MédiaMúltipla escolha

Questão de prática de AI-900

Uma empresa de logística usa câmeras suspensas em um cais de envio para ler etiquetas em pacotes. As etiquetas contêm texto em várias fontes, tamanhos e orientações, e às vezes o texto está parcialmente obscurecido. Qual capacidade do Azure Computer Vision eles devem usar para extrair o texto dessas etiquetas?

Escolha a melhor resposta.

Resposta correta

  • BOptical Character Recognition (OCR)

Explicação

O reconhecimento óptico de caracteres (OCR) é a escolha correta porque foi projetado especificamente para extrair texto impresso ou manuscrito de imagens, lidando com variações em fontes, tamanhos, orientações e oclusão parcial. A API de OCR do Azure Computer Vision (Read API) usa modelos de aprendizado profundo para detectar e digitalizar texto de cenas naturais, tornando-a ideal para ler etiquetas em pacotes em um ambiente de logística.

Por que cada alternativa está certa ou errada

A

Incorreta

Object detection

A detecção de objetos retorna caixas delimitadoras e rótulos de classe para objetos como pacotes, não caracteres. Ler texto de etiqueta variado, rotacionado e parcialmente obscurecido requer a capacidade Read OCR, que lida com a extração de texto de várias fontes e orientações que a detecção de objetos não consegue realizar.

B

Correta

Optical Character Recognition (OCR)

O OCR extrai texto de imagens e é ideal para ler etiquetas com fontes, tamanhos e orientações variados.

C

Incorreta

Image classification

A classificação de imagens atribui um único rótulo a uma imagem inteira; ela não pode localizar ou transcrever caracteres, portanto, o texto da etiqueta obscurecido e rotacionado fica sem ser lido. É tentador porque é a tarefa básica de Computer Vision para categorizar fotos inteiras, e seria correto para classificar fotos em classes de 'pacote' ou 'sem pacote'.

D

Incorreta

Semantic segmentation

A segmentação semântica rotula cada pixel por classe, produzindo uma máscara em vez de uma string de texto, portanto, não pode gerar os caracteres de uma etiqueta. É tentador porque lida bem com formas irregulares e oclusão parcial, e seria correto para localizar regiões danificadas ou separar pacotes do fundo do cais.

Para se aprofundar

A Read OCR API do Azure Computer Vision usa um modelo baseado em transformers que lida com texto rotacionado, inclinado e de fontes mistas, e retorna linhas e palavras com polígonos delimitadores mais uma pontuação de confiança por palavra. Ela é executada de forma assíncrona para imagens grandes por meio da operação Read, consultando uma URL de operação até que os resultados estejam prontos, e suporta texto impresso e manuscrito. Etiquetas parcialmente obscurecidas reduzem a confiança por palavra, portanto, a lógica subsequente deve definir um limite nessa pontuação em vez de confiar em cada string extraída. A detecção de objetos retorna caixas delimitadoras para classes de objetos, a classificação de imagens retorna rótulos e a segmentação semântica retorna máscaras de pixels — nenhuma extrai caracteres. Em um cenário de cais, a Read API alimenta um pipeline que sinaliza palavras de baixa confiança para revisão humana antes de atualizar os registros de remessa.

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.