱欧美性爱在线| 亚洲精品久久久久毛片A片拉屎 | 91欧洲国产成人久久精品网站| 日韩中文字幕视频在线观看| 传媒免费一区二区三区| 秋霞色色影院| 蜜桃久久综合视频| 日韩大香蕉AV影片| 日韩精品一区的| 风月影院男女十八禁| 国产三级资源在线观看| 密桃99999| 俺去啦自拍| 国产 无码 一区二区| 1二区9| 天天干天天舔| 加勒比在线视频| 午夜啊啊| 综合久久中文字幕综合日韩精品| 蜜臀久久久国产| 爱妃国产亚洲视频中文字幕| 日本久久精品| 欧美草草高清日韩视频| 久久激情视频| 欧美色综合网| 色播丁香| 91狠狠综合网| 人妻天天爽夜夜爽爽| 日本加勒比无码专区| 人妻少妇久久久| 五毛骚逼极品美女怕怕| 亚洲无线码欧洲精品区别| 97色插| 99av| 国产精品亚洲免费| 日本天堂在线播放| 精品午夜福利国产一区二区在线观看| 久久超碰久| 亚洲欧美电影| 伊人影院综合是一个与深夜成人在线| 欧美在线 亚洲| 26uuu国产免费观看| 亚洲天堂日本| 欧美一区二区三区日韩| 无码粉嫩白虎一线天b区| 涩涩五月天| 天天狂操夜夜狂日| 国产人妻精品久久久一区二区三区| 欧美日韩中文字幕人妻| 天天综合影院91| 日本高清_区二区三区| 五月天人妻综合| 日本综合久久| 久久久久久久久久精| 日本在线激情一区二区三区| 超碰在线一区二区三区| 伊人久久国产免费观看视频| 国产高清免费不卡av| 男人的天堂三级| 久久久久骚| 岛国大片在线观看网站入口| 大香交| 熟女露脸激情自拍视频| 无码人妻丰满热妇又大又粗| 欧美色图片色哟哟| 德国一二三不卡| 久久一级无码精品毛片6| 黄页网站成人免费| 97天天操天天干| www久久99| 欧美一级AAAAAAA| 玖色av| 91熟女熟妇视频网站| 青娱乐欧美激情一区二区 | 九九九久千久久激情蜜桃在线看 | 日本一二三高清| 亚洲精品成人激情在线| 极品销魂美女一区二区| 蜜桃臀一区二区三区久久| 九九拍拍精品视频在线播放| 蜜桃中文字日产乱幕4区| 丰满搜索结果 -第18页- 久久高清无码| 手机在线播放国产福利| 91精品老女人| 欧美色吧综合| 翘臀vidoes| 欧美亚洲日本激情在线| 中文字幕美女91| 国产三级中文字幕粉嫩 | 超碰无码加勒比| 伊人超碰97| 四虎在线免费视频| 国产性感在线观看| 狂操嫩妻视频一区二区三区| 100啪啪视频大全| 91观看 国产白丝| 老女人碰碰在线碰碰视频| 亚州情色j区| 人人透人人操| 草莓精品视频在线免费观看| 天美精品原创av片国产| 国产熟女无套内射| 熟女高潮精品一区二区| 亚洲成人妻日韩在线| 第四色亚洲色图| 嗯啊啊啊轻点视频| 96久久精品一二三区色欲| 一级做a爰片性色毛片久久| 色妺妺AⅤ| 欧美自拍网| 在线色资源| 久射吧| 欧美在线|亚洲| 久久综合超碰| 四虎视频在线观看| 色女综合| 嗯啊不要在线观看嗯啊| 婷婷综合网站| 国产欧美亚洲精品a第2页| 日本Xx性爱| 久久透逼视频| 最新日日夜夜天天干干| 秋霞色色影院| 国产在线播放成人免费| 无码人妻精品酒店| 青草精品视频-日本久久久久网站| 91女优在线观看| 亚洲城人男人的天堂| 一区二区三区免费视频入口| 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 | 一区二区视频在看| 少妇超碰在线| 婷婷激情啪啪| 久久久久久久久久va| 蜜桃香蕉久草精品在线| 蜜桃久久久久久| 全免费a敌肛交毛片免费| 思思热在线视频免费| 青青操综合网| 成人在线午夜视频一区| 色色色网站| 国产剧情AV不卡在线观看| 极品色www影院| 美女AV一区二区| 性老妇一区二区三区| 中文字幕91综合| 亚州乱码中文字幕综合久久久| 少妇二级| 亭亭丁香激情| 欧美内射少妇| 性性久久| 天美国产三级传媒| 九九亚洲视频| 国产精品久久久三级无码| 日日夜夜精品| 无码人妻精品酒店| 国产日产欧产美韩系列麻豆免费| 殴美色网| 2020中文字幕| 久久久国产亚洲精品系列| 精品一二三区久久AAA片| 国产精品点击进入在线影院| 国产欧美日韩精品中文| 