操作系统引导

1. 系统开机或者重启。

2. BIOS 加电自检 ( Power On Self Test -- POST )BIOS执行内存地址为 FFFF:0000H 处的跳转指令,跳转到固化在ROM中的自检程序处,对系统硬件(包括内存)进行检查。

3. BIOS检查到硬件正常并与 CMOS 中的设置相符后,按照 CMOS 中对启动设备的设置顺序检测可用的启动设备。此时,BIOS直接将启动设备的第一个扇区(即主引导扇区)

附注:引导扇区是每个分区(Partition)的第一扇区,而主引导扇区是硬盘的第一扇区,它在硬盘上的三维地址为{(柱面,磁头,扇区)|(001)}

它由三个部分组成,主引导记录MBR硬盘分区表DPT和硬盘有效标志。在总共512字节的主引导扇区MBR446个字节(偏移0--偏移1BDH),DPT64个字节(偏移1BEH--偏移1FDH),最后两个字节“55AA”(偏移1FEH--偏移1FFH)是硬盘有效标志。其结构如下:

标准主引导扇区结构

位址

长度(字节)

描述

Hex

Dec

0000

0

394 – 446

代码区

018A

394

36

四个 9 byte 的主分区表入口(选用 IBM 的延伸 MBR 分区表规划)

01B8

440

4

选用磁盘标志

01BC

444

2

一般为空值:0x0000

01BE

446

64

四个 16 byte 的主分区表入口(标准 MBR 分区表规划)

01FE

510

2

MBR 有效标志 (0x55 0xAA)

    

拷贝入内存地址:00007C00处,检查相应启动设备的0000:7DFEH-0000:7DFFH(主引导扇区的最后两个字节)是否等于 AA55H,若不等于则转去尝试其他启动设备,并将其第一个扇区拷贝入内存继续测试。如果尝试所有启动设备后,没有启动设备满足要求则显示"NO ROM BASIC"然后死机。

4. 当检测到有启动设备的第一个扇区最后两个字节等于AA55H后,则认为该启动设备符合要求。当检测到有启动设备满足要求后,BIOS将控制权交给相应启动设备。此时可以执行主引导扇区中的MBR中的代码程序,比如LiLoGrub程序等等。启动设备的MBR将自己复制到0000:0600H, 然后继续执行

5. 在主分区表中搜索标志为活动的分区,也就是检验磁盘分区表

硬盘分区结构信息

偏移

长度(字节)

意义

00H

1

分区状态:00-->非活动分区;80--> 活动分区;
其它数值没有意义

01H

1

分区起始磁头号(HEAD),用到全部8

02H

2

分区起始扇区号(SECTOR),占据02H的位05
该分区的起始磁柱号(CYLINDER),占据
02H
的位6703H的全部8

04H

1

文件系统标志位

05H

1

分区结束磁头号(HEAD),用到全部8

06H

2

分区结束扇区号(SECTOR),占据06H的位05
该分区的起始磁柱号(CYLINDER),占据
06H
的位6707H的全部8

08H

4

分区起始绝对扇区

0CH

4

分区总的扇区数

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

DPT的首字节是不是80H。如果检测到80H,则表示该分区为活动分区,将该活动分区的第一个扇区(操作系统引导记录区Dos Boot Recorder,DBR)读入内存地址 0000:7C00H 处。

6. 检查0000:7DFEH-0000:7DFFH(DBR的结束标志位)是否等于 AA55H, 若不等于则显示 : "Missing Operating System" 然后停止。 当检测到有分区满足要求后,MBR将控制权交给相应的活动分区。

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值