http协议

Http请求

POST /index.php HTTP/1.1      //请求行

Host:www.hello.com              //请求头

user-Agent:Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/45.0.2454.101 Safari/537.36

                                            //空白行代表请求头结束

Username:admin&password:123456  //请求正文

请求方式:

GET: 获取标识资源,如果为动态脚本,返回的是经过中间件解析过的HTML代码,不是动态脚本的源码。

PSOT:与GET相比,具有请求正文。可传送大量数据。不会直接在客户端显示参数,相对安全。

HEAD:与GET相比,不在响应里返回消息主体,多用来检测资源是否存在,速度较快。

OPTIONS: 获取服务器的功能支持,和服务器的相关信息。

PUT:请求服务器储存资源。

DELETE:请求删除服务器资源

请求头内容:

User-Agent:将客户端的操作系统,浏览器版本和其他属性告诉服务器。

Host:指定请求的服务器地址

Accept-Language:指定客户端接受的语言类型

Accept:表明客户端想要接受的MIME类型

Accept-Charset:接受的编码类型

Referer:表示你从哪个网页跳转过来的(也就是来源)

cookie:请求者的身份信息

X-forword-for:XXF头,代表请求的ip,可以是多个用逗号隔开。

response头

HTTP/1.1 200 OK
Date: Tue, 23 May 2017 04:19:09 GMT
Content-Type: text/html; charset=utf-8
Connection: close
Vary: Accept-Encoding
Cache-Control: private, max-age=10
Expires: Tue, 23 May 2017 04:19:19 GMT
Last-Modified: Tue, 23 May 2017 04:19:09 GMT   //资源最后修改时间
X-UA-Compatible: IE=10
X-Frame-Options: SAMEORIGIN
Content-Length: 10175

状态码:

200 客户端请求成功

302 临时跳转,通过Location指定

400 客户端请求语法错误

401 请求未授权

403 服务器收到请求,拒绝服务

404  请求不存在

500  服务器内部错误

响应头:

Server:web服务器名称

Content-Length:实体正文长度

Content-Type:发送给接收者的实体正文媒体类型

Date:时间

Location:配合302跳转使用,指示去哪获得资源

Set-Cookie:向客户端设置COOkie

 

转载于:https://www.cnblogs.com/pojun/p/6893536.html

  • 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