ある保険会社が、事故現場の写真を自動解析するシステムを構築したい。写真から「車両損傷の有無」「損傷の種類（へこみ・割れ・擦り傷）」「損傷箇所（フロント・サイド・リア）」を同時に判定し、保険金算定の参考情報として使いたい。既存の汎用モデルでは自社の保険査定基準に合う精度が得られていない。最もコスト効率よく要件を満たすアプローチはどれか。
- A. Azure AI Custom Vision で損傷種類と箇所のカスタム多クラス分類モデルを訓練する
- B. Azure AI Face で損傷パターンを顔のランドマークとして学習させる
- C. Azure AI Vision の標準画像分析APIを使用し、タグ付け機能の出力をそのまま使う
- D. Azure Machine Learning で深層学習モデルをフルスクラッチで開発する
解答と解説を見る
正解: A
Azure AI Custom Visionはカスタム画像分類（多クラス・多ラベル）および物体検出モデルを少ない機械学習専門知識で訓練できる。保険査定基準に合わせた独自ラベル（損傷種類・損傷箇所）でトレーニングデータを作成すれば、会社固有の判定基準に対応できる。標準の画像分析APIは汎用タグを返すだけで自社の保険査定基準に合わせたラベルは持たないため精度不足。Azure Machine Learningはフルスクラッチ開発で専門知識と時間コストが大きく、Custom Visionで達成できる場合には過剰投資である。Azure AI Faceは顔に特化したサービスであり、車両損傷の分析には全く対応していない。
📚 関連サービスの解説: Azure AI Vision