게시된 날짜: Oct 9, 2020
Amazon Rekognition Custom Labels는 고객이 고유한 비즈니스 요구 사항에 따라 간단한 추론 API를 사용하여 이미지에서 필요한 물체와 장면을 찾을 수 있는 자동화된 기계 학습(AutoML) 기능입니다. 고객은 레이블이 지정된 이미지를 업로드하여 간단하게 사용자 지정 ML 모델을 생성할 수 있습니다. ML 전문 지식은 필요하지 않습니다.
훈련 실패를 야기하는 데이터 세트 관련 오류를 수정하는 방법을 사용자에게 안내하는 새로운 도구를 발표하게 되어 기쁩니다. 훈련 실패의 근본 원인을 파악하는 작업은 대개는 지루하고 시간이 많이 걸립니다. 예를 들어, 데이터 세트에 오류가 있는 고객은 "The manifest file contains too many invalid rows"와 같은 오류가 발생할 수 있습니다. 훈련 또는 테스트 데이터 세트 매니페스트 파일에서 잘못된 행을 찾아 수정하려면 고객이 수천 개의 개별 행을 수동으로 검토해야 합니다. 이번 업데이트에서 Amazon Rekognition Custom Labels는 근본 원인 분석, 세분화된 오류 로그 및 권장 수정과 같은 도구를 제공하므로 고객이 데이터 세트 관련 오류를 신속하게 찾아서 수정하고 모델을 성공적으로 훈련할 수 있습니다. 고객은 콘솔과 DescribeProjectVersions의 응답에서 오류를 검토하고 자세한 보고서에 액세스할 수 있습니다. 생성된 새 보고서에는 집계 오류 및 충족되지 않은 데이터 세트 유효성 검사에 대해 자세히 설명하는 요약 유효성 검사 파일과 자세한 행 수준 오류가 포함된 훈련 및 테스트 데이터 세트 매니페스트 유효성 검사 파일이 포함됩니다. 훈련 및 테스트 매니페스트 유효성 검사 파일에서 오류 메시지는 오류가 발생한 특정 행에 배치됩니다. 따라서 번거로운 추측이 사라지고 데이터 세트 매니페스트 파일을 분석하는 데 소요되는 귀중한 시간이 절약됩니다. 고객은 정확한 원인, 위치 및 필요한 조치를 정확히 파악하여 데이터 세트를 디버깅하고 프로덕션 준비가 된 사용자 지정 ML 모델을 성공적으로 훈련할 수 있도록 지원하는 도구와 통찰력을 활용할 수 있습니다.
지금 바로 Amazon Rekognition Custom Labels를 사용해보십시오.