変更要約: AI-900 第3章を AZ-900 基準まで深掘り（CVの仕組み=ピクセル/深層学習、セグメンテーション/空間分析、リソース作成とキー＋エンドポイント、Custom Visionのプロジェクト種別、FAQ追加）
3.1コンピュータービジョンのタスク
画像分類・物体検出・OCR（光学文字認識）・顔検出など、コンピュータービジョンで扱う代表的なタスクと、その違いを理解します。
コンピュータービジョン（Computer Vision）は、画像や動画を解析して、写っているもの（物体・文字・顔など）を認識・理解する AI 分野です。同じ「画像を扱う」でも、目的によってタスクの種類が変わります。AI-900 では「やりたいこと → どのタスクか」を結べることが重要で、特に画像分類と物体検出の違いが頻出です。
3.1.1代表的なタスク
- 画像分類（Image classification）：画像全体に1つのラベルを付ける（例：この写真は「犬」）。
- 物体検出（Object detection）：画像内の物体の位置（バウンディングボックス）とラベルを返す（例：犬がここ、車がここ）。
- OCR（光学文字認識）：画像内の文字を読み取りテキスト化する（印刷・手書き）。
- 顔検出（Face detection）：画像内の顔の位置を特定し、属性を分析する。
- 画像分析/説明（Image analysis）：画像にタグやキャプションを付け、内容を要約する。
| タスク | 出力 | やりたいこと（例） |
|---|---|---|
| 画像分類 | 画像に1ラベル | 猫か犬かを判定 |
| 物体検出 | 枠＋ラベル（複数） | 棚の各商品の位置を特定 |
| OCR | テキスト | 看板/書類の文字を読む |
| 顔検出 | 顔の位置/属性 | 写真内の顔を検出 |
| 画像分析 | タグ・キャプション | 画像に自動で説明を付与 |
3.1.2コンピュータービジョンの仕組み
コンピュータービジョンは、画像をピクセル（画素）の数値の並びとして受け取り、その中のパターンを学習済みモデルで解釈します。今日の高精度な認識を支えるのは、前章で学んだ深層学習——とくに画像向けに発達した多層ニューラルネットワークです。モデルは「犬」「車」といったラベル付きの大量の画像で学習し、新しい画像でも同じ特徴を見つけ出します。AI-900 では内部のアルゴリズムを細かく問われることはなく、「どのタスクが何を入力に取り、何を出力するか」を理解していれば十分です。
基本タスクのほかに、知っておくと整理しやすいものがあります。セグメンテーションは物体を「枠」ではなくピクセル単位の領域として切り出す、物体検出より細かい手法です。空間分析（spatial analysis）は動画内で人の動きや人数・滞留を解析します。いずれも「画像分類＜物体検出＜セグメンテーション」の順に、位置情報がより詳細になる、という関係で覚えると混乱しません。
シナリオ：小売店の棚分析。 「棚に何の商品が、どこに、いくつ並ぶか」を知りたい→位置も要るので物体検出。値札の文字を読むならOCR。単に「これは飲料の棚か食品の棚か」だけなら画像分類で足ります。要件が「位置」を含むかで分類と物体検出を切り分けます。
混同に注意：
①画像分類（1枚に1ラベル・位置なし）と物体検出（位置＝枠＋ラベル・複数可）——「どこに」が要るなら物体検出。
②OCR（画像中の文字をテキスト化）は文字認識で、帳票の項目を構造化抽出するドキュメントインテリジェンスとは目的が異なる。
③顔検出は責任あるAIの観点で一部機能に制限がある。
Q. OCR とドキュメントインテリジェンスの違いは？ OCR は画像中の文字を読み取ってテキスト化するだけ。ドキュメントインテリジェンスは、その上で「金額」「日付」「請求先」といった項目の意味まで構造化抽出します。「文字を読む」だけなら OCR、「帳票から項目を取り出す」ならドキュメントインテリジェンスです。Q. 物体検出とセグメンテーションの違いは？ 物体検出は四角い枠で位置を示し、セグメンテーションはピクセル単位の領域で形まで切り出します。
画像分類（1枚に1ラベル）と物体検出（位置＋ラベル）の違いは頻出です。「何が写っているか」だけなら分類、「どこに何があるか」も必要なら物体検出。文字を読むのは OCR、顔は顔検出、タグ/キャプションは画像分析。
3.1.3この節のまとめ
- コンピュータービジョン＝画像/動画を解析して認識・理解する
- 分類（1ラベル）／物体検出（位置＋ラベル）／OCR（文字）／顔検出／画像分析（タグ・説明）を区別
- 「位置（どこに）」が要るかで分類と物体検出を切り分ける
進捗の記録にはログインが必要です。
理解度チェック
（軽い確認用）Q1. 写真に「犬がどこにいるか」を四角い枠で示し、ラベルも付けたい場合に適したタスクはどれですか？
Q2. スキャンした請求書の画像から、書かれている文字をテキストとして取り出すタスクはどれですか？
Q3. 画像全体に対して「これは猫の写真」と1つのラベルを付けるタスクはどれですか？
Q4. 画像分類と物体検出の最も本質的な違いはどれですか？
Q5. 画像にタグやキャプションを自動付与して内容を要約するタスクはどれですか？