기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# Amazon Rekognition Custom Labels 시작하기
시작하기** 지침 전에 [Amazon Rekognition Custom Labels의 이해](understanding-custom-labels.md) 항목을 먼저 읽어 보는 것이 좋습니다.
Amazon Rekognition Custom Labels를 사용하여 기계 학습 모델을 교육합니다. 훈련된 모델은 이미지를 분석하여 사용자의 비즈니스에 필요한 객체, 장면 및 개념을 찾습니다. 예를 들어, 주택 이미지를 분류하도록 모델을 훈련하거나 인쇄 회로 기판에서 전자 부품의 위치를 찾을 수 있습니다.
Amazon Rekognition Custom Labels에는 사용자를 위한 튜토리얼 동영상과 예제 프로젝트가 포함되어 있습니다.
**참고**
Amazon Rekognition Custom Labels가 지원하는 AWS 리전 및 엔드포인트에 대한 자세한 내용은 [Rekognition 엔드포인트 및 할당량을 참조하세요](https://docs.aws.amazon.com/general/latest/gr/rekognition.html).
## 튜토리얼 동영상
이 동영상은 Amazon Rekognition Custom Labels를 사용하여 모델을 훈련하고 사용하는 방법을 보여줍니다.
**튜토리얼 동영상을 보려면**
1. 에 로그인 AWS Management Console 하고 [https://console.aws.amazon.com/rekognition/](https://console.aws.amazon.com/rekognition/) Amazon Rekognition 콘솔을 엽니다.
1. 왼쪽 창에서 **사용자 지정 레이블** 사용을 선택합니다. Amazon Rekognition Custom Labels 랜딩 페이지가 표시됩니다. **사용자 지정 레이블 사용**이 표시되지 않으면 Amazon Rekognition Custom Labels가 현재 계신 지역 [AWS 지역](https://docs.aws.amazon.com/general/latest/gr/rekognition_region.html)에서 지원되는지 확인하세요.
1. 탐색 창에서 **시작하기**를 선택하세요.
1. **Amazon Rekognition Custom Labels이란 무엇입니까?**에서 동영상을 선택하여 개요 동영상을 시청하세요.
1. 탐색 창에서 **튜토리얼**을 선택합니다.
1. **튜토리얼** 페이지에서 보고 싶은 튜토리얼 동영상을 선택합니다.
## 예제 프로젝트
Amazon Rekognition Custom Labels는 다음과 같은 예제 프로젝트를 제공합니다.
### 이미지 분류
이미지 분류 프로젝트(방)는 이미지에서 가구 위치를 하나 이상 찾는 모델(예: 뒷마당**, 주방**, 파티오**)을 훈련합니다. 훈련 및 테스트 이미지는 하나의 위치를 나타냅니다. 각 이미지에는 주방**, 파티오**, 거실** 같은 하나의 이미지 수준 레이블이 지정되어 있습니다. 분석된 이미지의 경우 훈련된 모델은 학습에 사용된 이미지 수준 레이블 집합에서 일치하는 레이블을 하나 이상 반환합니다. 예를 들어, 모델은 다음 이미지에서 거실**이라는 레이블을 찾을 수 있습니다. 자세한 내용은 [객체, 장면 및 개념 찾기](md-dataset-purpose.md#md-dataset-purpose-classification) 단원을 참조하십시오.
![\[벽난로, 푹신한 소파, 안락의자, 원형 테이블, 식물, 야외가 보이는 큰 창문이 있는 거실입니다.\]](http://docs.aws.amazon.com/ko_kr/rekognition/latest/customlabels-dg/images/image-classification.jpg)
### 다중 레이블 이미지 분류
다중 레이블 이미지 분류 프로젝트(꽃)는 꽃 이미지를 세 가지 개념(꽃 유형, 잎 유무, 성장 단계)으로 분류하는 모델을 훈련합니다.
