Amazon Rekognition Labels는 랜드마크를 포함하여 600개의 새로운 레이블을 추가하고 이제 주요 색상을 감지합니다.

아마존 인식 이미지와 비디오에서 정보와 통찰력을 추출하기 위해 사전 훈련되고 사용자 정의 가능한 컴퓨터 비전 기능을 제공합니다. 그러한 기능 중 하나는 Amazon Rekognition 레이블, 이미지에서 개체, 장면, 동작 및 개념을 감지합니다. Synchronoss와 같은 고객, Shutterstock, Nomad Media는 Amazon Rekognition Labels를 사용하여 콘텐츠 라이브러리에 메타데이터를 자동으로 추가하고 콘텐츠 기반 검색 결과를 활성화합니다. 트리플 리프트 Amazon Rekognition Labels를 사용하여 청중의 시청 경험을 보완하는 광고를 동적으로 삽입할 최고의 순간을 결정합니다. 비드몹 Amazon Rekognition Labels를 사용하여 광고 크리에이티브에서 메타데이터를 추출하여 광고 성과에서 크리에이티브 의사 결정의 고유한 역할을 이해하므로 마케터는 가장 관심 있는 주요 목표에 영향을 미치는 광고를 제작할 수 있습니다. 또한 수천 명의 다른 고객이 Amazon Rekognition Labels를 사용하여 트레일 또는 하이킹 사진 분류, 보안 카메라 영상에서 사람 또는 차량 감지, 신원 문서 사진 분류와 같은 다른 많은 사용 사례를 지원합니다.

이미지용 Amazon Rekognition Labels는 랜드마크 및 활동을 포함하여 600개의 새로운 레이블을 감지하고 2,000개 이상의 기존 레이블에 대한 정확도를 개선합니다. 또한 Amazon Rekognition Labels는 이제 이미지 속성, 전경 및 배경, 경계 상자가 있는 감지된 객체의 주요 색상을 감지하는 이미지 속성을 지원합니다. 이미지 속성은 이미지 밝기, 선명도 및 대비도 측정합니다. 마지막으로 Amazon Rekognition Labels는 이제 두 개의 추가 필드를 사용하여 레이블 결과를 구성합니다. aliases 및 categories, 이러한 결과의 필터링을 지원합니다. 다음 섹션에서는 새로운 기능과 그 이점을 몇 가지 예와 함께 자세히 검토합니다.

새 레이블

Amazon Rekognition Labels는 600개 이상의 새 레이블을 추가하여 지원되는 레이블 목록을 확장했습니다. 다음은 새 레이블의 몇 가지 예입니다.

• 인기 명소 – 브루클린 브리지, 콜로세움, 에펠탑, 마추픽추, 타지마할 등
• 활동 – 박수, 자전거 타기, 축하하기, 점핑, 산책하는 개 등
• 손상 감지 – 자동차 찌그러짐, 자동차 긁힘, 부식, 집 손상, 지붕 손상, 흰개미 손상 등
• 텍스트 및 문서 – 막대 차트, 탑승권, 흐름도, 노트북, 송장, 영수증 등
• 스포츠 – 야구경기, 크리켓배트, 피겨스케이팅, 럭비, 수구 등
• 더 많은 – 보트 경주, 재미, 도시 풍경, 마을, 청혼, 연회 등

이러한 레이블을 사용하여 이미지 공유, 스톡 사진 또는 방송 미디어 고객은 콘텐츠 라이브러리에 새 메타데이터를 자동으로 추가하여 검색 기능을 개선할 수 있습니다.

브루클린 다리에 대한 레이블 감지 예제를 살펴보겠습니다.

다음 표는 API 응답에서 반환된 레이블 및 신뢰도 점수를 보여줍니다.

향상된 라벨

Amazon Rekognition Labels는 또한 2,000개 이상의 레이블에 대한 정확도를 개선했습니다. 다음은 개선된 레이블의 몇 가지 예입니다.

• 활동 – 다이빙, 운전, 독서, 앉기, 서기 등
• 의류 및 액세서리 – 백팩, 벨트, 블라우스, 후드티, 재킷, 신발 등
• 집과 실내 – 수영장, 화분, 베개, 벽난로, 담요 등
• 기술 및 컴퓨팅 – 헤드폰, 휴대폰, 태블릿 컴퓨터, 독서, 노트북 등
• 차량 및 자동차 – 트럭, 휠, 타이어, 범퍼, 카시트, 카 미러 등
• 텍스트 및 문서 – 여권, 운전면허증, 명함, 서류 등
• 더 많은 – 개, 캥거루, 마을 광장, 축제, 웃음 등

주요 색상 감지 및 이미지 품질을 위한 이미지 속성

이미지 속성은 이미지에 대한 Amazon Rekognition 레이블의 새로운 기능이며 레이블 감지 기능과 함께 또는 없이 사용할 수 있습니다. 참고: 이미지 속성은 별도 가격 Amazon Rekognition Labels에서 제공되며 업데이트된 SDK에서만 사용할 수 있습니다.

