기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다. # 콘텐츠 조절 Amazon Rekognition을 사용하여 부적절하거나 원치 않거나 불쾌감을 주는 콘텐츠를 탐지할 수 있습니다. 소셜 미디어, 방송 미디어, 광고 및 전자 상거래 현장에서 Rekognition 조절 API를 사용하여 보다 안전한 사용자 경험을 제공하고, 광고주에게 브랜드 안전을 보증하고, 현지 및 글로벌 규정을 준수할 수 있습니다. 오늘날 많은 회사가 제3자 또는 사용자 제작 콘텐츠를 검토할 때 전적으로 인간 모더레이터의 도움을 받기도 하지만 어떤 회사들은 단순히 사용자 불만에 대응하여 불쾌하거나 부적절한 이미지, 광고 또는 동영상을 삭제하기도 합니다. 그러나 인간 모더레이터만으로는 이러한 요구를 충분한 품질 또는 속도로 충족할 수 있도록 규모를 확장할 수 없기 때문에 사용자 경험이 열악해지고 규모 조절에 많은 비용이 들거나 심지어 브랜드 평판이 손상될 수도 있습니다. 이미지 및 동영상 조절에 Rekognition을 사용하면 인간 모더레이터는 기계 학습에 의해 이미 표시된 훨씬 적은 양의 콘텐츠(일반적으로 전체 양의 1\$15%)를 검토할 수 있습니다. 이를 통해 보다 가치 있는 활동에 집중하면서도 기존보다 훨씬 적은 비용으로 폭넓은 조절 범위를 확보할 수 있습니다. 작업 인력을 구축하고 인적 검토 작업을 수행하기 위해 Rekognition과 이미 통합된 Amazon Augmented AI를 사용할 수 있습니다. 사용자 지정 조절 기능을 사용하여 딥 러닝 조절 모델의 정확도를 향상시킬 수 있습니다. 사용자 지정 조절을 사용하여 이미지를 업로드하고 주석을 달아 사용자 지정 조절 어댑터를 훈련시키게 됩니다. 그런 다음 훈련된 어댑터를 [DetectModerationLabels](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DetectModerationLabels.html) 작업에 제공하여 이미지에서의 성능을 향상시킬 수 있습니다. 자세한 정보는 [사용자 지정 조절을 통한 정확도 향상](moderation-custom-moderation.md)을 참조하세요. **Rekognition 콘텐츠 조절 작업에서 지원하는 레이블** + 조절 레이블 목록을 다운로드하려면 [여기](samples/rekognition-moderation-labels.zip)를 클릭합니다. **Topics** + [이미지 및 비디오 조절 API 사용](moderation-api.md) + [콘텐츠 조절 버전 7 테스트 및 API 응답 변환](moderation-response-transform.md) + [부적절한 이미지 감지](procedure-moderate-images.md) + [부적절한 저장된 동영상 탐지](procedure-moderate-videos.md) + [사용자 지정 조절을 통한 정확도 향상](moderation-custom-moderation.md) + [Amazon Augmented AI를 사용한 부적절한 콘텐츠 검토](a2i-rekognition.md) 다음 다이어그램은 콘텐츠 조절의 이미지 또는 비디오 구성 요소 사용 목표에 따른 직접 호출 작업 순서를 보여줍니다. ![\[이미지 및 비디오 조절 단계를 보여주는 흐름도입니다.\]](http://docs.aws.amazon.com/ko_kr/rekognition/latest/dg/images/Moderation workflow.png) # 이미지 및 비디오 조절 API 사용 Amazon Rekognition Image API에서 [DetectModerationLabels](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DetectModerationLabels.html)를 사용하여 부적절하거나 원치 않거나 불쾌감을 주는 콘텐츠를 동기적으로 감지하고 [StartMediaAnalysisJob](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_StartMediaAnalysisJob.html) 및 [GetMediaAnalysisJob](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_GetMediaAnalysisJob.html) 작업을 사용하여 비동기적으로 감지할 수 있습니다. Amazon Rekognition Video API를 사용하면 [StartContentModeration](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_StartContentModeration.html) 및 [GetContentModeration](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_GetContentModeration.html) 작업을 사용하여 이러한 콘텐츠를 비동기적으로 탐지할 수 있습니다. ## 레이블 카테고리 Amazon Rekognition은 3단계 계층적 분류법을 사용하여 부적절하거나 원치 않거나 불쾌감을 주는 콘텐츠의 카테고리에 레이블을 지정합니다. 분류 수준 1(L1)이 있는 각 레이블에는 여러 분류 수준 2 레이블(L2)이 있으며, 일부 분류 수준 2 레이블에는 분류 수준 3 레이블(L3)이 있을 수 있습니다. 이렇게 하면 콘텐츠의 계층적 분류가 가능합니다. 감지된 각 조절 레이블에 대해 API는 레이블이 속한 수준(1, 2 또는 3)이 포함된 `TaxonomyLevel`도 반환합니다. 예를 들어 이미지는 다음 카테고리에 따라 레이블이 지정될 수 있습니다. L1: 은밀한 부분의 비노골적 누드 및 키스, L2: 비노골적 누드, L3: 암시적 누드. **참고** L1 또는 L2 카테고리를 사용하여 콘텐츠를 조절하고, L3 카테고리를 사용하여 조절하지 않으려는 특정 개념을 제거하는 것이 좋습니다(즉, 조절 정책에 따라 부적절하거나 원치 않거나 불쾌감을 주는 콘텐츠로 분류하지 않으려는 콘텐츠 감지). 다음 표에는 카테고리 수준과 각 수준에 대해 가능한 레이블 간의 관계가 나와 있습니다. 조절 레이블 목록을 다운로드하려면 [여기](samples/rekognition-moderation-labels.zip)를 클릭합니다. | | | 최상위 카테고리(L1) | 2단계 카테고리(L2) | 3단계 카테고리(L3) | 정의 | | --- |--- |--- |--- | | Explicit | Explicit Nudity | Exposed Male Genitalia | Human male genitalia, including the penis (whether erect or flaccid), the scrotum, and any discernible pubic hair. This term is applicable in contexts involving sexual activity or any visual content where male genitals are displayed either completely or partially. | | Exposed Female Genitalia | External parts of the female reproductive system, encompassing the vulva, vagina, and any observable pubic hair. This term is applicable in scenarios involving sexual activity or any visual content where these aspects of female anatomy are displayed either completely or partially. | | Exposed Buttocks or Anus | Human buttocks or anus, including instances where the buttocks are nude or when they are discernible through sheer clothing. The definition specifically applies to situations where the buttocks or anus are directly and completely visible, excluding scenarios where any form of underwear or clothing provides complete or partial coverage. | | Exposed Female Nipple | Human female nipples, including fully visible and partially visible aerola (area surrounding the nipples) and nipples. | | Explicit Sexual Activity | N/A | Depiction of actual or simulated sexual acts which encompasses human sexual intercourse, oral sex, as well as male genital stimulation and female genital stimulation by other body parts and objects. The term also includes ejaculation or vaginal fluids on body parts and erotic practices or roleplaying involving bondage, discipline, dominance and submission, and sadomasochism. | | Sex Toys | N/A | Objects or devices used for sexual stimulation or pleasure, e.g., dildo, vibrator, butt plug, beats, etc. | | Non-Explicit Nudity of Intimate parts and Kissing | Non-Explicit Nudity | Bare Back | Human posterior part where the majority of the skin is visible from the neck to the end of the spine. This term does not apply when the individual's back is partially or fully occluded. | | Exposed Male Nipple | Human male nipples, including partially visible nipples. | | Partially Exposed Buttocks | Partially exposed human buttocks. This term includes a partially visible region of the buttocks or butt cheeks due to short clothes, or partially visible top portion of the anal cleft. The term does not apply to cases where the buttocks is fully nude. | | Partially Exposed Female Breast | Partially exposed human female breast where one a portion of the female's breast is visible or uncovered while not revealing the entire breast. This term applies when the region of the inner breast fold is visible or when the lower breast crease is visible with nipple fully covered or occluded. | | Implied Nudity | An individual who is nude, either topless or bottomless, but with intimate parts such as buttocks, nipples, or genitalia covered, occluded, or not fully visible. | | Obstructed Intimate Parts | Obstructed Female Nipple | Visual depiction of a situation in which a female's nipples is covered by opaque clothing or coverings, but their shapes are clearly visible. | | Obstructed Male Genitalia | Visual depiction of a situation in which a male's genitalia or penis is covered by opaque clothing or coverings, but its shape is clearly visible. This term applies when the obstructed genitalia in the image is in close-up. | | Kissing on the Lips | N/A | Depiction of one person's lips making contact with another person's lips. | | Swimwear or Underwear | Female Swimwear or Underwear | N/A | Human clothing for female swimwear (e.g., one-piece swimsuits, bikinis, tankinis, etc.) and female underwear (e.g., bras, panties, briefs, lingerie, thongs, etc.) | | Male Swimwear or Underwear | N/A | Human clothing for male swimwear (e.g., swim trunks, boardshorts, swim briefs, etc.) and male underwear (e.g., briefs, boxers, etc.) | | Violence | Weapons | N/A | Instruments or devices used to cause harm or damage to living beings, structures, or systems. This includes firearms (e.g., guns, rifles, machine gunes, etc.), sharp weapons (e.g., swords, knives, etc.), explosives and ammunition (e.g., missile, bombs, bullets, etc.). | | Graphic Violence | Weapon Violence | The use of weapons to cause harm, damage, injury, or death to oneself, other individuals, or properties. | | Physical Violence | The act of causing harm to other individuals or property (e.g., hitting, fighting, pulling hair, etc.) or other act of violence involving crowd or multiple individuals. | | Self-Harm | The act of causing harm to oneself, often by cutting body parts such as arms or legs, where cuts are typically visible. | | Blood & Gore | Visual representation of violence on a person, a group of individuals, or animals, involving open wounds, bloodshed, and mutilated body parts. | | Explosions and Blasts | Depiction of a violent and destructive burst of intense flames with thick smoke or dust and smoke erupting from the ground. | | Visually Disturbing | Death and Emaciation | Emaciated Bodies | Human bodies that are extremely thin and undernourished with severe physical wasting and depletion of muscle and fat tissue. | | Corpses | Human corpses in the form of mutilated bodies, hanging corpses, or skeletons. | | Crashes | Air Crash | Incidents of air vehicles, such as airplanes, helicopters, or other flying vehicles, resulting in damage, injury, or death. This term applies when parts of the air vehicles are visible. | | Drugs & Tobacco | Products | Pills | Small, solid, often round or oval-shaped tables or capsules. This