001计算机基础

一.计算机组成

    硬件方面:电源+主板+内存+硬盘+CPU+显卡+显示器+鼠标+键盘...

    软件方面:系统软件(windows/MacOS/Linux)+应用软件(qq/微信/360浏览器)...

 二.常见DOS命令

    ipcongif-all

    ping 地址

    Ctrl+ c 退出当前正在执行的命令

    time 显示当前计算机的时间

    cd XXX   cd ..   cd /

    copy  文件路径/文件名   复制到路径

    rd

    md

    del

    dir

三.B/S架构 C/S架构

    B/S:浏览器-服务器架构(百度,淘宝,微博)

    C/S:客户机-服务器架构(微信,QQ)

四.进制

    二进制

    十进制

    八进制

    十六进制

    进制之间的转换

五.计算机网络

   TCP/IP协议:应用层/传输层/网络互联层/网路接口层

    IP地址:ipv4 ipv6

    地址池分类:A类 B类 C类  保留地址段

    OSI七层模型:应用层/表示层/会话层/传输层/网络层/数据链路层/物理层

六.编码

    ascii 码表

    UTF-8

七.数据计量

    b/B/KB/MB/GB/TB/PB

八.编程语言

    机器语言

    汇编语言

    高级语言:C/C++/Java/C#/Python/JavaScript/Nodejs/Go

九.网站上线条件

    网页代码/域名/服务器

    部署:新浪云服务器/创建应用/上传zip包/手动打开地址链接测试    链接/目录/index.html

 

  • 2
    点赞
  • 2
    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:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 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