Azure認定資格 WEB問題集＆徹底解説
AI-900：Microsoft Azure AI Fundamentals
解説
正解はCです。画像をグレースケールに変換すると、RGB の3チャンネル情報が1チャンネルに集約されるため、色情報が完全に失われます。花の分類タスクでは、色が重要な識別特徴となるケースが多く、形状が類似している品種（赤いバラと白いバラ、紫のチューリップと黄色のチューリップなど）を区別する際に、色情報の喪失は分類精度の低下を招く可能性があります。これは Computer Vision における特徴量設計の典型的な課題です。
選択肢 A：グレースケール画像はRGB画像（3チャンネル）に比べて約3分の1のデータサイズとなるため、ストレージコストは削減されます。この選択肢は事実と逆の内容であるため不正解です。
選択肢 B：Azure AI Vision をはじめとする多くの画像認識サービスや機械学習フレームワークは、グレースケール画像とカラー画像の両方に対応しています。技術的な統合の障壁は存在しないため不正解です。
選択肢 D：グレースケール変換により輪郭検出が容易になる側面はありますが、これは「潜在的な問題点」ではなく利点です。また、花の分類においては色情報の喪失による精度低下の方が一般的に影響が大きいため、この選択肢は問題の意図に合致しません。
Azure AI Vision
選択肢 A：グレースケール画像はRGB画像（3チャンネル）に比べて約3分の1のデータサイズとなるため、ストレージコストは削減されます。この選択肢は事実と逆の内容であるため不正解です。
選択肢 B：Azure AI Vision をはじめとする多くの画像認識サービスや機械学習フレームワークは、グレースケール画像とカラー画像の両方に対応しています。技術的な統合の障壁は存在しないため不正解です。
選択肢 D：グレースケール変換により輪郭検出が容易になる側面はありますが、これは「潜在的な問題点」ではなく利点です。また、花の分類においては色情報の喪失による精度低下の方が一般的に影響が大きいため、この選択肢は問題の意図に合致しません。
関連サービスの解説
Azure Machine LearningAzure AI Vision
＋ 質問 / コメント
解答・解説に疑問がある場合や、よりよい解説がある場合など、お気軽にコメントください。ただし、短文コメントは表示されません。また、中傷などコメントの内容によっては、会員機能を停止させて頂きます。教え学び合える場になれば嬉しいです。（コメント投稿にはログインが必要です）
正答率 %
No.39 解説
ある企業が、Azure Machine Learning を使用して花の種類を分類するモデルを開発しています。データサイエンティストは、学習データセットのすべての画像をモノクロ（グレースケール）に変換し、入力データのサイズを削減しました。この前処理方法による潜在的な問題点として、最も適切なものはどれですか。
- ストレージコストが増加し、Azure Blob Storage への保存容量が3倍以上必要になる
- Azure AI Vision サービスとの統合が技術的に不可能になる
- 色情報が失われることで、形状は類似しているが色で区別される品種（例：赤いバラと白いバラ）を正しく分類できなくなる可能性がある
- グレースケール変換により輪郭検出が容易になり、分類精度が向上する