Resposta correta
Explicação
Object detection (detecção de objetos) é a escolha correta porque pode identificar e localizar vários objetos (por exemplo, caixas de produtos) dentro de uma imagem e determinar se itens esperados estão faltando em suas posições designadas na prateleira. Ao contrário da Image classification (classificação de imagens), que atribui um único rótulo a toda a imagem, a detecção de objetos fornece caixas delimitadoras e rótulos de classe para cada objeto detectado, permitindo uma análise precisa de lacunas.
Para se aprofundar
A detecção de objetos retorna caixas delimitadoras com rótulos de classe e pontuações de confiança para cada instância detectada, normalmente por meio de modelos como YOLO ou Faster R-CNN expostos por meio da detecção de objetos do Azure AI Vision ou Custom Vision. Ao contrário da classificação de imagens, que atribui um rótulo a todo o quadro, a detecção localiza vários objetos e suas posições, portanto, um modelo de prateleira pode ser treinado em regiões de 'produto presente' versus 'lacuna'. Um limite sutil: a precisão da detecção degrada com oclusão, objetos pequenos e desequilíbrio de classes, e o serviço impõe cotas de imagem e tag por projeto. Na prática, um varejista treina um detector personalizado em imagens de prateleira rotuladas e, em seguida, executa a inferência em cada quadro da câmera; as lacunas são sinalizadas quando nenhuma caixa de produto se sobrepõe a uma região de slot esperada, acionando alertas de reabastecimento.
Sobre estas questões de prática
Esta é uma das questões de prática originais de AI-900 da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.
Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.