# Model 유형별 Training Resolution

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 대해 기본 학습 해상도를 제안합니다.

아래 표는 각 모델 아키텍처와 크기에 대한 기본 학습 해상도를 보여줍니다. 새 프로젝트를 생성할 때 resize 전처리 단계를 구성하여 이러한 기본값을 재정의할 수 있습니다 [Dataset Version](/roboflow/roboflow-ko/datasets/dataset-versions.md).

### 객체 감지

<table><thead><tr><th>모델 유형</th><th width="273.3359375">패밀리 및 크기</th><th>기본 학습 해상도</th></tr></thead><tbody><tr><td>객체 감지</td><td>RF-DETR Nano</td><td>384×384</td></tr><tr><td>객체 감지</td><td>RF-DETR Small</td><td>512×512</td></tr><tr><td>객체 감지</td><td>RF-DETR Medium</td><td>576×576</td></tr><tr><td>객체 감지</td><td>RF-DETR Large</td><td>704×704</td></tr><tr><td>객체 감지</td><td>RF-DETR X Large</td><td>700x700</td></tr><tr><td>객체 감지</td><td>RF-DETR 2X Large</td><td>880x880</td></tr><tr><td>객체 감지</td><td>Roboflow 3.0 - Fast</td><td>640×640</td></tr><tr><td>객체 감지</td><td>Roboflow 3.0 - Accurate</td><td>640×640</td></tr><tr><td>객체 감지</td><td>Roboflow 3.0 - Medium</td><td>640×640</td></tr><tr><td>객체 감지</td><td>Roboflow 3.0 - Large</td><td>640×640</td></tr><tr><td>객체 감지</td><td>Roboflow 3.0 - Extra Large</td><td>640×640</td></tr><tr><td>객체 감지</td><td>YOLOv26(n/s/m/l/x)</td><td>640×640</td></tr><tr><td>객체 감지</td><td>YOLOv12 (n/s/m/l/x)</td><td>640×640</td></tr><tr><td>객체 감지</td><td>YOLOv11 (n/s/m/l/x)</td><td>640×640</td></tr><tr><td>객체 감지</td><td>YOLOv10 (n/s/m/b/l/x)</td><td>640×640</td></tr><tr><td>객체 감지</td><td>YOLOv9 (s/m/c/e)</td><td>640×640</td></tr><tr><td>객체 감지</td><td>YOLOv8 (n/s/m/l/x)</td><td>640×640</td></tr><tr><td>객체 감지</td><td>YOLOv5 (n/s/m/l/x)</td><td>640×640</td></tr><tr><td>객체 감지</td><td>YOLOv7 (레거시)</td><td>640×640</td></tr><tr><td>객체 감지</td><td>YOLO‑NAS Small</td><td>640×640</td></tr><tr><td>객체 감지</td><td>YOLO‑NAS Medium</td><td>640×640</td></tr><tr><td>객체 감지</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 및 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>Semantic segmentation (DeepLabV3+)</td><td>≥ 512×512</td></tr></tbody></table>

### 분류 및 Pose

<table><thead><tr><th>모델 유형</th><th width="272.66796875">패밀리 및 크기</th><th>기본 학습 해상도</th></tr></thead><tbody><tr><td>분류 및 Pose</td><td>Resnet-18/34/50</td><td>224x224</td></tr><tr><td>분류 및 Pose</td><td>YOLO-cls (v8/11)</td><td>224x224</td></tr><tr><td>분류 및 Pose</td><td>Vision Transformer (ViT)</td><td>224x224</td></tr><tr><td>분류 및 Pose</td><td>YOLO-pose (keypoints)</td><td>640x640</td></tr></tbody></table>

### 멀티모달/VLM

<table><thead><tr><th>모델 유형</th><th width="272.96484375">패밀리 및 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>


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.roboflow.com/roboflow/roboflow-ko/train/training-resolutions-by-model-type.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.