훈련 및 테스트 이미지에는 각 개념에 대한 이미지 수준 레이블이 있습니다. 예를 들어 꽃 유형에는 camellia**, 잎이 있는 꽃의 경우 with\$1leaves**, 완전히 자란 꽃의 경우 fully\$1grown**이 있습니다.
분석된 이미지의 경우 훈련된 모델은 훈련에 사용된 이미지 수준 레이블 집합에서 일치하는 레이블을 반환합니다. 예를 들어, 모델은 다음 이미지에 대해 mediterranean\$1spurge** 및 with\$1leaves**라는 레이블을 반환합니다. 자세한 내용은 [객체, 장면 및 개념 찾기](md-dataset-purpose.md#md-dataset-purpose-classification) 단원을 참조하십시오.
![\[촘촘하게 채워진 작은 꽃들이 원 모양을 이룬 녹색 비브리움 꽃송이의 클로즈업입니다.\]](http://docs.aws.amazon.com/ko_kr/rekognition/latest/customlabels-dg/images/multi-label-classification.jpg)
### 브랜드 감지
브랜드 감지 프로젝트(로고)는 모델이 *Amazon Textract* 및 *AWS lambda*와 같은 특정 AWS 로고의 위치를 찾는 모델을 훈련합니다. 훈련 이미지는 로고만을 대상으로 하며 lambda**나 textract**와 같은 하나의 이미지 수준 레이블이 있습니다. 브랜드 위치를 나타내는 경계 상자가 있는 훈련 이미지를 사용하여 브랜드 감지 모델을 훈련할 수도 있습니다. 테스트 이미지에는 아키텍처 다이어그램과 같이 자연스러운 위치에서의 로고 위치를 나타내는 레이블이 지정된 경계 상자가 있습니다. 훈련된 모델은 로고를 찾고 발견된 각 로고에 대해 레이블이 지정된 경계 상자를 반환합니다. 자세한 내용은 [브랜드 위치 찾기](md-dataset-purpose.md#md-dataset-purpose-brands) 단원을 참조하십시오.
![\[권장 사항을 위해 사용자 활동을 Amazon Pinpoint로 피드하는 Lambda 서비스입니다.\]](http://docs.aws.amazon.com/ko_kr/rekognition/latest/customlabels-dg/images/brand-detection-lambda.png)
### 객체 위치 파악
객체 위치 파악 프로젝트(회로 기판)는 비교기** 또는 적외선 발광 다이오드**와 같은 인쇄 회로 기판에서 부품의 위치를 찾는 모델을 훈련합니다. 훈련 및 테스트 이미지에는 회로 기판 부품을 둘러싸는 경계 상자와 경계 상자 내의 부품을 식별하는 레이블이 포함되어 있습니다. 다음 예시 이미지에서 레이블 이름은 *ir\$1phototransistor*, *ir\$1led*, *pot\$1resistor*, *comparator*입니다. 훈련된 모델은 회로 기판 부품을 찾아서 찾은 각 회로 부품에 대해 레이블이 지정된 경계를 반환합니다. 자세한 내용은 [객체 위치 찾기](md-dataset-purpose.md#md-dataset-purpose-localization) 단원을 참조하십시오.
![\[회로 기판의 IR LED, 포트 저항기, 비교기 칩을 보여주는 구성 요소 이미지입니다.\]](http://docs.aws.amazon.com/ko_kr/rekognition/latest/customlabels-dg/images/localization-circuit-board.png)
## 예제 프로젝트 사용
이 시작하기 지침은 Amazon Rekognition Custom Labels가 생성한 예제 프로젝트를 사용하여 모델을 훈련하는 방법을 보여줍니다. 또한 모델을 시작하고 이를 사용하여 이미지를 분석하는 방법도 보여줍니다.
### 예제 프로젝트 생성
시작하려면 사용할 프로젝트를 결정하세요. 자세한 내용은 [1단계: 예제 프로젝트 선택](gs-step-choose-example-project.md) 섹션을 참조하세요.
