Các lựa chọn thay thế YOLOv8 tốt nhất năm 2026
COCO thường là tiêu chí để chọn detector. Một góc nhìn khác là mức độ mô hình tinh chỉnh tốt trên dữ liệu khác. RF100-VL đo lường điều đó: một checkpoint được huấn luyện sẵn trên COCO được huấn luyện trong 100 epoch trên từng tập dữ liệu trong số 100 tập dữ liệu, sau đó được chấm điểm trên từng tập test. Con số là mAP50-95 trung bình.
YOLOv8m đạt 56.9 theo phụ lục bài báo. Hai mô hình chúng tôi chạy đạt điểm cao hơn: RF-DETR và YOLO-NAS. Các lần chạy gốc có tại huggingface.co/datasets/LibreYOLO/rf100-vl-results.
RF-DETR
RF-DETR-S đạt 60.41 và RF-DETR-M đạt 61.13 trong chiến dịch của LibreYOLO. Roboflow báo cáo lần lượt là 60.2 và 61.2. Các phiên bản từ Nano đến Large dùng giấy phép Apache-2.0.
from libreyolo import LibreYOLO
model = LibreYOLO("LibreRFDETRs.pt")
model.train(data="my-dataset.yaml", epochs=100, imgsz=512, batch=8)
Tài liệu | Trọng số | Lần chạy 20260814-rfdetr-s-1b1190ee
YOLO-NAS
YOLO-NAS-S đạt 58.00, là lựa chọn convolutional nếu bạn muốn một CNN theo phong cách YOLO. Trọng số do Deci công bố không được dùng cho mục đích thương mại. LibreYOLO không lưu trữ các trọng số này. Chi tiết: YOLO-NAS vẫn được duy trì.
from libreyolo import LibreYOLO
model = LibreYOLO("LibreYOLONASs.pt")
model.train(data="my-dataset.yaml", epochs=100, imgsz=640, batch=16)
Tài liệu | Lần chạy 20260809-yolonas-s-02926964
Cài đặt bằng pip install "libreyolo[rfdetr]" cho RF-DETR, hoặc pip install libreyolo cho YOLO-NAS. Trang chiến dịch: RF100-VL.