기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

Amazon Rekognition Custom Labels란 무엇입니까?

Amazon Rekognition Custom Labels를 사용하면 비즈니스에 필요한 대로 이미지 안의 객체와 로고, 장면을 식별해 낼 수 있습니다. 예를 들어, 소셜 미디어 게시글에서 로고를 찾거나 매장에서 제품을 식별하거나 어셈블리 라인에서 기계 부품을 분류하거나 정상적으로 운영되는 공장과 결함이 있는 공장을 구별하거나 이미지에서 애니메이션 캐릭터를 탐지할 수 있습니다.

이미지 분석을 위한 사용자 지정 모델을 개발하는 것은 시간, 전문 지식 및 리소스가 필요한 중요한 작업입니다. 완료하는 데 몇 개월이 걸리는 경우가 많습니다. 또한 정확한 결정을 내리기에 충분한 데이터를 모델에 제공하려면 수작업으로 레이블을 지정한 이미지가 수천에서 수만 개나 필요할 수 있습니다. 이 데이터를 생성하는 데 몇 개월이 걸릴 수 있으며, 기계 학습에 사용할 수 있도록 준비하는 데에 레이블링 작업자가 다수 필요할 수 있습니다.

Amazon Rekognition Custom Labels는 이미 여러 카테고리에 걸쳐 수천만 개의 이미지에 대해 훈련된 Amazon Rekognition의 기존 기능을 확장합니다. 수천 개의 이미지 대신 사용 사례에 맞는 소량의 훈련 이미지 세트(일반적으로 수백 개 이하)만 업로드하면 됩니다. 콘솔을 easy-to-use 사용하여이 작업을 수행할 수 있습니다. 이미지에 이미 레이블이 지정되어 있는 경우 Amazon Rekognition Custom Labels를 사용하면 짧은 시간 내에 모델 훈련을 시작할 수 있습니다. 그렇지 않은 경우 레이블 지정 인터페이스 내에서 이미지에 직접 레이블을 지정하거나 Amazon SageMaker AI Ground Truth를 사용하여 이미지에 레이블을 지정할 수 있습니다.

Amazon Rekognition Custom Labels가 이미지 세트에서 훈련을 시작하면 단 몇 시간만에 사용자 지정 이미지 분석 모델을 생성할 수 있습니다. Amazon Rekognition Custom Labels는 백그라운드에서 훈련 데이터를 자동으로 로드 및 검사하고, 적합한 기계 학습 알고리즘을 선택하고, 모델을 훈련하고, 모델 성능 지표를 제공합니다. 그런 다음 Amazon Rekognition Custom Labels를 통해 사용자 지정 모델을 사용하고 애플리케이션에 API 통합할 수 있습니다.

주요 이점

간소화된 데이터 레이블링

Amazon Rekognition Custom Labels 콘솔은 이미지에 레이블을 빠르고 간단하게 레이블링할 수 있는 시각적 인터페이스를 제공합니다. 인터페이스를 통해 전체 이미지에 레이블을 적용할 수 있습니다. click-and-drag 인터페이스가 있는 경계 상자를 사용하여 이미지에서 특정 객체를 식별하고 레이블을 지정할 수도 있습니다. 또는 데이터 세트가 큰 경우 Amazon SageMaker Ground Truth를 사용하여 대규모로 이미지에 효율적으로 레이블을 지정할 수 있습니다.

자동화된 기계 학습

사용자 지정 모델을 구축하는 데 기계 학습 전문 지식이 필요하지 않습니다. Amazon Rekognition Custom Labels에는 기계 학습을 대신 처리하는 자동 기계 학습(AutoML) 기능이 포함되어 있습니다. 훈련 이미지가 제공되면 Amazon Rekognition Custom Labels는 데이터를 자동으로 로드 및 검사하고, 적합한 기계 학습 알고리즘을 선택하고, 모델을 훈련하고, 모델 성능 지표를 제공할 수 있습니다.

간소화된 모델 평가, 추론 및 피드백

테스트 세트에서 사용자 지정 모델의 성능을 평가할 수 있습니다. 테스트 세트의 모든 이미지에 대해 모델의 예측과 할당된 레이블의 비교를 볼 side-by-side 수 있습니다. 정밀도, 재현율, F1 점수, 신뢰도 점수와 같은 자세한 성능 지표를 검토할 수도 있습니다. 모델을 이미지 분석에 즉시 사용할 수도 있고, 더 많은 이미지로 새 버전을 반복하고 재훈련하여 성능을 개선할 수도 있습니다. 모델을 사용하기 시작한 후에는 예측을 추적하고 실수를 수정하고 피드백 데이터를 사용하여 새 모델 버전을 재훈련하고 성능을 개선합니다.

Amazon Rekognition Custom Labels 사용 선택

Amazon Rekognition은 이미지에서 레이블(객체, 장면 및 개념)을 찾는 데 사용할 수 있는 두 가지 기능을 제공합니다. 그것은 바로 Amazon Rekognition Custom Labels와 Amazon Rekognition Image 레이블 감지 기능입니다. 다음 정보를 통해 어떤 기능을 사용할지 결정하세요.

Amazon Rekognition Image 레이블 감지

Amazon Rekognition Image의 레이블 감지 기능을 사용하면 기계 학습 모델을 생성할 필요 없이 대규모로 이미지와 동영상의 공통 레이블을 식별, 분류 및 검색할 수 있습니다. 예를 들어 자동차, 트럭, 토마토, 농구공, 축구공과 같은 수천 개의 일반적인 물체를 쉽게 감지할 수 있습니다.

애플리케이션에서 공통 레이블을 찾아야 하는 경우 모델을 훈련할 필요가 없으므로 Amazon Rekognition Image 레이블 감지를 사용하는 것이 좋습니다. Amazon Rekognition Image 레이블 감지에서 찾은 레이블 목록을 가져오려면 레이블 감지를 참조하세요.

애플리케이션에서 Amazon Rekognition Image 레이블 감지로 찾을 수 없는 레이블(예: 조립 라인의 사용자 지정 기계 부품)을 찾아야 하는 경우에는 Amazon Rekognition Custom Labels를 사용하는 것이 좋습니다.

Amazon Rekognition Custom Labels

Amazon Rekognition Custom Labels를 사용하면 이미지에서 여러분의 비즈니스 요구 사항에 맞는 레이블(객체, 로고, 장면, 개념)을 찾는 기계 학습 모델을 쉽게 훈련할 수 있습니다.

Amazon Rekognition Custom Labels는 이미지를 분류(이미지 수준 예측)하거나 이미지에서 객체 위치를 감지(객체/경계 상자 수준 예측)할 수 있습니다.

Amazon Rekognition Custom Labels는 객체 및 장면의 유형을 더욱 유연하게 감지하도록 해줍니다. 예를 들어 Amazon Rekognition Image 레이블 감지 기능을 사용하여 식물과 나뭇잎을 찾을 수 있습니다. 건강한 식물, 손상된 식물, 감염된 식물을 구분하려면 Amazon Rekognition Custom Labels를 사용해야 합니다.

다음은 Amazon Rekognition Custom Labels 사용 방법의 예입니다.

Amazon Rekognition Custom Labels를 처음 사용하시나요?

Amazon Rekognition Custom Labels를 처음 사용한다면, 다음 항목을 순서대로 읽어보기를 권장합니다.