Amazon Rekognition Custom Labels는 데이터 세트를 사용하여 모델을 훈련 및 평가(테스트)합니다. 데이터 세트는 이미지와 이미지 내용을 식별하는 레이블을 관리합니다. 예제 프로젝트에는 모든 이미지에 레이블이 지정된 테스트 데이터 세트와 훈련 데이터 세트가 포함되어 있습니다. 모델을 훈련하기 전에 아무것도 변경할 필요가 없습니다. 예제 프로젝트는 Amazon Rekognition Custom Labels가 레이블을 사용하여 다양한 유형의 모델을 훈련하는 두 가지 방법을 보여줍니다.
+ 이미지 수준**: 레이블은 전체 이미지를 나타내는 객체, 장면 또는 개념을 식별합니다.
+ 경계 상자**: 레이블은 경계 상자의 내용을 식별합니다. 경계 상자는 이미지에서 객체를 둘러싸는 이미지 좌표의 집합입니다.
나중에 자체 이미지로 프로젝트를 만들 때는 훈련 및 테스트 데이터 세트를 만들고 이미지에 레이블도 지정해야 합니다. 자세한 내용은 [모델 유형 결정](understanding-custom-labels.md#tm-intro-model-type) 섹션을 참조하세요.
### 모델 훈련
Amazon Rekognition Custom Labels가 예제 프로젝트를 생성한 후 모델을 훈련할 수 있습니다. 자세한 내용은 [2단계: 모델 훈련](gs-step-train-model.md) 섹션을 참조하세요. 일반적으로 훈련이 끝나면 모델의 성능을 평가합니다. 예제 데이터 세트의 이미지는 이미 고성능 모델을 생성하므로 모델을 실행하기 전에 모델을 평가할 필요가 없습니다. 자세한 내용은 [훈련된 Amazon Rekognition Custom Labels 모델 개선](improving-model.md) 섹션을 참조하세요.
### 모델 사용
다음으로 모델을 시작합니다. 자세한 내용은 [3단계: 모델 시작](gs-step-start-model.md) 섹션을 참조하세요.
모델 실행을 시작한 후 모델을 사용하여 새 이미지를 분석할 수 있습니다. 자세한 내용은 [4단계: 모델을 사용하여 이미지 분석](gs-step-get-a-prediction.md) 섹션을 참조하세요.
모델을 실행하는 시간만큼 요금이 부과됩니다. 예제 모델 사용을 마치면 모델을 중지해야 합니다. 자세한 내용은 [5단계: 모델 중지](gs-step-stop-model.md) 섹션을 참조하세요.
### 다음 단계
준비되었으면 프로젝트를 직접 만들 수 있습니다. 자세한 내용은 [6단계: 다음 단계](gs-step-next.md) 섹션을 참조하세요.
# 1단계: 예제 프로젝트 선택
이 단계에서는 예제 프로젝트를 선택합니다. 그러면 Amazon Rekognition Custom Labels가 자동으로 프로젝트와 데이터 세트를 생성합니다. 프로젝트는 모델 훈련에 사용되는 파일을 관리합니다. 자세한 내용은 [Amazon Rekognition Custom Labels 프로젝트 관리](managing-project.md) 섹션을 참조하세요. 데이터 세트에는 모델을 훈련하고 테스트하는 데 사용하는 이미지, 할당된 레이블, 경계 상자가 포함되어 있습니다. 자세한 내용은 [데이터 세트 관리](managing-dataset.md) 섹션을 참조하세요.
예제 프로젝트에 대한 자세한 내용은 [예제 프로젝트](getting-started.md#gs-example-projects) 항목을 참조하세요.
**예제 프로젝트 선택**
1. 에 로그인 AWS Management Console 하고 [https://console.aws.amazon.com/rekognition/](https://console.aws.amazon.com/rekognition/) Amazon Rekognition 콘솔을 엽니다.
1. 왼쪽 창에서 **사용자 지정 레이블** 사용을 선택합니다. Amazon Rekognition Custom Labels 랜딩 페이지가 표시됩니다. **사용자 지정 레이블 사용**이 표시되지 않으면 Amazon Rekognition Custom Labels가 현재 계신 지역 [AWS 지역](https://docs.aws.amazon.com/general/latest/gr/rekognition_region.html)에서 지원되는지 확인하세요.
