Альтернативи YOLOv8 у 2026 році: RF-DETR і YOLO-NAS
Зазвичай детектор обирають за результатами на COCO. Інший підхід полягає в тому, щоб оцінити, наскільки добре модель донавчається на інших даних. Саме це вимірює RF100-VL: контрольну точку, попередньо навчену на COCO, навчають 100 епох на кожному зі 100 датасетів, а потім оцінюють на кожному тестовому розбитті. Показник дорівнює середньому mAP50-95.
На RF100-VL модель YOLOv8m набирає 56.9, згідно з додатком до статті. Дві протестовані нами моделі набирають більше: RF-DETR і YOLO-NAS. Необроблені результати запусків доступні на huggingface.co/datasets/LibreYOLO/rf100-vl-results.
RF-DETR
У кампанії LibreYOLO RF-DETR-S набирає 60.41, а RF-DETR-M, 61.13. Roboflow наводить результати 60.2 і 61.2. Моделі від Nano до Large поширюються за Apache-2.0.
from libreyolo import LibreYOLO
model = LibreYOLO("LibreRFDETRs.pt")
model.train(data="my-dataset.yaml", epochs=100, imgsz=512, batch=8)
Документація | Ваги | Запуск 20260814-rfdetr-s-1b1190ee
YOLO-NAS
YOLO-NAS-S набирає 58.00. Це варіант зі згортковою мережею, якщо потрібна CNN у стилі YOLO. Опубліковані Deci ваги не можна використовувати комерційно. LibreYOLO не розміщує їх. Деталі: YOLO-NAS досі підтримується.
from libreyolo import LibreYOLO
model = LibreYOLO("LibreYOLONASs.pt")
model.train(data="my-dataset.yaml", epochs=100, imgsz=640, batch=16)
Документація | Запуск 20260809-yolonas-s-02926964
Установіть RF-DETR командою pip install "libreyolo[rfdetr]", а YOLO-NAS командою pip install libreyolo. Сторінка кампанії: RF100-VL.