AI-102 ビジョン＆ドキュメントAIAI-102 Vision and Document AI

C. フォーム認識機能
英語の領収書用に事前に構築された領収書モデルがあります。
抽出可能: ベンダー、合計、日付、品目、税金など。
超ローコード — 文字通り、PDF または画像をアップロードして API にアクセスするだけです。
領収書が標準的でない場合は、カスタマイズすることもできます。
— 最小限の開発労力、高精度、領収書用に設計されています。

C. Form Recognizer
Has a prebuilt receipt model for English receipts.
Can extract: vendor, total, date, items, tax, etc.
Super low-code — literally just upload a PDF or image and hit the API.
You can even customize it if your receipts are non-standard.
— minimal dev effort, high accuracy, designed for receipts.

Form Recognizer は、フォームを理解する AI を活用したドキュメント抽出サービスで、印刷物か手書きかに関係なく、ドキュメントからテキスト、表、およびキーと値のペアを抽出できます。領収書やその他の種類のドキュメントから情報を認識して抽出するように設計されているため、このシナリオに最適です。仕入先や取引合計などのトップレベルの情報を領収書から簡単に抽出できるため、従業員が領収書を経費報告書に記録するのに費やす時間が削減されます。このソリューションは、一般的な抽出タスク用に事前構築されたモデルを提供するため、開発労力も最小限に抑えられます。

Form Recognizer is an AI-powered document extraction service that understands your forms, enabling you to extract text, tables, and key-value pairs from your documents, whether print or handwritten. It’s designed to recognize and extract information from receipts, among other types of documents, which makes it the best choice for this scenario. It can easily extract top-level information such as the vendor and transaction total from receipts, thereby reducing the time employees spend on logging receipts in expense reports. This solution also minimizes development effort as it provides pre-built models for common extraction tasks.

Form Recogniser は、領収書や請求書などの一般的なドキュメント タイプをサポートします。

Form recogniser supports among other common document types, receipts and invoices.

OCR 対象のコンテンツを見つけるには Form Recognizer を使用することは間違いありません

no doubt using Form recognizer to locate the content to be OCR

正解はC「Form Recognizer」です。このサービスは数週間前に名前を Document Intelligence に変更しました

The correct answer is C "Form Recognizer". This service had changed its name to Document Intelligence a few weeks ago

Azure Form Recognizer を使用した請求書の例については、https://learn.microsoft.com/en-us/azure/applied-ai-services/form-recognizer/overview?view=form-recog-3.0.0#invoice を参照してください。

See example of Invoice with Azure Form Recognizer at https://learn.microsoft.com/en-us/azure/applied-ai-services/form-recognizer/overview?view=form-recog-3.0.0#invoice

フォーム認識機能

Form recognizer

C. フォーム認識機能

C. Form Recognizer

Cが正解です。

C is correct answer.

フォーム認識機能を使用する

Use Form recognizer

Computer Vision サービスには無料利用枠があるため、答えは A となります。
- 無料 - Web/コンテナ
- 1分あたり20本
- 毎月 5,000 件の無料トランザクション

Answer shall be A, as there is free tier available for Computer Vision service.
- Free - Web/Container
- 20 per minute
- 5,000 free transactions per month

Aが正しいです

A is correct

要件では、画像のキャプションを自動的に生成するためにリソースが使用されることが指定されているというご指摘は正しいです。キャプション (画像の内容を説明する) を生成するための正しいサービスは、**Custom Vision** ではなく **Computer Vision** です。

**Computer Vision** は、画像説明 (キャプション) の生成を含む、画像分析などのタスク向けに特別に設計されています。一方、**Custom Vision** は、カスタム画像分類器のトレーニングと展開に使用されます。

したがって、正しい選択は残ります。

**A. `create_resource(client, "res1", "ComputerVision", "F0", "westus")`**

このオプションでは、**F0** (無料) レベルの **ComputerVision** サービスが正しく使用されます。これは、米国西部地域でキャプションを自動的に生成するのに適しています。

You are correct in pointing out that the requirement specifies the resource will be used to generate captions of images automatically. The correct service for generating captions (describing the content of images) is **Computer Vision** rather than **Custom Vision**.

**Computer Vision** is specifically designed for tasks like image analysis, including generating image descriptions (captions). On the other hand, **Custom Vision** is used for training and deploying custom image classifiers.

So, the correct choice remains:

**A. `create_resource(client, "res1", "ComputerVision", "F0", "westus")`**

This option correctly uses the **ComputerVision** service in the **F0** (free) tier, which is suitable for generating captions automatically in the West US region.

答えは「A」です

https://azure.microsoft.com/en-us/pricing/details/cognitive-services/computer-vision/

画像解析
実例
- 無料 (F0) - Web/コンテナ
特徴
- 全て
価格
- 毎月 5,000 件の無料トランザクション
- 1 分あたり 20 トランザクション

Answer is "A"

https://azure.microsoft.com/en-us/pricing/details/cognitive-services/computer-vision/

Image Analysis
Instance
- Free (F0) - Web/Container
Features
- All
Price
- 5,000 free transactions per month
- 20 transactions per minute

ComputerVision リソースには、カスタム モデルをトレーニングする必要がなく、キャプション生成などの画像分析用の機能が事前に構築されているため、より一般的に使用されます。一方、CustomVision.Prediction では、キャプションの生成をサポートするように特別にトレーニングする必要があります。

The ComputerVision resource is more commonly used because it comes with pre-built capabilities for image analysis, including caption generation, without the need to train a custom model. On the other hand, the CustomVision.Prediction you must be specifically trained to support generating captions.

