이미지에서 정보를 수집하는 능력은 엄청난 비즈니스 잠재력을 가지고 있습니다. 그리고 글쎄, 그것은 또한 재미있을 수도 있습니다. 이번 글에서는 우리가 어떻게 사용했는지 간략하게 설명하겠습니다.  소셜 미디어 스타트업을 위한 이미지 객체 감지 기능을 신속하게 구축합니다.   아마존 인식   이미지 개체 감지란 무엇입니까?  간단히 말해서, 이미지 객체 감지는 주어진 이미지에서 엔터티에 대한 정보를 감지하고 추출하는 프로세스입니다. 여기에는 물체, 활동, 장소, 동물, 제품 등을 감지하는 것이 포함됩니다.  이미지 객체 감지에는 다양한 산업 분야에 걸쳐 광범위한 사용 사례가 있습니다. 은행, 보험, 소셜 미디어, 데이트 앱, 통신사, 핀테크 등 주요 부문에서는 어떤 형태로든 객체 감지를 사용합니다.   우리의 사용 사례  최근에 우리는 소셜 미디어 스타트업을 위한 이미지 객체 감지 기능을 구축하는 임무를 받았습니다. 사용 사례는 간단했습니다. 사용자는 자신이 좋아하는 사진 중 일부를 선택하고 스타트업의 소셜 미디어 페이지 중 하나에 소개되도록 제출할 수 있어야 했습니다.  소셜 미디어 마케팅 팀은 바다 사진, 인기 명소, 동물, 음악 콘서트 등과 같은 특정 주제에 대해 제출된 이미지를 검색할 수 있는 방법이 필요했습니다.  딥러닝을 이용한 이미지 분석  이미지를 분석하고 이미지 속 풍경과 사물을 기준으로 분류하는 것은 간단한 작업이 아닙니다. 인간의 시력은 그야말로 놀랍습니다. 물체를 감지하는 뇌의 능력을 복제할 수 있는 애플리케이션을 구축하는 것은 엄청나게 복잡합니다. 바로 그 일을 하는 데 전념하는 전체 컴퓨터 비전 산업이 있습니다.  처음부터 객체 감지를 수행하는 것은 일반적으로 다음을 포함하는 다단계 프로세스입니다.  이미지를 수집하고 그 안에 있는 개체에 라벨을 지정합니다.  ML 모델 학습  훈련된 모델을 사용하여 분석 수행  성능 튜닝  그리고 반복하세요…  프로젝트의 다른 모든 기능과 마찬가지로 이 기능에 대한 우리의 목표는 이 기능을 신속하게 구축하고 가능한 한 빨리 프로덕션 환경에서 그 효율성을 테스트하는 것이었습니다. 게다가 우리는 기존 클라우드 서비스를 활용할 수 있을 때 처음부터 솔루션을 구축하는 데 개발 리소스를 투자하고 싶지 않았습니다.  Cue Serverless — 스타트업의 전체 백엔드는 완전히 서버리스이며 이벤트 중심입니다. 이 아키텍처를 통해 우리는 소셜 미디어 앱을 다른 앱과   하는 기능에만 집중하면 되는 개발자 팀을 구성할 수 있습니다. 또한 서버리스를 사용하면 확장성이 뛰어난 서비스를 구축하는 동시에 사용한 만큼만 비용을 지불할 수 있습니다. 이는 확장성 스타트업에 대한 중요한 고려 사항입니다. 차별화  따라서 이 기능을 달성하기 위해 우리는 완전한 서버리스 이미지 및 비디오 분석 서비스인 Amazon Rekognition을 사용했습니다. Rekognition을 사용하여 우리는 이 복잡하고 중요한 워크플로우를 몇   만에 개발할 수 있었습니다. 그것에 대해 자세히 살펴 보겠습니다. 시간   Amazon Rekognition이란 무엇입니까?  Amazon Rekognition은 딥 러닝을 사용하여 이미지 및 비디오 분석을 수행하는 AWS 서버리스 제품입니다. 완전한 서버리스라는 것은 Rekognition을 사용하면 기본 인프라의 복잡성에 대해 걱정할 필요가 없다는 것을 의미합니다. 우리는 사용한 만큼만 비용을 지불   이미지 및 비디오 분석 작업을 위해 미리 작성된 소프트웨어를 제공합니다. Rekognition은 이미지 레이블 감지, 얼굴 감지, 유명인 감지, 콘텐츠 조정, 텍스트 감지 등 다양한 기능을 제공합니다. 하며  가장 좋은 부분? Rekognition은 딥 러닝 모델 구축, 훈련, 분석의 무거운 작업을 추상화합니다. 이미지 및 비디오 분석은 최소한의 설정만으로 빠르고 간단합니다. 우리는 서비스 확장을 위해 자체 데이터 세트를 구축 및 훈련하고 서버 용량을 프로비저닝하는 것에 대해 걱정할 필요가 없었습니다. 우리가 걱정해야 할 것은 통합뿐이었습니다.   건축학  아키텍처는 간단합니다. 우리 모바일 앱은 사용자 휴대폰의 이미지를 S3 버킷에 업로드합니다. 그런 다음 S3에 업로드하면 Lambda 함수가 트리거되어 Rekognition API를 호출하고 쿼리를 위해 결과를 DynamoDB에 저장합니다.   AWS를 사용한 서버리스 이미지 객체 감지 아키텍처 다이어그램   코드  코드 작성은 재미있죠? 음, 코드를 적게 작성하는 것이 훨씬 더 재미있습니다.  Rekognition은 분석을 수행하고 결과를 반환하는 이미지 데이터를 보내는 API 세트를 노출합니다. 우리의 사용 사례에서는  API.   라벨 감지  서버리스 프레임워크 코드형 인프라 파일의 단순화된 버전은 다음과 같습니다.   //serverless.yamlfunctions: imageLabelDetection: handler: image-label-detection.handler events: - s3: bucket: my-image-bucket event: s3:ObjectCreated:* existing: true iamRoleStatements: - Effect: Allow Action: rekognition:DetectLabels Resource: "*" - Effect: Allow Action: s3:GetObject Resource: arn:aws:s3:::my-image-bucket  Lambda 코드는 단순히 Rekognition API를 호출하고 결과를 DynamoDB에 저장하지만 사용 사례에 적합한 모든 것을 사용할 수 있습니다. S3 이벤트에서 S3 버킷 이름과 이미지의 객체 이름을 가져와 이를 다음의   함수에 전달합니다.  . discoverLabels   Rekognition SDK  또한 신뢰 수준 임계값과 반환하려는 최대 레이블 수를 지정하기 위해 두 개의 선택적 매개 변수(MaxLabels 및 MinConfidence)를 전달합니다. 아래 예에서는 응답으로 최대 20개의 라벨만 얻을 수 있으며 모든 라벨의 신뢰도는 80%가 넘습니다.   //image-label-detecion.jsconst AWS = require("aws-sdk");const rekognition = new AWS.Rekognition();exports.handler = async (event) => { const imageDetails = event.Records[0].s3; const bucketName = imageDetails.bucket.name; const objectKey = imageDetails.object.key; const rekognitionResp = await rekognition .detectLabels({ Image: { S3Object: { Bucket: bucketName, Name: objectKey, }, }, MaxLabels: 20, MinConfidence: 80, }) .promise(); // Send to data store, eg DynamoDB // ... };  개 사진을 좋아하지 않는 사람이 있을까요? 다음은 S3 버킷에 업로드한 이미지에 대한 응답입니다. 보시다시피 Rekognition은 그것이 야외 자갈길에 있는 개의 이미지인지 정확하게 판단합니다(그리고 이미지에서 개가 있는 위치를 알려줍니다!).  재인식 응답(왼쪽), 업로드된 이미지(오른쪽).   마지막 생각들  그렇다면 몇 달간 프로덕션 환경에서 Rekognition을 사용한 후의 내 생각은 무엇입니까? 주요 내용은 다음과 같습니다.  완전 서버리스 — 기본 인프라 복잡성을 관리하는 획일적인 부담을 피하고 사전 구축된 소프트웨어와 사전 훈련된 모델을 사용합니다.  성능 — 인식은 대부분의 경우 약 600ms로 빠릅니다.  사용하기 쉬움 — API는 간단하고 통합하기 쉽습니다.  지속적인 개선 — AWS는 Rekognition을 지속적으로 유지 관리하고 반복하고 있으며, 이는 시간이 지남에 따라 Rekognition이 점점 더 좋아질 것임을 의미합니다.  정확성 — Rekognition은 Amazon의 광범위한 고객층을 활용합니다. 그 결과 매우 정확한 이미지 라벨 감지가 가능해졌습니다.  넉넉한 무료 등급이 있으므로 결정하기 전에 시험해 볼 수 있습니다.  비용 — 사용한 만큼만 비용을 지불합니다. Rekognition을 사용하면 비즈니스 요구 사항에 따라 확장 및 축소할 수 있습니다.  요약  TLDR: Rekognition을 통해 우리는 정확하고 빠르며 확장 가능한 이미지 개체 감지 기능을 신속하게 구축할 수 있었습니다.

Read My Stories

이 오디오는 이야기의 원래 언어로 제작되었습니다!

Amazon Rekognition을 사용하여 소셜 미디어 스타트업을 위한 이미지 객체 감지 기능 구축

About Author

코멘트

태그 걸기

이 기사는 다음에서 발표되었습니다.

Related Stories

Floki의 Valhalla가 인도 스리랑카 투어의 보조 후원자로 합류

Crypto Growth: 효과적인 사용자 페르소나 만들기

독특한 생태계를 강화하는 비트코인 UTXO 모델

탭하여 수익 창출: 텔레그램에서 솔라나 이전에 100억 명의 암호화폐 사용자를 확보할 수 있음

Floki의 Valhalla가 인도 스리랑카 투어의 보조 후원자로 합류

Crypto Growth: 효과적인 사용자 페르소나 만들기

독특한 생태계를 강화하는 비트코인 UTXO 모델

탭하여 수익 창출: 텔레그램에서 솔라나 이전에 100억 명의 암호화폐 사용자를 확보할 수 있음

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps