API서버 - AWS Rekognition을 사용한 Object Detection API

1. Rekognition

• AWS에서 제공하는 딥 러닝 기반 시각 분석 서비스
• 기계 학습을 통해 이미지 및 비디오 분석 자동화
• 기계 학습 모델 및 인프라를 구축하지 않고도 사전 훈련되었거나 사용자 지정 가능한 API 제공
• 예) 레이블 탐지, 얼굴 비교 및 검색, 얼굴 탐지 및 분석, 텍스트 탐지 등등
• 문서: https://aws.amazon.com/ko/rekognition/

 

 

 

2. IAM 사용자 권한 수정

 

rekogniton을 사용할 수 있게 IAM 사용자 권한을 추가한다.

 

 

 

3. 객체 탐지 API 코드

 

from flask import request
from flask_restful import Resource
from datetime import datetime
import boto3

from config import Config


class ObjectDetectionResource(Resource):
    
    # S3에 저장되어 있는 이미지를 객체 탐지하는 API
    def get(self):

        # 1. 클라이언트로부터 파일명을 받아온다.
        filename = request.args.get('filename')

        # 2. 받은 파일은 이미 S3에 있는 상황.
        #    따라서 AWS의 rekognition 인공지능 서비스를
        #    이용해서 Object Detection 한다.

        # rekognition 서비스를 이용할 수 있는지
        # IAM의 유저 권한 확인하고 설정
        client = boto3.client('rekognition',
                              'ap-northeast-2',
                               aws_access_key_id= Config.ACCESS_KEY,
                               aws_secret_access_key= Config.SECRET_ACCESS)
        
        response = client.detect_labels(Image= {'S3Object': {'Bucket': Config.S3_BUCKET, 'Name': filename}},
                                        MaxLabels= 10)
        print(response)    

        for label in response['Labels']:
            print ("Label: " + label['Name'])
            print ("Confidence: " + str(label['Confidence']))
            print ("Instances:")
            for instance in label['Instances']:
                print ("  Bounding box")
                print ("    Top: " + str(instance['BoundingBox']['Top']))
                print ("    Left: " + str(instance['BoundingBox']['Left']))
                print ("    Width: " +  str(instance['BoundingBox']['Width']))
                print ("    Height: " +  str(instance['BoundingBox']['Height']))
                print ("  Confidence: " + str(instance['Confidence']))
                print()

            print ("Parents:")
            for parent in label['Parents']:
                print ("   " + parent['Name'])
            print ("----------")
            print ()
        
        return {'result' : 'success',
                'Labels' : response['Labels']}, 200

 

config.py 파일

class Config :
    # AWS 관련 키
    ACCESS_KEY = IAM 사용자 access key
    SECRET_ACCESS = IAM 사용자 secret access key

    # S3 버킷
    S3_BUCKET = 버킷명
    # S3 Location
    S3_LOCATION = 'https://버킷명.지역명.amazonaws.com/'

 

 

4. 포스트맨으로 테스트

 

사용한 이미지

 

 

포스트맨 테스트 결과

 

 

원숭이 99.54%, 호랑이 96.64% 라는 결과가 나왔다.

다음으로 높게 예상한 label은 바로 동물원, 95.84%였다.