Amazon Rekognition Custom Labels - AWS 권장 가이드

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

Amazon Rekognition Custom Labels

Amazon Rekognition이 사용 사례에 필요한 모든 레이블을 지원하지 않는 경우 Amazon Rekognition Custom Labels 모델을 훈련할 수 있습니다. Amazon Rekognition Custom Labels는 Amazon Rekognition의 기존 기능을 확장합니다. 수천 또는 수만 개의 이미지로 모델을 완전히 훈련시키는 대신 사용 사례에 맞는 레이블이 지정된 작은 훈련 이미지 세트(일반적으로 클래스당 수백 개 이하)를 업로드할 수 있습니다. 이미지에 이미 레이블이 지정되어 있는 경우 Amazon Rekognition Custom Labels를 사용하면 짧은 시간 내에 모델 훈련을 시작할 수 있습니다. 그렇지 않은 경우 레이블 지정 인터페이스 내에서 이미지에 직접 레이블을 지정하거나 Amazon SageMaker Ground Truth를 사용하여 이미지에 레이블을 지정할 수 있습니다.

Amazon Rekognition Custom Labels가 이미지 세트에서 훈련을 시작하면 단 몇 시간만에 사용자 지정 이미지 분석 모델을 생성할 수 있습니다. Amazon Rekognition Custom Labels는 백그라운드에서 훈련 데이터를 자동으로 로드 및 검사하고, 적합한 기계 학습 알고리즘을 선택하고, 모델을 훈련하고, 모델 성능 지표를 제공합니다. 그런 다음 Amazon Rekognition Custom Labels API를 통해 사용자 지정 모델을 사용하고 이를 애플리케이션에 통합할 수 있습니다.

Amazon Rekognition Custom Labels의 장점은 다음과 같습니다.

  • 자동화된 훈련 및 튜닝에는 최소한의 노력이 필요합니다.

  • 다중 레이블 분류 지원

다음은 Amazon Rekognition Custom Labels의 단점입니다.

  • 목표 함수, 네트워크 아키텍처 또는 초기 모델 가중치를 제어할 수 없습니다.

  • 자동 훈련 및 튜닝은 사용자 지정 설정이 더 많은 훈련 파이프라인보다 시간이 많이 걸리고 비용이 많이 들 수 있습니다. (훈련이 빈번하지 않은 경우에는 중요하지 않습니다.)

자세한 내용은 다음을 참조하세요.