http协议基础

HTTP协议
	应用级别协议
	
	术语:
		connection:两个应用间传输层虚拟回路
		message: HTTP通信基本单元,由结构化的序列组成
		request: 请求message
		response: 应答message
		resource: 网络数据对象或服务,通过URL进行识别
		entity: request或response中作为负载的information
		representation: response中entity,用来content negotiation
		content negotiation: 一种机制,选择合适的representation
		variant:一个resource可能有多个representation,每个representation称作variant
		user agent: 用于初始化请求的client,通常是浏览器、编辑器、spider
		origin server: resource保存或被创建的服务器
		proxy:中间程序,同时扮演客户端、服务器
		gateway:为其他server当作中转站,同proxy不同,gateway好像就是resource的origin server.
		tunnel: 充当两个连接之间接力棒
		upstream/downstream: 描述message的流程,所有的message从upstream流向downstream.
		inbound/outbound: 针对message,引用request或response路径
		
		
请求= request method + URI + protocol version + (MIME-like message)
	MIME-like message = modifiers + client information + body content 
	
应答 = status line + MIME-like message 
	status line = protocol version + code 
	MIME-like message = server information + entity metainformation + entity-body content 
		
		
proxy: 转发代理人,先接收请求,然后重写全部或部分message,将格式化后的message发往URI标识的server;
gateway: 接收代理人,在其他server上扮演一个layer,如果必要,将请求协议翻译为下层服务器协议;
tunnel: 在两个connection之间扮演replay点,不改变message。当两个connection之间需要返回firewall时使用
		
请求/应答流程
	UA: user agent
	O: Origin server
	v: connectin
	G: Gateway
		
	A, B, C:代表三个中间程序
(简单流程)
 request chain ------------------->UA---------------->v------------->O
									|								|
									---------<----------------------|response chain

(复杂流程)
 request chain ------------------->UA------>v------->A----->v----->B------v----->C-----v------>O 
								   |														  |
								   |--------------------<-------------------------------------|response chain
								   
(使用缓存)
 request chain ------------------->UA------>v------->A----->v----->B------v----->C-----v------>O 
								   |														  |
								   |--------------------<----------response chain
								   
基本规则
	   OCTET          = <any 8-bit sequence of data>
       CHAR           = <any US-ASCII character (octets 0 - 127)>
       UPALPHA        = <any US-ASCII uppercase letter "A".."Z">
       LOALPHA        = <any US-ASCII lowercase letter "a".."z">
       ALPHA          = UPALPHA | LOALPHA
       DIGIT          = <any US-ASCII digit "0".."9">
       CTL            = <any US-ASCII control character
                        (octets 0 - 31) and DEL (127)>
       CR             = <US-ASCII CR, carriage return (13)>
       LF             = <US-ASCII LF, linefeed (10)>
       SP             = <US-ASCII SP, space (32)>
       HT             = <US-ASCII HT, horizontal-tab (9)>
       <">            = <US-ASCII double-quote mark (34)>
	HTTP/1.1定义CR LF为所有协议元素的换行标记,除了entity-body;
	   CRLF           = CR LF
	HTTP/1.1头部字段可被包装为多行
	   TEXT           = <any OCTET except CTLs, but including LWS>
	   HEX            = "A" | "B" | "C" | "D" | "E" | "F"
                      | "a" | "b" | "c" | "d" | "e" | "f" | DIGIT
-----------------------------------------------------------------------------------------------------------------
	

 

  • 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