term applies to pills presented as standalones, in a bottle, or a transparent packet and does not apply to a visual depiction of a person taking pills. | | Drugs & Tobacco Paraphernalia & Use | Smoking | The act of inhaling, exhaling, and lighting up burning substances including cigarettes, cigars, e-cigarettes, hookah, or joint. | | Alcohol | Alcohol Use | Drinking | The act of drinking alcoholic beverages from bottles or glasses of alcohol or liquor. | | Alcoholic Beverages | N/A | Close up of one or multiple bottles of alcohol or liquor, glasses or mugs with alcohol or liquor, and glasses or mugs with alcohol or liquor held by an individual. This term does not apply to an individual drinking from bottles or glasses of alcohol or liquor. | | Rude Gestures | Middle Finger | N/A | Visual depiction of a hand gesture with middle finger is extended upward while the other fingers are folded down. | | Gambling | N/A | N/A | The act of participating in games of chance for a chance to win a prize in casinos, e.g., playing cards, blackjacks, roulette, slot machines at casinos, etc. | | Hate Symbols | Nazi Party | N/A | Visual depiction of symbols, flags, or gestures associated with Nazi Party. | | White Supremacy | N/A | Visual depiction of symbols or clothings associated with Ku Klux Klan (KKK) and images with confederate flags. | | Extremist | N/A | Images containing extremist and terrorist group flags. | L3 카테고리에서 지원되는 레이블이 L2 카테고리의 모든 레이블에 있는 것은 아닙니다. 또한 ‘제품’ 및 ‘약물 및 담배 관련 용품 및 사용’ L2 레이블 아래의 L3 레이블은 전체가 아닙니다. 이러한 L2 레이블은 언급된 L3 레이블 이외의 개념을 다루며, 이러한 경우 API 응답에는 L2 레이블만 반환됩니다. 애플리케이션에 대한 콘텐츠 적합성을 결정합니다. 예를 들어 선정적인 성격의 이미지는 허용하되 누드가 포함된 이미지는 허용하지 않을 수 있습니다. 이미지를 필터링하려면 `DetectModerationLabels`(이미지) 및 `GetContentModeration`(비디오)에서 반환하는 [ModerationLabel](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_ModerationLabel.html) 레이블 배열을 사용합니다. ## 콘텐츠 유형 API는 애니메이션 또는 일러스트 콘텐츠 유형을 식별할 수도 있으며, 해당 콘텐츠 유형은 응답의 일부로 반환됩니다. + 애니메이션 콘텐츠에는 비디오 게임 및 애니메이션(예: 카툰, 만화, 망가, 애니메이션)이 포함됩니다. + 일러스트 콘텐츠에는 그림, 페인팅, 스케치가 포함됩니다. ## 신뢰도 `MinConfidence` 입력 파라미터를 지정하여 부적절한 콘텐츠를 감지하기 위해 Amazon Rekognition에서 사용하는 신뢰도 임계값을 설정할 수 있습니다. `MinConfidence`보다 신뢰도가 낮은 것으로 감지된 부적절한 콘텐츠의 레이블은 반환되지 않습니다. 50% 미만인 `MinConfidence`의 값을 지정할 경우 수많은 오탐 결과를 반환할 가능성이 있습니다(즉, 높은 재현률, 낮은 정밀도). 반면, 50%를 초과하는 `MinConfidence`를 지정하면 더 적은 수의 오탐 결과를 반환할 가능성이 높습니다(즉, 낮은 재현률, 높은 정밀도). `MinConfidence` 값을 지정하지 않은 경우 Amazon Rekognition에서 신뢰도 50% 이상으로 감지된 부적절한 콘텐츠의 레이블을 반환합니다. `ModerationLabel` 배열에는 이전 범주의 레이블 및 인식된 콘텐츠의 정확성에 대한 추정된 신뢰도가 포함되어 있습니다. 식별된 모든 2단계 레이블과 함께 최상위 레이블이 반환됩니다. 예를 들어 Amazon Rekognition에서 신뢰도 점수가 높은 “노골적 나체”를 최상위 레이블로 반환할 수 있습니다. 이는 사용자의 필터링 요건을 충족시키는데 충분할 수 있습니다. 이것으로 필터링에 충분할 수 있지만, 필요하다면 "부분적 누드" 같은 2단계 레이블의 신뢰도 점수를 사용하여 더 세분화된 필터링을 할 수도 있습니다. 예제는 [부적절한 이미지 감지](procedure-moderate-images.md) 섹션을 참조하세요. ## 버전 관리 Amazon Rekognition Image와 Amazon Rekognition Video는 모두 부적절한 콘텐츠를 탐지하는 데 사용되는 조절 탐지 모델 버전(`ModerationModelVersion`)을 반환합니다. ## 정렬 및 집계 GetContentModeration을 사용하여 결과를 검색할 때 결과를 정렬하고 집계할 수 있습니다. **Sort order** - 반환된 레이블의 배열은 시간별로 정렬됩니다. 레이블별로 정렬하려면, `GetContentModeration`에서 `SortBy` 입력 파라미터에 `NAME`를 지정하십시오. 레이블이 비디오에 여러 번 나오는 경우 `ModerationLabel` 요소의 인스턴스가 여러 개 있습니다. **Label information** - ModerationLabels 배열 요소에는 `ModerationLabel` 객체가 포함되어 있는데 이는 감지된 레이블 이름과 Amazon Rekognition이 그에 대해 가지는 정확성 신뢰도를 포함합니다. 타임스탬프는 `ModerationLabel`이 감지된 시간으로, 비디오 시작 이후 경과된 밀리초 단위의 시간으로 정의됩니다. 비디오 `SEGMENTS`별로 집계된 결과의 경우 세그먼트의 시작 시간, 종료 시간, 지속 시간을 각각 정의하는 `StartTimestampMillis`, `EndTimestampMillis`, `DurationMillis` 구조가 반환됩니다. **Aggregation** - 결과가 반환될 때 집계되는 방식을 지정합니다. 기본값은 `TIMESTAMPS` 기준 집계입니다. 일정 기간 동안의 결과를 집계하는 `SEGMENTS` 집계 기준을 선택할 수도 있습니다. 세그먼트 내에서 감지된 레이블만 반환됩니다. ## 사용자 지정 조절 어댑터 상태 사용자 지정 조정 어댑터는 TRAINING\$1IN\$1PROGRESS, TRAINING\$1COMPLETED, TRAINING\$1FAILED, DELETING, DEPRECATED 또는 EXPIRED 상태 중 하나일 수 있습니다. 이러한 어댑터 상태에 대한 자세한 설명은 [어댑터 관리](https://docs.aws.amazon.com/rekognition/latest/dg/managing-adapters.html)를 참조하세요. **참고** Amazon Rekognition은 부적절하거나 불쾌감을 주는 콘텐츠에 대해 공신력이 없으며, 어떤 식으로든 그러한 콘텐츠의 철저한 필터라고 주장하지 않습니다. 추가로 이미지 및 비디오 조절 API는 CSAM과 같은 불법 콘텐츠가 이미지에 포함되어 있는지 여부를 감지하지 않습니다. # 콘텐츠 조절 버전 7 테스트 및 API 응답 변환 Rekognition은 콘텐츠 조절 레이블 감지 기능의 이미지 비디오 구성 요소에 대한 기계 학습 모델을 버전 6.1에서 7로 업데이트했습니다. 이 업데이트는 전반적인 정확도를 향상시켰으며 다른 카테고리 수정과 함께 몇 가지 새로운 카테고리를 도입했습니다. 현재 버전 6.1의 비디오 사용자인 경우 버전 7로 원활하게 전환하려면 다음 작업을 수행하는 것이 좋습니다. 1. AWS 프라이빗 SDK([AWS 콘텐츠 조절 버전 7용 SDK 및 사용 설명서](moderation-labels-update-sdk.md) 참조)를 다운로드하고 사용하여 StartContentModeration API를 직접 호출합니다. 1. API 응답 또는 콘솔에 반환된 레이블 및 신뢰도 점수의 업데이트된 목록을 검토합니다. 필요에 따라 애플리케이션 사후 처리 로직을 조정합니다. 1. 계정은 2024년 5월 13일까지 버전 6.1로 유지됩니다. 2024년 5월 13일 이후 버전 6.1을 사용하려면 2024년 4월 30일까지 [AWS Support 팀](https://aws.amazon.com/support)에 문의하여 연장을 요청하세요. 2024년 6월 10일까지 버전 6.1을 유지하도록 계정을 확장할 수 있습니다. 2024년 4월 30일까지 사용자가 연락하지 않으면 2024년 5월 13일부터 계정이 버전 7.0으로 자동으로 마이그레이션됩니다. # AWS 콘텐츠 조절 버전 7용 SDK 및 사용 설명서 선택한 개발 언어에 해당하는 SDK를 다운로드하고 해당 사용 설명서를 참조하세요. | | | SDK 링크 | 설치 / 사용 설명서 | | --- |--- | | [Java-1.X](https://d1m67pwji3rslw.cloudfront.net/sdk/aws_rekognition_java_v1.jar) | [가이드 - Java 1.pdf](https://d1m67pwji3rslw.cloudfront.net/guide/Guide_Java1.x.pdf) | | [Java-2.X](https://d1m67pwji3rslw.cloudfront.net/sdk/aws_rekognition_java_v2.jar) | [가이드 - Java 2.pdf](https://d1m67pwji3rslw.cloudfront.net/guide/Guide_Java2.x.pdf) | | [JavaScript v2](https://d1m67pwji3rslw.cloudfront.net/sdk/aws_rekognition_js_v2.tgz) | [가이드 - JavaScript v2.pdf](https://d1m67pwji3rslw.cloudfront.net/guide/Guide_JavaScriptV2.pdf) | | [JavaScript v3](https://d1m67pwji3rslw.cloudfront.net/sdk/aws_rekognition_js_v3.zip) | [가이드 - JavaScript v3.pdf](https://d1m67pwji3rslw.cloudfront.net/guide/Guide_JavaScriptV3.pdf) | | [Python](https://d1m67pwji3rslw.cloudfront.net/sdk/aws_rekognition_python.zip) | [가이드 - Python & AWS CLI.pdf](https://d1m67pwji3rslw.cloudfront.net/guide/Guide_Python.pdf) | | [Ruby](https://d1m67pwji3rslw.cloudfront.net/sdk/aws_rekognition_ruby.zip) | [가이드 - RubyV3.pdf](https://d1m67pwji3rslw.cloudfront.net/guide/Guide_RubyV3.pdf) | | [go\$1v1](https://d1m67pwji3rslw.cloudfront.net/sdk/aws_rekognition_go_v1.zip) | [가이드 - GO V1.pdf](https://d1m67pwji3rslw.cloudfront.net/guide/Guide_GoV1.pdf) | | [go\$1v2](https://d1m67pwji3rslw.cloudfront.net/sdk/aws_rekognition_go_v2.zip) | [가이드 - GO V2.pdf](https://d1m67pwji3rslw.cloudfront.net/guide/Guide_GoV2.pdf) | | [DotNet](https://d1m67pwji3rslw.cloudfront.net/sdk/aws_rekognition_dotnet.zip) | [가이드 - .NET.pdf](https://d1m67pwji3rslw.cloudfront.net/guide/Guide_DotNET.pdf) | | [php](https://d1m67pwji3rslw.cloudfront.net/sdk/aws_rekognition_php.zip) | [가이드 - PHP.pdf](https://d1m67pwji3rslw.cloudfront.net/guide/Guide_PHP.pdf) | ## 버전 6.1에서 7로 레이블 매핑 콘텐츠 조절 버전 7은 새 레이블 카테고리를 추가하고 이전의 레이블 이름을 수정했습니다. 6.1 레이블을 7 레이블에 매핑하는 방법을 결정할 때는 [레이블 카테고리](moderation-api.md#moderation-api-categories)의 분류표를 참조하세요. 일부 레이블 매핑 예제는 다음 섹션에서 확인할 수 있습니다. 애플리케이션의 사후 처리 로직을 기반으로 필요한 업데이트를 수행하기 전에 이러한 매핑과 레이블 정의를 검토하는 것이 좋습니다. **L1 매핑 스키마** 최상위 카테고리(L1)(예: `Explicit Nudity`, `Suggestive` `Violence` 등)에서만 필터링하는 사후 처리 로직을 사용하는 경우 아래 표를 참조하여 코드를 업데이트하세요. | | | V6.1 L1 | V7 L1 | | --- |--- | | Explicit Nudity | Explicit | | Suggestive | Non-Explicit Nudity of Intimate parts and Kissing | | Swimwear or Underwear | | Violence | Violence | | Visually Disturbing | Visually Disturbing | | Rude Gestures | Rude Gestures | | Drugs | Drugs & Tobacco | | Tobacco | Drugs & Tobacco | | Alcohol | Alcohol | | Gambling | Gambling | | Hate Symbols | Hate Symbols | **L2 매핑 스키마** L1 및 L2 카테고리(예: `Explicit Nudity / Nudity, Suggestive / Female Swimwear Or Underwear`, `Violence / Weapon Violence` 등)를 모두 필터링하는 사후 처리 로직을 사용하는 경우 아래 표를 참조하여 코드를 업데이트하세요. | | | V6.1 L1 | V6.1 L2 | V7 L1 | V7 L2 | V7 L3 | V7 ContentTypes | | --- |--- |--- |--- |--- |--- | | Explicit Nudity | Nudity | Explicit | Explicit Nudity | 여성 유두 노출 둔부 또는 항문 노출 | | Graphic Male Nudity | Explicit | Explicit Nudity | Exposed Male Genitalia | | Graphic Female Nudity | Explicit | Explicit Nudity | Exposed Female Genitalia | | Sexual Activity | Explicit | Explicit Sexual Activity | | | | Illustrated Explicit Nudity | Explicit | Explicit Nudity | | Map to "Animated" and "Illustrated" | | Illustrated Explicit Nudity | Explicit | Explicit Sexual Activity | | Map to "Animated" and "Illustrated" | | Adult Toys | Explicit | Sex Toys | | | Suggestive | Female Swimwear Or Underwear | Swimwear or Underwear | Female Swimwear or Underwear | | | Male Swimwear Or Underwear | Swimwear or Underwear | Male Swimwear or Underwear | | | Partial Nudity | Non-Explicit Nudity of Intimate parts and Kissing | Non-Explicit Nudity | Implied Nudity | | Barechested Male | Non-Explicit Nudity of Intimate parts and Kissing | Non-Explicit Nudity | Exposed Male Nipple | | Revealing Clothes | Non-Explicit Nudity of Intimate parts and Kissing | Non-Explicit Nudity | | | Non-Explicit Nudity of Intimate parts and Kissing | Obstructed Intimate Parts | | | Sexual Situations | Non-Explicit Nudity of Intimate parts and Kissing | Kissing on the Lips | | | Violence | Graphic Violence Or Gore | Violence | Graphic Violence | Blood & Gore | | Physical Violence | Violence | Graphic Violence | Physical Violence | | Weapon Violence | Violence | Graphic Violence | Weapon Violence | | Weapons | Violence | Weapons | | | Self Injury | Violence | Graphic Violence | Self-Harm | | Visually Disturbing | Emaciated Bodies | Visually Disturbing | Death and Emaciation | Emaciated Bodies | | Corpses | Visually Disturbing | Death and Emaciation | Corpses | | Hanging | Visually Disturbing | Death and Emaciation | Corpses | | Air Crash | Visually Disturbing | Crashes | Air Crash | | Explosions And Blasts | Violence | Graphic Violence | Explosions and Blasts | | Rude Gestures | Middle Finger | Rude Gestures | Middle Finger | | | Drugs | Drug Products | Drugs & Tobacco | Products | | | Drug Use | Drugs & Tobacco | Drugs & Tobacco Paraphernalia & Use | | | Pills | Drugs & Tobacco | Products | Pills | | Drug Paraphernalia | Drugs & Tobacco | Drugs & Tobacco Paraphernalia & Use | | | Tobacco | Tobacco Products | Drugs & Tobacco | Products | | | Smoking | Drugs & Tobacco | Drugs & Tobacco Paraphernalia & Use | Smoking | | Alcohol | Drinking | Alcohol | Alcohol Use | Drinking | | Alcoholic Beverages | Alcohol | Alcoholic Beverages | | | Gambling | Gambling | Gambling | | | | Hate Symbols | Nazi Party | Hate Symbols | Nazi Party | | | White Supremacy | Hate Symbols | White Supremacy | | | Extremist | Hate Symbols | Extremist | | # 부적절한 이미지 감지 [DetectModerationLabels](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DetectModerationLabels.html) 작업을 사용하여 이미지에 부적절하거나 불쾌감을 주는 콘텐츠가 포함되어 있는지 확인할 수 있습니다. Amazon Rekognition의 조절 레이블 목록은 [이미지 및 비디오 조절 API 사용](https://docs.aws.amazon.com/rekognition/latest/dg/moderation.html#moderation-api)을 참조하세요. ## 이미지에서 부적절한 콘텐츠 감지 이미지는 .jpg 또는 .png 형식이어야 합니다. 입력 이미지를 이미지 바이트 배열(base64 인코딩 이미지 바이트)로 제공하거나 Amazon S3 객체를 지정할 수 있습니다. 이 절차에서는 이미지(.jpg 또는 .png)를 S3 버킷에 업로드합니다. 이러한 절차를 실행하려면 AWS CLI 또는 적절한 AWS SDK가 설치되어 있어야 합니다. 자세한 내용은 [Amazon Rekognition 시작](getting-started.md) 단원을 참조하십시오. 사용할 AWS 계정은 Amazon Rekognition API에 대한 액세스 권한을 가지고 있어야 합니다. 자세한 내용은 [Amazon Rekognition에서 정의한 작업](https://docs.aws.amazon.com/IAM/latest/UserGuide/list_amazonrekognition.html#amazonrekognition-actions-as-permissions)을 참조하세요. **이미지에서 조정 레이블(SDK)을 감지하려면** 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 예제를 사용하여 `DetectModerationLabels` 작업을 호출합니다. ------ #### [ Java ] 이 예제는 감지된 부적절한 콘텐츠의 레이블 이름, 신뢰도 수준 및 감지된 조절 레이블의 상위 레이블을 출력합니다. `amzn-s3-demo-bucket` 및 `photo` 값을 2단계에서 사용한 S3 버킷 이름과 이미지 파일 이름으로 바꿉니다. ``` //Copyright 2018 Amazon.com, Inc. or its affiliates. All Rights Reserved. //PDX-License-Identifier: MIT-0 (For details, see https://github.com/awsdocs/amazon-rekognition-developer-guide/blob/master/LICENSE-SAMPLECODE.) package aws.example.rekognition.image; import com.amazonaws.services.rekognition.AmazonRekognition; import com.amazonaws.services.rekognition.AmazonRekognitionClientBuilder; import com.amazonaws.services.rekognition.model.AmazonRekognitionException; import com.amazonaws.services.rekognition.model.DetectModerationLabelsRequest; import com.amazonaws.services.rekognition.model.DetectModerationLabelsResult; import com.amazonaws.services.rekognition.model.Image; import com.amazonaws.services.rekognition.model.ModerationLabel; import com.amazonaws.services.rekognition.model.S3Object; import java.util.List; public class DetectModerationLabels { public static void main(String[] args) throws Exception { String photo = "input.jpg"; String bucket = "bucket"; AmazonRekognition rekognitionClient = AmazonRekognitionClientBuilder.defaultClient(); DetectModerationLabelsRequest request = new DetectModerationLabelsRequest() .withImage(new Image().withS3Object(new S3Object().withName(photo).withBucket(bucket))) .withMinConfidence(60F); try { DetectModerationLabelsResult result = rekognitionClient.detectModerationLabels(request); List labels = result.getModerationLabels(); System.out.println("Detected labels for " + photo); for (ModerationLabel label : labels) { System.out.println("Label: " + label.getName() + "\n Confidence: " + label.getConfidence().toString() + "%" + "\n Parent:" + label.getParentName()); } } catch (AmazonRekognitionException e) { e.printStackTrace(); } } } ``` ------ #### [ Java V2 ] 이 코드는 AWS 설명서 SDK 예제 GitHub 리포지토리에서 가져온 것입니다. 