LibreYOLO 벤치마크
COCO 정확도, 일반화 성능, 추론 속도를 비교합니다.
RF100-VL
COCO를 넘어선 일반화 성능
RF100-VL은 100개의 실제 데이터셋에서 파인튜닝하여 객체 탐지 모델이 새로운 도메인에 적응하는 능력을 측정합니다.
점 위에 마우스를 올리거나 탭하면 모델 세부 정보를 볼 수 있습니다.
평가 방법 및 한계
각 구성을 데이터셋마다 별도로 학습합니다. 검증 데이터로 체크포인트를 선택한 뒤 테스트 데이터에서 pycocotools와 maxDets 500으로 평가합니다. 결과는 100개 데이터셋의 AP50:95를 동일한 가중치로 평균한 값입니다.
선은 모델 크기를 연결합니다. 학습 설정과 해상도는 서로 다르며, LoRA는 별도로 표시합니다.
단일 시드 결과이며 학습 레시피, 해상도, 수치 정밀도는 모델 계열마다 다릅니다. 보고서에서 방법론, 모델 비교, 구현상의 한계를 설명합니다.
* YOLOv9 점수는 학습 수정 이전의 결과입니다. YOLO-NAS는 별도의 비상업용 라이선스가 적용되는 사전 학습 가중치를 사용합니다.
사용할 하드웨어의 추론 속도
기기, 런타임, 수치 정밀도별로 지연 시간을 비교합니다.