Benchmarks do LibreYOLO
Compare a precisão no COCO, a generalização e a velocidade de inferência.
COCO
Acurácia em relação ao tamanho
Compare a precisão no COCO com o número de parâmetros, com YOLOv9 e RF-DETR em destaque. Dados do Vision Analysis.
RF100-VL
Generalização além do COCO
O RF100-VL mede como os detectores se adaptam a novos domínios por meio de fine-tuning em 100 datasets reais.
Metodologia e limitações
Cada configuração é treinada separadamente em cada dataset. Os checkpoints são selecionados na validação e avaliados no teste com pycocotools e maxDets 500. O resultado é a média não ponderada do AP50:95 dos 100 datasets.
As linhas ligam tamanhos de modelos. As receitas e resoluções variam; LoRA é mostrado separadamente.
Estes resultados usam uma única semente, com receitas, resoluções e precisão numérica específicas de cada família. O relatório documenta a metodologia, as comparações e os limites de implementação.
* As pontuações do YOLOv9 são anteriores às correções de treinamento. O YOLO-NAS usa pesos pré-treinados com uma licença não comercial separada.
Velocidade de inferência no seu hardware
Compare a latência por dispositivo, runtime e precisão numérica.