모듈 1: 준비 안내서
학습 모듈
개요
Amazon Rekognition 및 .NET 워크로드 배지는 Amazon Rekognition 서비스 및 .NET 워크로드에 대한 숙련도를 나타냅니다. 이 준비 안내서에서는 평가를 통과하기 위해 꼭 알아두어야 할 사항을 주제별로 복습할 수 있는 자료와 함께 설명합니다. 또한 자체 애플리케이션이나 AWS 자습서를 통해 서비스를 직접 사용해 본 경험이 있어야 합니다.
.f8b4fbf357ab384ef6ab1c0d27fd18dd1742af5a.png)
준비를 마치면 모듈 2로 이동하여 평가 시험에 응시하세요.
용도
Amazon Rekognition은 이미지 및 비디오에서 정보와 인사이트를 추출하기 위해 사전 훈련된 컴퓨터 비전(CV) 및 사용자 지정 가능한 CV 기능을 제공합니다. Amazon Rekognition을 사용하면 애플리케이션에 이미지와 비디오 분석 기능을 쉽게 추가할 수 있습니다. Amazon Rekognition API에 이미지나 비디오를 제공하기만 하면 이 서비스에서 객체, 사람, 텍스트, 장면 및 활동을 파악할 수 있습니다. 부적절한 콘텐츠도 감지할 수 있습니다. 또한 Amazon Rekognition에서는 매우 정확한 얼굴 분석, 얼굴 비교 및 얼굴 검색 기능도 제공합니다. 사용자 확인, 카탈로그 작성, 인원 계산 및 공공 안전을 비롯하여 다양한 사용 사례에서 얼굴을 탐지, 분석 및 비교할 수 있습니다.
이점
Rekognition을 활용하면 기계 학습을 통해 이미지 인식 및 비디오 분석을 자동화하고 비용을 절감할 수 있습니다.
요금
여러분은 Amazon Rekognition 요금 모델 및 프리 티어에 대해 잘 알고 계실 것입니다. Amazon Rekognition에는 4가지 유형의 사용량이 있으며, 각각 요금 세부 정보를 제공합니다.
사용 사례
Rekognition의 사용 사례를 일부 열거하면 다음과 같습니다. Amazon Rekognition 개발자 안내서에서 사용 사례의 자세한 목록을 확인할 수 있습니다.
- 부적절한 콘텐츠 탐지: Amazon Rekognition Content Moderation
- 온라인 신원 확인: Amazon Rekognition을 사용한 신원 확인
- 미디어 분석 간소화: 미디어 분석을 위한 Amazon Rekognition Video
- 커넥티드 홈 스마트 알림 전송: 커넥티드 홈을 위한 Amazon Rekognition 스트리밍 비디오 이벤트
Amazon Rekognition 제품 세부 정보 페이지 - 사용 사례
기능
다음 기능을 이해해야 합니다.
1. 레이블 감지: Rekognitqion은 이미지와 비디오의 레이블을 감지할 수 있습니다. 레이블은 사물(예: 꽃, 나무, 테이블), 이벤트(예: 결혼식, 졸업식, 생일 파티), 개념(예: 풍경, 저녁, 자연) 또는 활동(예: 차량에서 하차하기)을 가리킵니다.
2. 사용자 지정 레이블은 기계 학습 모델을 학습시켜 비즈니스 요구 사항에 맞는 이미지의 물체와 장면을 식별할 수 있습니다. 예를 들면, 로고를 감지하거나 조립 라인에서 엔지니어링 기계 부품을 감지하도록 모델을 학습시킬 수 있습니다.
Amazon Rekognition Custom Labels 개발자 안내서 - Custom Labels 안내서
3. 안면 생체 정보 감지 기능은 안면 생체 정보에 기반한 신원 확인 절차를 거치는 사용자가 실제로 카메라 앞에 있는지, 혹시 사용자의 얼굴을 스푸핑하는 악의적인 행위자는 아닌지 확인하는 데 도움이 될 수 있습니다. 이 기능은 카메라에 표시되는 스푸핑 공격과 카메라를 우회하는 공격을 감지합니다.
4. 얼굴 감지 및 분석을 통해 이미지 및 저장된 비디오에서 얼굴을 감지할 수 있습니다. 이미지나 비디오에서 얼굴이 감지되는 위치, 눈 위치와 같은 얼굴 랜드마크, 감지된 감정(예: 행복감 또는 슬픔)에 관한 정보를 얻을 수 있습니다. 성별 또는 연령과 같은 인구 통계 정보도 얻을 수 있습니다. 이미지의 얼굴을 다른 이미지에서 감지된 얼굴과 비교할 수 있습니다.
5 얼굴 검색 기능은 얼굴을 검색합니다. 얼굴 정보는 컬렉션이라는 컨테이너에 인덱싱됩니다. 그런 다음, 컬렉션의 얼굴 정보를 이미지, 저장된 비디오 및 스트리밍 비디오에서 감지된 얼굴과 매칭할 수 있습니다.
6. 인물 경로 기능은 저장된 비디오에서 감지된 인물의 경로를 추적합니다. Amazon Rekognition Video는 비디오에서 감지된 인물에 대한 경로 추적, 얼굴 세부 정보 및 프레임 내 위치 정보를 제공합니다.
7. 개인 보호 장비(PPE): Rekognition은 이미지에서 사람이 착용한 PPE를 감지할 수 있습니다. 또한 얼굴 커버, 손 커버, 머리 커버를 감지하고 PPE 품목이 해당 신체 부위를 가리는지 예측합니다.
