HCIP-HarmonyOS Application Developer 习题(十四)

(多选)1、HarmonyOs为应用提供丰富的Al(Artificial Intelligence)能力,支持开箱即用。下列哪些是它拥有的AI能力?

A、通用文字识别
B、词性标注
C、实体识别
D、语音播报

答案:ABCD
分析:

AI能力简介
二维码生成根据开发者给定的字符串信息和二维码图片尺寸,返回相应的二维码图片字节流。调用方可以通过二维码字节流生成二维码图片。
通用文字识别通过拍照、扫描等光学输入方式,把各种票据、卡证、表格、报刊、书籍等印刷品文字转化为图像信息,再利用文字识别技术将图像信息转化为计算机等设备可以使用的字符信息的技术。
图像超分辨率提供适用于移动终端的1倍和9倍(宽、高各放大三倍,总面积放大9倍)超分能力;1倍超分可以去除图片的压缩噪声,9倍超分在有效抑制压缩噪声的同时,提供3倍的边长放大能力。
文档检测校正提供了文档翻拍过程的辅助增强功能,包含两个子功能:文档检测和文档校正。
文字图像超分文字图像超分辨率可以对包含文字内容的图像进行9倍放大(高宽各放大3倍),同时增强图像内文字的清晰度,称为“文字图像超分辨率”,简称“文字图像超分”。
分词对于一段输入文本,可以自动进行分词,同时提供不同的分词粒度。开发者可以根据需要自定义分词粒度。
词性标注对于输入的一段文本,自动通过词性标注接口对其进行分词,并为分词结果中的每个单词标注一个正确的词性。词性标注提供不同的分词粒度,开发者可以根据需要自定义分词粒度。
助手类意图识别对用户发送给设备的文本消息进行语义分析和意图识别,进而衍生出各种智能的
应用场景,使设备更智慧、更智能。
IM类意图识别利用机器学习技术,针对用户短信或聊天类APP等IM应用的文本消息进行内容分析,并识别出消息内容代表的用户意图。
关键字提取可以在大量信息中提取出文本想要表达的核心内容,可以是具有特定意义的实体,如:人名、地点、电影等。也可以是一些基础但是在文本中很关键的词汇。
实体识别从自然语言中提取出具有特定意义的实体,并在此基础上完成搜索等一系列相关操作及功能。
语音识别将语音文件、实时语音数据流转换为汉字序列,准确率达到90%以上(本地识别95%)。
语音播报将文本转换为语音并进行播报。

(多选)2、JS语言开发时,生成的二维码图片支持以下哪些类型?

A、矩形
B、椭圆形
C、多边形
D、圆形

答案:AD
分析:JS 语言开发时,生成的二维码图片的宽高最小值为 200px;当宽高不一致时,以二者最小值作为二维码的边长,且最终生成的二维码居中显示。支持矩形、圆形两种二维码类型(默认是矩形)。

(多选)3、在AI能力中,通用文字识别的核心技术是OCR(Optical CharacterRecognition,光学字符识别)。OCR是一种通过拍照、扫描等光学输入方式,把各种票据、卡证、表格、报刊、书籍等印刷品文字转化为图像信息,再利用文字识别技术将图像信息转化为计算机等设备可以使用的字符信息的技术。它支持的图片格式有哪些?

A、jpeg
B、jpg
C、svg
D、png

答案:ABD
分析:通用文字识别存在如下约束与限制:
⚫ 支持处理的图片格式包括 JPEGJPGPNG
⚫ 通用文字识别目前支持的语言有:中文、英文、日语、韩语、俄语、意大利语、西班牙
语、葡萄牙语、德语,以及法语(将来会增加更多语种)。
⚫ 目前支持文档印刷体识别,不支持手写字体识别。
⚫ 为保证较理想的识别结果,调用通用文字识别功能时,应尽可能保证输入图像具有合适的
成像质量(建议 720p 以上)和高宽比例(建议 2:1 以下,接近手机屏幕高宽比例为
宜)。当输入图像为非建议图片尺寸时,文字识别的准确度可能会受到影响。
⚫ 为保证较理想的识别结果,建议文本与拍摄角度夹角在正负 30 度范围内。

(多选)4、在进行通用文字识别时,调用ITextDetector的detect()方法,获取识别结果Int detect(Visionlmage image, Text result.VisionCallback visionCallBack);关于下列描述,哪些是正确的?

