기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# 대량 분석
Amazon Rekognition 대량 분석을 사용하면 [StartMediaAnalysisJob](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_StartMediaAnalysisJob.html) 작업으로 매니페스트 파일을 사용하여 대규모 이미지 컬렉션을 비동기적으로 처리할 수 있습니다. 각 개별 이미지의 출력은 분석에 사용한 작업에서 반환된 출력과 일치합니다.
현재 Rekognition은 [DetectModerationLabels](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DetectModerationLabels.html) 작업을 통한 분석을 지원합니다.
작업에서 성공적으로 처리된 이미지 수에 따라 요금이 부과됩니다. 완료된 작업의 결과는 지정한 Amazon S3 버킷으로 출력됩니다.
대량 분석은 Amazon A2I 통합을 지원하지 않는다는 점에 유의하세요.
API는 애니메이션 또는 일러스트 콘텐츠 유형을 감지할 수 있으며, 감지된 콘텐츠 유형에 대한 정보는 응답의 일부로 반환됩니다.
**Topics**
+ [대량 이미지 처리](to-process-images-in-bulk.md)
+ [대량 분석 출력 매니페스트](bulk-analysis-output-manifests.md)
+ [콘텐츠 유형](bulk-analysis-content-type.md)
+ [예측 확인 및 어댑터 훈련](bulk-analysis-pred-verify.md)
# 대량 이미지 처리
매니페스트 파일을 제출하고 StartMediaAnalysisJob 작업을 직접적으로 호출하여 새 대량 분석 작업을 시작할 수 있습니다. 입력 매니페스트 파일은 Amazon S3 버킷에 있는 이미지에 대한 참조를 포함하며 형식은 다음과 같습니다.
```
{"source-ref": "s3://foo/bar/1.jpg"}
```
## 대량 분석 작업(CLI)을 만들려면
1. 아직 설정하지 않았다면 다음과 같이 하세요.
1. `AmazonRekognitionFullAccess` 권한과 `AmazonS3ReadOnlyAccess` 권한을 가진 사용자를 생성하거나 업데이트합니다. 자세한 내용은 [1단계: AWS 계정 설정 및 사용자 생성](setting-up.md#setting-up-iam) 단원을 참조하십시오.
1. AWS CLI 및 AWS SDKs를 설치하고 구성합니다. 자세한 내용은 [2단계: AWS CLI 및 AWS SDKs 설정](setup-awscli-sdk.md) 단원을 참조하십시오.
1. S3 버킷에 이미지를 업로드합니다.
이에 관한 지침은 *Amazon Simple Storage Service 사용 설명서*에서 [Amazon S3에 객체 업로드](https://docs.aws.amazon.com/AmazonS3/latest/userguide/UploadingObjectsintoAmazonS3.html)를 참조하세요.
1. 다음 명령을 사용하여 대량 분석 작업을 생성하고 검색하세요.
------
#### [ CLI ]
DetectModerationLabels 작업을 사용한 분석을 위해 다음 명령을 사용하여 [StartMediaAnalysisJob](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_StartMediaAnalysisJob.html) 작업을 직접적으로 호출하세요.
```
# Requests
# Starting DetectModerationLabels job with default settings
aws rekognition start-media-analysis-job \
--operations-config "DetectModerationLabels={MinConfidence='1'}" \
--input "S3Object={Bucket=amzn-s3-demo-source-bucket,Name=my-input.jsonl}" \
--output-config "S3Bucket=amzn-s3-demo-destination-bucket;,S3KeyPrefix=my-results"
```
[GetMediaAnalysisJob](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_GetMediaAnalysisJob.html) 작업을 사용하여 결과 및 요약 파일이 저장되는 버킷의 Amazon S3 경로와 같은 특정 작업에 대한 정보를 얻을 수 있습니다. StartMediaAnalysisJob 또는 ListMediaAnalysisJob이 반환한 작업 ID를 제공하면 됩니다. 개별 작업에 대한 세부 정보는 1년 동안만 유지됩니다.
