Amazon Rekognition
- 딥러닝 기술 사용
- 애플리케이션에 이미지 및 비디오 분석 추가 용이
학습목표
- AWS Rekognition Service 개념을 설명할 수 있다.
- AWS Rekognition Service API 활용 방법을 설명할 수 있다.
AWS Rekognition Service 개념
AWS의 딥러닝 기반 지능형 Service
Amazon Rekognition 특징
- 서비스의 안정성
- 서비스의 응답성(정확성)
- 서비스의 신뢰성
- Deep Learning 플랫폼을 직접 운용하는 데는 많은 전문인력과 인프라 자원이 필요
- 위와 같은 자원을 절약할 수 있어서 소규모 기업에서 사용하기 적절.
- 직접 Model 개발이 필요 하다면 이를 위한 Ground Truth 생성이 필요
- Amazon의 컴퓨터 비전 과학자들이 Prime Photos에서 매일 수십억 개의 이미지들을 분석할 목적으로 개발하여 높은 성능이 검증
- 기계 학습 전문지식과 딥러닝 지식이 없이도 사용 가능한 Service
- 완전 관리형, AWS Service 통합, 증명된 확장성, 안정성, 저렴한 비용
이미지/동영상을 시각적 분석 기능을 쉽게 제공
- Rekognition Image
- 수 많은 이미지를 검색, 확인 및 구성 가능
- 객체, 장면 및 얼굴을 감지하는 이미지 인식 Service 텍스트를 추출하고, 유명인사를 인식하며, 이미지에서 부적절한 콘텐츠 식별, 얼굴 검색 및 비교, 나이대 예측 가능
- JPEG 및 PNG 이미지 형식을 지원
- 이미지는 S3객체 또는 바이트 배열로 인식
- S3 객체로 전달 시 최대 15MB, 이미지 바이트 배열로 전달 시 최대 5MB의 이미지 파일 크기 지원
- 분석할 수 있는 최소 크기는 가로 또는 세로 화소가 최소 45픽셀이어야 함.
- Rekognition Video
- 저장된 동영상 또는 실시간 동영상 스트림에서 동작 기반 컨텍스트를 추출하고 이를 분석
- 활동 탐지, 프레임 내 사람의 움직임 이해, AWS S3에 저장된 동영상과 실시간 동영상 스트림에서 객체, 유명인사 및 부적절한 콘텐츠 인식
- S3 저장소를 매개로 해서 AWS 다른 서비스들과 연계될 수 있음.
- H.264 코덱을 사용하여 인코딩 해야 함.
- 지원되는 파일 형식은 MPEG-4 및 MOV
- MPEG-4 및 MOV 형식 동영상 파일이 작동하지 않는 경우, 동여상을 인코딩 하는데 사용된 코덱이 H.264인지 확인하고 사용.
- S3파일로 전달될 때 최대 8GB 파일과 최대 2시간 동영상 지원
이미지 처리
- 객체 및 장면 인식
- 신뢰도 점수(Confidence Scores)와 함께 제공
- 신뢰도 90%이상이면 신뢰도 있다고 볼 수 있음.
- 객체 및 장면 인식을 이용하여 많은 양의 이미지 라이브러리로부터 검색, 필터링 등의 기능을 손쉽게 추가 가능.
AWS Rekognition Service API 활용 방법
AWS Rekognition API
- AWS-SDK를 통한 AWS Rekognition API 사용
- AWS SDK for Java를 사용하려면 다음 조건이 충족되어야 함.
- Java 개발 환경
- AWS 계정 및 액세스 키
- 환경에서 또는 공유된(AWS CLI 및 기타 SDK에 의해) 자격 증명 파일을 사용하여 설정된 AWS wkrur wmdaud (액세스 키)
- AWS-SDK를 통한 Rekognition API 접근
- 사용자 추가 및 권한 설정(정책 필터를 통한 검색)
- 권한 설정, 정책 생성도 가능.
- 생성된 사용자와 Access Key, Secret Access Key 등 정보
- AWS CLI를 통한 AWS-SDK API 활용
- AWS 계정 설정 및 IAM 사용자 만들기
- AWS CLI 및 AWS-SDK 설정
- AWS CLI 및 AWS-SDK API를 사용하여 시작하기
- Amazon Rekognition 콘솔 사용 시작하기
- Collection 개념
- AWS Rekognition의 기본 리소스
- 생성되는 각각의 컬렉션에는 고유의 Amazon 리소스 이름(ARN)이 부여, 컬렉션에 얼굴을 저장하므로 ‘photo-collection’라는 이름의 Collection 생성
- mvm을 통한 New Project 생성
- Pom.xml 파일 생성
- ./src 디렉토리와 ./target 디렉토리 생성
- 기본 생성 pom.xml 파일 대비 변경할 부분.
AWS Rekognition Service API 활용방법 2
Apatch Maven 활용
Example
객체 및 장면 인식 : 동적 이미지 검색 사용 사례
- AWS LAMDA : ec2를 할당받지 않고도 원하는 서비스 실행 가능.
- 활용 예시
- 사진출력 Service : 원하는 분위기의 또는 가장 잘 나온 사진을 추천
- 온라인 데이팅 Service : 이상형에 가까운 얼굴 추천
- 리테일 비즈니스 : 고객의 움직임, 손님의 기분 등을 인식하여 비지니스에 활용
- 디지털 광고 : 개인화된 광고 제공
- 이미지 상의 얼굴들을 비교하여 유사도(Similarity)를 측정
CompareFaces
- 정확도가 신뢰할 수준으로 올라옴.
SDK를 탑재하고, CLI 명령문을 통해서 EC2 저장소에 접근, 데이터를 JSON 형태로 전송 및 수신하여 파일 처리.
💡 AWS에서 제공하는 Service로서, 기계 학습 전문지식과 딥러닝 지식이 없이도 쉽게 사용 가능한 인공지능 Services는?
Rekognition
💡 AWS Rekognition Service에서 객체 및 장면을 식별한 결과를 제공할 때 함께 제공하는 정보는 무엇인가?
신뢰도
💡 Maven으로 새 프로젝트 생성시 자동으로 생성되는 resource에 해당하는 것은?
pom.xml
, src 디렉토리
, target 디렉토리
정리하기
1. AWS Rekognition Service 개념
- AWS 딥러닝 기반 지능형 Service: 기계 학습 전문 지식과 딥러닝 지식이 없이도 사용 가능한 Service
- 완전 관리형, AWS Service 통합, 증명된 확장성, 안전성, 저렴한 비용 등의 장점
- 이미지/동영상 시각적 분석 기능을 쉽게 제공
- Rekognition Image를 통해 수많은 이미지를 검색, 확인 및 구성
- Rekognition Vide를 통해 저장된 동영상 또는 실시간 스트림 동영상에서 동작 기반 컨텍스트를 추출하고 이를 분석
2. AWS Rekognition Service API 활용 방법
- AWS-SDK를 통한 AWS Rekognition API 사용
- AWS SDK for Java를 사용하려면 다음 조건이 충족되어야 함.
- Java 개발 환경
- AWS 계정 및 액세스 키
- 환경에서 또는 공유된(AWS CLI 및 기타 SDK에 의해) 자격 증명 파일을 사용하여 설정된 AWS 자격 증명(액세스 키)