기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
분석 유형
Amazon Rekognition Image API와 Amazon Rekognition Video API가 수행할 수 있는 분석 유형은 다음과 같습니다. API에 대한 정보는 이미지 및 비디오 작업 단원을 참조하십시오.
다음 표에는 작업 미디어 유형 및 사용 사례와 관련하여 사용해야 하는 작업이 나열되어 있습니다.
레이블
레이블은 객체(예: 꽃, 나무 또는 테이블), 이벤트(예: 결혼식, 졸업식, 생일 파티), 개념(예: 풍경, 저녁, 자연), 활동(예: 달리기, 농구하기) 중 어느 것이든 지칭할 수 있습니다. Amazon Rekognition은 이미지와 비디오에서 레이블을 감지할 수 있습니다. 자세한 설명은 객체 및 개념 감지 섹션을 참조하세요.
Rekognition은 이미지 및 저장된 비디오에서 대량의 레이블 목록을 감지할 수 있습니다. 또한 Rekognition은 스트리밍 비디오에서 소수의 레이블을 감지할 수도 있습니다.
다음 작업을 사용하여 자체 사용 사례를 기반으로 레이블을 감지하세요.
-
이미지에서 레이블을 감지하려면: 사용하십시오. DetectLabels 주 이미지 색상 및 이미지 품질과 같은 이미지 속성을 식별할 수 있습니다. 이를 위해서는 with 를 입력 DetectLabels
IMAGE_PROPERTIES파라미터로 사용하십시오. -
저장된 동영상의 라벨을 감지하려면: 사용하십시오 StartLabelDetection. 저장된 비디오에서는 주 이미지 색상 및 이미지 품질 감지가 지원되지 않습니다.
-
스트리밍 비디오에서 라벨을 감지하려면: 사용하십시오 CreateStreamProcessor. 스트리밍 비디오에서는 주 이미지 색상 및 이미지 품질 감지가 지원되지 않습니다.
포함 및 제외 필터링 옵션을 사용하여 이미지 및 저장된 비디오 레이블 감지 둘 다에 대해 반환을 원하는 레이블 유형을 지정할 수 있습니다.
사용자 지정 레이블
Amazon Rekognition Custom Labels는 기계 학습 모델을 학습시켜 이미지에서 여러분의 비즈니스에 필요한 객체와 장면을 식별할 수 있습니다. 예를 들어, 로고를 감지하거나 조립 라인에서 엔지니어링 기계 부품을 감지하도록 모델을 교육할 수 있습니다.
참고
Amazon Rekognition Custom Labels에 대한 자세한 내용은 Amazon Rekognition Custom Labels 개발자 안내서를 참조하세요.
Amazon Rekognition에서는 기계 학습 모델을 생성, 훈련, 평가 및 실행하는 데 사용되는 콘솔을 제공합니다. 자세한 내용은 Amazon Rekognition Custom Labels 개발자 안내서의 Amazon Rekognition Custom Labels 시작을 참조하세요. Amazon Rekognition Custom Labels API를 사용하여 모델을 훈련하고 실행할 수도 있습니다. 자세한 내용은 Amazon Rekognition 개발자 안내서의 Amazon Rekognition 사용자 지정 라벨 SDK 시작하기를 참조하십시오. CustomLabels
학습된 모델을 사용하여 이미지를 분석하려면 를 사용하십시오. DetectCustomLabels
Face Liveness 감지
Amazon Rekognition Face Liveness를 사용하면 얼굴 기반 신원 확인을 받고 있는 사용자가 카메라 앞에 실제로 존재하며 사용자의 얼굴을 도용하는 악의적인 행위자가 아닌지 확인할 수 있습니다. 이는 카메라에 가해지는 스푸핑 공격 및 카메라를 우회하려는 공격을 탐지합니다. 사용자는 짧은 동영상 셀카를 촬영하여 Face Liveness 검사를 완료할 수 있으며, 검사 시 생체 확인 점수가 반환됩니다. 얼굴 생체 확인의 결과는 확률적 계산을 통해 결정되며 검사 후 신뢰도 점수(0~100 사이)가 반환됩니다. 점수가 높을수록 검사를 받는 사람이 실제로 존재한다는 신뢰도가 높아집니다.
Face Liveness에 대한 자세한 내용은 얼굴 생체 확인 감지 섹션을 참조하세요.
얼굴 감지 및 분석
Amazon Rekognition은 이미지와 저장된 비디오에서 얼굴을 감지할 수 있습니다. Amazon Rekognition을 사용하면 다음과 같은 정보를 얻을 수 있습니다.
-
이미지 또는 동영상에서 얼굴이 감지되는 위치
-
눈의 위치와 같은 얼굴 표식
-
이미지에 얼굴 가려짐이 있는지 여부
-
감지된 감정(예: 행복함, 슬픔)
-
이미지에서 사람의 시선이 향하는 방향
성별이나 연령과 같은 인구통계학적 정보도 해석할 수 있습니다. 이미지 속의 얼굴을 다른 이미지에서 감지된 얼굴과 비교할 수도 있습니다. 얼굴에 대한 정보도 저장하여 다중에 검색할 수 있습니다. 자세한 설명은 얼굴 감지 및 분석 섹션을 참조하세요.
이미지에서 얼굴을 감지하려면 DetectFaces를 사용합니다. 비디오에 저장된 얼굴을 감지하려면 StartFaceDetection을 사용합니다.
얼굴 검색
Amazon Rekognition은 얼굴을 검색할 수 있습니다. 얼굴 정보는 모음이라고 하는 컨테이너로 인덱싱됩니다. 그런 다음 모음의 얼굴 정보는 이미지, 저장된 비디오, 스트리밍 비디오에서 감지된 얼굴과 일치시킬 수 있습니다. 자세한 내용은 컬렉션에서 얼굴 검색 항목을 참조하세요.
이미지에서 알려진 얼굴을 감지하려면, DetectFaces를 사용합니다. 저장된 비디오에서 알려진 얼굴을 감지하려면, StartFaceDetection를 사용합니다. 스트리밍 비디오에서 알려진 얼굴을 검색하려면, CreateStreamProcessor를 사용합니다.
인물 경로
Amazon Rekognition Video로 저장된 비디오에서 감지된 인물의 경로를 추적할 수 있습니다. Amazon Rekognition Video는 비디오에서 감지된 인물에 대한 경로 추적, 얼굴 세부 정보 및 프레임 내 위치 정보를 제공합니다. 자세한 설명은 인물 경로 추적 섹션을 참조하세요.
저장된 비디오에서 사람을 감지하려면 StartPersonTracking을 사용합니다.
개인용 보호 장비
Amazon Rekognition은 이미지에서 감지된 사람이 착용한 PPE(개인 보호 장비)를 감지할 수 있습니다. Amazon Rekognition은 손 덮개, 얼굴 덮개 및 머리 덮개를 감지합니다. Amazon Rekognition은 PPE 물품이 적절한 신체 부위를 덮고 있는지 예측합니다. 감지된 사람 및 PPE 물품의 경계 상자를 확인할 수도 있습니다. 자세한 설명은 개인 보호 장비 감지 섹션을 참조하세요.
영상에서 PPE를 검출하려면 를 사용하십시오 DetectProtectiveEquipment.
유명 인사
Amazon Rekognition은 이미지와 저장된 비디오에서 수천 명의 유명 인사를 인식할 수 있습니다. 이미지에서 유명 인사 얼굴이 감지된 부분, 얼굴 표식 및 유명 인사의 얼굴 표정에 대한 정보를 가져올 수 있습니다. 저장된 비디오 전체에 나타나는 유명 인사에 대한 추적 정보를 가져올 수 있습니다. 또한 감정 표현, 성별 표현 등 인식된 유명 인사에 대한 추가 정보도 얻을 수 있습니다. 자세한 설명은 유명 인사 인식 섹션을 참조하세요.
이미지에서 유명 인사를 인식하려면 RecognizeCelebrities를 사용합니다. 저장된 비디오에서 유명 인사를 인식하려면 StartCelebrityRecognition를 사용합니다.
텍스트 감지
Amazon Rekognition Text in Image는 이미지의 텍스트를 감지하여 기계 판독 가능한 텍스트로 변환합니다. 자세한 설명은 텍스트 감지 섹션을 참조하세요.
이미지에서 텍스트를 감지하려면 DetectText를 사용합니다.
부적절하거나 불쾌감을 주는 콘텐츠
Amazon Rekognition은 이미지와 저장된 비디오를 분석하여 성인 및 폭력적인 콘텐츠를 찾아낼 수 있습니다. 자세한 설명은 콘텐츠 조절 섹션을 참조하세요.
안전하지 않은 이미지를 감지하려면 DetectModerationLabels를 사용합니다. 안전하지 않은 저장된 비디오를 감지하려면 StartContentModeration을 사용합니다.
사용자 지정
Rekognition에서 제공하는 특정 이미지 분석 API를 사용하면 자체 데이터를 기반으로 학습된 사용자 지정 어댑터를 만들어 딥 러닝 모델의 정확도를 높일 수 있습니다. 어댑터는 Rekognition의 사전 학습된 딥 러닝 모델에 플러그인하는 구성 요소로, 자체 이미지에 기반한 도메인 지식을 통해 정확도를 향상시킵니다. 샘플 이미지를 제공하고 주석을 달아 필요에 맞게 어댑터를 학습시킬 수 있습니다.
어댑터를 만들면 어댑터가 AdapterId 제공됩니다. 이 AdapterId 정보를 작업에 제공하여 생성한 어댑터를 사용하도록 지정할 수 있습니다. 예를 들어 동기 이미지 분석을 위해 DetectModerationLabelsAPI에 를 제공합니다. AdapterId 요청의 AdapterId 일부로 제공하면 Rekognition에서 자동으로 이를 사용하여 이미지에 대한 예측을 개선합니다. 이를 통해 Rekognition의 기능을 활용하면서 필요에 맞게 사용자 지정할 수 있습니다.
API를 사용하여 이미지에 대한 예측을 대량으로 얻을 수도 있습니다. StartMediaAnalysisJob 자세한 내용은 대량 분석을 참조하세요.
Rekognition 콘솔에 이미지를 업로드하고 이러한 이미지에 대한 분석을 실행하여 Rekognition 작업의 정확성을 평가할 수 있습니다. Rekognition이 선택한 기능을 사용하여 이미지에 주석을 달고 나면 사용자는 검증된 예측을 사용하여 예측을 검토하고 어댑터를 생성하는 것이 유용할 레이블이 어떤 것인지 결정할 수 있습니다.
현재는 어댑터를 와 함께 사용할 수 있습니다. DetectModerationLabels 어댑터 생성 및 사용에 대한 자세한 내용은 사용자 지정 조절을 통한 정확도 향상 섹션을 참조하세요.
대량 분석
Rekognition Bulk Analysis를 사용하면 작업과 함께 매니페스트 파일을 사용하여 대규모 이미지 컬렉션을 비동기적으로 처리할 수 있습니다. StartMediaAnalysisJob 자세한 내용은 대량 분석을 참조하세요.