99久久e免费热视| 大香蕉综合| 色婷婷成人综合| 久久久久久裸体| 成人怡红院| 国产AV久久野战精品| 近亲乱伦一区二区| 精品少妇后入一区二区三区四区人妻巨乳 | 欧美成人一级麻豆| 精品人妻一区二区视频| 国产人妖视频一区在线观看| 91美女中出| 熟妇人妻一区二区三在线| 欧美色图20P| 一二三四视频中文字幕在线看| hd成人一区二区在线| 欧美 青青草| 青草精品视频一日本久久久久网站| 久操91视频| 狠狠操夜夜| 91在线页| 天美麻豆一区二区三区| 无码区蜜乳| 99在线免费观看| 99久在线精品99re8a| 伊人网高清| 欧美五十路熟| 日本肏逼视频在线观看| 国产女同性恋视频| 97天堂| 国产精品无码在线| 97精品97| 农村少妇久久久久久久| 亚洲精品毛片在线观看| 亚洲少妇诱惑| 女色综合| 操逼逼福利视频| 免费人人搞97| 亚州一区二区| 超碰99在线观看| 亚洲色图 欧美热图 清纯唯美 另类自拍| 欧美综合传媒| 日韩性爱小视频| 五月天婷婷欧美三区| 久久老熟女| 无码日韩网站| 另类欧美| 一本色道综合久久欧美| 日韩乱码Av| 亚洲天堂男人网| 亚洲国产日韩欧美熟妇在线| 丰满人妻一区| 中文字幕亚洲热播人妻| 日日黄色三级网站| 岛国片在线视频网站| 歐美一級亂黃99在綫精品| 99re超碰| 射 色综合| 淫荡网址| 青青草原人妻| 91春色| 久久精品视-一级做a爰片性色毛片16美国-中国女与老外在线精品 | 另类一区| 91n.欧美| 国产高潮AA片免费看| 91亚洲狠狠色| WWW黄片COM| AV中文字幕三四五| 岛国片在线观看视频亚洲| 亚洲极品| 一级毛片久久久久久久女人18| 欧美性爱97超碰| 亚洲欧美国产中文视频| 91九色丨国产丨爆乳| 嗯嗯啊啊啊好爽| 久久久成人国产精品无码| 亚洲91网站| 欧美国产伊人久久久久| 超碰在线1234区| www.人人cao| 美女网站黄页| 另类天堂| 加勒比综合| 久久AV无码1区2区3区| 国产三级在线现体验区| 啊啊啊不要嗯嗯在线观看| 日逼国产| 性欧美91| 色天使大香蕉| 日韩精品永久在线观看| 亚洲激情视频| 久久国产99精品72福利| 另类亚洲一区二区三区| 蜜桃精品一区二区三区ww| 国产第12页| 乱色老一区二区三区的观看方式| 久热九九| yw尤物av无码点击进入麻豆| 国产精品色哟哟| 精品国产乱码久久久久久口爆网站| 台湾佬大香蕉| 中文字幕乱码人妻一区二区三区,99精品| 黄色在线网站| 九热久| 蜜桃臀 后入 一区 二区 三区 在线| 乱伦Av网| 99re热| 欧美很很操视频| 青青草在线视频播放器| 99999无码| 亚洲AV无码国产精品久久久久| 在线免费试看60秒| 67914亚洲精品| 亚洲精品国产熟女久久久久久| 久久噜噜噜精品国产亚洲综合| 一区二区三区在线资源| 国产亚洲深夜激情| A一级色女| 九九热男人天堂| 日本高清免费一本视频在线观看| 偷拍 精品另类 凸凹了四区| 欧美性爱第一区| 屁股久久久久久| 老鸭窝日丰县女人| 久久久9品一区二区三区| 欧美亚洲日本视频久久久| 亚洲天天在线| 欧美日日人人天天| 东京成人一区| 爽爽淫人网| 亚洲精品aa久久伊人| 丁香婷婷五月| 78精品| 伊人在线大香蕉视频久久| 安徽熟妇视频| 乱伦av麻豆| 国产精品嫩草久久久久| 国产亚洲福利第一页丝袜| 欧美亚洲首页| 中文字幕一二三av| nuu12国产麻豆精品| www. 男人天堂成人在线| www五月| 思思性爱| 老司机老司机午夜影院| 激情欧美97| 91中出视频| 青青草原综合久久大伊人精品| 高清在线不卡一区二区 视频| 亚州精品一区二区三区香中文字幕在线| 精品999999| 欧美亚洲特P| 91高清欧美| 97精品视频在线| 亚洲综合校园春色| 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 | 91欧美美女日韩国产婷婷| 偷拍欧美激情| 久久天天摸| 九九热在线视频| 亚洲欧美日韩夜夜| 色爱综合网| 91粉嫩萝控精品福利网站_精品影音先锋国 | 国产激情在线|