MediaOpción múltiple

Pregunta de práctica de AI-900

Una empresa de logística utiliza cámaras cenitales en un muelle de envíos para leer etiquetas en paquetes. Las etiquetas contienen texto en varias fuentes, tamaños y orientaciones, y a veces el texto está parcialmente oscurecido. ¿Qué capacidad de Azure Computer Vision deben utilizar para extraer el texto de estas etiquetas?

Elige la mejor respuesta.

Respuesta correcta

  • BOptical Character Recognition (OCR)

Explicación

Optical Character Recognition (OCR) es la opción correcta porque está diseñada específicamente para extraer texto impreso o manuscrito de imágenes, manejando variaciones en fuentes, tamaños, orientaciones y oclusión parcial. La API de OCR de Azure Computer Vision (Read API) utiliza modelos de aprendizaje profundo para detectar y digitalizar texto de escenas naturales, lo que la hace ideal para leer etiquetas en paquetes en un entorno logístico.

Por qué cada opción es correcta o incorrecta

A

Incorrecta

Object detection

La detección de objetos devuelve cuadros delimitadores y etiquetas de clase para objetos como paquetes, no caracteres. Leer texto de etiquetas variado, rotado y parcialmente oscurecido requiere la capacidad Read OCR, que maneja la extracción de texto multifuente y multiorientación que la detección de objetos no puede realizar.

B

Correcta

Optical Character Recognition (OCR)

El OCR extrae texto de imágenes y es ideal para leer etiquetas con diferentes fuentes, tamaños y orientaciones.

C

Incorrecta

Image classification

La clasificación de imágenes asigna una sola etiqueta a una imagen completa; no puede localizar ni transcribir caracteres, por lo que el texto de etiquetas oscurecido y rotado se queda sin leer. Es tentadora porque es la tarea básica de Computer Vision para categorizar imágenes completas, y sería correcta para clasificar fotos en clases de 'paquete' o 'sin paquete'.

D

Incorrecta

Semantic segmentation

La segmentación semántica etiqueta cada píxel por clase, produciendo una máscara en lugar de una cadena de texto, por lo que no puede generar los caracteres de una etiqueta. Es tentadora porque maneja formas irregulares y oclusión parcial de manera óptima, y sería correcta para localizar regiones dañadas o separar paquetes del fondo del muelle.

Para profundizar

La API Read OCR de Azure Computer Vision utiliza un modelo basado en transformers que maneja texto rotado, inclinado y de fuentes mixtas, y devuelve líneas y palabras con polígonos delimitadores más una puntuación de confianza por palabra. Se ejecuta de forma asíncrona para imágenes grandes a través de la operación Read, consultando una URL de operación hasta que los resultados estén listos, y admite texto impreso y manuscrito. Las etiquetas parcialmente oscurecidas reducen la confianza por palabra, por lo que la lógica posterior debe establecer un umbral en esa puntuación en lugar de confiar en cada cadena extraída. La detección de objetos devuelve cuadros delimitadores para clases de objetos, la clasificación de imágenes devuelve etiquetas y la segmentación semántica devuelve máscaras de píxeles; ninguna extrae caracteres. En un escenario de muelle, la Read API alimenta un flujo de trabajo que marca las palabras de baja confianza para revisión humana antes de actualizar los registros de envío.

Sobre estas preguntas de práctica

Esta es una de las preguntas de práctica originales de AI-900 de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.

Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.