> 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/roboflow/roboflow-ko/train/training-resolutions-by-model-type.md).

# 모델 유형별 학습 해상도

학습 해상도는 모델 정확도, 추론 속도, 그리고 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. 새로운 [Dataset Version](/roboflow/roboflow-ko/datasets/dataset-versions.md).

### 객체 탐지

<table><thead><tr><th>모델 유형</th><th width="273.3359375">패밀리 &#x26; 크기</th><th>기본 학습 해상도</th></tr></thead><tbody><tr><td>객체 탐지</td><td>RF-DETR Nano</td><td>384×384</td></tr><tr><td>객체 탐지</td><td>RF-DETR Small</td><td>512×512</td></tr><tr><td>객체 탐지</td><td>RF-DETR Medium</td><td>576×576</td></tr><tr><td>객체 탐지</td><td>RF-DETR Large</td><td>704×704</td></tr><tr><td>객체 탐지</td><td>RF-DETR X Large</td><td>700x700</td></tr><tr><td>객체 탐지</td><td>RF-DETR 2X Large</td><td>880x880</td></tr><tr><td>객체 탐지</td><td>Roboflow 3.0 - Fast</td><td>640×640</td></tr><tr><td>객체 탐지</td><td>Roboflow 3.0 - Accurate</td><td>640×640</td></tr><tr><td>객체 탐지</td><td>Roboflow 3.0 - Medium</td><td>640×640</td></tr><tr><td>객체 탐지</td><td>Roboflow 3.0 - Large</td><td>640×640</td></tr><tr><td>객체 탐지</td><td>Roboflow 3.0 - Extra Large</td><td>640×640</td></tr><tr><td>객체 탐지</td><td>YOLOv26(n/s/m/l/x)</td><td>640×640</td></tr><tr><td>객체 탐지</td><td>YOLOv12 (n/s/m/l/x)</td><td>640×640</td></tr><tr><td>객체 탐지</td><td>YOLOv11 (n/s/m/l/x)</td><td>640×640</td></tr><tr><td>객체 탐지</td><td>YOLOv10 (n/s/m/b/l/x)</td><td>640×640</td></tr><tr><td>객체 탐지</td><td>YOLOv9 (s/m/c/e)</td><td>640×640</td></tr><tr><td>객체 탐지</td><td>YOLOv8 (n/s/m/l/x)</td><td>640×640</td></tr><tr><td>객체 탐지</td><td>YOLOv5 (n/s/m/l/x)</td><td>640×640</td></tr><tr><td>객체 탐지</td><td>YOLOv7 (레거시)</td><td>640×640</td></tr><tr><td>객체 탐지</td><td>YOLO‑NAS Small</td><td>640×640</td></tr><tr><td>객체 탐지</td><td>YOLO‑NAS Medium</td><td>640×640</td></tr><tr><td>객체 탐지</td><td>Roboflow Instant</td><td>1008x1008</td></tr></tbody></table>

### 인스턴스 세그멘테이션

<table><thead><tr><th>모델 유형</th><th width="272.8203125">패밀리 &#x26; 크기</th><th>기본 학습 해상도</th></tr></thead><tbody><tr><td>인스턴스 세그멘테이션</td><td>RF-DETR Seg Nano</td><td>312x312</td></tr><tr><td>인스턴스 세그멘테이션</td><td>RF-DETR Seg Small</td><td>384x384</td></tr><tr><td>인스턴스 세그멘테이션</td><td>RF-DETR Seg Medium</td><td>432x432</td></tr><tr><td>인스턴스 세그멘테이션</td><td>RF-DETR Seg Large</td><td>504x504</td></tr><tr><td>인스턴스 세그멘테이션</td><td>RF-DETR Seg X Large</td><td>624x624</td></tr><tr><td>인스턴스 세그멘테이션</td><td>RF-DETR Seg 2X Large</td><td>768x768</td></tr><tr><td>인스턴스 세그멘테이션</td><td>Roboflow 3.0 - Fast (Seg)</td><td>640×640</td></tr><tr><td>인스턴스 세그멘테이션</td><td>Roboflow 3.0 - Accurate (Seg)</td><td>640×640</td></tr><tr><td>인스턴스 세그멘테이션</td><td>Roboflow 3.0 - Medium (Seg)</td><td>640×640</td></tr><tr><td>인스턴스 세그멘테이션</td><td>Roboflow 3.0 - Large (Seg)</td><td>640×640</td></tr><tr><td>인스턴스 세그멘테이션</td><td>Roboflow 3.0 - Extra Large (Seg)</td><td>640×640</td></tr><tr><td>인스턴스 세그멘테이션</td><td>YOLO-seg (v8/10/11/12)</td><td>640×640</td></tr><tr><td>인스턴스 세그멘테이션</td><td>SAM3 (Segment Anything 3)</td><td>1008x1008</td></tr><tr><td>인스턴스 세그멘테이션</td><td>시맨틱 세분화 (DeepLabV3+)</td><td>≥ 512×512</td></tr></tbody></table>

### 시맨틱 세그멘테이션

<table><thead><tr><th>모델 유형</th><th width="272.8203125">패밀리 &#x26; 크기</th><th>기본 학습 해상도</th></tr></thead><tbody><tr><td>시맨틱 세그멘테이션</td><td>YOLO26-SEM (n/s/m/l/x)</td><td>1024×1024</td></tr><tr><td>시맨틱 세그멘테이션</td><td>DeepLabV3+</td><td>≥ 512×512</td></tr></tbody></table>

### 분류 및 포즈

<table><thead><tr><th>모델 유형</th><th width="272.66796875">패밀리 &#x26; 크기</th><th>기본 학습 해상도</th></tr></thead><tbody><tr><td>분류 및 포즈</td><td>Resnet-18/34/50</td><td>224x224</td></tr><tr><td>분류 및 포즈</td><td>YOLO-cls (v8/11)</td><td>224x224</td></tr><tr><td>분류 및 포즈</td><td>비전 트랜스포머 (ViT)</td><td>224x224</td></tr><tr><td>분류 및 포즈</td><td>YOLO-pose (키포인트)</td><td>640x640</td></tr><tr><td>키포인트 감지</td><td>RF-DETR Keypoint (미리보기)</td><td>576x576</td></tr></tbody></table>

### 멀티모달/VLM

<table><thead><tr><th>모델 유형</th><th width="272.96484375">패밀리 &#x26; 크기</th><th>기본 학습 해상도</th></tr></thead><tbody><tr><td>멀티모달/VLM</td><td>PaliGemma 2 - 3 B</td><td>448x448</td></tr><tr><td>멀티모달/VLM</td><td>PaliGemma 2 - 10 B/28 B</td><td>448x448</td></tr><tr><td>멀티모달/VLM</td><td>Florence-2</td><td>448x448</td></tr><tr><td>멀티모달/VLM</td><td>QWEN 2.5 VL</td><td>448x448</td></tr><tr><td>멀티모달/VLM</td><td>SmolVLM2</td><td>384x384</td></tr></tbody></table>