Computer Vision の無料版。
https://docs.microsoft.com/en-us/azure/cognitive-services/custom-vision-service/limits-and-quotas

The free version of Computer Vision.
https://docs.microsoft.com/en-us/azure/cognitive-services/custom-vision-service/limits-and-quotas

Computer Vision (現在は AI Vision とも呼ばれています) には無料利用枠があります

Computer Vision (Also Called AI Vision now) has free tier

Custom Vision ではキャプションを生成できません

Generating Caption is not Possible with Custom Vision

答えはAです
https://learn.microsoft.com/en-us/azure/ai-services/computer-vision/concept-describe-images-40?tabs=image

Answer is A
https://learn.microsoft.com/en-us/azure/ai-services/computer-vision/concept-describe-images-40?tabs=image

正解は B です。

* 以下の説明は無料層と有料層に関するものですが、答えのキーワードは画像の「キャプション」です。キャプションを生成するには、CustomVisionPredictionClient を使用する必要があります。 ComputerVision は説明、!captions! を生成します。サービスのオプションを参照してください。

https://learn.microsoft.com/en-us/azure/ai-services/multi-service-resource?tabs=windows&pivots=programming- language-csharp#choose-a-service-and-pricing-tier

Correct Answer is B;

* While the discussion below is about the FREE v. for-fee tiers, the answer key phrase is "captions" for images; To generate captions, one must use the CustomVisionPredictionClient. ComputerVision generates descriptions, !captions! See the services options.

https://learn.microsoft.com/en-us/azure/ai-services/multi-service-resource?tabs=windows&pivots=programming-language-csharp#choose-a-service-and-pricing-tier

Computer Vision には無料利用枠があります

There is Free tier available for Computer Vision

機能重視: 画像のキャプションを自動的に生成するタスクは、Computer Vision API が提供する機能とより密接に連携しており、特に画像を分析し、説明的なキャプションなどの画像に関する情報を提供するように設計されています。この機能は Custom Vision サービスの焦点では​​なく、分類やオブ​​ジェクト検出を目的として新しい画像にカスタム モデルを適用することに重点を置いています。

Functionality Focus: The task of generating captions for images automatically aligns more closely with the features offered by the Computer Vision API, specifically designed to analyze images and provide information about them, including descriptive captions. This functionality is not a focus of the Custom Vision service, which is more about applying custom models to new images for classification or object detection purposes.

コンピューター ビジョンには無料枠がないという回答がなぜあるのかわかりません。ポータルにアクセスして新しいリソースを作成すると、F0 オプションが表示されます。

I don't know why the answer says there is no free tier for computer vision. if you go to the portal and create a new resource the F0 option is there

ここのサンプルソースコードを参照してください
https://learn.microsoft.com/en-us/azure/ai-services/multi-service-resource?pivots=programming- language-csharp&tabs=windows#call-management-methods

F0 がある場所を選択し、次にコンピューター ビジョンがある場所、画像の推論キャプション用のコンピューター ビジョンを選択します。

See sample source code at here
https://learn.microsoft.com/en-us/azure/ai-services/multi-service-resource?pivots=programming-language-csharp&tabs=windows#call-management-methods

Choose where has F0, then choose where has Computer Vision, Computer Vision for inference caption of image.

Computer Vision リソースは、画像のキャプションを自動的に生成するために使用されます。

Computer Vision resource will be used to generate captions of images automatically.

Computer Vision には F0 と S1 の 2 つの価格帯があるため、答えは A です。

There are two pricing tier for Computer Vision, F0 & S1 , so answer is A.

次のコードを使用する必要があります。

A. create_resource(client, "res1", "ComputerVision", "F0", "westus")

このコードは、米国西部 Azure リージョンに Computer Vision 用の無料 (「F0」層) Azure Cognitive Services リソースを作成します。このリソースは、Computer Vision API の機能である画像のキャプションを自動的に生成するために使用されます。

You should use the following code:

A. create_resource(client, "res1", "ComputerVision", "F0", "westus")

This code creates a free ("F0" tier) Azure Cognitive Services resource for Computer Vision in the West US Azure region. The resource will be used to generate captions of images automatically, which is a feature of the Computer Vision API.

ファイル 2 と 5 は除外されます。

新しいサービスの制限は 500MB までになりました。
ファイル 1、3、および 6 は「モデルのトレーニング」としては正しいですが、MSFT が質問から「トレーニング」という単語を削除した場合は注意してください。

https://docs.microsoft.com/en-gb/learn/modules/work-form-recognizer/3-get-started
https://docs.microsoft.com/en-us/azure/applied-ai-services/form-recognizer/service-limits?tabs=v21

File 2 and 5 are excluded.

New service limits now goes up to 500MB so...
File 1, 3, and 6 are correct for "training the model", however if MSFT remove the word "training" from the question - be careful.

https://docs.microsoft.com/en-gb/learn/modules/work-form-recognizer/3-get-started
https://docs.microsoft.com/en-us/azure/applied-ai-services/form-recognizer/service-limits?tabs=v21

正解：ACDF
https://learn.microsoft.com/en-gb/training/modules/work-form-recognizer/3-get-started

Form Recogizer のファイル入力要件を理解する
Form Recogizer は、次の要件を満たす入力ドキュメントを処理します。
- 形式は JPG、PNG、BMP、PDF (テキストまたはスキャン)、または TIFF である必要があります。
- ファイル サイズは、有料 (S0) 層の場合は 500 MB 未満、無料 (F0) 層の場合は 4 MB 未満である必要があります。
- 画像のサイズは 50 x 50 ピクセルから 10000 x 10000 ピクセルの間である必要があります。
- トレーニング データ セットの合計サイズは 500 ページ以下である必要があります。

Correct answer: ACDF
https://learn.microsoft.com/en-gb/training/modules/work-form-recognizer/3-get-started

Understand Form Recognizer file input requirements
Form Recognizer works on input documents that meet these requirements:
- Format must be JPG, PNG, BMP, PDF (text or scanned), or TIFF.
- The file size must be less than 500 MB for paid (S0) tier and 4 MB for free (F0) tier.
- Image dimensions must be between 50 x 50 pixels and 10000 x 10000 pixels.
- The total size of the training data set must be 500 pages or less.

