A Comparative Study of Faster R-CNN, Mask R-CNN, and YOLOv8 for Object Detection and Instance Segmentation, with a Custom-Class Transfer-Learning Case Study
본 논문은 객체 탐지 및 인스턴스 분할을 위한 Faster R-CNN, Mask R-CNN, 그리고 YOLOv8에 대한 이론적 및 질적 비교 분석을 제공하며, 맞춤형 군용 차량 사례 연구를 통해 경량 단일 단계 검출기가 일반 데이터셋만으로 학습된 2단계 모델보다 우수한 성능을 보이면서도 전이 학습을 통해 새로운 클래스에 효과적으로 적응할 수 있음을 진화하는 실시간 탐지 아키텍처의 맥락 안에서 입증한다.