모델 유형별 학습 해상도

모든 작업 유형에 걸쳐 지원되는 각 모델 아키텍처와 크기에 대한 기본 학습 해상도입니다.

학습 해상도는 모델 정확도, 추론 속도, 학습 시간에 영향을 미칩니다. 각 모델 아키텍처에는 이러한 요소들의 균형을 맞추는 기본 해상도가 있습니다. 기본적으로 Roboflow는 선택한 모델 아키텍처에 대한 기본 학습 해상도를 제안합니다.

아래 표는 각 모델 아키텍처와 크기에 대한 기본 학습 해상도를 보여줍니다. 새 데이터셋 버전.

객체 감지

모델 유형	패밀리 및 크기	기본 학습 해상도
객체 감지	RF-DETR 나노	384×384
객체 감지	RF-DETR 스몰	512×512
객체 감지	RF-DETR 미디엄	576×576
객체 감지	RF-DETR 라지	704×704
객체 감지	RF-DETR X 라지	700x700
객체 감지	RF-DETR 2X 라지	880x880
객체 감지	Roboflow 3.0 - 빠름	640×640
객체 감지	Roboflow 3.0 - 정확	640×640
객체 감지	Roboflow 3.0 - 중간	640×640
객체 감지	Roboflow 3.0 - 대형	640×640
객체 감지	Roboflow 3.0 - 초대형	640×640
객체 감지	YOLOv26(n/s/m/l/x)	640×640
객체 감지	YOLOv12 (n/s/m/l/x)	640×640
객체 감지	YOLOv11 (n/s/m/l/x)	640×640
객체 감지	YOLOv10 (n/s/m/b/l/x)	640×640
객체 감지	YOLOv9 (s/m/c/e)	640×640
객체 감지	YOLOv8 (n/s/m/l/x)	640×640
객체 감지	YOLOv5 (n/s/m/l/x)	640×640
객체 감지	YOLOv7 (레거시)	640×640
객체 감지	YOLO-NAS 스몰	640×640
객체 감지	YOLO-NAS 미디엄	640×640
객체 감지	Roboflow 인스턴트	1008x1008

인스턴스 분할

모델 유형	패밀리 및 크기	기본 학습 해상도
인스턴스 분할	RF-DETR Seg 나노	312x312
인스턴스 분할	RF-DETR Seg 스몰	384x384
인스턴스 분할	RF-DETR Seg 미디엄	432x432
인스턴스 분할	RF-DETR Seg 라지	504x504
인스턴스 분할	RF-DETR Seg X 라지	624x624
인스턴스 분할	RF-DETR Seg 2X 라지	768x768
인스턴스 분할	Roboflow 3.0 - 빠름 (Seg)	640×640
인스턴스 분할	Roboflow 3.0 - 정확 (Seg)	640×640
인스턴스 분할	Roboflow 3.0 - 중간 (Seg)	640×640
인스턴스 분할	Roboflow 3.0 - 대형 (Seg)	640×640
인스턴스 분할	Roboflow 3.0 - 초대형 (Seg)	640×640
인스턴스 분할	YOLO-seg (v8/10/11/12)	640×640
인스턴스 분할	SAM3 (Segment Anything 3)	1008x1008
인스턴스 분할	시맨틱 세그멘테이션 (DeepLabV3+)	≥ 512×512

시맨틱 세그멘테이션

모델 유형	패밀리 및 크기	기본 학습 해상도
시맨틱 세그멘테이션	YOLO26-SEM (n/s/m/l/x)	1024×1024
시맨틱 세그멘테이션	DeepLabV3+	≥ 512×512

분류 및 포즈

모델 유형	패밀리 및 크기	기본 학습 해상도
분류 및 포즈	Resnet-18/34/50	224x224
분류 및 포즈	YOLO-cls (v8/11)	224x224
분류 및 포즈	Vision Transformer (ViT)	224x224
분류 및 포즈	YOLO-pose (키포인트)	640x640
키포인트 감지	RF-DETR Keypoint (미리보기)	576x576

멀티모달/VLM

모델 유형	패밀리 및 크기	기본 학습 해상도
멀티모달/VLM	PaliGemma 2 - 3 B	448x448
멀티모달/VLM	PaliGemma 2 - 10 B/28 B	448x448
멀티모달/VLM	Florence-2	448x448
멀티모달/VLM	QWEN 2.5 VL	448x448
멀티모달/VLM	SmolVLM2	384x384