주요 색상 감지

이미지 속성은 픽셀 백분율을 기준으로 이미지의 주요 색상을 식별합니다. 이러한 주요 색상은 140 CSS 색상 팔레트, RGB, 12진수 코드 및 10가지 단순화된 색상(녹색, 분홍색, 검정색, 빨간색, 노란색, 청록색, 갈색, 주황색, 흰색, 보라색, 파란색, 회색). 기본적으로 API는 반환할 색상 수를 지정하지 않는 한 최대 12개의 주요 색상을 반환합니다. API가 반환할 수 있는 주요 색상의 최대 수는 XNUMX입니다.

독립 실행형으로 사용하는 경우 이미지 속성은 전경 및 배경뿐만 아니라 전체 이미지의 주요 색상을 감지합니다. 이미지 속성은 레이블 감지 기능과 함께 사용할 경우 경계 상자가 있는 감지된 개체의 주요 색상도 식별합니다.

이미지 공유 또는 스톡 사진의 고객은 주요 색상 감지를 사용하여 이미지 라이브러리 메타데이터를 풍부하게 하여 콘텐츠 검색을 개선할 수 있으므로 최종 사용자는 색상별로 필터링하거나 "파란색 의자" 또는 "빨간색 신발"과 같은 특정 색상의 개체를 검색할 수 있습니다. ” 또한 광고 고객은 크리에이티브 자산의 색상을 기반으로 광고 성과를 결정할 수 있습니다.

이미지 품질

주요 색상 감지 외에도 Image Properties는 밝기, 선명도 및 대비 점수를 통해 이미지 품질을 측정합니다. 각 점수의 범위는 0~100입니다. 예를 들어 매우 어두운 이미지는 낮은 밝기 값을 반환하는 반면 밝은 이미지는 높은 값을 반환합니다.

이 점수를 사용하여 이미지 공유, 광고 또는 전자 상거래 고객은 품질 검사를 수행하고 밝기와 선명도가 낮은 이미지를 필터링하여 잘못된 레이블 예측을 줄일 수 있습니다.

다음 이미지는 에펠탑의 예를 보여줍니다.

다음 표는 API 응답에 반환된 이미지 속성 데이터의 예입니다.

다음 이미지는 빨간색 의자의 예입니다.

다음은 API 응답에 반환된 이미지 속성 데이터의 예입니다.

다음 이미지는 노란색 배경의 강아지에 대한 예입니다.

다음은 API 응답에 반환된 이미지 속성 데이터의 예입니다.

새 별칭 및 범주 필드

Amazon Rekognition Labels는 이제 두 개의 새로운 필드를 반환합니다. aliases 및 categories, API 응답에서. 별칭은 동일한 레이블의 다른 이름이며 범주는 다음과 같은 40개의 공통 주제를 기반으로 개별 레이블을 함께 그룹화합니다. Food and Beverage 및 Animals and Pets. 레이블 감지 모델 업데이트를 통해 레이블 이름의 기본 목록에 별칭이 더 이상 반환되지 않습니다. 대신 별칭이 새 aliases API 응답의 필드. 참고: 별칭 및 범주는 업데이트된 SDK에서만 반환됩니다.

사진 공유, 전자 상거래 또는 광고 고객은 별칭 및 범주를 사용하여 콘텐츠 메타데이터 분류를 구성하여 콘텐츠 검색 및 필터링을 더욱 향상시킬 수 있습니다.

• 별칭 예 - 때문에 Car 및 Automobile 별칭이므로 다음을 사용하여 이미지에 메타데이터를 추가할 수 있습니다. Car 및 Automobile 동시에
• 카테고리 예시 – 범주를 사용하여 범주 필터를 생성하거나 다음과 같은 특정 범주와 관련된 모든 이미지를 표시할 수 있습니다. Food and Beverage, 명시적으로 각 이미지에 메타데이터를 추가하지 않고도 Food and Beverage

다음 이미지는 다이버에 대한 별칭 및 범주가 포함된 레이블 감지 예를 보여줍니다.

다음 표는 API 응답에서 반환된 레이블, 신뢰도 점수, 별칭 및 범주를 보여줍니다.

다음 이미지는 자전거 타는 사람의 예입니다.

다음 표에는 API 응답에 반환된 레이블, 신뢰도 점수, 별칭 및 범주가 포함되어 있습니다.

포함 및 제외 필터

Amazon Rekognition Labels는 API 입력 파라미터에 새로운 포함 및 제외 필터링 옵션을 도입하여 API 응답에서 반환되는 특정 레이블 목록의 범위를 좁힙니다. 포함하거나 제외할 레이블 또는 범주의 명시적 목록을 제공할 수 있습니다. 참고: 이러한 필터는 업데이트된 SDK에서 사용할 수 있습니다.

고객은 포함 및 제외 필터를 사용하여 애플리케이션에서 추가 논리를 만들지 않고도 관심 있는 특정 레이블 또는 범주를 얻을 수 있습니다. 예를 들어 보험 고객은 다음을 사용할 수 있습니다. LabelCategoriesInclusionFilter 레이블 결과만 Damage Detection 카테고리.

다음 코드는 포함 및 제외 필터가 있는 API 샘플 요청입니다.

{
    "Image": {
        "S3Object": {
            "Bucket": "bucket",
            "Name": "input.jpg" 
        } 
    },
    "MaxLabels": 10, 
    "MinConfidence": 75,
    "Features": [ "GENERAL_LABELS", "IMAGE_PROPERTIES" ],
    "Settings": {
        "GeneralLabels": {
            "LabelsInclusionFilter": [],
            "LabelsExclusionFilter": [],
            "LabelCategoriesInclusionFilter": [],
            "LabelCategoriesExclusionFilter": [] 
        },
        "ImageProperties": {
            "MaxDominantColors":10
        }
    }
 }

다음은 포함 및 제외 필터의 작동 방식에 대한 예입니다.

• 감지만 하고 싶다면 Person 및 Car, 다른 레이블은 신경쓰지 않고 [“Person”,”Car”]에서 LabelsInclusionFilter.
• 제외한 모든 레이블을 감지하려는 경우 Clothing, 다음을 지정할 수 있습니다.“Clothing”]에서 LabelsExclusionFilter.
• 내 레이블만 감지하려는 경우 Animal and Pets 다음을 제외한 카테고리 Dog 및 Cat, 다음을 지정할 수 있습니다."Animal and Pets"] 에서 LabelCategoriesInclusionFilter, 와 함께 ["Dog", "Cat"]에서 LabelsExclusionFilter.
• 라벨이 지정된 경우 LabelsInclusionFilter or LabelsExclusionFilter, 그들의 별칭은 그에 따라 포함되거나 제외됩니다. aliases 레이블의 하위 분류입니다. 예를 들어 Automobile 의 별칭입니다. Car, 지정하는 경우 Car in LabelsInclusionFilter, API는 Car 레이블 Automobile FBI 증오 범죄 보고서 aliases 입력란입니다.

결론

Amazon Rekognition Labels는 600개의 새 레이블을 감지하고 2,000개 이상의 기존 레이블에 대한 정확도를 개선합니다. 이러한 업데이트와 함께 Amazon Rekognition Labels는 이제 이미지 속성, 별칭 및 범주는 물론 포함 및 포함 필터를 지원합니다.

새로운 기능이 포함된 새 레이블 감지 모델을 사용해 보려면 AWS 계정에 로그인하고 다음을 확인하십시오. Amazon Rekognition 콘솔 라벨 감지 및 이미지 속성용. 자세한 내용을 보려면 다음을 방문하십시오. 라벨 감지.

저자 소개

마리아 한도코 AWS의 선임 제품 관리자입니다. 그녀는 기계 학습 및 컴퓨터 비전을 통해 고객이 비즈니스 문제를 해결하도록 돕는 데 중점을 둡니다. 여가 시간에는 하이킹, 팟캐스트 청취, 다양한 요리 탐색을 즐깁니다.

시프라 카노리아 AWS의 수석 제품 관리자입니다. 그녀는 기계 학습 및 인공 지능의 힘으로 고객이 가장 복잡한 문제를 해결하도록 돕는 데 열정적입니다. AWS에 합류하기 전에 Shipra는 Amazon Alexa에서 4년 이상 근무하면서 Alexa 음성 비서에서 많은 생산성 관련 기능을 출시했습니다.