전체 예제는 [여기](https://github.com/awsdocs/aws-doc-sdk-examples/blob/master/javav2/example_code/rekognition/src/main/java/com/example/rekognition/DetectModerationLabels.java)에서 확인하세요. ``` //snippet-start:[rekognition.java2.recognize_video_text.import] //snippet-start:[rekognition.java2.detect_mod_labels.import] import software.amazon.awssdk.auth.credentials.ProfileCredentialsProvider; import software.amazon.awssdk.core.SdkBytes; import software.amazon.awssdk.regions.Region; import software.amazon.awssdk.services.rekognition.RekognitionClient; import software.amazon.awssdk.services.rekognition.model.RekognitionException; import software.amazon.awssdk.services.rekognition.model.Image; import software.amazon.awssdk.services.rekognition.model.DetectModerationLabelsRequest; import software.amazon.awssdk.services.rekognition.model.DetectModerationLabelsResponse; import software.amazon.awssdk.services.rekognition.model.ModerationLabel; import java.io.FileInputStream; import java.io.FileNotFoundException; import java.io.InputStream; import java.util.List; //snippet-end:[rekognition.java2.detect_mod_labels.import] /** * Before running this Java V2 code example, set up your development environment, including your credentials. * * For more information, see the following documentation topic: * * https://docs.aws.amazon.com/sdk-for-java/latest/developer-guide/get-started.html */ public class ModerateLabels { public static void main(String[] args) { final String usage = "\n" + "Usage: " + " \n\n" + "Where:\n" + " sourceImage - The path to the image (for example, C:\\AWS\\pic1.png). \n\n"; if (args.length < 1) { System.out.println(usage); System.exit(1); } String sourceImage = args[0]; Region region = Region.US_WEST_2; RekognitionClient rekClient = RekognitionClient.builder() .region(region) .credentialsProvider(ProfileCredentialsProvider.create("profile-name")) .build(); detectModLabels(rekClient, sourceImage); rekClient.close(); } // snippet-start:[rekognition.java2.detect_mod_labels.main] public static void detectModLabels(RekognitionClient rekClient, String sourceImage) { try { InputStream sourceStream = new FileInputStream(sourceImage); SdkBytes sourceBytes = SdkBytes.fromInputStream(sourceStream); Image souImage = Image.builder() .bytes(sourceBytes) .build(); DetectModerationLabelsRequest moderationLabelsRequest = DetectModerationLabelsRequest.builder() .image(souImage) .minConfidence(60F) .build(); DetectModerationLabelsResponse moderationLabelsResponse = rekClient.detectModerationLabels(moderationLabelsRequest); List labels = moderationLabelsResponse.moderationLabels(); System.out.println("Detected labels for image"); for (ModerationLabel label : labels) { System.out.println("Label: " + label.name() + "\n Confidence: " + label.confidence().toString() + "%" + "\n Parent:" + label.parentName()); } } catch (RekognitionException | FileNotFoundException e) { e.printStackTrace(); System.exit(1); } } // snippet-end:[rekognition.java2.detect_mod_labels.main] ``` ------ #### [ AWS CLI ] 이 AWS CLI 명령은 `detect-moderation-labels` CLI 작업에 대한 JSON 출력을 표시합니다. `amzn-s3-demo-bucket` 및 `input.jpg`을 2단계에서 사용한 S3 버킷 이름과 이미지 파일 이름으로 바꿉니다. `profile_name`의 값을 개발자 프로필 이름으로 바꿉니다. 어댑터를 사용하려면 프로젝트 버전의 ARN을 `project-version` 파라미터에 제공하세요. ``` aws rekognition detect-moderation-labels --image "{S3Object:{Bucket:,Name:}}" \ --profile profile-name \ --project-version "ARN" ``` Windows 디바이스에서 CLI에 액세스하는 경우 작은따옴표 대신 큰따옴표를 사용하고 내부 큰따옴표는 백슬래시(즉 \$1)로 이스케이프 처리하여 발생할 수 있는 구문 분석 오류를 해결합니다. 