기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
Amazon Rekognition Custom Labels의 이해
이 섹션에서는 콘솔 및 SDK를 통해 Amazon Rekognition 사용자 지정 레이블 모델을 교육하고 사용하는 워크플로의 개요를 제공합니다. AWS
참고
Amazon Rekognition Custom Labels는 이제 프로젝트 내에서 데이터 세트를 관리합니다. 콘솔과 SDK를 사용하여 프로젝트용 데이터세트를 생성할 수 있습니다. AWS 이전에 Amazon Rekognition Custom Labels를 사용한 적이 있는 경우 이전 데이터 세트를 새 프로젝트와 연결해야 할 수 있습니다. 자세한 정보는 6단계: (선택 사항) 이전 데이터 세트를 새 프로젝트와 연결섹션을 참조하십시오.
모델 유형 결정
먼저 비즈니스 목표에 따라 훈련할 모델 유형을 결정합니다. 예를 들어 소셜 미디어 게시물에서 로고를 찾거나, 매장 진열대에서 제품을 식별하거나, 조립 라인에서 기계 부품을 분류하도록 모델을 훈련할 수 있습니다.
Amazon Rekognition Custom Labels는 다음 유형의 모델을 훈련할 수 있습니다.
Amazon Rekognition Custom Labels는 훈련할 모델 유형을 결정하는 데 도움이 되도록 사용할 수 있는 예제 프로젝트를 제공합니다. 자세한 정보는 Amazon Rekognition Custom Labels 시작하기을 참조하세요.
객체, 장면 및 개념 찾기
모델은 전체 이미지와 관련된 객체, 장면 및 개념의 분류를 예측합니다. 예를 들어 이미지에 관광 명소가 포함되어 있는지 여부를 판단하는 모델을 훈련할 수 있습니다. 예제 프로젝트에 관해서는 이미지 분류 항목을 참조하세요. 다음 호수 이미지는 사물, 풍경, 개념을 인식할 수 있는 이미지 종류의 예입니다.
또는 이미지를 여러 범주로 분류하는 모델을 훈련할 수도 있습니다. 예를 들어, 이전 이미지에는 하늘색, 반사 또는 호수와 같은 범주가 있을 수 있습니다. 예제 프로젝트에 관해서는 다중 레이블 이미지 분류 항목을 참조하세요.
객체 위치 찾기
모델은 이미지 상의 객체 위치를 예측합니다. 예측에는 객체 위치에 대한 경계 상자 정보와 경계 상자 내의 객체를 식별하는 레이블이 포함됩니다. 예를 들어, 다음 이미지는 콤퍼레이터 또는 포트 저항기와 같은 회로 기판의 다양한 부분 주위에 있는 경계 상자를 보여줍니다.
객체 위치 파악 예제 프로젝트는 Amazon Rekognition Custom Labels가 레이블이 있는 경계 상자를 사용하여 객체 위치를 찾는 모델을 훈련하는 방법을 보여줍니다.
브랜드 위치 찾기
Amazon Rekognition Custom Labels는 이미지에서 브랜드 위치(예: 로고)를 찾는 모델을 훈련할 수 있습니다. 예측에는 브랜드 위치에 대한 경계 상자 정보와 경계 상자 내의 객체를 식별하는 레이블이 포함됩니다. 예제 프로젝트에 관해서는 브랜드 감지 항목을 참조하세요. 다음 이미지는 모델이 감지할 수 있는 일부 브랜드의 예입니다.
모델 생성
모델을 만드는 단계는 프로젝트 생성, 훈련 및 테스트 데이터 세트 생성, 모델 훈련입니다.
프로젝트 생성
Amazon Rekognition Custom Labels 프로젝트는 모델을 생성하고 관리하는 데 필요한 리소스의 모음입니다. 프로젝트는 다음을 관리합니다.
데이터 세트: 모델 훈련에 사용되는 이미지 및 이미지 레이블. 프로젝트에는 훈련 데이터 세트와 테스트 데이터 세트가 있습니다.
