사전 훈련된 컴퓨터 비전 모델 사용하기

이 실습에서는 Amazon SageMaker Canvas에서 사용할 수 있는 다양한 사전 학습된 컴퓨터 비전 모델을 살펴봅니다.

SageMaker Canvas를 사용하면 자체 ML CV 모델을 학습시키지 않고도 한 줄의 코드도 작성하지 않고도 사전 학습된 모델을 사용하여 추론을 생성할 수 있습니다. 이러한 기능은 AI 서비스인 Amazon Rekognition과 Amazon Textract를 기반으로 합니다.

현재 다음과 같은 주요 컴퓨터 비전 사용 사례를 지원합니다:

• 물체 감지를 통한 이미지 라벨링

• 텍스트 감지를 통한 텍스트 추출

• 문서 분석

• 비용/송장 분석

이 실습에서는 샘플 데이터 세트와 함께 사전 학습된 Canvas 컴퓨터 비전의 기능을 사용하겠습니다. 언제든지 자신의 이미지와 PDF 파일을 사용하여 캔버스 기능을 테스트할 수 있다는 점을 기억하세요.

데이터셋

데이터 다운로드

이 실습에 제공된 데이터 세트에는 연습 전반에 걸쳐 사용할 수 있는 샘플 이미지 파일 세트가 포함되어 있습니다. 이러한 이미지는 2003년 9월에 Fei-Fei Li, Marco Andretto, Marc'Aurelio Ranzato가 편집한 Caltech101 데이터 세트의 다양한 카테고리에서 수집한 것입니다. Caltech101 데이터 세트는 여러 범주로 구성되어 있으며, 대부분의 범주에는 각각 50개의 이미지가 포함되어 있고 각 이미지의 해상도는 약 300 x 200픽셀입니다.

데이터셋 가져

오기

데이터 세트의 이름을 지정하라는 메시지가 표시됩니다. '샘플 이미지'로 이름을 지정하고 만들기를 클릭합니다.

이제 폴더 선택 옵션을 선택하고 다운로드한 압축이 풀린 샘플 이미지 폴더를 찾습니다. '폴더 이름을 기준으로 이미지에 레이블 할당' 확인란을 선택된 상태로 두어도 이 실습에는 영향을 미치지 않습니다. 이 기능은 사용자 지정 모델 섹션에서 자세히 살펴보겠습니다.

이미지를 가져올 준비가 될 때까지 기다립니다. 준비가 되면 Create dataset 를 클릭합니다.

Object Detection을 사용해 이미지 라벨링

객체 감지는 이미지에서 객체, 개념, 장면 및 동작을 식별할 수 있는 강력한 컴퓨터 비전 기능입니다. 객체 감지가 지원하는 레이블 및 카테고리의 전체 목록은 문서에서 확인할 수 있습니다. 왼쪽 패널에서 바로 사용 가능한 모델로 이동하여 이미지에서 객체 감지를 선택합니다.

이 페이지에서는 샘플 이미지를 제공했으며, 오른쪽 열에서 예측된 레이블과 관련 신뢰 점수를 확인할 수 있습니다. 직접 촬영한 이미지로 객체 감지를 살펴보고 싶다면 이미지 업로드를 클릭하고 이미지에 어떤 라벨이 생성되는지 확인하세요.

Making predictions in batch

일괄 예측 페이지로 이동하여 이미지 세트에 대한 예측을 수행할 수 있습니다. 일괄 예측은 캔버스로 가져온 데이터 세트에 대해 수행할 수 있습니다. 데이터 세트 선택을 클릭하여 데이터 세트 목록을 엽니다.

샘플 이미지 데이터 세트를 선택하고 예측 생성을 클릭합니다.

작업 상태는 '예측 생성 중'에 표시됩니다. 데이터 세트에 있는 이미지 수에 따라 예측이 완료되는 데 시간이 걸릴 수 있습니다. 완료되면 상태가 '준비됨'으로 변경됩니다. 여기에서 아래와 같이 예측 결과 보기를 선택하면 캔버스 콘솔에서 결과를 확인할 수 있습니다.

그러면 각 이미지의 예측 레이블과 각 신뢰도 점수를 표시하는 새 보기가 열립니다. 이 보기를 사용하여 콘솔에서 모든 이미지에 대한 예측 결과를 찾아볼 수 있습니다. 결과를 검토한 후 예측 결과 다운로드를 클릭하여 결과를 CSV 또는 Zip 파일로 다운로드합니다.

(Optional) Extract text with Text Detection 도 시도해보세요!