기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
Amazon SageMaker Ground Truth 작업으로 이미지에 레이블 지정
Amazon SageMaker Ground Truth를 사용하면 레이블이 지정된 이미지 세트를 생성할 수 있는 기계 학습과 함께 Amazon Mechanical Turk 또는 사내 개인 인력을 활용할 수 있습니다. Amazon Rekognition 사용자 지정 레이블은 지정한 Amazon S3 버킷에서 SageMaker Ground Truth 매니페스트 파일을 가져옵니다.
Amazon Rekognition 사용자 지정 레이블은 다음과 같은 SageMaker Ground Truth 작업을 지원합니다.
가져오는 파일은 이미지와 매니페스트 파일입니다. 매니페스트 파일에는 가져온 이미지에 대한 레이블 및 경계 상자 정보가 들어 있습니다.
Amazon Rekognition은 이미지가 저장되는 Amazon S3 버킷에 액세스할 수 있는 권한이 필요합니다. Amazon Rekognition Custom Labels가 자동으로 설정한 콘솔 버킷을 사용하는 경우, 필요한 권한은 이미 설정되어 있습니다. 콘솔 버킷을 사용하지 않는 경우 외부 Amazon S3 버킷에 액세스 항목을 참조하세요.
SageMaker Ground Truth 작업으로 매니페스트 파일 생성 (콘솔)
다음 절차는 SageMaker Ground Truth 작업으로 레이블이 지정된 이미지를 사용하여 데이터세트를 만드는 방법을 보여줍니다. 작업 출력 파일은 Amazon Rekognition Custom Labels 콘솔 버킷에 저장됩니다.
SageMaker Ground Truth 작업으로 레이블이 지정된 이미지를 사용하여 데이터세트를 만들려면 (콘솔)
에서 Amazon S3 콘솔에 AWS Management Console 로그인하고 엽니다 https://console.aws.amazon.com/s3/
. -
콘솔 버킷에서 훈련 이미지를 보관할 폴더를 생성합니다.
참고
콘솔 버킷은 지역에서 Amazon Rekognition 사용자 지정 레이블 콘솔을 처음 열 때 생성됩니다. AWS 자세한 내용은 Amazon Rekognition Custom Labels 프로젝트 관리 단원을 참조하십시오.
-
방금 생성한 폴더에 이미지를 업로드합니다.
-
콘솔 버킷에서 Ground Truth 작업의 출력을 보관할 폴더를 생성합니다.
-
에서 콘솔을 엽니다. SageMaker https://console.aws.amazon.com/sagemaker/
-
Ground Truth 레이블 지정 작업을 생성하세요. 2단계와 4단계에서 생성한 폴더에는 Amazon URLs S3가 필요합니다. 자세한 내용은 데이터 레이블 지정을 위한 Amazon SageMaker Ground Truth 사용을 참조하십시오.
-
4단계에서 생성한 폴더의
output.manifest파일 위치를 기록해 두세요. 해당 파일은 하위 폴더Ground-Truth-Job-Name/manifests/output -
SageMaker Ground Truth 매니페스트 파일을 사용하여 데이터세트 만들기 (콘솔)의 지침에 따라 업로드된 매니페스트 파일로 데이터 세트를 생성하세요. 8단계의.manifest 파일 위치에 이전 단계에서 기록해 둔 위치의 Amazon URL S3를 입력합니다. 를 사용하고 있다면 그렇게 하십시오. AWS SDK SageMaker Ground Truth 매니페스트 파일 () 을 사용하여 데이터세트 만들기 SDK
-
1~6단계를 반복하여 테스트 데이터세트에 대한 SageMaker Ground Truth 작업을 생성합니다.