예를 들어 다음을 참조하세요. ``` aws rekognition detect-moderation-labels --image "{\"S3Object\":{\"Bucket\":\"amzn-s3-demo-bucket\",\"Name\":\"image-name\"}}" \ --profile profile-name ``` ------ #### [ Python ] 이 예제는 감지된 부적절하거나 불쾌감을 주는 콘텐츠의 레이블 이름, 신뢰도 수준 및 감지된 부적절한 콘텐츠 레이블의 상위 레이블을 출력합니다. `main` 함수에서, `amzn-s3-demo-bucket` 및 `photo` 값을 2단계에서 사용한 S3 버킷과 이미지의 이름으로 바꿉니다. Rekognition 세션을 생성하는 라인에서 `profile_name`의 값을 개발자 프로필의 이름으로 대체합니다. ``` #Copyright 2018 Amazon.com, Inc. or its affiliates. All Rights Reserved. #PDX-License-Identifier: MIT-0 (For details, see https://github.com/awsdocs/amazon-rekognition-developer-guide/blob/master/LICENSE-SAMPLECODE.) import boto3 def moderate_image(photo, bucket): session = boto3.Session(profile_name='profile-name') client = session.client('rekognition') response = client.detect_moderation_labels(Image={'S3Object':{'Bucket':bucket,'Name':photo}}) print('Detected labels for ' + photo) for label in response['ModerationLabels']: print (label['Name'] + ' : ' + str(label['Confidence'])) print (label['ParentName']) return len(response['ModerationLabels']) def main(): photo='image-name' bucket='amzn-s3-demo-bucket' label_count=moderate_image(photo, bucket) print("Labels detected: " + str(label_count)) if __name__ == "__main__": main() ``` ------ #### [ .NET ] 이 예제는 감지된 부적절하거나 불쾌감을 주는 콘텐츠의 레이블 이름, 신뢰도 수준 및 감지된 조절 레이블의 상위 레이블을 출력합니다. `amzn-s3-demo-bucket` 및 `photo` 값을 2단계에서 사용한 S3 버킷 이름과 이미지 파일 이름으로 바꿉니다. ``` //Copyright 2018 Amazon.com, Inc. or its affiliates. All Rights Reserved. //PDX-License-Identifier: MIT-0 (For details, see https://github.com/awsdocs/amazon-rekognition-developer-guide/blob/master/LICENSE-SAMPLECODE.) using System; using Amazon.Rekognition; using Amazon.Rekognition.Model; public class DetectModerationLabels { public static void Example() { String photo = "input.jpg"; String bucket = "amzn-s3-demo-bucket"; AmazonRekognitionClient rekognitionClient = new AmazonRekognitionClient(); DetectModerationLabelsRequest detectModerationLabelsRequest = new DetectModerationLabelsRequest() { Image = new Image() { S3Object = new S3Object() { Name = photo, Bucket = bucket }, }, MinConfidence = 60F }; try { DetectModerationLabelsResponse detectModerationLabelsResponse = rekognitionClient.DetectModerationLabels(detectModerationLabelsRequest); Console.WriteLine("Detected labels for " + photo); foreach (ModerationLabel label in detectModerationLabelsResponse.ModerationLabels) Console.WriteLine("Label: {0}\n Confidence: {1}\n Parent: {2}", label.Name, label.Confidence, label.ParentName); } catch (Exception e) { Console.WriteLine(e.Message); } } } ``` ------ ## DetectModerationLabels 작업 요청 `DetectModerationLabels`에 대한 입력은 이미지입니다. 이 예제 JSON 입력에서는 Amazon S3 버킷에서 소스 이미지를 불러옵니다. `MinConfidence`는 Amazon Rekognition Image가 응답에 반환하기 위해 충족해야 할 감지된 레이블의 최소 정확성 신뢰도 수준입니다. ``` { "Image": { "S3Object": { "Bucket": "amzn-s3-demo-bucket", "Name": "input.jpg" } }, "MinConfidence": 60 } ``` ## DetectModerationLabels 작업 응답 `DetectModerationLabels`가 S3 버킷의 입력 이미지를 감지하거나, 이미지를 이미지 바이트로 직접 제공할 수 있습니다. 다음 예제는 `DetectModerationLabels` 호출로부터의 응답입니다. 다음 JSON 응답 예제에서 다음에 유의하십시오. + **부적절한 이미지 감지 정보** - 이 예제에서는 이미지에서 발견된 부적절하거나 불쾌감을 주는 콘텐츠의 레이블 목록을 보여줍니다. 이 목록에는 이미지에서 감지되는 최상위 레이블과 각각의 2수준 레이블이 포함됩니다. **레이블** – 각 레이블에는 이름, 해당 레이블이 정확한지에 대한 Amazon Rekognition의 신뢰도 추정, 상위 레이블의 이름이 있습니다. 최상위 레이블의 상위 이름은 `""`입니다. **레이블 신뢰도** – 각 레이블에는 레이블이 올바른지에 대해 Amazon Rekognition이 가지고 있는 백분율 신뢰도를 나타내는 0에서 100 사이의 신뢰도 값이 있습니다. API 작업 요청에서 응답으로 반환될 레이블에 필요한 신뢰도 수준을 지정합니다. ``` { "ModerationLabels": [ { "Confidence": 99.44782257080078, "Name": "Smoking", "ParentName": "Drugs & Tobacco Paraphernalia & Use", "TaxonomyLevel": 3 }, { "Confidence": 99.44782257080078, "Name": "Drugs & Tobacco Paraphernalia & Use", "ParentName": "Drugs & Tobacco", "TaxonomyLevel": 2 }, { "Confidence": 99.44782257080078, "Name": "Drugs & Tobacco", "ParentName": "", "TaxonomyLevel": 1 } ], "ModerationModelVersion": "7.0", "ContentTypes": [ { "Confidence": 99.9999008178711, "Name": "Illustrated" } ] } ``` # 부적절한 저장된 동영상 탐지 Amazon Rekognition Video의 저장된 비디오 속 부적절하거나 불쾌감을 주는 콘텐츠 탐지는 비동기 작업입니다. 부적절하거나 불쾌감을 주는 콘텐츠 탐지를 시작하려면 [StartContentModeration](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_StartContentModeration.html)을 직접 호출하세요. Amazon Rekognition Video는 비디오 분석의 완료 상태를 Amazon Simple Notification Service 주제에 게시합니다. 비디오 분석이 성공적으로 완료되면, [GetContentModeration](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_GetContentModeration.html) 직접 호출을 통해 분석 결과를 가져옵니다. 비디오 분석 시작 및 결과 가져오기에 대한 자세한 내용은 [Amazon Rekognition Video 작업 직접 호출](api-video.md) 단원을 참조하십시오. Amazon Rekognition의 조절 레이블 목록은 [이미지 및 비디오 조절 API 사용](https://docs.aws.amazon.com/rekognition/latest/dg/moderation.html#moderation-api)을 참조하세요. 이 절차는 동영상 분석 요청의 완료 상태를 가져오기 위해 Amazon Simple Queue Service 대기열을 사용하는 [Java 또는 Python으로 Amazon S3 버킷에 저장된 비디오 분석(SDK)](video-analyzing-with-sqs.md)의 코드를 확장합니다. **Amazon S3 버킷(SDK)에 저장된 비디오에서 부적절하거나 불쾌감을 주는 콘텐츠를 탐지하려면** 1. [Java 또는 Python으로 Amazon S3 버킷에 저장된 비디오 분석(SDK)](video-analyzing-with-sqs.md)을 수행합니다. 