모델: 사용자의 비즈니스에 필요한 개념, 장면, 객체를 찾을 수 있게 훈련하는 소프트웨어입니다. 한 프로젝트에 여러 버전의 모델을 넣어 둘 수 있습니다.
하나의 프로젝트에는 하나의 용도만 지정해서 사용하시는 것을 권장합니다. 예를 들어 회로판에서 회로판 부품을 찾는 용도로만 사용하는 프로젝트처럼 말입니다.
Amazon Rekognition 사용자 지정 라벨 콘솔과 API를 사용하여 프로젝트를 생성할 수 있습니다. CreateProject 자세한 정보는 프로젝트 생성을 참조하세요.
훈련 및 테스트 데이터 세트 생성
데이터 세트는 해당 이미지를 설명하는 이미지와 레이블의 집합입니다. 프로젝트 내에서 Amazon Rekognition Custom Labels가 모델을 훈련하고 테스트하는 데 사용하는 교육 데이터 세트와 테스트 데이터 세트를 생성합니다.
레이블은 이미지에서 객체, 장면, 개념 또는 객체 주위의 경계 상자를 식별합니다. 레이블은 전체 이미지(이미지 수준)에 지정되거나 이미지에서 객체를 둘러싸는 경계 상자에 지정됩니다.
중요
데이터 세트의 이미지에 레이블을 지정하는 방식에 따라 Amazon Rekognition Custom Labels가 생성하는 모델 유형이 결정됩니다. 예를 들어 객체, 장면 및 개념을 찾는 모델을 훈련하려면 훈련 및 테스트 데이터 세트의 이미지에 이미지 수준 레이블을 지정합니다. 자세한 정보는 데이터 세트 목적 설정을 참조하세요.
이미지는 PNG 및 JPEG 형식이어야 하며 입력 이미지 권장 사항을 따라야 합니다. 자세한 정보는 이미지 준비을 참조하세요.
훈련 및 테스트 데이터 세트 생성(콘솔)
단일 데이터 세트 또는 별도의 훈련 및 테스트 데이터 세트로 프로젝트를 시작할 수 있습니다. 단일 데이터 세트로 시작하는 경우 Amazon Rekognition Custom Labels는 훈련 중에 데이터 세트를 분할하여 프로젝트에 사용할 훈련 데이터 세트(80%)와 테스트 데이터 세트(20%)를 생성합니다. Amazon Rekognition Custom Labels가 훈련 및 테스트에 사용할 이미지를 결정하게 하려면 단일 데이터 세트로 시작하세요. 훈련, 테스트 및 성능 튜닝을 완벽하게 제어하려면 별도의 훈련 및 테스트 데이터 세트로 프로젝트를 시작하는 것이 좋습니다.
프로젝트의 데이터 세트를 만들려면 다음 방법 중 하나로 이미지를 가져옵니다.
로컬 컴퓨터에서 이미지 가져오기
S3 버킷에서 이미지 가져오기 Amazon Rekognition Custom Labels는 이미지가 포함된 폴더 이름을 사용하여 이미지에 레이블을 지정할 수 있습니다.
Amazon SageMaker Ground Truth 매니페스트 파일을 가져옵니다.
기존 Amazon Rekognition Custom Labels 데이터 세트를 복사합니다.
자세한 정보는 이미지를 사용하여 훈련 및 테스트 데이터 세트 생성을 참조하세요.
이미지를 가져온 위치에 따라 이미지에 레이블이 지정되지 않을 수 있습니다. 예를 들어 로컬 컴퓨터에서 가져온 이미지에는 레이블이 지정되지 않습니다. Amazon SageMaker Ground Truth 매니페스트 파일에서 가져온 이미지에는 레이블이 지정됩니다. Amazon Rekognition Custom Labels 콘솔을 사용하여 레이블을 추가, 변경 및 할당할 수 있습니다. 자세한 정보는 이미지 레이블 지정을 참조하세요.
콘솔을 사용하여 훈련 및 테스트 데이터 세트를 생성하려면 이미지를 사용하여 훈련 및 테스트 데이터 세트 생성 항목을 참조하세요. 훈련 및 테스트 데이터 세트 생성이 포함된 튜토리얼에 관해서는 튜토리얼: 이미지 분류 항목을 참조하세요.
