Amazon Augmented AI를 사용한 부적절한 콘텐츠 검토

Amazon Augmented AI(Amazon A2I)를 사용하면 기계 학습 예측의 인적 검토에 필요한 워크플로우를 구축할 수 있습니다.

Amazon Rekognition은 Amazon A2I와 직접 통합되어 안전하지 않은 이미지를 감지하는 사용 사례에 대한 인적 검토를 쉽게 구현할 수 있습니다. Amazon A2I는 이미지 조정을 위한 인적 검토 워크플로우를 제공합니다. 이를 통해 Amazon Rekognition의 예측을 쉽게 검토할 수 있습니다. 사용 사례에 대한 신뢰도 임계값을 정의하고 시간이 지남에 따라 조정할 수 있습니다. Amazon A2I를 이용하면 조직 또는 Amazon Mechanical Turk 내에서 검토자 풀을 사용할 수 있습니다. 품질과 보안 절차 준수를 위해 AWS에서 사전 검열을 거친 공급업체 인력도 이용할 수 있습니다.

다음 단계에서는 Amazon Rekognition을 이용해 Amazon A2I를 설정하는 방법을 안내합니다. 먼저, 인적 검토를 트리거하는 조건이 있는 Amazon A2I를 사용해 흐름 정의를 생성합니다. 그런 다음 흐름 정의의 Amazon 리소스 이름(ARN)을 Amazon Rekognition DetectModerationLabel 작업에 전달합니다. DetectModerationLabel 응답에서 인적 검토가 필요한지 여부를 확인할 수 있습니다. 인적 검토의 결과는 흐름 정의에 의해 설정된 Amazon S3 버킷에서 사용할 수 있습니다.

Amazon Rekognition과 함께 Amazon A2I를 사용하는 방법에 대한 종단 간 데모를 보려면 Amazon SageMaker 개발자 안내서에서 다음 자습서 중 하나를 참조하세요.

데모: Amazon A2I 콘솔에서 시작
데모: Amazon A2I API를 사용하여 시작

API 사용을 시작하기 위해 예제 Jupyter Notebook을 실행할 수도 있습니다. SageMaker 노트북 인스턴스에서 Amazon Augmented AI (Amazon A2I) 와 Amazon Rekognition 통합 [예제] 노트북을 사용하려면 Amazon A2I Jupyter Notebook으로 SageMaker 노트북 인스턴스 사용을 참조하세요.

Amazon A2I에서 DetectModerationLabels 실행

참고

동일한 AWS 리전에서 모든 Amazon A2I 및 Amazon Rekognition 리소스를 생성합니다.

SageMaker 설명서의 Amazon Augmented AI 시작에 나열된 사전 요구 사항을 완료하세요.

또한 SageMaker 설명서의 Amazon Augmented AI에서의 권한 및 보안 페이지에서와 같이 IAM 권한을 설정해야 합니다.
SageMaker 설명서의 인적 검토 워크플로우 생성에 관한 지침을 따르세요.

인적 검토 워크플로우는 이미지 처리를 관리합니다. 여기에는 인적 검토를 트리거하는 조건, 이미지가 전송되는 작업 팀, 작업 팀이 사용하는 UI 템플릿 및 작업 팀의 결과가 전송되는 Amazon S3 버킷이 포함됩니다.

CreateFlowDefinition 호출 내에서 HumanLoopRequestSource를 "AWS/Rekognition/DetectModerationLabels/Image/V3"으로 설정해야 합니다. 그런 다음 인적 검토를 트리거하는 조건을 설정하는 방법을 결정해야 합니다.

Amazon Rekognition에서는 ModerationLabelConfidenceCheck 및 Sampling의 두 가지 ConditionType 옵션을 사용할 수 있습니다.

ModerationLabelConfidenceCheck 는 중재 레이블의 신뢰도가 범위 내에 있을 때 인적 루프를 생성합니다. 마지막으로, Sampling은 인적 검토를 위해 처리된 문서의 임의의 백분율을 보냅니다. 각 ConditionType은 다른 ConditionParameters 세트를 사용하여 인적 검토 결과를 설정합니다.

ModerationLabelConfidenceCheck 에는 사람이 검토해야 할 키를 설정하는 ConditionParameters ModerationLableName이 있습니다. 또한 LessThan, GreaterThan 및 Equals를 사용하여 인적 검토에 보낼 백분율 범위를 설정하는 신뢰도도 있습니다. Sampling에는 인적 검토로 보낼 문서의 백분율을 설정하는 RandomSamplingPercentage이 있습니다.

다음 코드 예제는 CreateFlowDefinition의 부분 호출입니다. "Suggestive"(외설적 콘텐츠) 레이블에서는 98% 미만, "Female Swimwear or Underwear"(여성 수영복 또는 속옷) 레이블에는 95% 이상으로 평가된 경우 인적 검토를 위해 이미지를 보냅니다. 즉, 이미지가 외설적인 것으로 간주되지는 않지만 수영복이나 속옷을 착용한 여성이 있는 경우 인적 검토를 통해 이미지를 다시 확인할 수 있습니다.
```
    def create_flow_definition():
    '''
    Creates a Flow Definition resource

    Returns:
    struct: FlowDefinitionArn
    '''
    humanLoopActivationConditions = json.dumps(
        {
            "Conditions": [
                {
                  "And": [
                    {
                        "ConditionType": "ModerationLabelConfidenceCheck",
                        "ConditionParameters": {
                            "ModerationLabelName": "Suggestive",
                            "ConfidenceLessThan": 98
                        }
                    },
                    {
                        "ConditionType": "ModerationLabelConfidenceCheck",
                        "ConditionParameters": {
                            "ModerationLabelName": "Female Swimwear Or Underwear",
                            "ConfidenceGreaterThan": 95
                        }
                    }
                  ]
               }
            ]
        }
    )

       
```
CreateFlowDefinition은 DetectModerationLabels를 호출할 때 다음 단계에서 사용하는 FlowDefinitionArn을 반환합니다.

