용어 해설
- YOLO 계열(YOLO Family)
- — YOLO 계열은 이미지를 한 번에 처리해 바운딩박스와 클래스 확률을 동시에 출력하는 single-stage object detector 계열이다. 입력 이미지는 backbone에서 특징 맵으로 변환되고 neck과 head를 거쳐 위치와 클래스를 예측하는 파이프라인을 따른다. 설계 목표가 실시간 처리에 맞춰져 있어 임베디드 장치나 실시간 비디오 분석에 자주 활용된다.
- 파인튜닝(Fine-tuning)
- — 파인튜닝은 사전학습된 모델의 가중치를 초기값으로 삼아 특정 작업 데이터로 추가 학습해 성능을 맞추는 절차이다. 입력 데이터와 손실함수를 통해 전체 또는 일부 파라미터를 gradient descent로 갱신하여 도메인 특화 성능을 얻는다. 대형 모델을 전체 파라미터 단위로 조정하면 저장과 전송, 학습 비용이 크게 증가하는 문제가 있다.
- 파라미터 효율적 파인튜닝(Parameter-Efficient Fine-Tuning)
- — 파라미터 효율적 파인튜닝은 전체 모델을 재학습하지 않고 소수의 추가 파라미터나 일부 모듈만 업데이트해 적은 자원으로 적응하는 접근법이다. 일반적으로 adapter나 LoRA 같은 저용량 모듈을 삽입하거나 특정 레이어만 미세조정하는 식으로 구현된다. 이 방식은 여러 작업에서 백본을 공유하면서 작업별 저장 비용과 재학습 시간을 낮추는 데 유리하다.
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 08. 07.수집 2026. 08. 11.출처 타입 PAPER
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
