AI-900 ドメイン「コンピュータービジョン」の練習問題8問です。画像分類・物体検出・セグメンテーション・OCR（光学文字認識）・顔検出と顔認識・画像の説明文生成・Azure AI Vision でできることなどを出題します。解けなかった問題は、各問の解説末尾のリンクから対応する解説記事に進んでください。
ご注意：AI-900（Azure AI Fundamentals）は2026年6月30日に退役し、後継のAI-901へ移行する予定です（同じ「Azure AI Fundamentals」認定の新しい試験です）。これから受験する方は、最新の試験コードと出題範囲を Microsoft Learn 公式 でご確認ください。この問題集はAI-900向けの内容です。
Q1. 「画像分類（image classification）」の説明として、もっとも適切なものはどれですか？
回答
解説
正解は「B」です。
画像分類は、1枚の画像全体を見て「これは犬」「これは猫」のように、あらかじめ決められたラベルの中から1つを選んで付けるタスクです。写真の仕分け作業に近いイメージで、コンピュータービジョンのもっとも基本的なタスクのひとつです。
A は物体検出、C はセグメンテーションの説明です。D は画像を生成するタスクで、いずれも画像分類とは異なります。
Q2. 1枚の画像の中にある複数の物体について、それぞれの「位置」を四角い枠で示し、「種類」を判定するタスクを何と呼びますか？
回答
解説
正解は「A」です。
物体検出は、1枚の画像の中にある複数の物体それぞれについて、「どこにあるか（位置）」を四角い枠（バウンディングボックス）で囲み、「何か（種類）」を判定するタスクです。1枚に1ラベルしか付けない画像分類との違いは、位置と複数物体まで扱える点にあります。
B は画像全体に1ラベルを付けるだけ、C は画像から文字を読み取る処理、D はテキストを扱う自然言語処理のタスクで、いずれも物体検出とは異なります。
Q3. 画像を画素（ピクセル）単位で「ここは人」「ここは道路」のように塗り分けるタスクを何と呼びますか？
回答
解説
正解は「D」です。
セグメンテーション（領域分割）は、画像を画素単位で「人」「道路」「空」などの領域に塗り分けるタスクです。物体の輪郭まで細かく区別できるため、画像分類や物体検出よりも詳細に画像を理解できます。塗り絵で色を塗り分けるようなイメージです。
A の画像分類は画像1枚に1ラベル、B の物体検出は四角い枠で位置を示すだけで画素単位の塗り分けはしません。C の OCR は文字の読み取りで、別のタスクです。
Q4. 「OCR（光学文字認識）」でできることとして、もっとも適切なものはどれですか？
回答
解説
正解は「C」です。
OCR（光学文字認識 / Optical Character Recognition）は、画像や写真に写っている文字を読み取り、編集や検索ができるテキストデータに変換する技術です。紙の書類や看板、レシートの文字をデータ化する場面で使われ、コンピュータービジョンの代表的な機能のひとつです。
A は顔認識、B はテキストの感情分析、D は音声認識の説明で、いずれも画像から文字を読み取る OCR とは異なります。
Q5. コンピュータービジョンにおける「顔検出（face detection）」と「顔認識（face recognition）」の違いの説明として、もっとも適切なものはどれですか？
回答
解説
正解は「A」です。
顔検出は、画像の中で「顔がどこにあるか」を見つけて枠で囲むタスクです。一方の顔認識は、見つけた顔が「誰の顔なのか」を特定するタスクです。まず顔の場所を見つけ、次にその人物を特定する、という段階の違いがあります。
B は両者の役割を逆にしており誤りです。C の文字読み取りは OCR、D の音声からの話者特定は音声処理の話で、いずれも顔を扱うこれらのタスクとは異なります。
Q6. 画像の内容を読み取って「犬が芝生の上を走っている」のような説明文を自動で作るタスクを何と呼びますか？
回答
解説
正解は「B」です。
画像キャプション生成（画像の説明文生成）は、画像に何が写っているかを読み取り、「犬が芝生の上を走っている」といった自然な文章で説明を作るタスクです。画像（ビジョン）と言葉（言語）の両方を扱うため、複数種類の情報を組み合わせて処理する考え方が土台になっています。
A のクラスタリングはデータのグループ分け、C の翻訳は言語変換、D の外れ値検出はふだんと大きく違うデータを見つける処理で、いずれも画像の説明文を作るタスクとは異なります。
Q7. Azure でコンピュータービジョン（画像分類・物体検出・OCR・顔検出など）の機能をまとめて提供しているサービスはどれですか？
回答
解説
正解は「C」です。
Azure AI Vision（旧 Computer Vision）は、画像分類・物体検出・OCR・画像の説明文生成といった、画像を扱うコンピュータービジョンの機能をまとめて提供する Azure のサービスです。あらかじめ学習済みの機能を呼び出すだけで使えるため、初心者でも画像 AI を試しやすいのが特長です。
A の Azure AI Language はテキスト、B の Azure AI Speech は音声を扱うサービスです。D の Azure Cost Management はコスト管理ツールで、画像処理とは関係ありません。
Q8. AI-900 のコンピュータービジョン分野に「含まれない」タスクはどれですか？
回答
解説
正解は「D」です。
コンピュータービジョンは「画像」を扱う分野です。感情分析は、文章（テキスト）から書き手の気持ちを判定するタスクで、自然言語処理（NLP）に分類されます。画像ではなく言葉を扱うため、コンピュータービジョンには含まれません。
A の物体検出、B の OCR、C の画像分類は、いずれも画像を入力とするコンピュータービジョンのタスクです。タスクが画像を扱うのか文章を扱うのかで分野を見分けるのがポイントです。
試験全体の流れを俯瞰したい時は、AI-900 試験全体概要 に戻れます。
学習の全体像と次に進む分野は、AI-900 学習ロードマップ で確認できます。