Melhores alternativas ao YOLOv8 em 2026
O COCO é o critério habitual para escolher um detector. Outra perspectiva é avaliar o desempenho do modelo ao fazer fine-tuning com outros dados. O RF100-VL mede isso: um checkpoint pré-treinado no COCO é treinado por 100 épocas em cada um de 100 datasets e, em seguida, avaliado em cada conjunto de teste. O número corresponde à média de mAP50-95.
O YOLOv8m obtém 56.9, segundo o apêndice do artigo. Dois modelos que executamos têm pontuações maiores: RF-DETR e YOLO-NAS. Os resultados brutos estão em huggingface.co/datasets/LibreYOLO/rf100-vl-results.
RF-DETR
O RF-DETR-S obteve 60.41 e o RF-DETR-M, 61.13 na campanha do LibreYOLO. A Roboflow informa 60.2 e 61.2. As variantes de Nano a Large usam Apache-2.0.
from libreyolo import LibreYOLO
model = LibreYOLO("LibreRFDETRs.pt")
model.train(data="my-dataset.yaml", epochs=100, imgsz=512, batch=8)
Documentação | Pesos | Execução 20260814-rfdetr-s-1b1190ee
YOLO-NAS
O YOLO-NAS-S obteve 58.00 e é a opção convolucional para quem quer uma CNN no estilo YOLO. Os pesos publicados pela Deci não podem ser usados comercialmente. O LibreYOLO não hospeda nenhum deles. Saiba mais: YOLO-NAS continua sendo mantido.
from libreyolo import LibreYOLO
model = LibreYOLO("LibreYOLONASs.pt")
model.train(data="my-dataset.yaml", epochs=100, imgsz=640, batch=16)
Documentação | Execução 20260809-yolonas-s-02926964
Instale com pip install "libreyolo[rfdetr]" para usar RF-DETR ou com pip install libreyolo para usar YOLO-NAS. Página da campanha: RF100-VL.