게시된 날짜: Nov 2, 2018
Amazon Rekognition은 객체, 사람, 텍스트, 장면 및 동작을 식별하고 안전하지 않은 콘텐츠를 탐지할 수 있는 딥 러닝 기반 이미지 및 비디오 분석 서비스입니다. 오늘 AWS에서는 레이블 탐지라고도 알려진 객체 및 장면 탐지에 대한 주요 업데이트를 발표합니다. 레이블 탐지는 이미지에서 객체 및 장면을 식별합니다. 지금까지는 Amazon Rekognition이 이미지에서 객체의 존재를 식별할 수 있었지만, 이미지 내 어디에 객체가 있는지 찾을 수 없었습니다. Amazon Rekognition에서는 이제 객체 경계 상자를 반환하여 이미지에서 개, 사람 및 자동차와 같은 일반 객체의 위치를 지정할 수 있으며, 다양한 사용 사례에 걸쳐 모든 기존 객체 및 장면 레이블에 대해 상당히 개선된 정확도를 제공합니다. 또한, 고객은 경계 상자 정보를 사용하여 이미지에 있는 객체 수(‘개 3마리’)와 객체 간 관계(‘소파에 있는 개’)를 추론할 수 있습니다. 이러한 새로운 개선 사항은 모두 추가 비용 없이 제공됩니다.
뉴스, 스포츠 및 소셜 미디어 회사 고객은 모두 빠르게 확장되는 이미지 라이브러리 문제에 직면해 있으며, 이러한 콘텐츠를 신속하게 검색하고 필터링할 수 있는 방법을 찾고 있습니다. 사람이 제공하는 메타데이터는 이러한 애플리케이션에서 어느 정도 작동하지만 이러한 접근 방식은 정확성과 확장성에 한계가 있습니다. Amazon Rekognition 객체 및 장면 탐지 기능을 사용하면 고객이 방대한 이미지 라이브러리를 자동으로 인덱싱하여 검색 가능한 상태로 만들 수 있습니다.
“GuruShots는 전 세계 수백만 명의 사진 애호가들을 연결하고 영감을 불어넣음으로써 사람들이 사진과 상호 작용하는 방식을 재창조하여 경험을 좀 더 재미있고 흥미로우며 보람있게 만들고 있습니다. 이전에는 최종 사용자가 더 나은 통찰력을 얻기 위해서는 수동으로 이미지를 태깅해야 했습니다. 더 나은 고객 경험을 제공하기 위해 우리는 추가 분석을 위해 업로드된 이미지에 자동으로 태그를 지정할 수 있는 확장 가능한 방법을 찾고 있었습니다. 이제 Amazon Rekognition를 사용하여 각 사용자가 업로드한 이미지에 태그를 지정하고, 생성된 메타데이터를 사용하여 추세를 탐지하고 검색 결과를 개선하며 사용자 선호도에 맞춰 콘텐츠를 조정합니다. 간소화된 이 새로운 프로세스로 사용자 유지율이 40% 증가하고 참여도가 50% 증가했습니다.” – Eran Hazout, 창립자 및 CTO, GuruShots
이제 고객은 객체 경계 상자를 사용해 이미지에 나타나는 각 객체의 수(‘개 3마리’)를 셀 수 있으며, 이미지 차원과 관련된 위치 좌표 및 경계 상자 크기를 사용해 다른 객체와 비교하여 어떤 객체가 두드러지거나 중요한지 결정할 수도 있습니다. 이 정보는 사용자 선호도에 대한 의사 결정을 내리는 데 사용될 수 있습니다. 예를 들어 ‘자동차’가 두드러진 사진이 많은 사람은 자동차 애호가일 가능성이 높습니다. 또한, 일부 고객은 경계 상자를 사용하여 이미지를 추가로 처리합니다(예: 무기와 같은 특정 객체를 흐리게 처리). 경계 상자 정보는 특정 유형의 이미지(개가 여러 마리이거나, 개가 두드러진 이미지, 배경에 개가 한 마리인 이미지 등)를 검색하는 데 사용될 수도 있습니다. 자산 검색을 더욱더 강력하게 수행할 수 있도록 이제 Amazon Rekognition에서는 계층적 목록의 상위 레이블을 반환합니다. 예를 들어 ‘Dog’ 레이블에는 상위 레이블로 'Mammal', 'Canine' 및 'Animal'이 있습니다. 이 메타데이터를 사용하면 고객이 상위-하위 관계로 연결된 레이블을 그룹화하여 분류 및 필터링을 개선할 수 있습니다.
경계 상자, 계층적 메타데이터 및 향상된 레이블 탐지 정확성은 Amazon Rekognition Image가 제공되는 모든 리전에서 지금 사용할 수 있습니다. Amazon Rekognition Video용 레이블 향상 기능은 곧 제공 예정입니다. 지금 Rekognition 콘솔을 사용하거나 최신 AWS SDK를 다운로드하여 시작할 수 있습니다. 자세한 내용은 설명서를 참조하십시오.