Amazon Rekognition Custom Labels 시작하기
시작하기 지침 전에 Amazon Rekognition Custom Labels의 이해 항목을 먼저 읽어 보는 것이 좋습니다.
Amazon Rekognition Custom Labels를 사용하여 기계 학습 모델을 교육합니다. 훈련된 모델은 이미지를 분석하여 사용자의 비즈니스에 필요한 객체, 장면 및 개념을 찾습니다. 예를 들어, 주택 이미지를 분류하도록 모델을 훈련하거나 인쇄 회로 기판에서 전자 부품의 위치를 찾을 수 있습니다.
Amazon Rekognition Custom Labels에는 사용자를 위한 튜토리얼 동영상과 예제 프로젝트가 포함되어 있습니다.
참고
Amazon Rekognition Custom Labels가 지원하는 AWS 지역 및 엔드포인트에 대한 자세한 내용은 Rekognition 엔드포인트 및 할당량을 참조하세요.
튜토리얼 동영상
이 동영상은 Amazon Rekognition Custom Labels를 사용하여 모델을 훈련하고 사용하는 방법을 보여줍니다.
튜토리얼 동영상을 보려면
AWS Management Console에 로그인한 후 https://console.aws.amazon.com/rekognition/
에서 Amazon Rekognition 콘솔을 엽니다. 왼쪽 창에서 사용자 지정 레이블 사용을 선택합니다. Amazon Rekognition Custom Labels 랜딩 페이지가 표시됩니다. 사용자 지정 레이블 사용이 표시되지 않으면 Amazon Rekognition Custom Labels가 현재 계신 지역 AWS 지역에서 지원되는지 확인하세요.
탐색 창에서 시작하기를 선택하세요.
Amazon Rekognition Custom Labels이란 무엇입니까?에서 동영상을 선택하여 개요 동영상을 시청하세요.
탐색 창에서 튜토리얼을 선택합니다.
튜토리얼 페이지에서 보고 싶은 튜토리얼 동영상을 선택합니다.
예제 프로젝트
Amazon Rekognition Custom Labels는 다음과 같은 예제 프로젝트를 제공합니다.
이미지 분류
이미지 분류 프로젝트(방)는 이미지에서 가구 위치를 하나 이상 찾는 모델(예: 뒷마당, 주방, 파티오)을 훈련합니다. 훈련 및 테스트 이미지는 하나의 위치를 나타냅니다. 각 이미지에는 주방, 파티오, 거실 같은 하나의 이미지 수준 레이블이 지정되어 있습니다. 분석된 이미지의 경우 훈련된 모델은 학습에 사용된 이미지 수준 레이블 집합에서 일치하는 레이블을 하나 이상 반환합니다. 예를 들어, 모델은 다음 이미지에서 거실이라는 레이블을 찾을 수 있습니다. 자세한 내용은 객체, 장면 및 개념 찾기 단원을 참조하십시오.
다중 레이블 이미지 분류
다중 레이블 이미지 분류 프로젝트(꽃)는 꽃 이미지를 세 가지 개념(꽃 유형, 잎 유무, 성장 단계)으로 분류하는 모델을 훈련합니다.
훈련 및 테스트 이미지에는 각 개념에 대한 이미지 수준 레이블이 있습니다. 예를 들어 꽃 유형에는 camellia, 잎이 있는 꽃의 경우 with_leaves, 완전히 자란 꽃의 경우 fully_grown이 있습니다.
분석된 이미지의 경우 훈련된 모델은 훈련에 사용된 이미지 수준 레이블 집합에서 일치하는 레이블을 반환합니다. 예를 들어, 모델은 다음 이미지에 대해 mediterranean_spurge 및 with_leaves라는 레이블을 반환합니다. 자세한 내용은 객체, 장면 및 개념 찾기 단원을 참조하십시오.
