Le migliori alternative a YOLOv8 nel 2026: confronto RF-DETR e YOLO-NAS
COCO è il riferimento abituale per scegliere un detector. Un altro criterio è quanto bene il modello fa fine-tuning su altri dati. RF100-VL lo misura così: un checkpoint preaddestrato su COCO viene addestrato per 100 epoche su ciascuno di 100 dataset, poi valutato su ogni split di test. Il valore è la mAP50-95 media.
YOLOv8m ottiene 56.9, secondo l'appendice del paper. Due modelli che abbiamo eseguito ottengono risultati superiori: RF-DETR e YOLO-NAS. I risultati grezzi sono disponibili su huggingface.co/datasets/LibreYOLO/rf100-vl-results.
RF-DETR
RF-DETR-S ottiene 60.41 e RF-DETR-M 61.13 nella campagna di LibreYOLO. Roboflow riporta 60.2 e 61.2. Le varianti da Nano a Large sono distribuite con licenza Apache-2.0.
from libreyolo import LibreYOLO
model = LibreYOLO("LibreRFDETRs.pt")
model.train(data="my-dataset.yaml", epochs=100, imgsz=512, batch=8)
Documentazione | Pesi | Run 20260814-rfdetr-s-1b1190ee
YOLO-NAS
YOLO-NAS-S ottiene 58.00 ed è l'opzione convoluzionale se vuoi una CNN in stile YOLO. I pesi pubblicati da Deci non sono per uso commerciale. LibreYOLO non ne ospita. Dettagli: YOLO-NAS è ancora mantenuto.
from libreyolo import LibreYOLO
model = LibreYOLO("LibreYOLONASs.pt")
model.train(data="my-dataset.yaml", epochs=100, imgsz=640, batch=16)
Documentazione | Run 20260809-yolonas-s-02926964
Installa RF-DETR con pip install "libreyolo[rfdetr]" oppure YOLO-NAS con pip install libreyolo. Pagina della campagna: RF100-VL.