[AI-900] Azure에서 컴퓨터 비전 살펴보기

Q1. Computer Vision 서비스를 사용하여 이미지를 분석하려고 합니다. 또한 Text Analytics 서비스를 사용하여 텍스트를 분석하려고 합니다. 개발자에게는 모든 서비스에 액세스할 수 있는 단 하나의 키와 엔드포인트가 필요합니다. Azure 구독에서 어떤 종류의 리소스를 만들어야 하나요? (2)

1. Computer Vision
2. Cognitive Services
3. Custom Vision

[해설]

Cognitive Services 리소스는 Computer Vision 및 Text Analytics를 모두 지원합니다.

 

Q2. Computer Vision 서비스를 사용하여 이미지에 있는 개별 항목의 위치를 식별하려고 합니다. 다음 중 어떤 기능을 검색해야 하나요?

1. 개체
2. 태그
3. 범주

[해설]

Computer Vision은 이미지에서 위치를 나타내는 경계 상자를 포함한 개체를 반환합니다.

 

Q3. Computer Vision 서비스를 사용하여 이미지의 위치를 분석하고 잘 알려진 건물을 식별하고자 합니다. 무엇을 해야 하나요? (3)

1. 이미지에서 개체를 검색합니다.
2. 유명인 도메인을 지정하여 이미지의 범주 검색
3. 랜드마크 도메인을 지정하여 이미지의 범주 검색

[해설]

랜드마크 도메인에는 전 세계에 잘 알려진 많은 건물이 포함되어 있습니다.

 

Q4. Custom Vision 서비스를 사용하여 이미지 분류 모델을 학습시킬 계획입니다. 모델 학습에만 사용할 수 있고 예측에는 사용할 수 없는 리소스를 만들려고 합니다. Azure 구독에서 어떤 종류의 리소스를 만들어야 하나요? (1)

1. Custom Vision
2. Cognitive Services
3. Computer Vision

[해설]

Custom Vision 리소스를 만드는 경우 학습, 예측 또는 둘 다에 사용할지를 지정할 수 있습니다.

 

Q5. 만족스럽지 못한 평가 메트릭이 나온 이미지 분류 모델을 학습시키려고 합니다. 어떻게 개선할 수 있나요? (3)

1. 모델 학습에 사용되는 이미지의 크기를 줄입니다.
2. “알 수 없음” 클래스에 대한 새 레이블을 추가합니다.
3. 학습 집합에 이미지를 더 추가합니다.

[해설]

일반적으로 프로젝트에 이미지를 더 추가하면 모델을 다시 학습시켜서 성능을 향상시킬 가능성이 있습니다.

 

Q6. 이미지 분류 모델을 게시했습니다. 사용하려는 개발자에게 제공해야 하는 정보는 무엇인가요? (3)

1. 프로젝트 ID만
2. 프로젝트 ID, 모델 이름 및 예측 리소스의 키와 엔드포인트
3. 프로젝트 ID, 반복 번호 및 학습 리소스의 키와 엔드포인트

[해설]

게시된 모델을 사용하려면 예측 리소스의 프로젝트 ID, 모델 이름 및 키와 엔드포인트가 필요합니다.

 

Q7. 개체 감지 모델이 일반적으로 이미지에 대해 반환하는 결과는 다음 중 무엇일까요? (3)

1. 이미지의 클래스 레이블 및 확률 점수
2. 포함된 모든 개체가 있는 이미지의 영역을 나타내는 경계 상자 좌표
3. 이미지에 있는 각 개체의 클래스 레이블, 확률 및 경계 상자

[해설]

개체 감지 모델은 이미지에 있는 각 개체의 클래스 레이블, 확률, 경계 상자를 예측합니다.

 

Q8. 이미지 집합을 사용하여 개체 검색 모델을 학습시킨 다음 모델을 예측 서비스로 게시할 계획입니다. 학습 및 예측을 위해 키와 엔드포인트가 동일한 단일 Azure 리소스를 사용하려고 합니다. 어떤 종류의 Azure 리소스를 만들어야 할까요? (1)

1. Cognitive Services
2. Custom Vision
3. Computer Vision

[해설]

Cognitive Services 리소스는 학습과 예측에 모두 사용할 수 있습니다.

 

Q9. Face를 사용하여 이미지에서 사람의 얼굴을 감지할 계획입니다. 서비스는 어떻게 감지한 얼굴의 위치를 나타내나요? (3)

1. 얼굴의 중앙을 나타내는 각 얼굴의 좌표 쌍
2. 눈의 위치를 나타내는 각 얼굴의 좌표 두 쌍
3. 얼굴 주변의 사각형 경계 상자를 정의하는 각 얼굴의 좌표 집합

[해설]

감지된 얼굴의 위치는 사각형 경계 상자 좌표로 표시됩니다.

 

Q10. 얼굴 감지에 방해가 될 수 있는 요소 하나는 무엇인가요? (2)

1. 웃는 표정
2. 극단적인 각도
3. 고속 셔터 속도

[해설]

얼굴이 정면 또는 정면에 최대한 가까울 때 최상의 결과를 얻을 수 있습니다.

 

Q11. Face를 사용하여 유명한 개인을 식별하고자 합니다. 무엇을 해야 하나요? (3)

1. Computer Vision 서비스 사용 - Face는 얼굴 인식을 수행할 수 없음
2. Face를 사용하여 각 사람에 대한 나이와 감정 상태 검색
3. Face를 사용하여 여러 유명한 개인의 이미지가 포함된 그룹을 생성하고 그룹을 기반으로 모델 학습

[해설]

유명한 개인의 여러 이미지가 포함된 그룹을 생성하면 얼굴 인식 모델을 학습할 수 있습니다.

 

Q12. 이미지에서 텍스트를 추출하고 Text Analytics 서비스를 사용하여 텍스트를 분석하려고 합니다. 개발자에게는 모든 서비스에 액세스할 수 있는 단 하나의 키와 엔드포인트가 필요합니다. Azure 구독에서 어떤 종류의 리소스를 만들어야 하나요? (2)

1. Computer Vision
2. Cognitive Services
3. Text Analytics

[해설]

Cognitive Services 리소스는 텍스트 추출을 위한 Computer Vision과 텍스트 분석을 위한 Text Analytics를 모두 지원합니다.

 

Q13. Computer Vision 서비스를 사용하여 대형 PDF 문서에서 텍스트를 읽으려고 합니다. 사용해야 하는 API는 무엇인가요? (1)

1. 읽기 API
2. OCR API
3. 텍스트 인식 API

[해설]

읽기 API는 더 큰 이미지에 좀 더 적합하지만 비동기식으로 실행되므로 애플리케이션이 실행되는 동안 애플리케이션을 차단하지 않습니다.

 

Q14. Form Recognizer 미리 빌드된 영수증 모델을 사용할 계획입니다. 어떤 종류의 Azure 리소스를 만들어야 하나요? (2)

1. Computer Vision
2. Form Recognizer
3. Cognitive Services

[해설]

오직 Form Recognizer 리소스 유형만 Form Recognizer 서비스에 대한 액세스를 제공합니다.

 

Q15. Form Recognizer 서비스를 사용하여 JPG 형식 이미지로 스캔한 영수증을 분석합니다. 미리 빌드된 영수증 모델에 제출할 수 있는 JPG 파일의 최대 크기는 얼마인가요? (2)

1. 2MB
2. 50MB
3. 200MB

[해설]

미리 빌드된 영수증 모델의 최대 파일 크기는 50MB입니다.