ファイル1 PDF 20 MB✅ はいサポートされている形式および 50 MB 未満
File2 MP4 100 MB❌ NoVideo ファイルはサポートされていません
File3 JPG 20 MB✅ ありサポートされている形式および 50 MB 未満
ファイル 4 PDF 100 MB❌ 50 MB のサイズ制限を超えません
File5 GIF 1MB❌ NoGIF はサポートされているトレーニング形式ではありません
File6 JPG 40 MB✅ はいサポートされている形式および 50 MB 未満

File1 PDF 20 MB✅ YesSupported format and under 50 MB
File2 MP4 100 MB❌ NoVideo files are not supported
File3 JPG 20 MB✅ YesSupported format and under 50 MB
File4 PDF 100 MB❌ NoExceeds 50 MB size limit
File5 GIF 1MB❌ NoGIF is not a supported training format
File6 JPG 40 MB✅ YesSupported format and under 50 MB

Form Recogizer は、次の要件を満たす入力ドキュメントを処理します。
- 形式は JPG、PNG、BMP、PDF (テキストまたはスキャン)、または TIFF である必要があります。
- ファイル サイズは、有料 (S0) 層の場合は 500 MB 未満、無料 (F0) 層の場合は 4 MB 未満である必要があります。
- 画像のサイズは 50 x 50 ピクセルから 10000 x 10000 ピクセルの間である必要があります。
- トレーニング データ セットの合計サイズは 500 ページ以下である必要があります。

Form Recognizer works on input documents that meet these requirements:
- Format must be JPG, PNG, BMP, PDF (text or scanned), or TIFF.
- The file size must be less than 500 MB for paid (S0) tier and 4 MB for free (F0) tier.
- Image dimensions must be between 50 x 50 pixels and 10000 x 10000 pixels.
- The total size of the training data set must be 500 pages or less.

ACF は正しいです。トレーニングの場合、最大制限は 50MB ですが、本番環境の場合、制限は最大 500MB になります。

ACF is correct, for training the maximum limit is 50MB, for production the limit can go upto 500MB

Form Recogizer モデルは AI-102 試験から削除されました

Form Recognizer model was removed from AI-102 exam

1 3 と 6

1 3 and 6

1 3 6 はい!

1 3 6 YES!

カスタム モデルのトレーニングの場合、合計サイズは依然として 50MB です。答えは正解です

https://learn.microsoft.com/en-us/azure/ai-services/document-intelligence/concept-custom-classifier?view=doc-intel-4.0.0

For custom model training the total size is still 50MB. Answer is correct

https://learn.microsoft.com/en-us/azure/ai-services/document-intelligence/concept-custom-classifier?view=doc-intel-4.0.0

質問はカスタム モデルを正確に示します ---- サイズ制限 50MB
このリンクを参照してください https://learn.microsoft.com/en-us/azure/ai-services/document-intelligence/service-limits?view=doc-intel-3.1.0
正解：ACF

the question precises custom model ---- size limit 50MB
see this link https://learn.microsoft.com/en-us/azure/ai-services/document-intelligence/service-limits?view=doc-intel-3.1.0
Correct answers : ACF

A、C、Fが正しいと思います

I think A,C,F are correct

8月の試験に出ました

appeared in august exam

ファイルタイプに基づく: PDF、JPG;ファイルサイズは 50 MB 未満です。

Based on filetype: PDF, JPG; and less than 50 MB of file size.

Form Recognizer モデルのトレーニングでサポートされているファイルの種類は、PDF、PNG、および JPEG です。したがって、モデルのトレーニングには、これらの形式のいずれかを持つファイルのみを使用できます。提供された情報に基づいて、モデルのトレーニングに使用できるファイルは次のとおりです。

A. ファイル1 (PDF)
C. ファイル 3 (JPG)
F. ファイル6 (JPG)

したがって、正しい答えは次のとおりです。

A. ファイル1
C. ファイル3
F. ファイル6

The supported file types for training a Form Recognizer model are PDF, PNG, and JPEG. Therefore, you can use only the files that have one of these formats for training the model. Based on the information provided, the files that can be used for training the model are:

A. File1 (PDF)
C. File3 (JPG)
F. File6 (JPG)

Therefore, the correct answers are:

A. File1
C. File3
F. File6

有料枠では GIF と MP4 を除くすべてを許可する必要があります。無料枠では最大 4 MB のファイルがサポートされます: https://docs.microsoft.com/en-us/azure/applied-ai-services/form-recognizer/concept-read#input-requirements

It should allow all except the GIF and MP4 on the paid tier, free tier supports file up to 4MB: https://docs.microsoft.com/en-us/azure/applied-ai-services/form-recognizer/concept-read#input-requirements

サポートされているファイル形式: JPEG/JPG、PNG、BMP、TIFF、PDF (テキスト埋め込みまたはスキャン)。つまり、正解は 3 つ以上あります。 PDF および JPG ファイル (それぞれ 2 つなので、質問では 3 つが求められていますが、可能な回答は 4 つです)

Supported file formats: JPEG/JPG, PNG, BMP, TIFF, and PDF (text-embedded or scanned). So there is more than 3 correct responses. PDF and JPG files (2 each, therefore 4 possible responses even though question asks for 3)

1と3は正解です。
ただし、私の記憶が正しければ、GIF も許可されています。

1 & 3 correct.
But GIFs are also allowed, if I remember right.

