Лучшие альтернативы YOLOv8 в 2026 году: RF-DETR и YOLO-NAS
Для выбора детектора обычно смотрят на результаты COCO. Есть и другой критерий: насколько хорошо модель дообучается на других данных. Это измеряет RF100-VL: чекпойнт, предобученный на COCO, обучают 100 эпох на каждом из 100 датасетов, а затем оценивают на тестовой выборке каждого из них. Итоговое значение — среднее mAP50-95.
Для YOLOv8m оно составляет 56.9 — это число из приложения к статье. В запусках LibreYOLO две модели набрали больше: RF-DETR и YOLO-NAS. Результаты запусков доступны в huggingface.co/datasets/LibreYOLO/rf100-vl-results.
RF-DETR
В кампании LibreYOLO RF-DETR-S набрал 60.41, а RF-DETR-M — 61.13. По данным Roboflow, результаты составляют 60.2 и 61.2. Варианты от Nano до Large распространяются под Apache-2.0.
from libreyolo import LibreYOLO
model = LibreYOLO("LibreRFDETRs.pt")
model.train(data="my-dataset.yaml", epochs=100, imgsz=512, batch=8)
Документация | Веса | Запуск 20260814-rfdetr-s-1b1190ee
YOLO-NAS
Результат YOLO-NAS-S — 58.00. Это свёрточная нейросеть (CNN) для тех, кому нужна архитектура в стиле YOLO. Опубликованные Deci веса нельзя использовать в коммерческих целях. LibreYOLO их не размещает. Подробности: YOLO-NAS по-прежнему поддерживается.
from libreyolo import LibreYOLO
model = LibreYOLO("LibreYOLONASs.pt")
model.train(data="my-dataset.yaml", epochs=100, imgsz=640, batch=16)
Документация | Запуск 20260809-yolonas-s-02926964
Для RF-DETR установите пакет командой pip install "libreyolo[rfdetr]", а для YOLO-NAS — командой pip install libreyolo. Страница кампании: RF100-VL.