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](https://docs.aws.amazon.com/rekognition/latest/customlabels-dg/what-is.html) 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. + [Amazon Rekognition Custom Labels 개발자 안내서의 Amazon Rekognition Custom Labels 설정](https://docs.aws.amazon.com/rekognition/latest/customlabels-dg/setting-up.html) *Amazon Rekognition * + [Amazon Rekognition Custom Labels 개발자 안내서의 Amazon Rekognition Custom Labels 시작하기](https://docs.aws.amazon.com/rekognition/latest/customlabels-dg/getting-started.html) *Amazon Rekognition *