答えは正しいです

The answer is correct

フェイスフェイススピーチ

Face Face Speech

フェイスフェイススピーチ

Face Face Speech

答えは正しいです。顔、顔、そしてスピーチ。なんてひどいアプリケーションでしょう:(

The answer is correct. Face, Face, and Speech. What a terrible application :(

Face
Face
スピーチ

Face
Face
Speech

ビデオフィードから - 顔
顔の表情 - 顔
音声フィードは - スピーチです

From Video feed - Face
Facial Expression from - Face
Audio Feed is - Speech

ビデオフィードから - 顔
顔の表情 - 顔
音声フィードは - スピーチです

From Video feed - Face
Facial Expression from - Face
Audio Feed is - Speech

正しい

Correct

答えは正しいです

The answer is correct

大丈夫のようです

Seems ok

C である必要があります
private static async Task AnalyzeReceipt(
FormRecognizerClientrecognizerClient、文字列receiptUri)
{
RecognizedFormCollection の受信 = await acceptrClient.StartRecognizeReceiptsFromUri(new Uri(receiptUrl)).WaitForCompletionAsync();

Should be C
private static async Task AnalyzeReceipt(
FormRecognizerClient recognizerClient, string receiptUri)
{
RecognizedFormCollection receipts = await recognizerClient.StartRecognizeReceiptsFromUri(new Uri(receiptUrl)).WaitForCompletionAsync();

11 月の試験でしたが、「Document Intelligence を使用」と出ていましたが、答えの可能性は同じでした

was on november exam but it said "using Document Intelligence", the answer possibilities were the same

c が正解です

c is the correct answer

C が唯一の答えです

C is the only answer

答え C 100%

Answer C 100%

正解はCです。

Right answer is C.

ここではトレーニングを行っているのではなく、推論を行っています。

Should be C. We are not doing training here, we are doing inference.

C が正解ですが、「Document Intelligence」という単語を使用してください。

C is right answer, but use word: Document Intelligence.

C: 例のコメントに基づく

C: Based on the comments in the example

最良の答えは C. FormRecognizerClient クライアントと StartRecognizeReceiptsFromUri メソッドです。

オプション C を選択する理由: FormRecognizerClient は、Azure.AI.FormRecognizer 名前空間内のサービスと対話するために使用されるクライアントです。 StartRecognizeReceiptsFromUri メソッドは、レシートからデータを認識して抽出するように特別に設計されており、これはまさに質問で求められているものです。この方法では、レシートに基づいてトレーニングされた事前構築モデルを使用するため、このシナリオにとって理想的な選択肢となります。

he best answer is C. the FormRecognizerClient client and the StartRecognizeReceiptsFromUri method.

Reason for choosing option C: The FormRecognizerClient is the client used to interact with the service in the Azure.AI.FormRecognizer namespace. The StartRecognizeReceiptsFromUri method is specifically designed to recognize and extract data from receipts, which is exactly what the question asks for. This method uses a prebuilt model trained on receipts, making it the ideal choice for this scenario.

回答のタイプミスのようです。説明内のコードは、それが FormRecognizerclient であることを明確に示しています

Seems like a typo on the answer. the code in the explanation clearly shows that it is FormRecognizerclient

C が正解です

C is Correct

事前構築モデルを使用しながら Form Recognizer と SDK を使用してレシートからデータを抽出するには、オプション C: FormRecognizerClient クライアントと StartRecognizeReceiptsFromUri メソッドを使用する必要があります。

説明：

オプション A (FormRecognizerClient クライアントおよび StartRecognizeContentFromUri メソッド) は不正解です。StartRecognizeContentFromUri メソッドは、レシートに特化したものではなく、一般的なコンテンツ認識に使用されるためです。

オプション B (FormTrainingClient クライアントと StartRecognizeContentFromUri メソッド) は不正解です。FormTrainingClient クライアントは、事前構築されたモデルからデータを抽出するためではなく、カスタム モデルをトレーニングするために使用されるためです。

オプション D (FormTrainingClient クライアントと StartRecognizeReceiptsFromUri メソッド) は、FormTrainingClient クライアントがデータの抽出に使用されないため、不正確です。カスタム モデルのトレーニングに使用されます。

したがって、正しい選択はオプション C: FormRecognizerClient クライアントと StartRecognizeReceiptsFromUri メソッドです。

To extract data from receipts using Form Recognizer and the SDK, while using a prebuilt model, you should use option C: the FormRecognizerClient client and the StartRecognizeReceiptsFromUri method.

Explanation:

Option A (the FormRecognizerClient client and the StartRecognizeContentFromUri method) is incorrect because the StartRecognizeContentFromUri method is used for general content recognition, not specifically for receipts.

Option B (the FormTrainingClient client and the StartRecognizeContentFromUri method) is incorrect because the FormTrainingClient client is used for training custom models, not for extracting data from prebuilt models.

Option D (the FormTrainingClient client and the StartRecognizeReceiptsFromUri method) is incorrect because the FormTrainingClient client is not used for extracting data; it is used for training custom models.

Therefore, the correct choice is option C: the FormRecognizerClient client and the StartRecognizeReceiptsFromUri method.

