컴퓨터 비전을 위한 내장 SageMaker 알고리즘

SageMaker 이미지 분류, 객체 감지 및 컴퓨터 비전에 사용되는 이미지 처리 알고리즘을 제공합니다.

• 이미지 분류 - MXNet—해답이 포함된 예제 데이터를 사용합니다 (지도 알고리즘이라고 함). 이 알고리즘을 사용하여 이미지를 분류합니다.

• 이미지 분류 - TensorFlow—사전 학습된 TensorFlow Hub 모델을 사용하여 특정 작업에 맞게 미세 조정합니다 (지도 알고리즘이라고 함). 이 알고리즘을 사용하여 이미지를 분류합니다.

• 물체 감지 - MXNet—단일 심층 신경망을 사용하여 영상에서 물체를 감지하고 분류합니다. 이 알고리즘은 입력으로 이미지를 가져와 이미지 장면 내에서 객체의 모든 인스턴스를 식별하는 지도 학습 알고리즘입니다.

• 물체 감지 - TensorFlow—이미지에서 경계 상자와 객체 레이블을 감지합니다. 사전 학습된 TensorFlow 모델을 사용하여 전이 학습을 지원하는 지도 학습 알고리즘입니다.

• 의미 체계 분할 알고리즘—컴퓨터 비전 애플리케이션을 개발하기 위한 세밀한 픽셀 수준의 접근 방식을 제공합니다.

알고리즘 이름	채널 이름	훈련 입력 모드	파일 유형	인스턴스 클래스	병렬화 가능
이미지 분류 - MXNet	train 및 validation, (선택 사항) train_lst, validation_lst 및 model	파일 또는 파이프	recordIO 또는 이미지 파일(.jpg 또는 .png)	GPU	예
이미지 분류 - TensorFlow	교육 기간	파일	이미지 파일 (.jpg, .jpeg 또는.png)	CPU 또는 GPU	예 (단일 인스턴스의 여러 GPU에서만 가능)
객체 감지	train 및 validation, (선택 사항) train_annotation, validation_annotation 및 model	파일 또는 파이프	recordIO 또는 이미지 파일(.jpg 또는 .png)	GPU	예
물체 감지 - TensorFlow	교육 기간	파일	이미지 파일 (.jpg, .jpeg 또는.png)	GPU	예 (단일 인스턴스의 여러 GPU에서만 가능)
의미 체계 분할	train 및 validation, train_annotation, validation_annotation, 및 (선택 사항) label_map 및 model	파일 또는 파이프	이미지 파일	GPU(단일 인스턴스 전용)	아니요