第3章 · コンピュータービジョン·v2.1.0·更新 2026/6/3·読了目安約12分

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）

3.2Azure のコンピュータービジョンサービス

この節の要点

Azure AI Vision、Face、Custom Vision など、コンピュータービジョンを実現する Azure のサービスと、それぞれの使いどころを理解します。

Azure では、コンピュータービジョンを自分でモデルを作らずに使えるサービスがそろっています。多くは Azure AI services（旧 Cognitive Services）として提供され、API を呼ぶだけで利用できます。考え方はシンプルで「事前構築（prebuilt）モデルで足りるか」をまず判断し、足りなければ独自学習（custom）に進みます。

3.2.1主なサービス

Azure AI Vision（タグ・キャプション・OCR）、Face（顔の検出・分析）、Custom Vision（自分の画像で分類器を学習）という Azure のビジョン系サービスを並べた図。 — Azure のビジョン系サービス

Azure AI Vision：画像のタグ・キャプション生成・物体検出・OCR（Read）など汎用的な分析を事前構築モデルで提供する。
Face：顔の検出・属性分析に特化（責任ある AI の観点で本人確認など一部機能は申請制/制限あり）。
Custom Vision：自分の画像で学習させ、独自の画像分類器・物体検出を作る（少量データでもよい）。

サービス	種類	向く場面
Azure AI Vision	事前構築（汎用）	一般的なタグ/キャプション/OCR
Face	事前構築（顔特化）	顔の検出・分析
Custom Vision	独自学習	自社特有の分類/物体検出

3.2.2サービスの使い方とリソース

これらのサービスを使うには、まず Azure ポータルでリソースを作成し、発行される キー（認証）とエンドポイント（接続先 URL） をアプリから指定します。Azure AI services は、機能ごとに個別リソースを作る方法のほか、複数機能をまとめて1つのキーで使える マルチサービスリソース も選べます。Custom Vision は少し特殊で、プロジェクト作成時に 「分類（classification）」か「物体検出（object detection）」かを選び、自分の画像をアップロードしてタグ付け→学習→公開（発行）という流れで独自モデルを育てます。いずれもサーバー構築は不要で、従量課金で使えます。

例

シナリオ：製造ラインの外観検査。 一般的な「キズ/汚れ」を撮影画像から判定したいが、自社製品特有の不良なので汎用モデルでは精度が出ない→Custom Visionに自社の良品/不良品画像を学習させて独自の分類器を作る。書類のOCRや一般的なタグ付けはAzure AI Visionで十分。要件が「自社特有」かどうかで選びます。

注意

混同に注意：
①Azure AI Vision（汎用・事前構築：タグ/キャプション/OCR/一般物体検出）とCustom Vision（自社データで独自学習）——「自社特有のカテゴリ」なら Custom Vision。
②Face（顔特化）と汎用 Vision の顔機能は別物。
③これらは Azure AI services の一部で、API キー＋エンドポイントで使う（モデル構築は不要）。

補足

Q. Azure AI Vision でも物体検出ができるのに、なぜ Custom Vision が要る？ Azure AI Vision の物体検出は「人・車・椅子」のような一般的な物体を、学習不要ですぐ認識します。一方、「自社製品Aと製品B」「特定の不良パターン」のような汎用モデルが知らないカテゴリは、Custom Vision に自分の画像を学習させないと判定できません。Q. キーとエンドポイントは何のため？ キーは「正規の利用者である」という認証、エンドポイントは「どのリージョンのどのサービスに繋ぐか」を示す接続先 URL です。Q. Face の一部機能が制限されるのはなぜ？ 顔データは機微なため、責任ある AI の観点から本人確認など一部機能が申請制になっています。

試験ポイント

「汎用の画像分析・OCR＝Azure AI Vision」「顔＝Face」「自社データで独自分類器/物体検出＝Custom Vision」の対応が頻出です。事前構築（prebuilt）か独自学習（custom）かで選ぶ点を押さえましょう。

3.2.3この節のまとめ

Azure AI Vision＝汎用分析・OCR、Face＝顔、Custom Vision＝独自学習（分類/物体検出）
まず事前構築で足りるかを判断し、足りなければ Custom Vision で独自学習
多くは Azure AI services として API（キー＋エンドポイント）で利用

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. 自社の製品画像を使って「自分専用の画像分類器」を学習させたい場合に適した Azure サービスはどれですか？

Q2. 画像にタグやキャプションを付けたり、画像内の文字を読み取る汎用的な分析を提供するサービスはどれですか？

Q3. 画像内の顔を検出し属性を分析することに特化した Azure のサービスはどれですか？

Q4. 事前構築モデルと独自学習（Custom Vision）の選び方として正しいものはどれですか？

Q5. これらのビジョンサービスは一般にどのように利用しますか？

理解度を確認第3章「コンピュータービジョン」の問題を解く