- Amazon S3: 이미지 데이터 및 모델 학습 결과를 저장한다. 이 데이터는 사용자가 업로드한 이미지 및 학습된 모델 등이 될 수 있다.
- Amazon EC2: 이미지 분류 모델을 학습하고 실행하는 서버로 활용한다. EC2 GPU 인스턴스를 사용하면 이미지 분류 모델의 학습 및 추론 성능을 높일 수 있다.
- Amazon RDS or DynamoDB: 사용자 정보, 부품 재고, 업로드된 이미지와 연결된 메타데이터 등의 데이터를 관리하는 데이터베이스로 활용한다. RDS는 관계형 데이터베이스를, DynamoDB는 NoSQL 데이터베이스를 제공한다.
- AWS Lambda: 사용자가 이미지를 업로드하면 이를 감지하고, EC2에서 실행 중인 이미지 분류 모델에 해당 이미지를 전달하는 등의 이벤트 기반 처리를 담당한다.
- API Gateway: 사용자의 요청을 처리하고, Lambda 함수와 같은 백엔드 서비스를 연결하는 API 레이어로 활용한다.
- AWS Cognito: 사용자 인증 및 권한 관리를 담당한다.
- AWS CloudWatch: 시스템의 로그를 모니터링하고, 알람을 설정하는 등의 시스템 모니터링 및 관리 작업을 담당한다.
- AWS SageMaker (옵션): 모델 학습 및 배포를 관리하며, Jupyter Notebook 환경을 제공합니다. 이미지 분류 모델의 학습 및 관리 작업을 쉽게 할 수 있다.
이렇게 구성된 시스템에서는 사용자가 API Gateway를 통해 이미지를 업로드하면, 이는 S3에 저장되고, 이에 따라 발생하는 이벤트가 Lambda 함수를 트리거한다. Lambda 함수는 이를 감지하고, EC2에서 실행 중인 이미지 분류 모델에 이미지를 전달한다. 이미지 분류 모델은 이미지를 분석하여 부품의 이름을 판단하고, 이 결과는 RDS나 DynamoDB에 저장된다. 이러한 과정을 통해 사용자가 업로드한 이미지가 어떤 부품인지를 판단하고, 이 정보를 재고 관리에 활용하는 것이 가능해진다.