```
# Request
aws rekognition get-media-analysis-job \
--job-id customer-job-id
```
작업 페이지를 반환하는 [ListMediaAnalysisJobs](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_ListMediaAnalysisJobs.html) 작업을 사용하여 모든 대량 분석의 목록을 나열할 수 있습니다. `max-results` 인수를 사용하면 페이지당 반환할 최대 작업 수를 `max-results`의 값으로 제한하여 지정할 수 있습니다. 페이지당 최대 100개의 결과가 반환됩니다. 개별 작업에 대한 세부 정보는 1년 동안만 유지됩니다.
```
# Request
# Specify number of jobs to return per page, limited to max-results.
aws rekognition list-media-analysis-jobs --max-results 1
```
------
# 대량 분석 출력 매니페스트
대량 분석 작업은 작업 결과를 포함하는 출력 매니페스트 파일과 더불어 입력 매니페스트 항목을 처리할 때 발생한 오류에 대한 통계 및 세부 정보가 포함된 매니페스트 요약을 생성합니다.
입력 매니페스트에 중복된 항목이 포함된 경우 작업은 고유한 입력을 필터링하지 않고 대신 제공된 모든 항목을 처리합니다.
출력 매니페스트 파일의 형식은 다음과 같습니다.
```
// Output manifest for content moderation
{"source-ref":"s3://foo/bar/1.jpg", "detect-moderation-labels": {"ModerationLabels":[],"ModerationModelVersion":"7.0","ContentTypes":[{"Confidence":72.7257,"Name":"Animated"}]}}
```
출력 매니페스트 요약의 형식은 다음과 같습니다.
```
{
"version": "1.0", # Schema version, 1.0 for GA.
"statistics": {
"total-json-lines": Number, # Total number json lines (images) in the input manifest.
"valid-json-lines": Number, # Total number of JSON Lines (images) that contain references to valid images.
"invalid-json-lines": Number # Total number of invalid JSON Lines. These lines were not handled.
},
"errors": [
{
"line-numer": Number, # The number of the line in the manifest where the error occured.
"source-ref": "String", # Optional. Name of the file if was parsed.
"code": "String", # Error code.
"message": "String" # Description of the error.
}
]
}
```
# 콘텐츠 유형
StartMediaAnalysisJob 작업으로 분석된 미디어 콘텐츠 유형에 대한 정보는 GetMediaAnalysisJob 작업으로 반환됩니다. ContentType은 두 가지 범주 중 하나일 수 있습니다.
+ 비디오 게임 및 애니메이션(예: 카툰, 만화, 망가, 애니메이션)을 포함한 애니메이션 콘텐츠.
+ 그림, 페인팅, 스케치를 포함한 일러스트 콘텐츠.
# 예측 확인 및 어댑터 훈련
[Rekognition 콘솔](https://console.aws.amazon.com/rekognition/)을 통해 대량 분석을 활용하여 이미지 배치에 대한 예측을 도출하고 이러한 예측을 검증한 후 검증된 예측을 사용하여 어댑터를 생성할 수도 있습니다. 어댑터를 사용하면 지원되는 모든 Rekognition 작업의 정확도를 높일 수 있습니다.
현재 Rekognition Custom Moderation 기능과 함께 사용할 어댑터를 만들 수 있습니다. 어댑터를 만들어 [DetectModerationLabels](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DetectModerationLabels.html) 작업에 제공하면 특정 사용 사례와 관련된 콘텐츠 조절 작업의 정확도를 높일 수 있습니다.
Custom Moderation에 관한 자세한 내용은 [사용자 지정 조절을 통한 정확도 향상](moderation-custom-moderation.md)을 참조하세요. 대량 분석을 통해 예측한 결과를 검증하는 방법에 대한 설명은 [대량 분석 및 검증](adapters-bulk-analysis.md)을 참조하세요. Rekognition 콘솔을 사용하여 예측을 확인하고 어댑터를 만드는 방법을 설명하는 튜토리얼은 [사용자 지정 조절 어댑터 자습서](using-adapters-tutorial.md)을 참조하세요.