8. 유명 인사 인식: Rekognition은 이미지와 저장된 비디오에서 수천 명의 유명 인사를 인식할 수 있습니다. 이미지에서 유명 인사의 얼굴 위치, 얼굴 랜드마크, 유명 인사의 얼굴 포즈 등에 관한 정보를 얻을 수 있습니다. 저장된 동영상 전체에 등장하는 유명 인사의 추적 정보를 얻을 수 있습니다. 또한 감정 표현, 성별 표현 등 유명 인사에 관하여 인식된 추가 정보를 얻을 수 있습니다.
9. 텍스트 탐지 기능은 이미지의 텍스트를 탐지하여 기계가 읽을 수 있는 텍스트로 변환할 수 있습니다. 예를 들면, 교통 카메라 이미지에서 차량 번호판의 숫자를 탐지할 수 있습니다.
10. 콘텐츠 조정 기능은 부적절하거나 불쾌감을 주는 콘텐츠를 탐지할 수 있습니다. Rekognition은 이미지와 저장된 비디오를 분석하여 성인용 콘텐츠와 폭력성 콘텐츠를 탐지할 수 있습니다. 따라서 애플리케이션에 대한 콘텐츠의 적합성을 결정할 수 있습니다. 예를 들면, 선정적인 이미지는 허용되지만 누드가 포함된 이미지는 허용하지 않을 수 있습니다.
AWS SDK for .NET
AWS SDK for .NET을 사용하여 .NET 코드에서 Rekognition과 상호 작용할 수 있습니다. ‘기능’에서는 상기에 나열된 제반 기능을 지원하는 데 사용되는 기본 SDK 클래스 및 메서드를 알아야 합니다.
- SDK를 사용하려면 AWSSDK.Rekognition NuGet 패키지를 C# 프로젝트에 추가하세요.
- Rekognition을 사용하려면 AmazonRekognitionClient의 인스턴스를 인스턴스화하고 그 메서드를 호출해야 합니다.
- 대부분의 SDK 메서드는 C# await 키워드를 사용하여 비동기적으로 호출됩니다.
- 메서드에 전달할 요청 객체를 생성하고 반환된 응답 객체를 처리합니다. 요청 및 응답 객체는 그것이 지원하는 메서드와 동일한 루트 이름을 갖습니다. 예를 들어, DetectLabelsAsync 메서드의 요청 및 응답 객체의 이름은 DetectLabelsRequest와 DetectLabelsResponse로 지정됩니다.
var rekognitionClient = new AmazonRekognitionClient(RegionEndpoint.USWest2);
DetectLabelsRequest detectlabelsRequest = new DetectLabelsRequest()
{
Image = image,
MaxLabels = 10,
MinConfidence = 75F
};
var detectLabelsResponse = await _rekognitionClient.DetectLabelsAsync(detectlabelsRequest);
Console.WriteLine($"Detected labels for {filename}");
foreach (var label in detectLabelsResponse.Labels) {
Console.WriteLine($"{label.Name}, {label.Confidence}");
}
신뢰도 점수
일부 Rekognition 메서드에서는 응답에 신뢰도 점수가 포함됩니다. 신뢰도 점수는 주어진 예측이 정확할 확률을 나타내며 0~100의 범위 내에서 평가됩니다. 예를 들면, 어떤 이미지에 대한 객체 및 장면 감지 프로세스에서 '물' 레이블에 대한 신뢰도 점수 99점과 '야자수' 레이블에 대한 신뢰도 점수 35점을 반환하면 해당 이미지는 물을 포함하지만 야자수는 없을 확률이 더 높습니다. 탐지 오류(오탐)에 매우 민감한 반응을 보이는 애플리케이션들은 특정 임계값보다 낮은 신뢰도 점수와 관련된 결과를 무시해야 합니다. 최적의 임계값은 애플리케이션에 따라 다릅니다.
기계 학습 모델 훈련
Rekognition의 기능은 대부분 사전 학습된 모델을 사용하므로 사용자는 딥 러닝 경험이 없어도 됩니다. 하지만 사용자 지정 레이블 기능을 사용하려면 사용자 지정 모델을 학습시켜야 합니다. Rekognition은 이미 여러 카테고리에 걸쳐 수천 만 개의 이미지에 관하여 학습된 기존 기능을 기반으로 고된 작업을 대신 처리합니다. 특별히 사용 사례에 맞는 작은 훈련 이미지 세트(일반적으로 수백 개 이하의 이미지)를 업로드하고 레이블을 지정하기만 하면 됩니다. 모델 훈련은 AWS 콘솔에서 진행하거나 SDK를 사용하여 프로그래밍 방식으로 진행할 수 있습니다.
실습 경험
Rekognition을 사용하여 이미지 및/또는 비디오를 분석한 경험이 있어야 합니다. 사용할 애플리케이션이 없다면 아래의 자습서와 데모를 사용할 수 있습니다.
AWS 경험
초급 또는 중급
.NET 경험
중급
소요 시간
관련 경험에 따라 최대 3시간
완료 비용
선택적 워크숍의 경우, 10 USD
사용되는 서비스
AWS App Runner, Amazon Elastic Container Registry(ECR), Amazon Elastic Container Service(ECS), Amazon Elastic Kubernetes Service(EKS)
최종 업데이트 날짜
2022년 5월 5일
모듈
이 자습서는 다음과 같은 모듈로 구성되어 있습니다. 경험 및 준비 상태에 따라 모듈을 빠짐없이 살펴보거나 간략히 훑어보고 복습할 수 있습니다.
- 준비 안내서(3시간).
- 기술 평가(16문항, 시간 제한 없음): .NET 워크로드 기술을 위한 AWS App2Container 도구를 평가하세요.