훈련 및 테스트 데이터 세트 생성(SDK)
훈련 및 테스트 데이터 세트를 만들려면 CreateDataset API를 사용합니다. Amazon Sagemaker 형식 매니페스트 파일을 사용하거나 기존 Amazon Rekognition Custom Labels 데이터세트를 복사하여 데이터 세트를 생성할 수 있습니다. 자세한 내용은 훈련 및 테스트 데이터 세트 생성(SDK) 섹션을 참조하세요. 필요한 경우 직접 매니페스트 파일을 생성할 수 있습니다. 자세한 정보는 매니페스트 파일 생성을 참조하세요.
모델 훈련하기
훈련 데이터 세트를 사용하여 모델을 훈련하세요. 모델을 훈련할 때마다 새 버전의 모델이 생성됩니다. Amazon Rekognition Custom Labels는 훈련 중에 훈련된 모델의 성능을 테스트합니다. 그 결과를 사용하여 모델을 평가하고 개선할 수 있습니다. 훈련을 완료하는 데 시간이 걸립니다. 모델 훈련을 성공적으로 완료한 경우에만 비용이 청구됩니다. 자세한 정보는 Amazon Rekognition Custom Labels 모델 훈련을 참조하세요. 모델 훈련이 실패할 경우 Amazon Rekognition Custom Labels는 사용할 수 있는 디버깅 정보를 제공합니다. 자세한 정보는 실패한 모델 훈련 디버깅을 참조하세요.
모델 훈련(콘솔)
콘솔을 사용하여 모델을 훈련하려면 모델 훈련(콘솔) 항목을 참조하세요.
모델 훈련(SDK)
버전을 호출하여 Amazon Rekognition 사용자 지정 레이블 모델을 학습시킵니다. CreateProject 자세한 정보는 모델 학습 (SDK)을 참조하세요.
모델 개선
Amazon Rekognition Custom Labels는 테스트 중에 훈련된 모델을 개선하는 데 사용할 수 있는 평가 지표를 생성합니다.
모델 평가
테스트 중에 만든 성능 지표를 사용하여 모델의 성능을 평가하세요. F1, 정밀도, 재현율과 같은 성능 지표를 통해 훈련된 모델의 성능을 이해하고 프로덕션에 사용할 준비가 되었는지 결정할 수 있습니다. 자세한 정보는 모델 평가를 위한 지표을 참조하세요.
모델 평가(콘솔)
성능 지표를 보려면 평가 지표 액세스(콘솔) 항목을 참조하세요.
모델 평가(SDK)
성능 지표를 가져오려면 Versions를 호출하여 DescribeProject테스트 결과를 얻어야 합니다. 자세한 정보는 Amazon Rekognition Custom Labels 평가 지표에 액세스(SDK)을 참조하세요. 테스트 결과에는 콘솔에서는 이용할 수 없는 지표(예: 분류 결과에 대한 오차 행렬)가 포함됩니다. 테스트 결과는 다음과 같은 형식으로 반환됩니다.
F1 점수: 모델의 정밀도 및 재현율의 전반적인 성능을 나타내는 단일 값입니다. 자세한 정보는 F1을 참조하세요.
요약 파일 위치: 테스트 개요에는 전체 테스트 데이터 세트에 대한 집계된 평가 지표와 각 개별 레이블에 대한 지표가 포함됩니다.
DescribeProjectVersions는 개요 파일의 S3 버킷 및 폴더 위치를 반환합니다. 자세한 정보는 요약 파일을 참조하세요.평가 매니페스트 스냅샷 위치: 스냅샷에는 신뢰도 등급 및 바이너리 분류 테스트 결과(예: 오탐지)를 비롯한 테스트 결과에 대한 세부 정보가 포함됩니다.
DescribeProjectVersions는 스냅샷 파일의 S3 버킷 및 폴더 위치를 반환합니다. 자세한 정보는 평가 매니페스트 스냅샷을 참조하세요.
