百度推出 MIP Baidu Path链接

在站长将站点 MIP 化时,需要关注 URL 的一共有三个:MIP URL, MIP-Cache URL 以及 MIP Baidu Path。

从 URL 说起

在互联网中,URL 定义页面的地址,每个 URL 对应一个页面。而 MIP URL 则是 MIP 页的原始地址,指向托管在站长服务器上的 MIP 页。

MIP URL 是一个 MIP 页面的源头,其域名、服务器、内容都由站长自行管理。它是一张符合 MIP 标准的网页,被托管在互联网的各个角落。站长将 MIP URL 通过站长平台提交给百度,用于百度搜索引擎抓取,将 MIP 页面索引起来。

MIP-Cache URL 是什么

由于 MIP 项目对 MIP 页面提供了缓存,但 MIP URL 并不指向缓存服务,故 MIP 项目组为每个 MIP 页面提供了 MIP-Cache URL。

MIP-Cache URL 是经过 CDN 缓存的 MIP 页面地址,指向 MIP Cache 服务器;而其内容则是通过抓取 MIP URL 网页内容并进行缓存而来。MIP-Cache URL 通过 https 协议提供的,增强站点的安全性的同时,亦可以在百度的搜索结果页中安全打开。

为什么要有 MIP Baidu Path

(2017年8月,MIP-Cache URL升级,详见文档:https://www.mipengine.org/doc/2-tech/3-mip-cache.html

为了使通过百度搜索结果打开的 MIP 页面加载速度更快、体验更优,这些页面将使用 MIP-Shell 打开。在过去,我们在搜索链接后拼接了 MIP-Cache URL 用来标记 MIP 页面。但通过搜索链接 + MIP-Cache 生成的 URL 过于冗长,其中包含大量搜索信息,不利于品牌露出和直接复制分享。为了解决这个问题,MIP 项目组创建了新的 URL 规则,生效于所有从百度搜索结果打开的 MIP 页,MIP Baidu Path 由此诞生

新的 MIP Baidu Path URL 规则为 RESTful 风格,链接简短清晰、方便传播,在简化 URL 的同时也增加了站长自有品牌的露出。一个典型的例子如下:

过去:
https://www.baidu.com/sf?word=mipengine&mod=0&tn=normal&pd=mms_mip&actname=act_sf_mip&title=www.mipengine.org&top=%7B%22sfhs%22%3A4%7D&ext=%7B%22url%22%3A%22%252F%252Fmipcache.bdstatic.com%252Fc%252Fwww.mipengine.org%252F%22%2C%22lid%22%3A%222179864842002628151%22%7D&lid=2179864842002628151&ms=1&frsrcid=1599&frorder=1

现在
https://m.baidu.com/mip/c/www.mipengine.org/index.html

MIP URL 转换工具

为了方便站长的使用,我们提供了 MIP URL 转换工具。该工具中提供了MIP URL, MIP-Cache URL 及 MIP Baidu Path 的相互转换功能,可以到 https://www.mipengine.org/mippath.html 使用。

转载于:https://www.cnblogs.com/mipengine/p/mip_shell_url.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