Bonne réponse
Explication
Object Detection est la bonne capacité car elle peut identifier et localiser plusieurs cartons dans chaque image vidéo, ce qui permet au système de les compter au fur et à mesure qu'ils se déplacent sur le tapis roulant. Contrairement à la classification d'images, qui étiquette une image entière, la détection d'objets fournit des boîtes englobantes et des comptes pour chaque objet détecté, ce qui la rend idéale pour le suivi du débit en temps réel.
Pour aller plus loin
Les modèles d'Object Detection génèrent à la fois une boîte englobante et une étiquette de classe par instance détectée, de sorte qu'une seule image peut produire plusieurs prédictions de 'carton' avec des scores de confiance. Le comptage du débit devient alors un problème de suivi : vous attribuez à chaque détection une identité à travers les images et incrémentez un compteur lorsqu'elle franchit une ligne virtuelle. La détection d'objets d'Azure AI Vision est entraînée sur des images étiquetées personnalisées via Custom Vision, et renvoie des coordonnées normalisées (gauche, haut, largeur, hauteur) ainsi que la probabilité. Une limite subtile est que les cartons se déplaçant rapidement ou se chevauchant provoquent des détections manquées ou des changements d'identité, de sorte que les équipes échantillonnent souvent les images et appliquent des seuils de suppression non maximale. Cela importe sur un tapis roulant où les cartons se touchent et où le décompte horaire doit concorder avec les manifestes d'expédition.
À propos de ces questions d'entraînement
Cette question fait partie des questions d'entraînement AI-900 originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.
Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.