Die besten YOLOv8-Alternativen 2026: RF-DETR und YOLO-NAS
COCO ist die übliche Grundlage für die Wahl eines Detektors. Ein anderer Blickwinkel ist, wie gut sich das Modell mit anderen Daten nachtrainieren lässt. RF100-VL misst genau das: Ein auf COCO vortrainierter Checkpoint wird auf jedem von 100 Datensätzen 100 Epochen lang trainiert und anschließend auf jeder Testaufteilung bewertet. Der Wert ist der mittlere mAP50-95.
YOLOv8m erreicht dort laut Anhang des Papers 56.9. Zwei von uns ausgeführte Modelle schneiden besser ab: RF-DETR und YOLO-NAS. Die unveränderten Ergebnisse findest du unter huggingface.co/datasets/LibreYOLO/rf100-vl-results.
RF-DETR
RF-DETR-S erreicht in LibreYOLOs Kampagne 60.41 und RF-DETR-M 61.13. Roboflow gibt 60.2 und 61.2 an. Nano bis Large stehen unter Apache-2.0.
from libreyolo import LibreYOLO
model = LibreYOLO("LibreRFDETRs.pt")
model.train(data="my-dataset.yaml", epochs=100, imgsz=512, batch=8)
Dokumentation | Gewichte | Lauf 20260814-rfdetr-s-1b1190ee
YOLO-NAS
YOLO-NAS-S erreicht 58.00 und ist die konvolutionale Option, wenn du ein YOLO-artiges CNN möchtest. Die veröffentlichten Gewichte von Deci sind nicht kommerziell nutzbar. LibreYOLO hostet keine davon. Details: YOLO-NAS wird weiterhin gepflegt.
from libreyolo import LibreYOLO
model = LibreYOLO("LibreYOLONASs.pt")
model.train(data="my-dataset.yaml", epochs=100, imgsz=640, batch=16)
Dokumentation | Lauf 20260809-yolonas-s-02926964
Installiere RF-DETR mit pip install "libreyolo[rfdetr]" oder YOLO-NAS mit pip install libreyolo. Kampagnenseite: RF100-VL.