1. 1단계에서 만든 클래스 `VideoDetect`에 다음 코드를 추가합니다. ------ #### [ Java ] ``` //Copyright 2018 Amazon.com, Inc. or its affiliates. All Rights Reserved. //PDX-License-Identifier: MIT-0 (For details, see https://github.com/awsdocs/amazon-rekognition-developer-guide/blob/master/LICENSE-SAMPLECODE.) //Content moderation ================================================================== private static void StartUnsafeContentDetection(String bucket, String video) throws Exception{ NotificationChannel channel= new NotificationChannel() .withSNSTopicArn(snsTopicArn) .withRoleArn(roleArn); StartContentModerationRequest req = new StartContentModerationRequest() .withVideo(new Video() .withS3Object(new S3Object() .withBucket(bucket) .withName(video))) .withNotificationChannel(channel); StartContentModerationResult startModerationLabelDetectionResult = rek.startContentModeration(req); startJobId=startModerationLabelDetectionResult.getJobId(); } private static void GetUnsafeContentDetectionResults() throws Exception{ int maxResults=10; String paginationToken=null; GetContentModerationResult moderationLabelDetectionResult =null; do{ if (moderationLabelDetectionResult !=null){ paginationToken = moderationLabelDetectionResult.getNextToken(); } moderationLabelDetectionResult = rek.getContentModeration( new GetContentModerationRequest() .withJobId(startJobId) .withNextToken(paginationToken) .withSortBy(ContentModerationSortBy.TIMESTAMP) .withMaxResults(maxResults)); VideoMetadata videoMetaData=moderationLabelDetectionResult.getVideoMetadata(); System.out.println("Format: " + videoMetaData.getFormat()); System.out.println("Codec: " + videoMetaData.getCodec()); System.out.println("Duration: " + videoMetaData.getDurationMillis()); System.out.println("FrameRate: " + videoMetaData.getFrameRate()); //Show moderated content labels, confidence and detection times List moderationLabelsInFrames= moderationLabelDetectionResult.getModerationLabels(); for (ContentModerationDetection label: moderationLabelsInFrames) { long seconds=label.getTimestamp()/1000; System.out.print("Sec: " + Long.toString(seconds)); System.out.println(label.getModerationLabel().toString()); System.out.println(); } } while (moderationLabelDetectionResult !=null && moderationLabelDetectionResult.getNextToken() != null); } ``` `main` 함수에서 다음 줄을 바꿉니다. ``` StartLabelDetection(amzn-s3-demo-bucket, video); if (GetSQSMessageSuccess()==true) GetLabelDetectionResults(); ``` 다음으로 바꿉니다. ``` StartUnsafeContentDetection(amzn-s3-demo-bucket, video); if (GetSQSMessageSuccess()==true) GetUnsafeContentDetectionResults(); ``` ------ #### [ Java V2 ] 이 코드는 AWS 설명서 SDK 예제 GitHub 리포지토리에서 가져온 것입니다. 전체 예제는 [여기](https://github.com/awsdocs/aws-doc-sdk-examples/blob/master/javav2/example_code/rekognition/src/main/java/com/example/rekognition/VideoDetectInappropriate.java)에서 확인하세요. ``` import software.amazon.awssdk.regions.Region; import software.amazon.awssdk.services.rekognition.RekognitionClient; import software.amazon.awssdk.services.rekognition.model.NotificationChannel; import software.amazon.awssdk.services.rekognition.model.S3Object; import software.amazon.awssdk.services.rekognition.model.Video; import software.amazon.awssdk.services.rekognition.model.StartContentModerationRequest; import software.amazon.awssdk.services.rekognition.model.StartContentModerationResponse; import software.amazon.awssdk.services.rekognition.model.RekognitionException; import software.amazon.awssdk.services.rekognition.model.GetContentModerationResponse; import software.amazon.awssdk.services.rekognition.model.GetContentModerationRequest; import software.amazon.awssdk.services.rekognition.model.VideoMetadata; import software.amazon.awssdk.services.rekognition.model.ContentModerationDetection; import java.util.List; /** * Before running this Java V2 code example, set up your development * environment, including your credentials. * * For more information, see the following documentation topic: * * https://docs.aws.amazon.com/sdk-for-java/latest/developer-guide/get-started.html */ public class VideoDetectInappropriate { private static String startJobId = ""; public static void main(String[] args) { final String usage = """ Usage: