AI-901 · Typowe obciążenia AI
Które zadanie wizyjne zwraca co?
Najważniejsze
- Klasyfikacja obrazu: jedna etykieta (lub kilka) na cały obraz.
- Tagowanie: lista cech wizualnych.
- Wykrywanie obiektów: każdy obiekt z ramką ograniczającą.
- Opisywanie (captioning): zdanie o obrazie (dense captions: regiony).
- OCR: tekst z obrazu.
- Generowanie obrazów: nowy obraz z promptu tekstowego; model w stylu dyfuzyjnym startuje od szumu i stopniowo go usuwa.
- Modele multimodalne: obraz i pytanie tekstowe w jednym prompcie.
Źródło: https://learn.microsoft.com/en-us/azure/ai-services/computer-vision/overview-image-analysis
Przykładowe pytania
Które zadanie wizyjne zwraca położenie każdego elementu jako współrzędne ramki ograniczającej?
- Klasyfikacja obrazu
- Wykrywanie obiektów
- Opisywanie obrazu (captioning)
- OCR
Pokaż odpowiedź
Odpowiedź: B. Wykrywanie obiektów
Wykrywanie obiektów zwraca każdy obiekt z ramką. Klasyfikacja etykietuje cały obraz, opis tworzy zdanie, a OCR zwraca tekst.
Które stwierdzenia o zadaniach wizyjnych są poprawne?
- Opisywanie (captioning) opisuje obraz zdaniem
- OCR wydobywa z obrazu tekst drukowany lub odręczny
- Wykrywanie obiektów zwraca ramki ograniczające dla każdego elementu
- Klasyfikacja obrazu zwraca współrzędne każdego obiektu
- Generowanie obrazów wymaga ramek ograniczających jako wejścia
Pokaż odpowiedź
Odpowiedź: A. Opisywanie (captioning) opisuje obraz zdaniem, B. OCR wydobywa z obrazu tekst drukowany lub odręczny, C. Wykrywanie obiektów zwraca ramki ograniczające dla każdego elementu
Opis tworzy zdanie, OCR odczytuje tekst z obrazów, a wykrywanie obiektów zwraca ramki. Klasyfikacja nie daje współrzędnych, a generowanie obrazów nie wymaga ramek jako wejścia.
Prawda czy fałsz: model tekst-na-obraz działa, wyszukując w bazie najbliższe istniejące zdjęcie.
Pokaż odpowiedź
Odpowiedź: Fałsz
Fałsz. Model w stylu dyfuzyjnym syntezuje nowy obraz, zaczynając od losowego szumu i doprecyzowując go zgodnie z promptem.
Przećwicz 8 pytań z tego tematu w Bitzu
Krótkie lekcje, natychmiastowe wyjaśnienia i powtórki tego, w czym się mylisz. Za darmo na iOS i Androida.
