2026年版：YOLOv8の代替モデル、RF-DETRとYOLO-NASを比較
Xuban
検出器を選ぶときは、通常COCOが基準になります。別の見方として、ほかのデータでモデルをどれだけうまくファインチューニングできるかがあります。RF100-VLはその性能を測定します。COCOで事前学習したチェックポイントを、100個のデータセットそれぞれで100エポック学習させ、その後、各テスト分割で評価します。数値はmAP50-95の平均です。
論文の付録によると、YOLOv8mは56.9です。私たちが実行した2つのモデル、RF-DETRとYOLO-NASはこれを上回ります。実行結果はこちらで確認できます。
RF-DETR
LibreYOLOのキャンペーンではRF-DETR-Sが60.41、RF-DETR-Mが61.13です。Roboflowの報告では60.2と61.2です。NanoからLargeまでApache-2.0です。
from libreyolo import LibreYOLO
model = LibreYOLO("LibreRFDETRs.pt")
model.train(data="my-dataset.yaml", epochs=100, imgsz=512, batch=8)
ドキュメント | 重み | 実行 20260814-rfdetr-s-1b1190ee
YOLO-NAS
YOLO-NAS-Sは58.00です。YOLOスタイルのCNNを使いたい場合の畳み込み型モデルです。Deciが公開した重みは商用利用できません。LibreYOLOはその重みを提供していません。詳細はYOLO-NASは現在もメンテナンスされていますをご覧ください。
from libreyolo import LibreYOLO
model = LibreYOLO("LibreYOLONASs.pt")
model.train(data="my-dataset.yaml", epochs=100, imgsz=640, batch=16)
ドキュメント | 実行 20260809-yolonas-s-02926964
RF-DETRにはpip install "libreyolo[rfdetr]"を、YOLO-NASにはpip install libreyoloを実行してインストールします。キャンペーンページ：RF100-VL。