YOLO26 vs RF-DETR默认训练配方，谁更适合工业小数据？

不再只问「模型能不能检出」，而是问：在最新训练栈上，默认配方到底长什么样、贵不贵、准不准。底座选定两套当下最热的检测训练框架——

Ultralytics YOLO26　×　Roboflow RF-DETR

Stage-0 只做一件事：两边都用官方默认配方，同一数据、同一硬件、同一 held-out 测试，立下后续所有优化文章都要对齐的基线。

结论：两者 held-out 都是 100% hit。RF-DETR 框更贴（IoU 0.912 vs 0.842），但训练慢约 4.2×、显存高约 2.5×。消费卡上做配方迭代，YOLO26n 是更轻的默认底座；要抠定位质量，RF-DETR 值得加钱。

一、为什么先打默认配方

训练优化的组合是爆炸的：优化器、LR、增强、分辨率、batch、蒸馏、编译……没有基线，后面每篇消融都无法比较。

Stage-0 的规则很硬：

① 数据固定（工业金属条，小样本 + 增强）

② 测试固定（T5–T9 held-out，训练未见）

③ 配方尽量「官方默认」——只调到两边能公平跑起来

④ 指标同时看准度与成本（IoU / hit / 时间 / 显存）

二、实验设置

说明：RF-DETR 要求分辨率整除 32（文档还提 56），本机用 448；YOLO 用常见 640。这不是完全同分辨率对打，而是「各框架默认能跑的推荐尺度」。后续 Stage 会单开分辨率消融。

三、硬指标

图 1 · held-out：IoU / hit / F1

YOLO26 验证集 best mAP50 = 0.995，mAP50-95 = 0.800——小数据上收敛很快。RF-DETR 在测试协议上框更紧、几乎无碎框（F1=1.0）。

四、成本：时间与显存

图 2 · YOLO26 67s / 1.2GB · RF-DETR 280s / 3.0GB

图 3 · 推理：38ms vs 59ms

如果后面要做「一天跑 20 组配方」，YOLO26n 更像实验倍增器；RF-DETR 更适合在候选收敛后做精修对照。

五、分图与可视化

图 4 · 硬例分图 IoU：RF-DETR 多数更贴

遮挡（T8）差距最大：YOLO 0.71 vs RF-DETR 0.93。大旋转（T6）则 YOLO 略好——不同失败模式，后面优化文章可以分别打。

图 5 · 绿=GT · 蓝=top1 预测

六、收敛曲线

图 6 · YOLO26n mAP 曲线：小数据上快速顶满

图 7 · RF-DETR 训练损失下降轨迹

七、选型与系列预告

优先 YOLO26n 当底座，如果…

要高速扫配方 / 显存紧 / 产线延迟敏感 / 先验证数据管线

优先 RF-DETR，如果…

框要贴、遮挡多、能接受 3GB+ 与更长训练、最终精修模型

后续连载（训练优化组合）

Stage-1 · 分辨率 / batch / 累积 的 Pareto

Stage-2 · 增强配方：mosaic / mixup / 工业域扰动

Stage-3 · 优化器与 LR schedule（含 YOLO26 新训练要素）

Stage-4 · 小数据特化：少样本、蒸馏、早停策略

八、小结

训练优化系列从默认配方对打起航：YOLO26n 与 RF-DETR-Nano 都在工业小数据 held-out 上 100% 命中。

准度：RF-DETR IoU 0.912 领先；成本：YOLO26 67s / 1.2GB 完胜。

下一篇开始动刀：同一底座上，改一个旋钮，看曲线怎么走。