1. **Get started**를 선택합니다.
시작하기, 자습서, 강조 표시된 ‘Example projects’ 프로젝트, 데이터세트를 보여주는 Amazon Rekognition Custom Labels 섹션입니다.
![\[시작하기, 자습서, 강조 표시된 ‘Example projects’ 프로젝트, 데이터세트를 보여주는 Amazon Rekognition Custom Labels 섹션입니다.\]](http://docs.aws.amazon.com/ko_kr/rekognition/latest/customlabels-dg/images/example-projects.png)
1. **예제 프로젝트 탐색**에서 **예제 프로젝트 체험**을 선택합니다.
1. 사용할 프로젝트를 결정하고 예제 항목에서 **“*프로젝트 이름*” 프로젝트 만들기**를 선택합니다. 그러면 Amazon Rekognition Custom Labels가 예제 프로젝트를 생성합니다.
**참고**
현재 AWS 리전에서 콘솔을 처음 연 경우 **최초 설정** 대화 상자가 표시됩니다. 해결 방법:
표시된 Amazon S3 버킷의 이름을 기록해 둡니다.
**계속**을 선택하여 Amazon Rekognition Custom Labels가 사용자를 대신하여 Amazon S3 버킷(콘솔 버킷)을 생성하게 하세요. 아래 콘솔 이미지는 이미지 분류(방), 다중 레이블 분류(꽃), 브랜드 감지(로고), 객체 국지화(회로 기판)에 대한 ‘프로젝트 생성’ 버튼이 있는 예를 보여줍니다.
![\[아래 콘솔 이미지는 이미지 분류(방), 다중 레이블 분류(꽃), 브랜드 감지(로고), 객체 국지화(회로 기판)에 대한 ‘프로젝트 생성’ 버튼이 있는 Amazon Rekognition 서비스 예입니다.\]](http://docs.aws.amazon.com/ko_kr/rekognition/latest/customlabels-dg/images/get-started.jpg)
1. 프로젝트가 준비되면 **데이터 세트로 이동**을 선택합니다. 다음 이미지는 프로젝트가 준비되었을 때 프로젝트 패널이 어떤 모습인지 보여줍니다.
![\[모델 훈련이 완료된 후 데이터에 액세스하기 위한 ‘데이터세트로 이동’ 버튼이 있는 방 프로젝트 상태 패널입니다.\]](http://docs.aws.amazon.com/ko_kr/rekognition/latest/customlabels-dg/images/get-started-goto-dataset-dialog.jpg)
# 2단계: 모델 훈련
이 단계에서는 모델을 훈련합니다. 훈련 및 테스트 데이터 세트는 자동으로 구성됩니다. 훈련이 성공적으로 완료되면 전체 평가 결과와 개별 테스트 이미지에 대한 평가 결과를 볼 수 있습니다. 자세한 내용은 [Amazon Rekognition Custom Labels 모델 훈련](training-model.md) 섹션을 참조하세요.
**모델을 훈련하려면**
1. 데이터세트 페이지에서 **모델 훈련**을 선택합니다. 다음 이미지는 모델 훈련 버튼이 있는 콘솔을 보여줍니다.
![\[모델 훈련을 시작하는 모델 훈련 버튼이 있는 방 데이터세트의 콘솔 인터페이스입니다.\]](http://docs.aws.amazon.com/ko_kr/rekognition/latest/customlabels-dg/images/get-started-train-model.jpg)
1. **모델 훈련** 페이지에서 **모델 훈련**을 선택합니다. 아래 이미지는 **모델 훈련** 버튼을 보여줍니다. 프로젝트의 Amazon 리소스 이름(ARN)이 **프로젝트 선택** 편집 상자에 있다는 점을 주목하세요.
