기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# Amazon Rekognition과 함께 Amazon Augmented AI 사용
Amazon Rekognition을 사용하면 애플리케이션에 이미지 분석 기능을 쉽게 추가할 수 있습니다. Amazon Rekognition `DetectModerationLabels` API 작업은 Amazon A2I과 직접 통합되므로 인적 루프를 쉽게 생성하여 명시적인 성인 콘텐츠나 폭력적인 콘텐츠와 같이 안전하지 않은 이미지를 검토할 수 있습니다. `DetectModerationLabels`를 사용하여 흐름 정의 ARN을 사용하여 인적 루프를 구성할 수 있습니다. 이렇게 하면 Amazon A2I를 사용하여 Amazon Rekognition에서 생성된 예측을 분석하고 결과를 인적 작업자에게 전송하여 해당 결과가 흐름 정의에 설정된 조건을 충족하는지 검토할 수 있습니다.
다음 이미지는 Amazon Rekognition을 사용한 Amazon A2I 내장 워크플로를 보여줍니다. 왼쪽에는 Amazon Rekognition 인적 검토 워크플로를 생성하는 데 필요한 리소스(Amazon S3 버킷, 활성화 조건, 작업자 태스크 템플릿, 작업 팀)가 나와 있습니다. 이러한 리소스는 인적 검토 워크플로 또는 흐름 정의를 생성하는 데 사용됩니다. 화살표는 워크플로에서 다음 단계의 오른쪽을 가리킵니다. 이때 Amazon Rekognition을 사용하여 인적 검토 워크플로가 있는 인적 루프를 구성합니다. 두 번째 화살표는 이 단계 오른쪽에서 인적 검토 워크플로에 지정된 활성화 조건이 충족되는 단계까지 가리킵니다. 그러면 인적 루프 생성이 시작됩니다. 이미지 오른쪽에는 인적 루프가 세 단계로 묘사되어 있습니다. 1) 작업자 UI와 도구가 생성되어 작업자에게 태스크가 제공되고, 2) 작업자가 입력 데이터를 검토하고, 마지막으로, 3) 결과가 Amazon S3에 저장됩니다.
Amazon Rekognition 태스크 유형을 사용할 때 다음 활성화 조건을 설정할 수 있습니다.
+ 레이블 신뢰도 점수를 기반으로 Amazon Rekognition에서 식별된 라벨에 대한 인적 검토를 시작합니다.
+ 검토를 위해 인적 작업자에게 이미지 샘플을 무작위로 보냅니다.
인적 검토 워크플로를 만들 때 Amazon SageMaker AI 콘솔을 사용하거나, 인적 루프 활성화 조건에 대한 JSON을 만들고 이를 `CreateFlowDefinition` API 작업의 `HumanLoopActivationConditions` 파라미터에 입력으로 지정하여 이러한 활성화 조건을 설정할 수 있습니다. JSON 형식으로 활성화 조건을 지정하는 방법에 대한 자세한 내용은 [Amazon Augmented AI의 인적 루프 활성화 조건에 대한 JSON 스키마](a2i-human-fallback-conditions-json-schema.md) 및 [Amazon Rekognition의 인적 루프 활성화 조건 JSON 스키마 사용](a2i-json-humantaskactivationconditions-rekognition-example.md) 섹션을 참조하세요.
**참고**
Amazon Rekognition에서 증강 AI를 사용하는 경우를 호출하는 데 사용하는 것과 동일한 AWS 리전에서 증강 AI 리소스를 생성합니다`DetectModerationLabels`.
## 시작하기: 인적 검토를 Amazon Rekognition Image 조정 작업에 통합
인적 검토를 Amazon Rekognition에 통합하는 방법은 다음 주제를 참조하세요.
+ [인적 검토 워크플로 생성(콘솔)](a2i-create-flow-definition.md#a2i-create-human-review-console)
+ [인적 검토 워크플로(API) 생성](a2i-create-flow-definition.md#a2i-create-human-review-api)
흐름 정의를 생성한 후 [Amazon Rekognition에서 Augmented AI 사용](https://docs.aws.amazon.com/rekognition/latest/dg/a2i-rekognition.html)을 참조하여 흐름 정의를 Amazon Rekognition 태스크에 통합하는 방법을 알아봅니다.
## Amazon Rekognition과 Amazon A2I를 사용한 엔드-투-엔드 데모
콘솔을 사용하여 Amazon A2I와 함께 Amazon Rekognition을 사용하는 방법을 보여주는 엔드-투-엔드 예제는 [자습서: Amazon A2I 콘솔에서 시작하기](a2i-get-started-console.md)을 참조하세요.
Amazon A2I API를 사용하여 인적 검토를 생성하고 시작하는 방법을 배우려면 SageMaker 노트북 인스턴스에서 [Amazon Rekognition [예제]와 Amazon Augmented AI (Amazon A2I) 통합](https://github.com/aws-samples/amazon-a2i-sample-jupyter-notebooks/blob/master/Amazon%20Augmented%20AI%20(A2I)%20and%20Rekognition%20DetectModerationLabels.ipynb)을 사용할 수 있습니다. 시작하려면 [SageMaker Notebook 인스턴스를 Amazon A2I Jupyter Notebook과 함께 사용](a2i-task-types-general.md#a2i-task-types-notebook-demo)을 참조하세요.
## A2I Rekognition 작업자 콘솔 미리 보기
Amazon Rekognition 워크플로에서 검토 작업이 할당되면 작업자에게 다음과 유사한 UI가 표시될 수 있습니다.
인적 검토 정의를 만들 때 SageMaker AI 콘솔에서 또는 사용자 지정 템플릿을 만들고 사용하여 이 인터페이스를 사용자 지정할 수 있습니다. 자세한 내용은 [작업자 태스크 템플릿 생성 및 관리](a2i-instructions-overview.md)를 참조하세요.