Faster R-CNN 모델과 YOLO모델의 비교
- 자료 유형
- 실제 탐구보고서
- 합격 정보
- 한양대(서울) 컴퓨터소프트웨어학부
- 활동 유형
- 진로활동
- 교과 과목
- 프로그래밍, 수학Ⅰ, 수학Ⅱ
- 탐구 키워드
- 인공지능 (머신러닝, NLP 등)
2026-04-09
로그인 후 이용해주세요
저장소에 저장되었습니다.
로그인 후 이용해주세요
내용 요약
학예술제 기간 진로와 직업 발표 시간에 앞선 보고서를 발표하던 중 한 선생님께서 CNN보다 YOLO가 무조건 좋다는 취지로 보일 수 있다는 조언을 해주셨고 이에 CNN 기반의 객체 인식 모델을 탐구하게 됨.
CNN을 객체인식에 활용하는 모델인 R-CNN, Fast R-CNN, Faster R-CNN에 대해 각 모델의 구조와 문제점, 이를 개선해 등장한 다음 모델의 개선점을 중심으로 탐구함.
이후 YOLO모델과 Faster R-CNN 모델에 대해 성능을 비교해봄.
비교 결과 속도는 YOLO모델이 더 빨랐지만, 모델의 예측 성능면에서는 Faster R-CNN이 더 높았음, 다만 두 모델의 개발 시기가 많은 차이가 난다는 점에서 적절한 비교는 아님을 밝힘.
하나의 활동에 만족하지 않고 개선사항을 발견한다면 지속적으로 탐구할 수 있는 모습을 보여줌.
탐구 보고서 전문
멘토의 다른 탐구 활동
꼭 알아주세요
- 본 자료와 관련된 모든 저작권은 (주)진학사에 있으며, 저작권법 제4장 및 제5장의 규정에 따라 일부 또는 전체를 복제, 배포, 업로드하거나 이를 바탕으로 한 2차 저작물을 제작하는 행위를 금합니다.
- 제공되는 탐구 보고서는 학생부종합전형으로 합격한 선배들의 실제 탐구 자료입니다. 이미 대학 입학사정관의 평가를 받은 자료이기에,이를 그대로 따라하기보다는 참고 자료로 활용하여 여러분만의 독창적인 탐구 보고서를 작성해 주시기 바랍니다. 선배들의 탐구 과정과 방법론을 참고하되, 여러분의 관심사와 관점을 반영한 차별화된 탐구를 진행하시길 권합니다.
- 하나의 아이디는 구매자 본인 이용을 기준으로 제공됩니다. 본인이 사용하는 PC/모바일에서는 이용 가능하나, 여러 명이 하나의 아이디를 공유해 이용할 수 없습니다. 부정 사용 방지를 위해 접속 IP 등 이용 로그가 기록될 수 있으며, 비정상 이용이 확인될 경우 서비스 이용이 제한될 수 있습니다.