브랜드 감지
브랜드 감지 프로젝트(로고)는 모델이 Amazon Textract, AWS Lambda와 같은 특정 AWS 로고의 위치를 찾는 모델을 훈련합니다. 훈련 이미지는 로고만을 대상으로 하며 lambda나 textract와 같은 하나의 이미지 수준 레이블이 있습니다. 브랜드 위치를 나타내는 경계 상자가 있는 훈련 이미지를 사용하여 브랜드 감지 모델을 훈련할 수도 있습니다. 테스트 이미지에는 아키텍처 다이어그램과 같이 자연스러운 위치에서의 로고 위치를 나타내는 레이블이 지정된 경계 상자가 있습니다. 훈련된 모델은 로고를 찾고 발견된 각 로고에 대해 레이블이 지정된 경계 상자를 반환합니다. 자세한 내용은 브랜드 위치 찾기 단원을 참조하십시오.
객체 위치 파악
객체 위치 파악 프로젝트(회로 기판)는 비교기 또는 적외선 발광 다이오드와 같은 인쇄 회로 기판에서 부품의 위치를 찾는 모델을 훈련합니다. 훈련 및 테스트 이미지에는 회로 기판 부품을 둘러싸는 경계 상자와 경계 상자 내의 부품을 식별하는 레이블이 포함되어 있습니다. 다음 예시 이미지에서 레이블 이름은 ir_phototransistor, ir_led, pot_resistor, comparator입니다. 훈련된 모델은 회로 기판 부품을 찾아서 찾은 각 회로 부품에 대해 레이블이 지정된 경계를 반환합니다. 자세한 내용은 객체 위치 찾기 단원을 참조하십시오.
예제 프로젝트 사용
이 시작하기 지침은 Amazon Rekognition Custom Labels가 생성한 예제 프로젝트를 사용하여 모델을 훈련하는 방법을 보여줍니다. 또한 모델을 시작하고 이를 사용하여 이미지를 분석하는 방법도 보여줍니다.
예제 프로젝트 생성
시작하려면 사용할 프로젝트를 결정하세요. 자세한 내용은 1단계: 예제 프로젝트 선택 섹션을 참조하세요.
Amazon Rekognition Custom Labels는 데이터 세트를 사용하여 모델을 훈련 및 평가(테스트)합니다. 데이터 세트는 이미지와 이미지 내용을 식별하는 레이블을 관리합니다. 예제 프로젝트에는 모든 이미지에 레이블이 지정된 테스트 데이터 세트와 훈련 데이터 세트가 포함되어 있습니다. 모델을 훈련하기 전에 아무것도 변경할 필요가 없습니다. 예제 프로젝트는 Amazon Rekognition Custom Labels가 레이블을 사용하여 다양한 유형의 모델을 훈련하는 두 가지 방법을 보여줍니다.
이미지 수준: 레이블은 전체 이미지를 나타내는 객체, 장면 또는 개념을 식별합니다.
경계 상자: 레이블은 경계 상자의 내용을 식별합니다. 경계 상자는 이미지에서 객체를 둘러싸는 이미지 좌표의 집합입니다.
나중에 자체 이미지로 프로젝트를 만들 때는 훈련 및 테스트 데이터 세트를 만들고 이미지에 레이블도 지정해야 합니다. 자세한 내용은 모델 유형 결정 섹션을 참조하세요.
모델 훈련
Amazon Rekognition Custom Labels가 예제 프로젝트를 생성한 후 모델을 훈련할 수 있습니다. 자세한 내용은 2단계: 모델 훈련 섹션을 참조하세요. 일반적으로 훈련이 끝나면 모델의 성능을 평가합니다. 예제 데이터 세트의 이미지는 이미 고성능 모델을 생성하므로 모델을 실행하기 전에 모델을 평가할 필요가 없습니다. 자세한 내용은 훈련된 Amazon Rekognition Custom Labels 모델 개선 섹션을 참조하세요.
모델 사용
다음으로 모델을 시작합니다. 자세한 내용은 3단계: 모델 시작 섹션을 참조하세요.
모델 실행을 시작한 후 모델을 사용하여 새 이미지를 분석할 수 있습니다. 자세한 내용은 4단계: 모델을 사용하여 이미지 분석 섹션을 참조하세요.
모델을 실행하는 시간만큼 요금이 부과됩니다. 예제 모델 사용을 마치면 모델을 중지해야 합니다. 자세한 내용은 5단계: 모델 중지 섹션을 참조하세요.
다음 단계
준비되었으면 프로젝트를 직접 만들 수 있습니다. 자세한 내용은 6단계: 다음 단계 섹션을 참조하세요.
