Alternatives à YOLOv8 en 2026 : RF-DETR et YOLO-NAS
COCO est la référence habituelle pour choisir un détecteur. Une autre approche consiste à mesurer la qualité du fine-tuning du modèle sur d'autres données. RF100-VL évalue cela : un checkpoint pré-entraîné sur COCO est entraîné pendant 100 époques sur chacun de 100 datasets, puis évalué sur chaque split de test. Le chiffre correspond à la moyenne du mAP50-95.
YOLOv8m obtient 56.9, selon l'annexe de l'article. Deux modèles que nous avons exécutés obtiennent un meilleur score : RF-DETR et YOLO-NAS. Les résultats bruts sont disponibles sur huggingface.co/datasets/LibreYOLO/rf100-vl-results.
RF-DETR
RF-DETR-S obtient 60.41 et RF-DETR-M 61.13 dans la campagne de LibreYOLO. Roboflow rapporte 60.2 et 61.2. Les versions Nano à Large sont sous Apache-2.0.
from libreyolo import LibreYOLO
model = LibreYOLO("LibreRFDETRs.pt")
model.train(data="my-dataset.yaml", epochs=100, imgsz=512, batch=8)
Documentation | Poids | Exécution 20260814-rfdetr-s-1b1190ee
YOLO-NAS
YOLO-NAS-S obtient 58.00. C'est l'option convolutionnelle si vous recherchez un CNN de style YOLO. Les poids publiés par Deci ne sont pas destinés à un usage commercial. LibreYOLO n'en héberge aucun. Détails : YOLO-NAS est toujours maintenu.
from libreyolo import LibreYOLO
model = LibreYOLO("LibreYOLONASs.pt")
model.train(data="my-dataset.yaml", epochs=100, imgsz=640, batch=16)
Documentation | Exécution 20260809-yolonas-s-02926964
Installez RF-DETR avec pip install "libreyolo[rfdetr]", ou YOLO-NAS avec pip install libreyolo. Page de la campagne : RF100-VL.