正解は選択肢Cです

The correct answer is option C

FormRecognizerClient クライアントの StartRecognizeReceiptsFromUri メソッドは、事前構築されたモデルを使用してレシートからデータを抽出するために使用されます。

The StartRecognizeReceiptsFromUri method of the FormRecognizerClient client is used to extract data from receipts using a prebuilt model.

Cが正解です

C is correct

Cが答えです

C is the answer

「Computer Vision」サービスを作成し、画像キャプションに使用します。

Create a 'Computer Vision' service and use it for image captioning:

手順は次のとおりだと思います。
1. 無料価格レベルを使用して、Azure AI サービスで Computer Vision リソースを作成します。
2. Vision Studio を起動します。
3. Computer Vision リソースを選択します。
4. 新しいデータセットを追加します。
5. データセット名を入力し、モデル タイプとして [画像分類] を選択します。
6. Azure Blob Storage コンテナーを選択し、データセットを作成します。
(試験シミュレーションでは、Blob コンテナーを含むストレージ アカウントが既に存在するかどうかはわかりません。存在しない場合は、最初にこれを作成する必要があります)

I think the steps are:
1. Create a Computer Vision resource in Azure AI services using the Free pricing tier.
2. Launch Vision Studio.
3. Select your Computer Vision resource.
4. Add new dataset.
5. Enter a dataset name and select Image classification as the model type.
6. Select an Azure blob storage container and Create dataset.
(I don't know in the exam simulation whether the Storage account with a Blob container already exists, if not this would need to be created first)

2024 年 5 月 25 日以降、シミュレーション問題は実際の試験には出題されません。 ET はこの種の質問を削除する必要があります。おちんちん。

Simulation questions will not appear on the actual exam as of May 25, 2024; ET should remove this type of question. Ochinchin.

Azure Portal でこれをシミュレートしました。
1. コグニティブ検索リソースの作成
2. BLOB ストレージを作成します。コンテナを追加し、テキスト付きの画像を追加します。
3. Cognitive Search で、[データのインポート] をクリックし、[データ ソース: Azure Blob Storage] を選択します。 Blob Storage 接続文字列を #2 のコンテナーにリンクします。
4. スキルセットで、「OCR を有効にする」をクリックし、「画像認知スキル」をクリックします。
5. 最後まで「作成」をクリックして完了です。

I simulated this in my Azure Portal:
1. Create Cognitive Search Resource
2. Create a Blob Storage. Add a container and add the images with text.
3. In Cognitive Search, click Import Data then choose Data Source: Azure Blob Storage. Link the Blob Storage Connection String to the Container in #2.
4. In the Skillset Click Enable OCR then Click Image Cognitive Skills
5. Click Create till the very end and you are done

これにはコグニティブ検索を使用する必要がありますか?

Should we use Cognitive Search for this?

おそらく彼らはページサイズを増やして、ペイウォールの内側にもっと多くの質問を掲載できるようにするためにここにいるのだと思います。

I guess they are here to increase the page size so that more question can be behind paywall.

2024 年 5 月 25 日以降、シミュレーション問題は実際の試験には出題されません。 ET はこの種の質問を削除する必要があります。

Simulation questions will not appear on the actual exam as of May 25, 2024; ET should remove this type of question.

これを試してみてわかった問題は、ダウンロードした JSON ファイル名を選択できないことです。したがって、ファイルの名前が Results.json であることを保証することはできません。スタジオが自動的に名前を付けます。

The issue I found when trying this is that you cannot choose the downloaded JSON file name. So one cannot ensure that the file is called Results.json - the studio names it for you.

2024 年 3 月時点では、次の方法になると思います。
1. Azure AI サービスで Document Intelligence リソースを作成する
2.Document Intelligence Studio を起動します。
3. 事前構築済みモデルから請求書を選択します
4. Document Intelligence リソースを選択してサービス リソースを構成します。
5. C:\Resources\Invoices にある請求書をドラッグ アンド ドロップして参照します。
6. 「分析の実行」をクリックします。
7. [結果] をクリックし、[ダウンロード] アイコンをクリックして JSON 結果ファイルを保存します。

I think this would be the method as of March 2024:
1. Create a Document Intelligence resource in Azure AI services
2. Launch Document Intelligence Studio
3. Select Invoices from the Prebuilt models
4. Configure the service resource by selecting your Document Intelligence Resource
5. Drag & drop of browse for the invoice in C:\Resources\Invoices
6. Click Run analysis
7. Click on Result and the Download icon to save the JSON results file

このような問題は試験に出題されますか?

Are these types of questions going to be on the exam?

A. 顔。ソリューションのリンクでは次のように説明されています。

顔認識をアプリに埋め込んで、シームレスで安全性の高いユーザー エクスペリエンスを実現します。機械学習の専門知識は必要ありません。機能には、画像内の顔の特徴や属性 (フェイスマスク、眼鏡、顔の位置など) を認識する顔検出や、プライベート リポジトリとの照合または写真 ID による個人の識別が含まれます。

A. Face. The solution link explains:

Embed facial recognition into your apps for a seamless and highly secured user experience. No machine-learning expertise is required. Features include face detection that perceives facial features and attributes—such as a face mask, glasses, or face location—in an image, and identification of a person by a match to your private repository or via photo ID.

