LibreYOLOベンチマーク
COCO 精度、汎化性能、推論速度を比較。
RF100-VL
COCOを超えた汎化性能
RF100-VLは、100の実世界データセットでのファインチューニングを通じて、物体検出モデルが新しいドメインに適応する能力を測定します。
点にカーソルを合わせるかタップすると、モデルの詳細を表示します。
評価方法と制約
各構成をデータセットごとに個別に学習します。検証用データでチェックポイントを選び、テスト用データをpycocotoolsのmaxDets 500で評価します。結果は100データセットのAP50:95の単純平均です。
線はモデルのサイズ間を結んでいます。学習設定と解像度は異なり、LoRA は別に表示しています。
結果は単一シードによるもので、学習レシピ、解像度、数値精度はモデル系列ごとに異なります。手法、モデル比較、実装上の制約はレポートで説明しています。
* YOLOv9のスコアは学習処理の修正前のものです。YOLO-NASは別途非商用ライセンスが適用される事前学習済み重みを使用しています。
使用するハードウェアでの推論速度
デバイス、ランタイム、数値精度ごとにレイテンシを比較。