본 연구는 요가의 정신적, 신체적 건강 효능으로 인해 전 세계적으로 널리 행해지는 요가 자세를 자동적으로 분류하는 시스템 구축에 대한 연구를 제시한다. 잘못된 자세로 인한 부상을 방지하기 위해, 전문가의 도움 없이도 요가 자세를 인식할 수 있는 시스템의 필요성이 대두되었다. 기존 연구들이 단일 자세 추출 모델이나 원시 이미지에만 초점을 맞춘 한계를 극복하고자, 본 연구에서는 'Yoga-16' 데이터셋을 소개하고, 세 가지 딥러닝 아키텍처(VGG16, ResNet50, Xception)와 세 가지 입력 방식(원시 이미지, MediaPipe Pose 골격 이미지, YOLOv8 Pose 골격 이미지)을 체계적으로 평가했다. 골격 기반 표현이 원시 이미지 입력보다 우수한 성능을 보였으며, MediaPipe Pose 골격 이미지를 사용한 VGG16이 96.09%의 최고 정확도를 달성했다. 또한 Grad-CAM을 이용한 해석 가능성 분석을 통해 교차 검증 분석과 함께 요가 자세 분류 모델의 의사 결정 과정을 파악했다.
