计算机网络第三章——数据链路层

  • 传输时延是路由器推出分组所需要的时间,它是分组长度和链路传输速率的函数,与两台路由器之间的距离无关(传输速率就是路由器或者主机,把要进行传送的比特流,放到输出链路上的速度)

  • 传播时延是一个比特从一台路由器传播到另一台路由器所需要的时间,它是两台路由器之间距离的函数,而与分组长度或者链路传输速率无关。

  • 数据链路层使用的信道:点对点信道(一对一)和广播信道(一对多)

要解决的三个基本问题

  • 封装成帧:从网络层下来的数据,给它加一个头、尾,就成了帧,帧开始符:SOH,帧结束符:EOT
  • 透明传输:如果数据中有帧开始符和帧结束符,则通过前面的转义字符"ESC",解决错误。
  • 差错检测——
    1. 循环冗余检验CRC:若得出的余数R=0,则判定这个帧无差错;否则丢弃。除数n位,被除数低位加n-1位
    2.帧检验序列FCS:在数据后面添加上的冗余码称为帧检验序列。FCS可以通过CRC得出

点对点协议PPP

  • 特点:简单、封装成帧、透明性、多种网络层协议、多种类型链路、差错检测、检测连接状态
  • 使用场合:用户使用拨号电话线接入互联网时
  • 零比特填充法:发送方,连续5个1,加0;接受方,连续5个1,删0
  • 工作过程:链路建立、鉴别、NCP配置协商、链路打开、链路终止

广播信道

局域网的特点

具有广播功能,从一个站点可很方便地访问全网。
各设备的位置可灵活调整和改变
提高了系统的可靠性、可用性、生存性
  • 适配器的作用是使计算机与外界局域网进行通信

CSMA/CD协议

  • 协议要点:多点接入、载波监听、碰撞检测
  • 最短有效帧是64字节

使用集线器的星形拓扑

集线器的特点

同一时刻至多只允许一个站发送数据
一个集线器很像一个多接口转发器
集线器工作在物理层

以太网的MAC层

发往本站的前两种帧:单播(一对一)、广播(一对全体)

  • 在物理层拓展以太网
优点1.使原来属于不同碰撞域的以太网上的计算机能够进行碰撞域的通信 2. 扩大了以太网覆盖的地理范围
缺点1.总吞吐量并未提高 2. 如果不同碰撞域使用不同的数据率,那么就不能用集线器将它们连起来
  • 在数据链路层扩展以太网
  • 网桥的功能:对MAC帧的目的地址进行转发过滤
  • 以太网交换机:
实质是一个多接口的网桥
功能
特点1.工作在全双工方式 2. 具有并行性3. 相互通信的主机都是在独占传输媒体,无碰撞的传输数据4. 能在传输端口繁忙时对帧进行缓存
  • 自学习算法:课本100页,重要
  • 高速以太网
100BASE-T以太网速度:100M bit/s;工作方式:全双工;协议:不使用CSDA/CD协议
10吉比特以太网速度:1G bit/s;工作方式:全双工、半双工;协议:CSMA/CD(半双工,全双工不使用此协议)
  • 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
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