"本書系統性地介紹了基於鴻蒙系統的AI應用開發技術，旨在幫助開發者從零開始掌握構建智能應用的核心能力。全書以“小功能，大生態”為理念，通過由淺入深的實踐案例，全面覆蓋AI在終端設備上的移動應用場景。本書內容從人臉檢測、語音識別、自然語言理解等基礎感知能力入手，逐步深入至意圖識別、輕量模型端側推理，最終邁向智能體協同的高階智能形態。本書不僅概述了各項AI技術的原理與典型模型，更聚焦系統提供的豐富API與開發框架，結合人臉檢測、語音轉寫、分詞實體抽取、音樂意圖推薦、圖像分類推理及智能體應用等完整示例，指導讀者完成環境配置、代碼實現、調試部署的全流程。配套實驗與擴展應用進一步強化動手能力和技術體系，涵蓋文字識別、人臉比對、AI字幕、文本轉語音和習慣推薦等多種實用功能。本書可作為高等院校人工智能、計算機科學、軟件工程和物聯網等相關專業的教材，也可作為開發者快速上手移動AI生態的技術參考書。"

葛非,武漢大學通信與信息系統專業博士，華中師範大學計算機學院副教授，博士後出站，長期從事物聯網、嵌入式系統、數據分析、軟件開發等領域的教學科研工作。

第1章第一個AI應用示例 / 001

1.1 引言 / 001

1.2 開發環境 / 002

1.2.1 開發環境搭建 / 002

1.2.2 本地終端配置 / 004

1.3 示例工程創建與運行 / 008

1.4 示例詳解 / 012

1.4.1 模塊導入 / 012

1.4.2 程序結構 / 013

1.4.3 UI布局 / 013

1.4.4 圖像獲取 / 016

1.4.5 異步編程 / 018

1.4.6 人臉檢測 / 018

1.5 思考 / 020

第2章人臉檢測應用 / 021

2.1 引言 / 021

2.2 人臉檢測技術 / 022

2.3 典型人臉檢測模型 / 023

2.3.1 Cascade CNN / 023

2.3.2 MTCNN / 025

2.3.3 YOLOv8 Face / 027

2.4 人臉檢測API / 028

2.4.1 視覺信息 / 029

2.4.2 人臉檢測配置信息 / 030

2.4.3 人臉檢測結果信息 / 030

2.4.4 人臉檢測服務功能 / 031

2.5 API應用 / 032

2.5.1 人臉檢測服務初始化和釋放 / 032

2.5.2 人臉遮擋檢測服務初始化和釋放 / 033

2.5.3 人臉檢測實現 / 034

2.6 人臉檢測應用開發示例 / 035

2.7 人臉檢測應用開發實驗 / 036

2.8 思考 / 037

2.9 擴展：文字識別應用開發 / 038

2.9.1 文字識別技術 / 038

2.9.2 文字識別API / 040

2.9.3 開發示例 / 041

2.10 擴展：人臉比對應用開發 / 043

2.10.1 人臉比對技術 / 043

2.10.2 人臉比對API / 044

2.10.3 開發示例 / 045

2.11 擴展：主體分割應用開發 / 047

2.11.1 主體分割技術 / 047

2.11.2 主體分割API / 048

2.11.3 開發示例 / 049

2.12 擴展：多目標識別應用開發 / 050

2.12.1 多目標識別技術 / 050

2.12.2 多目標識別API / 052

2.12.3 開發示例 / 053

2.13 擴展：骨骼點檢測應用開發 / 054

2.13.1 骨骼點檢測技術 / 054

2.13.2 骨骼點檢測API / 054

2.13.3 開發示例 / 055

2.14 擴展：人臉活體檢測應用開發 / 056

2.14.1 人臉活體檢測技術 / 056

2.14.2 人臉活體檢測API及應用 / 059

2.15 擴展：卡證識別應用開發 / 061

2.15.1 卡證識別技術 / 061

2.15.2 卡證識別組件 / 062

2.16 擴展：文檔掃描應用開發 / 063

2.16.1 文檔掃描技術 / 063

2.16.2 文檔掃描組件 / 064

2.17 擴展：AI識圖應用開發 / 065

2.17.1 AI識圖技術 / 065

2.17.2 AI識圖組件 / 066

2.17.3 AI識圖應用 / 068