コンピュータービジョンが最良の選択である理由
Azure Computer Vision は、次のような事前構築された画像分析機能を提供します。

✅ 人や物体の検出
✅ 顔がマスクを着用しているかどうかを識別する
✅ 画像ベースの分析 (15 分ごとのスナップショットが完全に適合)
✅ シンプルな REST API → 最小限の開発労力
✅ ビデオ分析サービスと比較して低コスト

カメラから静止画像を定期的にキャプチャし、PPE 準拠のために分析できます。これは、連続ビデオを処理するよりもはるかに安価で簡単です。

なぜ顔を見ないのですか？
顔の検出と認識に重点を置く
限定的な PPE 検出 (主に顔の属性)
一般的な安全装置の検出用には設計されていません
より制限が厳しくなり、コンプライアンス/プライバシーに関する懸念が高まる

Why Computer Vision is the best choice
Azure Computer Vision provides prebuilt image analysis capabilities, including:

✅ Detecting people and objects
✅ Identifying whether a face is wearing a mask
✅ Image-based analysis (snapshots every 15 minutes fit perfectly)
✅ Simple REST API → minimal development effort
✅ Lower cost compared to video analytics services

You can periodically capture still images from cameras and analyze them for PPE compliance, which is much cheaper and simpler than processing continuous video.

Why not face ?
Focuses on face detection and recognition
Limited PPE detection (primarily face attributes)
Not designed for general safety gear detection
More restrictive and higher compliance/privacy concerns

chatGpt に質問すると、コンピューター ビジョンも提案されました

asked chatGpt and its suggest computer vision too

「スタッフの識別 ..」要件がなければ、B になります。PPE を外したスタッフを識別する必要があるため、A になります。

If it weren't for the "Identify staff .." requirement it would be B. Because it needs to identify staff who removed PPE, its A.

顔認識と感情検出に重点を置いており、マスクや眼鏡などの PPE を検出するように設計されていません。

Focuses on facial recognition and emotion detection—not designed for detecting PPE like masks or glasses.

Bが正しいです

B is the right one

コンピューター ビジョンは、お客様のニーズに最適な選択肢です。
理由: カスタムトレーニングされたモデルを使用して、PPE コンプライアンス (マスクと安全メガネ) を検出するための、柔軟でコスト効率の高いソリューションを提供します。 API 主導のアプローチにより開発労力が最小限に抑えられ、15 分ごとにビデオまたは画像のスナップショットを処理するシステムに統合できます。継続的なビデオ ストリームではなく、定期的なスナップショットのみを分析するため、コストは管理可能です。

Computer Vision is the best choice for your needs:
Why: It offers a flexible, cost-effective solution for detecting PPE compliance (masks and safety glasses) using custom-trained models. Its API-driven approach minimizes development effort, and it can be integrated into a system that processes video or image snapshots every 15 minutes. Costs are manageable since you’re only analyzing periodic snapshots rather than continuous video streams.

はい。Azure Computer Vision を使用すると、従業員がヘルメットやマスクなどの必要な安全具を着用しているかどうかをリアルタイムで検出することで、従業員の個人用保護具 (PPE) 要件への準拠を監視できます。このテクノロジーは、職場の安全と安全基準への準拠を確保するのに役立ちます。

Yes, Azure Computer Vision can be used to monitor staff compliance with personal protective equipment (PPE) requirements by detecting whether employees are wearing the necessary safety gear, such as helmets and masks, in real-time. This technology helps ensure workplace safety and compliance with safety standards.

工場内のスタッフの PPE 要件への準拠を監視するには、Azure Video Analyzer for Media (旧称 Video Indexer) が最適なオプションです。このサービスは、マスクや安全メガネを外したスタッフを特定し、15 分ごとにコンプライアンス チェックを実行し、開発の労力とコストの両方を最小限に抑えることができます。

For monitoring staff compliance with PPE requirements in your factory, Azure Video Analyzer for Media (formerly Video Indexer) is the most suitable option. This service can identify staff who have removed masks or safety glasses, perform compliance checks every 15 minutes, and minimize both development effort and costs

マスク検出機能が組み込まれているビデオ インデクサーが正解です。

https://learn.microsoft.com/en-us/azure/ai-services/computer-vision/intro-to-spatial-analysis-public-preview?tabs=sa#social-distancing-and-face-mask-detection

Video indexer is the correct answer as it has built-in mask detection.

https://learn.microsoft.com/en-us/azure/ai-services/computer-vision/intro-to-spatial-analysis-public-preview?tabs=sa#social-distancing-and-face-mask-detection

Face は、開発の労力とコストの両方を低く抑えながら、スタッフの特定と PPE コンプライアンスのチェックという要件を効果的に満たします。

Face meets the requirements of identifying staff and checking PPE compliance effectively while keeping both development effort and costs low.

マスクや安全メガネを外したスタッフを特定し、15 分ごとにコンプライアンスチェックを実行し、開発の労力とコストを最小限に抑えるという要件を満たすには、以下を使用する必要があります。

B. コンピュータビジョン

Azure Computer Vision は画像やビデオを分析して、スタッフがマスクや安全メガネを着用しているかどうかを検出できます。定期的にチェックを実行するように設定して、コンプライアンス要件を満たすことができます。

詳細については、公式 - https://learn.microsoft.com/en-us/azure/cognitive-services/computer-vision/overview を参照してください。

To meet the requirements of identifying staff who have removed masks or safety glasses, performing a compliance check every 15 minutes, and minimizing both development effort and costs, you should use:

B. Computer Vision

Azure Computer Vision can analyze images and videos to detect whether staff are wearing masks and safety glasses. It can be set up to perform checks at regular intervals, meeting the compliance requirement.