A、image为待OCR检测识别的输入图片;
B、如果visionCallback为null,执行同步调用,结果码由方法返回,检测及识别结果由result返回
C、如果visionCallback为有效的回调函数,则该函数为异步调用,函数返回时result中的值无效,实际识别结果由回调函数返回。
D、同步模式调用成功时,该函数返回结果码700。异步模式调用请求发送成功时,该函数返回结果码0。

答案:ABC
分析:同步模式调用完成时,该函数立即返回结果码0;异步模式调用请求发送成功时,该函数返回结果码 700。

(多选)5、图像超分在实际应用中有广泛的前景,下列属于图像超分可能的应用场景的是

A、自动识别图像中文本
B、抑制压缩噪声
C、节省存储和流量
D、高质量放大

答案:BCD
分析:文字图像超分辨率可以对包含文字内容的图像进行9倍放大(高宽各放大3倍),同时增强图像内文字的清晰度,称为“文字图像超分辨率”,简称“文字图像超分”。
图像超分可能的应用场景包括但不限于:
抑制压缩噪声:1x 的超分可以去除高压缩率图片的压缩噪声。
节省存储和流量:可加大图片压缩率,有助于存储及传送高压缩率的图片。
高质量放大:3x 超分将图片放大 3 倍,还能有效抑制压缩噪声。

(多选)6、HarmonyOS系统支持的弹窗API有哪些?

A、showToast
B、showDialog
C、showActionMenu
D、showText

答案:ABC
分析:
在这里插入图片描述

(多选)7、HarmonyOs的电量信息状态有哪几种?

A、未知状态
B、使能状态
C、停止状态
D、已充满状态

答案:ABCD
分析:
在这里插入图片描述

(多选)8、DevEco Studio支持以下哪些类型的编程语言供开发者进行HarmonyOS应用/服务开发?

A、Java
B、JS
C、eTS
D、C/C++

答案:ABCD
分析:DevEco Studio提供了多种编程语言供开发者进行HarmonyOS应用/服务开发,包括Java、JS、eTS和C/C++编程语言。

(多选)9、在应用开发过程中,DevEcoStudio为开发者提供了预览器(Previewer)的功能,可以查看应用的UI界面效果,它支持以下哪些预览类型?

A、实时预览
B、动态预览
C、自定义预览
D、双向预览

答案:ABCD
分析:
在这里插入图片描述

(多选)10、JS代码类型支持以下哪几项断点管理功能?

A、普通行断点
B、异常断点
C、符号断点
D、方法断点

答案:AB
分析:
在这里插入图片描述

(多选)11、在进行变量可视化调试时,开发者可以看到哪些展示方式?

A、Plain
B、Line
C、Bar
D、Table

答案:ABCD
分析:
在这里插入图片描述

(多选)11、HarmonyOS Connect服务包增强服务包含哪些?

A、设备运维分析
B、运营变现能力
C、专属场景服务
D、极简连接

答案:ABC
分析:增强服务提供设备运维分析、运营变现能力以及专属场景服务。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/453407.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

为什么软件维护成本比软件的开发成本高?

很多项目的软件维护成本比软件的开发成本高出很多 一、需求变更频繁 业务需求变化 随着市场环境的变化和业务的发展,客户的需求可能会不断调整和改变。例如,企业的业务模式发生调整,需要软件系统增加新的功能模块或对现有功能进行重大修改…

为什么一条Java命令,JVM就可以执行Java程序了(串联JVM面试知识点)

文章目录 前言从面试题说起JVM做了哪些事?“翻译”的工作不仅仅“翻译” JVM 各部件如何协同工作?类加载器先工作执行引擎开始工作执行引擎工作模式Main方法什么时候被执行? 运行时数据区域开始工作线程私有的空间大名鼎鼎的堆内存 就这么一直…

FineReport 条件属性

条件属性主要指:给报表的属性添加条件,当满足该条件时,对属性的属性值进行修改,从而达到改变报表样式的目的。 条件属性共有 12 种,分别是:颜色、字体、超级链接、形态、缩进、行高、分页、列宽、背景、边框…

Oracle 使用位图索引 Cost降低200倍! 探讨位图索引的利与弊

一.简介 位图索引(Bitmap Index) 是 Oracle 数据库中一种特殊类型的索引,适用于低基数(Low Cardinality)列,即那些列中可选值相对较少的情况下使用。它与常规的 B-tree 索引不同,位图索引通过位…

Columns Page “列”页面

“列”页提供了列管理工具,其中包括用于添加和删除列的按钮、显示绑定数据源中字段名称的列表框以及网格列、提供对所选列属性的访问的属性网格。 Columns 页面提供 Column properties (列属性)、Column options (列选项&#xff…

【Git】远程操作-标签管理-多人协作

远程操作 分布式版本控制系统 概念理解 Git就像正在看的一本书。每当看完一章,可以将其保存起来,如果后面想修改或者查看以前自己看到哪里,随时可以翻看。Git就是帮助记录这些修改的工具,主要负责记录每次改动,就类似…

