DOS下的保留

    在个人计算机普及之后,MS-DOS 被广泛应用。由于它的易用性,它变的无所不在。象MS-DOS无所不在一样,有关DOS 编程的参考书也无所不在。它们之后都有一个长长的附录,说明INT21的调用。仔细看你会发现INT21功能号从4CH直接跳到54H 而只字不提它们之间的那些功能号,仅仅说明“保留”。
    然而,这只是冰山一角。DOS的另一个隐藏部分是5DH的使用,它包含有12个处理各种功能的子任务。还有,即使是INT21中被说明的调用,也有许多子功能未使用……
    DOS直到现在也不是一个封闭的、静态的世界。
    这篇文章试图对它们的存在做一个合理的解释,有叙述不当之处还请高手原谅。
    约定:
           1 本文跨度从DOS1.0~6.0
           2 术语约定:
ASCIZ   以0结尾的ASCII字符串
                       BPD       BIOS参数块(INT 21H/AH =53h)
                       CDS       当前目录结构(INT 21H/AJ=52h)
                       DPB       DOS驱动器参数
(INT21H/AH=32h)
                       DPL       DOD参数表  (INT 21H/AX=5D00h)
                       DTA       磁盘传输地址
                       FAT       文件分配表
                       FCB       文件控制块
                       SFT       系统文件表
                       SDA       DOS 可对换数据区
                       PSP         程序段前缀
(未完待续……^__^谢谢大家的关注)

 


       

  • 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