For more information, you can refer to the official - https://learn.microsoft.com/en-us/azure/cognitive-services/computer-vision/overview

Face API は実際に人間の顔を検出し、さまざまな属性を返すことができます。これは、顔の認識や検証が必要なアプリケーションには不可欠です。

ただし、PPE コンプライアンスを監視するという特定の状況では、顔検出は重要なステップではありますが、特に主なタスクがマスクや安全メガネなどの PPE を識別することである場合、Computer Vision API を直接使用することに比べて、最もコスト効率が高く効率的な選択肢ではない可能性があります。 Computer Vision API は、物体検出 (PPE を含む) と OCR の両方を実行できるため、最小限の開発労力とコストでプロセスを合理化できます。

The Face API does indeed detect human faces and can return various attributes, which is essential for applications where face recognition or verification is needed.

However, in the specific context of monitoring PPE compliance, while face detection is a crucial step, it might not be the most cost-effective and efficient choice compared to using the Computer Vision API directly, especially if the primary task is identifying PPE like masks and safety glasses. The Computer Vision API can perform both object detection (including PPE) and OCR, which might streamline the process with minimal development effort and cost.

スタッフを識別する必要があるので、それは間違いなくFaceです。

Because you have to IDENTIFY staff, it is definitely Face.

「A」には意味があります。課題は、装備を着用していない人々を認識することであり、誰が装備しているかを確認することではありません。
マスクやゴーグルなどを着用していない人々を見つけるだけでよいのに、なぜソーシャル ディスタンスを確認したり、マスクやゴーグルなどを確認したりする必要があるのでしょうか。したがって、Face によって簡単に検出されます。

"A" makes sense. The task is to recognize people, that DO NOT wear their equipment, not to see who is wearing.
Why check for social distancing, identifying masks, goggles, etc. if we only need to find the people that are not wearing that stuff and therefore are easily detected by Face.

副操縦士：B

スタッフが PPE 要件を遵守しているかどうかを監視するソリューションを構築するには、B. コンピューター ビジョンを使用する必要があります。このサービスは、画像やビデオを分析して、スタッフがマスクや安全メガネを着用しているかどうかを検出できます。他のオプションと比較してコスト効率が高く、最小限の開発労力で済みます。

Copilot: B

To build a monitoring solution for staff compliance with PPE requirements, you should use B. Computer Vision. This service can analyze images and videos to detect whether staff are wearing masks or safety glasses. It is cost-effective and requires minimal development effort compared to other options

C が正しい選択肢です

C is the right option

コンピューター ビジョンは、私たちが作成する必要があるリソースであるはずです。

Computer Vision should be the resource we need to create.

2024 年 5 月 25 日以降、シミュレーション問題は実際の試験には出題されません。 ET はこの種の質問を削除する必要があります。

Simulation questions will not appear on the actual exam as of May 25, 2024; ET should remove this type of question.

どちらも Microsoft 製品です。そのため、ブランドの認知度は必要なく、むしろ Custom Vision ソリューションのように思えます。

ただし、Computer Vision は現在、製品認識を提供しているようです。

したがって、私はまだ Custom Vision に傾いていますが、Computer Vision も実行可能である可能性があるように思えます。

質問はおそらく古いです。

Both are Microsoft Products - so we don't need Brand recognition and it seems more like a Custom Vision solution.

HOWEVER, Computer Vision now seems to offer Product Recognition.

So, while I'm still leaning towards Custom Vision, it seems that Computer Vision might also be viable.

Question is probably out of date.

これもカスタムビジョンだと思います。 Computer Vision が、Microsoft ブランドのロゴが付いている 2 つの異なるデバイスの違いを検出できるとは思えません。

I think this is Custom Vision too. I don't believe Computer Vision is able to detect the difference between the two different devices which both have the Microsoft brand logo.

これは Custom Vision プロジェクトだと思います。なぜなら、これはブランドを認識することではなく、約 2 台のラップトップを他の数十台の中から識別する必要があるからです。

I think it is a Custom Vision project because it is not about recognizing a brand, its a about two laptops that need to be identified among tens of others....

これはコンピューター ビジョンのタスクです。コンピューター ビジョンでは、ロゴ ブランドを抽出して、ロゴがあるかどうかを識別できます。必要に応じて、分析するテキストを抽出することもできます。 Custom Vision は、画像内のカスタム オブジェクトまたは画像自体を検出するのに役立ちます。詳細はこちら: https://stackoverflow.com/questions/52155632/difference-between-computer-vision-api-and-custom-vision-api

This is a Computer Vision task, in computer vision you can extract the logo brands to identify if there is any. It also let you extract text to be analyzed if is necessary. Custom Vision is useful to detect custom objects within an image or the image itself. More info here: https://stackoverflow.com/questions/52155632/difference-between-computer-vision-api-and-custom-vision-api

1. East-USのコグニティブサービスを無料で作成
2. カスタム ビジョン AI に移動し、#1 を選択します
3. Surface Pro または Studio のアップロードされた画像
4. モデルをトレーニングする
5. テスト
6. 公開する

1. create cognitive service east-us, free
2. go to custom vision ai and choose #1
3. uploaded images of surface pro or studio
4. train the model
5. test
6. publish

試験でこのような問題が出題される可能性はありますか？

Is it possible to get questions like this on the exam?

2024 年 5 月 25 日以降、シミュレーション問題は実際の試験には出題されません。 ET はこの種の質問を削除する必要があります。

Simulation questions will not appear on the actual exam as of May 25, 2024; ET should remove this type of question.

