Amazon Rekognition Custom Labels 요금

마케팅 에이전시는 다양한 미디어에서 고객의 브랜드 적용 범위를 정확하게 보고해야 합니다. 일반적으로 소셜 미디어 이미지, 브로드캐스트 및 스포츠 비디오에서 클라이언트의 로고와 제품이 등장하는 사례를 직접 일일이 추적합니다. Amazon Rekognition Custom Labels를 사용하면 에이전시는 클라이언트 로고 및 제품을 탐지하도록 특별히 학습한 사용자 지정 모델을 생성할 수 있습니다. 기존 방식에 따라 소셜 미디어를 일일이 확인하는 대신, 사용자 지정 모델을 통해 이미지 및 비디오 프레임을 처리하여 노출 횟수를 확인할 수 있습니다.

콘텐츠 제작자는 보통 수천 개의 이미지와 비디오를 검색하여 프로그램 제작에 사용할 관련 콘텐츠를 찾아야 합니다. 예를 들어, 스포츠 브로드캐스터는 종종 계열사의 경기, 팀 및 선수에 대한 하이라이트 필름을 모아 아카이브에서 수동으로 구성해야 합니다. 운동복과 번호로 팀과 선수를 식별하고 골 득점, 페널티 및 부상과 같은 일반적인 경기 이벤트를 식별하도록 사용자 지정 모델을 학습하면 필름의 주제와 일치하는 관련 이미지 목록과 클립을 빠르게 구축할 수 있습니다.

농업 관련 회사는 포장 전에 농산물의 품질에 등급을 매겨야 합니다. 예를 들어, 토마토 농장은 토마토를 녹색에서 빨간색까지 완숙 단계를 6개 그룹으로 직접 분류하고 적절히 포장하여 최대 유통 기한을 보장해야 합니다. 하지만 이때 직접 각 토마토를 검사하는 대신, 사용자 지정 모델을 학습하여 완숙도 기준에 따라 토마토를 분류할 수 있습니다. 제조 시스템에 모델을 통합하면 자동으로 토마토를 분류하고 적절히 포장할 수 있습니다.

Rekognition Custom Labels 콘솔에서는 이미지에 레이블을 빠르고 간단하게 지정할 수 있도록 시각적 인터페이스를 제공합니다. 이 인터페이스를 사용하면 전체 이미지에 레이블을 적용하거나 간단한 클릭 앤 드래그 인터페이스로 경계 상자를 사용해 이미지에서 특정 객체를 식별하고 레이블을 지정할 수 있습니다.

또는 데이터 세트가 대용량인 경우 Amazon SageMaker Ground Truth를 사용하여 대규모로 이미지에 레이블을 효율적으로 지정할 수 있습니다.

사용자 지정 모델을 구축하는 데 기계 학습 전문 지식은 요구되지 않습니다. Rekognition Custom Labels에는 기계 학습을 담당하는 AutoML 기능이 포함되어 있습니다. 학습한 이미지를 제공한 후 Rekognition Custom Labels는 데이터를 자동으로 로드 및 검사하고, 올바른 기계 학습 알고리즘을 선택하며, 모델을 학습하고, 모델 성능 지표를 제공합니다.

테스트 집합에서 사용자 지정 모델의 성능을 평가합니다. 테스트 집합의 모든 이미지에 대해 모델의 예측 및 지정된 레이블을 단계별로 비교할 수 있습니다. 또한 정밀도/회수 지표, F 스코어 및 신뢰도 점수와 같은 자세한 성능 지표를 검토할 수도 있습니다. 이미지 분석에 직접 모델을 사용하기 시작하거나 더 많은 이미지를 포함하는 새로운 버전을 반복하고 다시 학습하여 성능을 향상시킬 수 있습니다. 모델을 사용하기 시작하면 예측을 추적하고 실수를 정정하며 피드백 데이터를 사용해 새로운 버전을 다시 학습하고 성능을 향상시킵니다.