자세한 내용은 SageMaker API 참조의 CreateFlowDefinition을 참조하세요.
부적절한 이미지 감지에 나온 것처럼 DetectModerationLabels를 호출할 때 HumanLoopConfig 파라미터를 설정합니다. HumanLoopConfig 세트를 사용하는 DetectModerationLabels 호출의 예는 4단계를 참조하세요.
1. HumanLoopConfig 파라미터 내에서 FlowDefinitionArn을 2단계에서 생성한 흐름 정의의 ARN으로 설정합니다.
2. HumanLoopName을 설정합니다. 이는 지역 내에서 고유해야 하며 소문자여야 합니다.
3. (선택 사항) DataAttributes를 사용하여 Amazon Rekognition에 전달한 이미지에 개인 식별 정보가 없는지 여부를 설정할 수 있습니다. Amazon Mechanical Turk에 정보를 보내려면 이 파라미터를 설정해야 합니다.
DetectModerationLabels를 실행합니다.

다음 예제에서는 AWS CLI와 AWS SDK for Python (Boto3)을 함께 사용하여 HumanLoopConfig 세트를 가지고 DetectModerationLabels를 실행하는 방법을 보여줍니다.
AWS SDK for Python (Boto3)
다음 요청 예제에서는 Python용 SDK(Boto3)를 사용합니다. 자세한 내용은 Python용 AWS SDK(Boto) API 참조의 detect_moderation_labels를 참조하세요.
```
import boto3

rekognition = boto3.client("rekognition", aws-region)

response = rekognition.detect_moderation_labels( \
        Image={'S3Object': {'Bucket': bucket_name, 'Name': image_name}}, \
        HumanLoopConfig={ \
            'HumanLoopName': 'human_loop_name', \
            'FlowDefinitionArn': , "arn:aws:sagemaker:aws-region:aws_account_number:flow-definition/flow_def_name" \
            'DataAttributes': {'ContentClassifiers': ['FreeOfPersonallyIdentifiableInformation','FreeOfAdultContent']}
         })
```
AWS CLI
다음 요청 예제에서는 AWS CLI를 사용합니다. 자세한 내용은 AWS CLI 명령 참조의 detect-moderation-labels를 참조하세요.
```
$ aws rekognition detect-moderation-labels \
    --image "S3Object={Bucket='bucket_name',Name='image_name'}" \
    --human-loop-config HumanLoopName="human_loop_name",FlowDefinitionArn="arn:aws:sagemaker:aws-region:aws_account_number:flow-definition/flow_def_name",DataAttributes='{ContentClassifiers=["FreeOfPersonallyIdentifiableInformation", "FreeOfAdultContent"]}'
```
```
$ aws rekognition detect-moderation-labels \
    --image "S3Object={Bucket='bucket_name',Name='image_name'}" \
    --human-loop-config \
        '{"HumanLoopName": "human_loop_name", "FlowDefinitionArn": "arn:aws:sagemaker:aws-region:aws_account_number:flow-definition/flow_def_name", "DataAttributes": {"ContentClassifiers": ["FreeOfPersonallyIdentifiableInformation", "FreeOfAdultContent"]}}'
```
HumanLoopConfig이 활성화된 상태로 DetectModerationLabels를 실행하면 Amazon Rekognition이 SageMaker API 작업 StartHumanLoop를 호출합니다. 이 명령은 DetectModerationLabels에서 답변을 받고 예제의 흐름 정의 조건에 대해 확인합니다. 검토 조건을 충족하는 경우 HumanLoopArn을 반환합니다. 흐름 정의에서 설정한 작업 팀의 구성원은 이제 이미지를 검토할 수 있게 되었다는 의미입니다. Amazon Augmented AI 런타임 작업을 호출하면 DescribeHumanLoop는 루프의 결과에 대한 정보를 제공합니다. 자세한 내용은 Amazon Augmented AI API 참조 설명서의 DescribeHumanLoop를 참조하세요.

이미지를 검토한 후에는 흐름 정의의 출력 경로에 지정된 버킷에서 결과를 확인할 수 있습니다. 또한 검토가 완료되면 Amazon A2I는 Amazon CloudWatch Events의 알림을 보냅니다. 어떤 이벤트를 찾아봐야 하는지 알아보려면 SageMaker 설명서에서 CloudWatch Events를 참조하세요.

자세한 내용은 SageMaker 설명서에서 Amazon Augmented AI 시작하기 참조하세요.

javascript가 브라우저에서 비활성화되거나 사용이 불가합니다.

AWS 설명서를 사용하려면 Javascript가 활성화되어야 합니다. 지침을 보려면 브라우저의 도움말 페이지를 참조하십시오.

문서 규칙

AWS Rekognition용 건강 대시보드 알림

텍스트 감지