AnaTraf | 网络质量分析与DNS响应时间

http://www.anatraf.com 在当今的数字化时代,网络是任何企业正常运转的核心。而网络的质量直接影响着业务的连续性和用户体验。当网络性能不佳时,可能会导致网站加载缓慢、应用响应滞后,甚至影响企业的生产力。特别是在互联网世界中&#xf…

第三季度中国游戏市场收入创历史新高;京东物流与淘宝天猫达成合作;YouTube 上线“用相机拍摄”标签....|网易数智日报

第三季度中国游戏市场收入917.66亿,创历史新高 中国音数协游戏工委今日发布了最新的 2024 年第三季度中国游戏产业季度报告。 数据显示,2024 年第三季度中国游戏市场收入 917.66 亿元,环比增长 22.96%,同比增长 8.95%。 中国音…

【H2O2|全栈】JS入门知识(五)

目录 JS 前言 准备工作 数组API(一) API概念 数组常见API(一) arguments 作用域 概念 全局作用域 局部作用域 块级作用域 变量的作用域 作用域链 案例 预解析 概念 变量预解析 函数预解析 案例 对象 概念 …

【RTT-Studio】详细使用教程十七:FreeModbus通信--LCD

文章目录 一、简介二、Modbus通信三、LCD通信四、配置FreeModbus通信协议四、完整代码五、测试验证 一、简介 Modbus协议是一种用于工业控制的网络通讯协议,可以片面的理解为,Modbus协议一种机器与机器之间进行数据、信息传递的一种格式规范。   Modbu…

PostgreSQL的学习心得和知识总结(一百五十五)|[performance]优化期间将 WHERE 子句中的 IN VALUES 替换为 ANY

目录结构 注:提前言明 本文借鉴了以下博主、书籍或网站的内容,其列表如下: 1、参考书籍:《PostgreSQL数据库内核分析》 2、参考书籍:《数据库事务处理的艺术:事务管理与并发控制》 3、PostgreSQL数据库仓库…

《MYSQL实战45讲 》 优化器如何选择索引?

SHOW VARIABLES LIKE long_query_time; set long_query_time0 优化器如何选择索引? 1.扫描的行数 估计出各个索引大致的要扫描的行数,行数越少,效率越高。 索引的基数也叫区分度,就是这个索引所在的字段上不同的值又多少个。优…

MySQL【知识改变命运】06

前言:在05这节数据结构里面,我们知道select * from 这个操作很危险,如果数据库很大,会把服务器资源耗尽,接下来提到的查询可以有效的限制返回记录 1:分页查询 分页查询可以有效控制一次查询出来的结果集的…

数据结构与集合源码

目录 一、数据结构 1.1 数据结构概念 1.2 研究对象 1.3 常见存储结构 1.3.1 数组 1.3.2 链表 1.单向链表 2.双向链表 1.3.3 二叉树 1.3.4 栈(FILO,先进后出) 1.3.5 队列(FIFO,先进先出) 二、集合…

基于卷积神经网络的蔬菜识别系统,resnet50,mobilenet模型【pytorch框架+python源码】

更多目标检测和图像分类识别项目可看我主页其他文章 功能演示: 基于卷积神经网络的蔬菜识别系统,resnet50,mobilenet【pytorch框架,python,tkinter】_哔哩哔哩_bilibili (一)简介 基于卷积神…

Java设计模式梳理:行为型模式(策略,观察者等)

行为型模式 行为型模式关注的是各个类之间的相互作用,将职责划分清楚,使得我们的代码更加地清晰。 策略模式 策略模式太常用了,所以把它放到最前面进行介绍。它比较简单,我就不废话,直接用代码说事吧。 下面设计的…

软件架构之构件复用技术

简介 软件架构复用 在应用软件系统的开发过程中,通常包含以下几个关键阶段:需求分析、设计、编码、测试和维护。在这些阶段中,复用技术均可以得到有效应用。特别是,软件架构复用作为一种大粒度、高抽象级别的复用方式&#xff0…

55 | 享元模式(下):剖析享元模式在Java Integer、String中的应用

上篇文章,我们通过棋牌游戏和文本编辑器这样两个实际的例子,学习了享元模式的原理、实现以及应用场景。用一句话总结一下,享元模式中的“享元”指被共享的单元。享元模式通过复用对象,以达到节省内存的目的。 今天,我…

[PHP]重复的Notice错误信息

<?php $a []; var_dump($a[name]);执行结果&#xff1a; 原因&#xff1a; display_errors和error_reporting都打开了Notice错误信息

线性回归实现

1.从数据流水线、模型、损失函数、小批量随机梯度下降优化器 %matplotlib inline import random import torch from d2l import torch as d2l 2.根据带有噪声的线性模型构造人造数据集。使用线性模型参数w [2,-3.4]T、b 4.2和噪声项ε生成数据集及标签 y Xw b ε def …