모델 개선
개선이 필요한 경우 훈련 이미지를 더 추가하거나 데이터 세트 레이블 지정을 개선할 수 있습니다. 자세한 정보는 Amazon Rekognition Custom Labels 모델 개선을 참조하세요. 또한 모델의 예측에 대한 피드백을 제공하고 이를 사용하여 모델을 개선할 수 있습니다. 자세한 정보는 모델 피드백 솔루션을 참조하세요.
모델 개선(콘솔)
데이터 세트에 이미지를 추가하려면 데이터 세트에 더 많은 이미지 추가 항목을 참조하세요. 레이블을 추가하거나 변경하려면 이미지 레이블 지정 항목을 참조하세요.
모델을 재훈련하려면 모델 훈련(콘솔) 항목을 참조하세요.
모델 개선(SDK)
데이터 세트에 이미지를 추가하거나 이미지의 레이블을 변경하려면 UpdateDatasetEntries API를 사용하세요. UpdateDatasetEntries는 매니페스트 파일에 JSON 라인을 업데이트하거나 추가합니다. 각 JSON 라인에는 지정된 레이블 또는 경계 상자 정보와 같은 단일 이미지에 대한 정보가 들어 있습니다. 자세한 정보는 더 많은 이미지 추가(SDK)을 참조하세요. 데이터 세트의 항목을 보려면 ListDatasetEntries API를 사용하세요.
모델을 재훈련하려면 모델 훈련(SDK) 항목을 참조하세요.
모델 시작
모델을 사용하려면 먼저 Amazon Rekognition Custom Labels 콘솔 또는 StartProjectVersion API를 사용하여 모델을 시작하세요. 모델을 실행하는 시간만큼 요금이 부과됩니다. 자세한 정보는 훈련된 Amazon Rekognition Custom Labels 모델 실행을 참조하세요.
모델 시작(콘솔)
콘솔을 사용하여 모델을 시작하려면 Amazon Rekognition Custom Labels 모델 시작(콘솔) 항목을 참조하세요.
모델 시작
StartProjectVersion을 호출하여 모델을 시작합니다. 자세한 정보는 Amazon Rekognition Custom Labels 모델 시작(SDK)을 참조하세요.
이미지 분석
모델로 이미지를 분석하려면 DetectCustomLabels API를 사용합니다. 로컬 이미지 또는 S3 버킷에 저장된 이미지를 지정할 수 있습니다. 작업을 수행하려면 사용하려는 모델의 Amazon 리소스 이름(ARN)도 필요합니다.
모델이 객체, 장면, 개념을 찾은 경우 응답에는 이미지에서 찾은 이미지 수준 레이블 목록이 포함됩니다. 예를 들어 다음 이미지는 방 예제 프로젝트를 사용하여 찾은 이미지 수준 레이블을 보여줍니다.
모델이 객체 위치를 찾은 경우 응답에는 이미지에서 찾은 레이블이 지정된 경계 상자 목록이 포함됩니다. 경계 상자는 이미지에서 객체의 위치를 나타냅니다. 테두리 상자 정보를 사용하여 객체 주위에 테두리 상자를 그릴 수 있습니다. 예를 들어, 다음 이미지는 회로판 예제 프로젝트를 사용하여 찾은 회로판 부품 주위의 경계 상자를 보여줍니다.
자세한 정보는 훈련된 모델을 사용한 이미지 분석을 참조하세요.
모델 중지
모델을 실행하는 시간만큼 요금이 부과됩니다. 모델을 더 이상 사용하지 않는 경우 Amazon Rekognition Custom Labels 콘솔을 사용하거나 StopProjectVersion API를 사용하여 모델을 중지하세요. 자세한 정보는 Amazon Rekognition Custom Labels 모델 중지을 참조하세요.
모델 중지(콘솔)
콘솔에서 실행 중인 모델을 중지하려면 Amazon Rekognition Custom Labels 모델 중지(콘솔) 항목을 참조하세요.
모델 중지(SDK)
실행 중인 모델을 중지하려면 Version을 호출하십시오. StopProject 자세한 내용은 Amazon Rekognition Custom Labels 모델 중지(SDK)을(를) 참조하세요.