第3章語音識別應用 / 070

3.1 引言 / 070

3.2 ASR技術 / 071

3.3 典型ASR模型 / 073

3.4 ASR API / 075

3.4.1 ASR引擎配置 / 075

3.4.2 語種查詢 / 076

3.4.3 ASR結果信息 / 076

3.4.4 音頻配置信息 / 076

3.4.5 ASR啟動配置 / 076

3.4.6 ASR回調 / 076

3.4.7 ASR引擎創建 / 077

3.4.8 ASR引擎 / 078

3.5 API應用 / 079

3.5.1 ASR引擎創建 / 079

3.5.2 語種信息查詢 / 080

3.5.3 識別過程狀態獲取 / 081

3.5.4 ASR啟動 / 081

3.5.5 音頻流寫入、識別結束和引擎關閉 / 082

3.5.6 識別取消和判斷引擎是否忙 / 082

3.6 ASR應用開發示例 / 083

3.6.1 開發流程 / 083

3.6.2 模塊導入 / 084

3.6.3 程序結構 / 084

3.6.4 UI布局 / 084

3.6.5 實時音頻采集 / 085

3.6.6 通過回調創建引擎 / 088

3.6.7 錄音轉文本 / 090

3.6.8 麥克風權限申請 / 091

3.7 AI字幕組件 / 091

3.7.1 AI字幕組件API / 091

3.7.2 應用開發示例 / 093

3.8 ASR應用開發實驗 / 095

3.9 AI字幕應用開發實驗 / 096

3.10 思考 / 097

3.11 擴展：TTS應用開發 / 098

3.11.1 TTS技術 / 098

3.11.2 TTS API和應用開發示例 / 099

3.12 擴展：朗讀組件應用開發 / 101

3.12.1 朗讀組件API / 101

3.12.2 應用開發示例 / 103

第4章分詞和實體抽取應用 / 105

4.1 引言 / 105

4.2 自然語言理解技術 / 106

4.3 典型分詞模型 / 107

4.3.1 分詞基礎 / 107

4.3.2 典型中文分詞模型 / 108

4.3.3 典型詞性標註模型 / 110

4.4 實體抽取模型 / 111

4.4.1 實體抽取基礎 / 111

4.4.2 典型模型 / 112

4.5 分詞和實體抽取API / 113

4.5.1 分詞結果信息 / 113

4.5.2 實體類別和配置信息 / 115

4.5.3 實體抽取結果信息 / 115

4.5.4 分詞 / 118

4.5.5 實體抽取 / 118

4.5.6 引擎初始化和釋放 / 119

4.6 API應用 / 119

4.6.1 自然語言理解引擎初始化和釋放 / 119

4.6.2 文本分詞 / 119

4.6.3 實體獲取 / 120

4.7 分詞和實體抽取應用開發示例 / 121

4.7.1 開發流程 / 121

4.7.2 模塊導入 / 122

4.7.3 程序結構 / 122

4.7.4 UI布局 / 123

4.7.5 分詞 / 123

4.7.6 實體抽取 / 125

4.8 分詞和實體抽取應用開發實驗 / 129

4.9 思考 / 130

第5章意圖識別應用 / 132

5.1 引言 / 132

5.2 意圖識別基礎 / 133

5.3 意圖識別模型 / 135

5.3.1 VBCNet / 135

5.3.2 HAR-DeepConvLG / 137

5.3.3 GRRL / 137

5.4 意圖框架服務 / 139

5.5 意圖共享API / 141

5.5.1 意圖執行信息 / 142

5.5.2 意圖實體信息 / 143

5.5.3 意圖信息 / 144

5.5.4 意圖共享 / 144

5.5.5 意圖刪除 / 145

5.5.6 實體刪除 / 145

5.5.7 SID獲取 / 145

5.6 意圖調用API及應用 / 146

5.6.1 意圖調用API / 146

5.6.2 意圖調用API應用 / 146

5.7 意圖共享API應用 / 147

5.7.1 意圖共享 / 147

5.7.2 意圖刪除 / 148

5.7.3 實體刪除 / 148

5.7.4 SID獲取 / 149

5.8 播放音樂意圖註冊示例 / 149

5.9 播放音樂意圖共享示例 / 150

5.9.1 程序結構 / 150

5.9.2 UI布局 / 150

5.9.3 意圖共享 / 152

5.9.4 意圖刪除 / 155

5.9.5 實體刪除 / 156

5.9.6 getSid和getSid更新 / 156

5.10 播放音樂意圖調用示例 / 156

5.10.1 程序結構 / 156

5.10.2 意圖調用 / 157

5.10.3 意圖調用UI入口 / 158

5.11 習慣推薦應用開發實驗 / 159

5.12 思考 / 161

5.13 擴展：其他意圖方案 / 163

5.13.1 本地搜索 / 163

5.13.2 位置推薦 / 163

5.13.3 事件推薦 / 164

5.13.4 技能調用 / 164

第6章輕量昇思模型應用 / 166

6.1 引言 / 166

6.2 昇思推理框架服務 / 167

6.3 輕量昇思ArkTS API / 168

6.3.1 CPU設備信息 / 169

6.3.2 NNRT設備信息 / 169

6.3.3 上下文配置信息 / 170

6.3.4 張量 / 170

6.3.5 模型 / 171

6.3.6 訓練配置信息 / 172

6.3.7 NNRT設備信息描述 / 172

6.3.8 模型加載 / 173

6.3.9 訓練模型加載 / 173

6.4 輕量昇思C/C++ API / 174

6.4.1 上下文配置功能 / 174

6.4.2 模型相關功能 / 176

6.4.3 張量相關功能 / 178

6.5 輕量昇思圖像分類ArkTS應用開發示例 / 179

6.5.1 開發流程 / 179

6.5.2 示例應用結構與模塊導入 / 180

6.5.3 UI布局 / 181

6.5.4 模型文件加載 / 182

6.5.5 圖片選擇 / 182

6.5.6 圖片解碼 / 183

6.5.7 圖像預處理 / 183

6.5.8 推理 / 184

6.5.9 結果解析 / 185

6.6 輕量昇思圖像分類C/C++應用開發示例 / 185

6.6.1 開發流程 / 185

6.6.2 示例應用結構 / 186

6.6.3 頭文件引用和日誌宏定義 / 186

6.6.4 模型文件讀取 / 187

6.6.5 上下文創建 / 188

6.6.6 執行模型推理 / 189

6.6.7 完整模型推理過程 / 191

6.6.8 鏈接輕量昇思動態庫 / 193

6.6.9 使用Node-API將C++動態庫封裝成ArkTS模塊 / 195

6.6.10 調用封裝的ArkTS模塊進行推理並輸出結果 / 195

6.7 輕量昇思圖像分類ArkTS應用開發實驗 / 195

6.8 輕量昇思圖像分類C/C++應用開發實驗 / 196

6.9 思考 / 196

第7章智能體應用 / 198

7.1 引言 / 198

7.2 智能體技術 / 199

7.2.1 智能體結構 / 200

7.2.2 防護 / 201

7.3 鴻蒙智能體 / 202

7.3.1 智能體開發 / 202

7.3.2 能力拓展功能 / 203

7.3.3 工作流 / 204

7.3.4 插件 / 206

7.3.5 卡片 / 207

7.4 智能體框架服務API / 207

7.4.1 按鈕類型配置 / 208

7.4.2 基礎配置信息 / 208

7.4.3 功能配置信息 / 208

7.4.4 功能組件控制器 / 209

7.4.5 功能組件 / 210

7.5 API應用 / 211

7.5.1 智能體是否可用查詢 / 211

7.5.2 智能體對話框監聽 / 212

7.6 智能體應用開發示例 / 213

7.6.1 開發流程 / 213

7.6.2 開發示例 / 214

7.7 智能體應用開發實驗 / 214

7.8 思考 / 215

後記 / 216

參考文獻 / 218

鴻蒙系統AI應用開發技術

相關主題

商品描述

作者簡介

目錄大綱

類似商品