> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/models/ja/ping-si/training-resolutions-by-model-type.md).

# モデル種別ごとの学習解像度

学習解像度は、モデルの精度、推論速度、学習時間に影響します。各モデルアーキテクチャには、これらの要素のバランスを取るデフォルトの解像度があります。デフォルトでは、Roboflow は選択したモデルアーキテクチャに対するデフォルトの学習解像度を提案します。

下の表は、各モデルアーキテクチャとサイズのデフォルト学習解像度を示しています。新規作成時に resize 前処理ステップを設定することで、これらのデフォルト値を上書きできます [データセットバージョン](https://docs.roboflow.com/datasets/versions/dataset-versions).

### 物体検出

<table data-search="false"><thead><tr><th>モデルタイプ</th><th width="273.3359375">ファミリーとサイズ</th><th>デフォルト学習解像度</th></tr></thead><tbody><tr><td>物体検出</td><td>RF-DETR Nano</td><td>384×384</td></tr><tr><td>物体検出</td><td>RF-DETR Small</td><td>512×512</td></tr><tr><td>物体検出</td><td>RF-DETR Medium</td><td>576×576</td></tr><tr><td>物体検出</td><td>RF-DETR Large</td><td>704×704</td></tr><tr><td>物体検出</td><td>RF-DETR X Large</td><td>700x700</td></tr><tr><td>物体検出</td><td>RF-DETR 2X Large</td><td>880x880</td></tr><tr><td>物体検出</td><td>Roboflow 3.0 - 高速</td><td>640×640</td></tr><tr><td>物体検出</td><td>Roboflow 3.0 - 高精度</td><td>640×640</td></tr><tr><td>物体検出</td><td>Roboflow 3.0 - 中</td><td>640×640</td></tr><tr><td>物体検出</td><td>Roboflow 3.0 - 大</td><td>640×640</td></tr><tr><td>物体検出</td><td>Roboflow 3.0 - 特大</td><td>640×640</td></tr><tr><td>物体検出</td><td>YOLOv26(n/s/m/l/x)</td><td>640×640</td></tr><tr><td>物体検出</td><td>YOLOv12 (n/s/m/l/x)</td><td>640×640</td></tr><tr><td>物体検出</td><td>YOLOv11 (n/s/m/l/x)</td><td>640×640</td></tr><tr><td>物体検出</td><td>YOLOv10 (n/s/m/b/l/x)</td><td>640×640</td></tr><tr><td>物体検出</td><td>YOLOv9 (s/m/c/e)</td><td>640×640</td></tr><tr><td>物体検出</td><td>YOLOv8 (n/s/m/l/x)</td><td>640×640</td></tr><tr><td>物体検出</td><td>YOLOv5 (n/s/m/l/x)</td><td>640×640</td></tr><tr><td>物体検出</td><td>YOLOv7（レガシー）</td><td>640×640</td></tr><tr><td>物体検出</td><td>YOLO-NAS Small</td><td>640×640</td></tr><tr><td>物体検出</td><td>YOLO-NAS Medium</td><td>640×640</td></tr><tr><td>物体検出</td><td>Roboflow Instant</td><td>1008x1008</td></tr></tbody></table>

### インスタンスセグメンテーション

<table data-search="false"><thead><tr><th>モデルタイプ</th><th width="272.8203125">ファミリーとサイズ</th><th>デフォルト学習解像度</th></tr></thead><tbody><tr><td>インスタンスセグメンテーション</td><td>RF-DETR Seg Nano</td><td>312x312</td></tr><tr><td>インスタンスセグメンテーション</td><td>RF-DETR Seg Small</td><td>384x384</td></tr><tr><td>インスタンスセグメンテーション</td><td>RF-DETR Seg Medium</td><td>432x432</td></tr><tr><td>インスタンスセグメンテーション</td><td>RF-DETR Seg Large</td><td>504x504</td></tr><tr><td>インスタンスセグメンテーション</td><td>RF-DETR Seg X Large</td><td>624x624</td></tr><tr><td>インスタンスセグメンテーション</td><td>RF-DETR Seg 2X Large</td><td>768x768</td></tr><tr><td>インスタンスセグメンテーション</td><td>Roboflow 3.0 - 高速 (Seg)</td><td>640×640</td></tr><tr><td>インスタンスセグメンテーション</td><td>Roboflow 3.0 - 高精度 (Seg)</td><td>640×640</td></tr><tr><td>インスタンスセグメンテーション</td><td>Roboflow 3.0 - 中 (Seg)</td><td>640×640</td></tr><tr><td>インスタンスセグメンテーション</td><td>Roboflow 3.0 - 大 (Seg)</td><td>640×640</td></tr><tr><td>インスタンスセグメンテーション</td><td>Roboflow 3.0 - 特大 (Seg)</td><td>640×640</td></tr><tr><td>インスタンスセグメンテーション</td><td>YOLO-seg (v8/10/11/12)</td><td>640×640</td></tr><tr><td>インスタンスセグメンテーション</td><td>SAM3（Segment Anything 3）</td><td>1008x1008</td></tr><tr><td>インスタンスセグメンテーション</td><td>セマンティックセグメンテーション (DeepLabV3+)</td><td>≥ 512×512</td></tr></tbody></table>

### セマンティックセグメンテーション

<table data-search="false"><thead><tr><th>モデルタイプ</th><th width="272.8203125">ファミリーとサイズ</th><th>デフォルト学習解像度</th></tr></thead><tbody><tr><td>セマンティックセグメンテーション</td><td>YOLO26-SEM (n/s/m/l/x)</td><td>1024×1024</td></tr><tr><td>セマンティックセグメンテーション</td><td>DeepLabV3+</td><td>≥ 512×512</td></tr></tbody></table>

### 分類と姿勢推定

<table data-search="false"><thead><tr><th>モデルタイプ</th><th width="272.66796875">ファミリーとサイズ</th><th>デフォルト学習解像度</th></tr></thead><tbody><tr><td>分類と姿勢推定</td><td>Resnet-18/34/50</td><td>224x224</td></tr><tr><td>分類と姿勢推定</td><td>YOLO-cls (v8/11)</td><td>224x224</td></tr><tr><td>分類と姿勢推定</td><td>Vision Transformer (ViT)</td><td>224x224</td></tr><tr><td>分類と姿勢推定</td><td>YOLO-pose (keypoints)</td><td>640x640</td></tr><tr><td>キーポイント検出</td><td>RF-DETR Keypoint（プレビュー）</td><td>576x576</td></tr></tbody></table>

### マルチモーダル/VLM

<table data-search="false"><thead><tr><th>モデルタイプ</th><th width="272.96484375">ファミリーとサイズ</th><th>デフォルト学習解像度</th></tr></thead><tbody><tr><td>マルチモーダル/VLM</td><td>PaliGemma 2 - 3 B</td><td>448x448</td></tr><tr><td>マルチモーダル/VLM</td><td>PaliGemma 2 - 10 B/28 B</td><td>448x448</td></tr><tr><td>マルチモーダル/VLM</td><td>Florence-2</td><td>448x448</td></tr><tr><td>マルチモーダル/VLM</td><td>QWEN 2.5 VL</td><td>448x448</td></tr><tr><td>マルチモーダル/VLM</td><td>SmolVLM2</td><td>384x384</td></tr></tbody></table>