![\[프로젝트 ARN 입력 필드와 모델 훈련 버튼이 있는 모델 훈련 페이지입니다.\]](http://docs.aws.amazon.com/ko_kr/rekognition/latest/customlabels-dg/images/tutorial-train-model-page-train-model.jpg)
1. 다음 이미지에 나온 것처럼 **모델을 훈련하고 싶으신가요?** 대화 상자에서 **모델 훈련**을 선택합니다.
![\[취소 및 모델 훈련 버튼으로 모델 훈련을 시작하는 대화 상자입니다.\]](http://docs.aws.amazon.com/ko_kr/rekognition/latest/customlabels-dg/images/tutorial-dialog-train-model.jpg)
1. 훈련이 완료되면 모델 이름을 선택합니다. 다음 콘솔 스크린샷에 표시된 대로 모델 상태가 **TRAINING\$1COMPLETED**이면 훈련이 완료됩니다.
![\[‘rooms_19.2021-07-13T10:36:30’이라는 모델의 완료 상태를 보여주는 모델 훈련 인터페이스로, 성능 점수가 0.902이고 상태가 ‘TRAINING_COMPLETED’입니다.\]](http://docs.aws.amazon.com/ko_kr/rekognition/latest/customlabels-dg/images/get-started-choose-model.jpg)
1. **평가** 버튼을 선택하면 평가 결과를 볼 수 있습니다. 모델 평가에 대한 자세한 내용은 [훈련된 Amazon Rekognition Custom Labels 모델 개선](improving-model.md) 항목을 참조하세요.
1. 개별 테스트 이미지의 결과를 보려면 **테스트 결과 보기**를 선택합니다. 다음 스크린샷에서 볼 수 있듯이 평가 대시보드에는 테스트 이미지 수와 함께 각 레이블에 대한 F1 점수, 정밀도, 재현율과 같은 지표가 표시됩니다. 평균, 정밀도, 재현율과 같은 전반적인 지표도 표시됩니다.
![\[10개 레이블의 성능 지표를 보여주는 모델 평가 결과입니다.\]](http://docs.aws.amazon.com/ko_kr/rekognition/latest/customlabels-dg/images/get-started-training-results.jpg)
1. 테스트 결과를 확인한 후 모델 이름을 선택하여 모델 페이지로 돌아가세요. 클릭하여 모델 페이지로 돌아갈 수 있는 성능 대시보드의 스크린샷입니다.
![\[예측된 레이블과 신뢰도 점수가 포함된 테스트 결과 이미지 예 2개와 모델 페이지로 돌아가는 브레드크럼 링크입니다.\]](http://docs.aws.amazon.com/ko_kr/rekognition/latest/customlabels-dg/images/get-started-image-test-results.jpg)
# 3단계: 모델 시작
이 단계에서는 모델을 시작합니다. 모델이 시작되면 모델을 사용하여 이미지를 분석할 수 있습니다.
모델을 실행하는 시간만큼 요금이 부과됩니다. 이미지를 분석할 필요가 없는 경우 모델을 중지하세요. 나중에 모델을 다시 시작할 수 있습니다. 자세한 내용은 [훈련된 Amazon Rekognition Custom Labels 모델 실행](running-model.md) 섹션을 참조하세요.
**모델을 시작하려면**
1. 모델 페이지에서 **모델 사용** 탭을 선택합니다.
1. **모델 시작 또는 중지** 항목에서 다음을 수행하세요.
1. **시작**을 선택합니다.
1. **모델 시작** 대화 상자에서 **시작**을 선택합니다. 다음 이미지는 모델 컨트롤 패널의 시작 버튼을 보여줍니다.
![\[시작 버튼과 하나의 추론 단위를 선택하는 옵션이 있는 모델 시작 컨트롤 패널입니다.\]](http://docs.aws.amazon.com/ko_kr/rekognition/latest/customlabels-dg/images/get-started-start-model.jpg)
1. 모델이 실행될 때까지 기다리세요. 다음 스크린샷은 모델이 실행되는 동안 **모델 시작 또는 중지** 섹션의 상태가 **실행 중**인 콘솔을 보여줍니다.
![\[실행 중으로 표시된 모델 상태와 실행 중인 모델을 중지하기 위한 중지 버튼입니다.\]](http://docs.aws.amazon.com/ko_kr/rekognition/latest/customlabels-dg/images/get-started-start-model-running.jpg)
1. 모델을 사용하여 이미지를 분류합니다. 자세한 내용은 [4단계: 모델을 사용하여 이미지 분석](gs-step-get-a-prediction.md) 섹션을 참조하세요.
# 4단계: 모델을 사용하여 이미지 분석
[DetectCustomLabels](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DetectCustomLabels) API를 직접 호출하여 이미지를 분석합니다. 이 단계에서는 `detect-custom-labels` AWS Command Line Interface (AWS CLI) 명령을 사용하여 예제 이미지를 분석합니다. Amazon Rekognition Custom Labels 콘솔에서 AWS CLI 명령을 가져옵니다. 콘솔은 모델을 사용하도록 AWS CLI 명령을 구성합니다. 사용자는 Amazon S3 버킷에 저장된 이미지만 제공하면 됩니다. 이 주제는 각 예제 프로젝트에 사용할 수 있는 이미지를 제공합니다.
**참고**
콘솔은 Python 예제 코드도 제공합니다.
`detect-custom-labels`의 출력에는 이미지에서 찾은 레이블 목록, 경계 상자(모델이 객체 위치를 찾는 경우), 예측 정확도에 대한 모델의 신뢰도가 포함됩니다.
자세한 내용은 [훈련된 모델을 사용한 이미지 분석](detecting-custom-labels.md) 섹션을 참조하세요.
**이미지를 분석하려면(콘솔)**
1. 실행 중으로 표시된 모델 상태와 실행 중인 모델을 중지하기 위한 중지 버튼입니다.
아직 설정하지 않았다면를 설정합니다 AWS CLI. 지침은 [4단계: AWS CLI 및 AWS SDKs 설정](su-awscli-sdk.md) 섹션을 참조하세요.
1. 아직 하지 않았다면 모델을 실행하세요. 자세한 내용은 [3단계: 모델 시작](gs-step-start-model.md) 섹션을 참조하세요.
1. **모델 사용** 탭을 선택한 다음 **API 코드**를 선택합니다. 아래 표시된 모델 상태 패널에는 모델이 실행 중으로 나와 있으며, 실행 중인 모델을 중지하는 중지 버튼과 API를 표시하는 옵션이 있습니다.
![\[실행 중으로 표시된 모델 상태와 실행 중인 모델을 중지하기 위한 중지 버튼입니다.\]](http://docs.aws.amazon.com/ko_kr/rekognition/latest/customlabels-dg/images/get-started-use-model-api-code.png)
1. **AWS CLI 명령**을 선택합니다.
1. **이미지 분석** 섹션에서를 호출하는 AWS CLI 명령을 복사합니다`detect-custom-labels`. Rekognition 콘솔의 다음 이미지에는 기계 학습 모델을 사용하여 이미지에서 사용자 지정 레이블을 감지하는 AWS CLI 명령이 있는 ‘이미지 분석’ 섹션과 모델을 시작하고 이미지 세부 정보를 제공하는 지침이 나와 있습니다.
![\[기계 학습 모델을 사용하여 이미지에서 사용자 지정 레이블을 감지하는 AWS CLI 명령과 모델을 시작하고 이미지 세부 정보를 제공하는 지침이 포함된 콘솔 스크린샷입니다.\]](http://docs.aws.amazon.com/ko_kr/rekognition/latest/customlabels-dg/images/get-started-cli-code-analyze.png)
1. Amazon S3 버킷에 예제 이미지를 업로드합니다. 지침은 [예제 이미지 가져오기](#gs-example-images) 섹션을 참조하세요.
1. 명령 프롬프트에 이전 단계에서 복사한 AWS CLI 명령을 입력합니다. 다음 예제와 같아야 합니다.
`--project-version-arn`의 값은 모델의 Amazon 리소스 이름(ARN)이어야 합니다. `--region`의 값은 모델을 생성한 AWS 리전이어야 합니다.
`MY_BUCKET` 및 `PATH_TO_MY_IMAGE`를 이전 단계에서 사용한 Amazon S3 버킷과 이미지로 변경합니다.
[사용자 지정 레이블 액세스](su-sdk-programmatic-access.md#su-sdk-programmatic-access-customlabels-examples) 프로필을 사용하여 자격 증명을 가져오려는 경우 `--profile custom-labels-access` 파라미터를 추가하세요.
```
aws rekognition detect-custom-labels \
--project-version-arn "model_arn" \
--image '{"S3Object": {"Bucket": "MY_BUCKET","Name": "PATH_TO_MY_IMAGE"}}' \
--region us-east-1 \
--profile custom-labels-access
```
모델이 객체, 장면 및 개념을 찾으면 AWS CLI 명령의 JSON 출력이 다음과 같이 표시됩니다. `Name`은 모델이 찾은 이미지 수준 레이블의 이름입니다. `Confidence`는 예측 정확도에 대한 모델의 신뢰도입니다.
```
{
"CustomLabels": [
{
"Name": "living_space",
"Confidence": 83.41299819946289
}
]
}
```
모델이 객체 위치를 찾거나 브랜드를 찾으면 레이블이 지정된 경계 상자가 반환됩니다. `BoundingBox`는 객체를 둘러싸고 있는 상자의 위치가 포함되어 있습니다. `Name`은 모델이 경계 상자에서 찾은 객체입니다. `Confidence`는 경계 상자에 객체가 포함되어 있는지 여부에 대한 모델의 신뢰도입니다.
```
{
"CustomLabels": [
{
"Name": "textract",
"Confidence": 87.7729721069336,
"Geometry": {
"BoundingBox": {
"Width": 0.198987677693367,
"Height": 0.31296101212501526,
"Left": 0.07924537360668182,
"Top": 0.4037395715713501
}
}
}
]
}
```
1. 모델을 계속 사용하여 다른 이미지를 분석하세요. 더 이상 사용하지 않을 경우 모델을 중지하세요. 자세한 내용은 [5단계: 모델 중지](gs-step-stop-model.md) 섹션을 참조하세요.
## 예제 이미지 가져오기
`DetectCustomLabels` 작업에 다음 이미지를 사용할 수 있습니다. 각 프로젝트에 이미지가 하나씩 있습니다. 이미지를 사용하려면 S3 버킷에 업로드합니다.
**예제 이미지를 사용하려면**
1. 사용 중인 예제 프로젝트와 일치하는 다음 이미지를 마우스 오른쪽 버튼으로 클릭합니다. 그런 다음 **이미지 저장**을 선택하여 이미지를 컴퓨터에 저장합니다. 사용 중인 브라우저에 따라 메뉴 옵션이 다를 수 있습니다.
1. AWS 계정이 소유하고 Amazon Rekognition Custom Labels를 사용하는 리전과 동일한 리전에 있는 Amazon S3 버킷에 이미지를 업로드합니다. AWS
이에 관한 지침은 Amazon Simple Storage Service 사용 설명서**에서 [Amazon S3에 객체 업로드](https://docs.aws.amazon.com/AmazonS3/latest/userguide/UploadingObjectsintoAmazonS3.html)를 참조하세요.
### 이미지 분류
![\[벽난로, 소파, 안락의자, 테이블, 램프, 큰 창문이 있는 거실입니다.\]](http://docs.aws.amazon.com/ko_kr/rekognition/latest/customlabels-dg/images/image-classification.jpg)
### 다중 레이블 분류
![\[촘촘하게 채워진 여러 꽃잎 또는 포엽이 공 모양을 이룬 구형 녹색 꽃송이입니다.\]](http://docs.aws.amazon.com/ko_kr/rekognition/latest/customlabels-dg/images/multi-label-classification.jpg)
### 브랜드 감지
![\[권장 사항을 위해 Lambda에서 Amazon Personalize 및 Amazon Pinpoint로 이동하는 사용자 활동 데이터를 보여주는 다이어그램입니다.\]](http://docs.aws.amazon.com/ko_kr/rekognition/latest/customlabels-dg/images/brand-detection.png)
### 객체 위치 파악
![\[다양한 전자 부품과 커넥터 핀이 있는 소형 회로입니다.\]](http://docs.aws.amazon.com/ko_kr/rekognition/latest/customlabels-dg/images/object-localization.jpg)
# 5단계: 모델 중지
이 단계에서는 모델 실행을 중단합니다. 모델을 실행하는 시간만큼 요금이 부과됩니다. 모델 사용을 마쳤다면 사용을 중지해야 합니다.
**모델을 중지하려면**
1. **모델 시작 또는 중지** 항목에서 **중지**를 선택합니다.
![\[실행 중인 사용자 지정 레이블 감지 모델을 중지하는 중지 버튼이 포함된 콘솔 스크린샷입니다.\]](http://docs.aws.amazon.com/ko_kr/rekognition/latest/customlabels-dg/images/get-started-stop-model.jpg)
1. **모델 중지** 대화 상자에서 **중지**를 입력하여 모델 중지를 확인합니다.
![\[“stop”을 입력하여 모델 중지를 확인하는 텍스트 필드가 있는 모델 중지 대화 상자입니다.\]](http://docs.aws.amazon.com/ko_kr/rekognition/latest/customlabels-dg/images/get-started-stop-model-dialog.jpg)
1. **중지**를 선택하여 모델을 중지합니다. **모델 시작 또는 중지** 항목의 상태가 **중지됨**이면 모델이 중지된 것입니다. 다음 스크린샷의 사용자 인터페이스 섹션에는 기계 학습 모델을 시작하거나 중지할 수 있는 옵션이 있습니다. 모델의 상태가 ‘중지됨’으로 표시되어 있으며 모델을 시작하기 위한 ‘시작’ 버튼과 추론 단위 수를 선택하기 위한 드롭다운이 있습니다.
![\[기계 학습 모델을 시작하거나 중지하기 위한 사용자 인터페이스 섹션으로, 모델의 상태가 ‘중지됨’으로 표시되어 있으며 모델을 시작하기 위한 ‘시작’ 버튼과 추론 단위 수를 선택하기 위한 드롭다운이 있습니다.\]](http://docs.aws.amazon.com/ko_kr/rekognition/latest/customlabels-dg/images/get-started-stopped-model.jpg)
# 6단계: 다음 단계
예제 프로젝트 체험을 마친 후에는 자체 이미지와 데이터 세트를 사용하여 자체 모델을 생성할 수 있습니다. 자세한 내용은 [Amazon Rekognition Custom Labels의 이해](understanding-custom-labels.md) 섹션을 참조하세요.
다음 표의 레이블 지정 정보를 사용하여 예제 프로젝트와 유사한 모델을 훈련하세요.
| 예제 | 훈련 이미지 | 테스트 이미지 |
| --- | --- | --- |
| 이미지 분류(방) | 이미지당 이미지 수준 레이블 1개 | 이미지당 이미지 수준 레이블 1개 |
| 다중 레이블 분류(꽃) | 이미지당 이미지 수준 레이블 여러 개 | 이미지당 이미지 수준 레이블 여러 개 |
| 브랜드 감지(로고) | 이미지 수준 레이블(레이블이 지정된 경계 상자도 사용할 수 있음) | 레이블이 지정된 경계 상자 |
| 이미지 위치 파악(회로 기판) | 레이블이 지정된 경계 상자 | 레이블이 지정된 경계 상자 |
[이미지 분류](tutorial-classification.md) 항목은 이미지 분류 모델을 위한 프로젝트, 데이터 세트, 모델을 생성하는 방법을 보여줍니다.
데이터 세트 및 훈련 모델 생성에 대한 자세한 내용은 [Amazon Rekognition Custom Labels 모델 생성](creating-model.md) 항목을 참조하세요.