これはコンピューター ビジョンのタスクです。コンピューター ビジョンでは、ロゴ ブランドを抽出して、ロゴがあるかどうかを識別できます。必要に応じて、分析するテキストを抽出することもできます。 Custom Vision は、画像内のカスタム オブジェクトまたは画像自体を検出するのに役立ちます。詳細はこちら: https://stackoverflow.com/questions/52155632/difference-between-computer-vision-api-and-custom-vision-api

This is a Computer Vision task, in computer vision you can extract the logo brands to identify if there is any. It also let you extract text to be analyzed if is necessary. Custom Vision is useful to detect custom objects within an image or the image itself. More info here: https://stackoverflow.com/questions/52155632/difference-between-computer-vision-api-and-custom-vision-api

手順は次のとおりです。
1. 認知リソースを作成する
2. https://www.customvision.ai/ に移動します。
3. 各アイテムの画像をアップロードします。最低5個
4. 電車
5. クイックテストで検証する
6. 公開する

steps are:
1. create cognitive resource
2. go to https://www.customvision.ai/.
3. upload images of each item. 5 minimum
4. train
5. verify via Quick test
6. publish

ChatGPT によると:
イメージに Microsoft Surface Pro または Surface Studio が含まれているかどうかを識別するには、Azure Custom Vision サービスを使用できます。 Azure Custom Vision は、カスタム画像分類モデルを構築、トレーニング、デプロイできる機械学習サービスです。

API に Azure Custom Vision を使用するには、次の一般的な手順に従います。

Azure Custom Vision プロジェクトを作成し、Microsoft Surface Pro または Surface Studio を含むラベル付きイメージのセットをアップロードします。

ラベル付き画像を使用してモデルをトレーニングします。

トレーニングされたモデルを、新しい画像の分類に使用できる API エンドポイントとして公開します。

API エンドポイントを独自のアプリケーションに統合して、画像分類サービスを提供します。

as per ChatGPT :
For identifying whether an image includes a Microsoft Surface Pro or Surface Studio, you can use the Azure Custom Vision service. Azure Custom Vision is a machine learning service that enables you to build, train, and deploy custom image classification models.

To use Azure Custom Vision for your API, you can follow these general steps:

Create an Azure Custom Vision project and upload a set of labeled images that include Microsoft Surface Pro or Surface Studio.

Train the model using the labeled images.

Publish the trained model as an API endpoint that can be used to classify new images.

Integrate the API endpoint into your own application to provide the image classification service.

画像のタグ付けは機能しません。サンプル画像に実際の Surface ロゴが含まれている場合は「ブランド検出」、または Surface プロ/スタジオを検出するようにモデルをトレーニングする「カスタム ビジョン」のいずれかです。

Image tagging won't work. It is either 'Brand Detection', if the sample images contain actual surface logos or 'Custom Vision' to train a model to detect surface pro/studios

2024 年 5 月 25 日以降、シミュレーション問題は実際の試験には出題されません。 ET はこの種の質問を削除する必要があります。

Simulation questions will not appear on the actual exam as of May 25, 2024; ET should remove this type of question.

2024 年 5 月 25 日以降、シミュレーション問題は実際の試験には出題されません。 ET はこの種の質問を削除する必要があります。

Simulation questions will not appear on the actual exam as of May 25, 2024; ET should remove this type of question.

コンピューター ビジョン サービスを作成する

create a Computer Vision service

2024 年 5 月 25 日以降、シミュレーション問題は実際の試験には出題されません。 ET はこの種の質問を削除する必要があります。

Simulation questions will not appear on the actual exam as of May 25, 2024; ET should remove this type of question.

ネットワーク > ファイアウォールと仮想ネットワーク > 選択したネットワークとプライベート エンドポイント > 既存の仮想ネットワークの追加

Networking > Firewalls and virtual networks > Selected networks and private endpoints > Add existing virtual network

これはカスタム ビジョン リソースであり、[ネットワーク] に移動し、vnet1 のみのアクセスを構成するだけで済みます。
- トラフィックをバックボーンのみに強制し、インターネットに向かうトラフィックを拒否することについては言及されていません。その場合は、別の手順に進んでプライベート エンドポイントを有効にする必要があります。 (この質問が不完全でない限り、楽しみのために両方のステップを練習してください)

This is a Custom vision resource > go to networking > you only need to configure the vnet1 only access.
- there is no mention to force traffic over the backbone only and deny internet bound traffic > which would require you then to go another step and enable private endpoints. (unless this question is incomplete, so practice both steps for fun)

ポータル > Web アプリ > ネットワーキング > アクセス制限 >
#1 受信トラフィック > プライベート エンドポイント > 追加 > エクスプレス > 名前 + サブネット + vnet + サブネット + プライベート DNS > OK、
#2 受信トラフィック > アクセス制限 > パブリック アクセスを許可するのチェックを外す = チェックを外す > 保存、
#3 検証 > 受信トラフィック > アクセス制限オン > プライベート エンドポイント > オン

portal > web app > networking > access restriction >
#1 Inbound Traffic > private endpoints > add > express > name + subs + vnet + subnet + private DNS > OK,
#2 Inbound Traffic > access restriction > uncheck Allow public access = uncheck > Save,
#3 Verify > Inbound Traffic > Access Restriction ON > Private Endpoint > ON

リソースを選択します -> リソース管理 -> ネットワーク -> 選択したネットワークとプライベート エンドポイント

Select the resource -> Resource Management -> Networking -> Selected Networks and Private Endpoints

ファイアウォールと仮想ネットワークを選択して仮想ネットワークを作成します

Create a virtual network by selecting Firewall and virtual networks

プライベート エンドポイントは答えではありません。代わりに、選択したネットワークからのアクセスを許可するようにサービスを構成します: https://learn.microsoft.com/en-us/azure/cognitive-services/cognitive-services-virtual-networks?tabs=portal#managing-virtual-network-rules

Private endpoint is not the answer. Configure the service to allow access from selected network instead: https://learn.microsoft.com/en-us/azure/cognitive-services/cognitive-services-virtual-networks?tabs=portal#managing-virtual-network-rules