2021 年专用模型反超 YOLO26:CABiNet 在 UAVid 上更快更准
Naive-Explanation940 · reddit · 2026-09-02
CABiNet(ICRA 2021)原作一作将旧架构重建后,与 YOLO26 语义分割变体在无人机航拍数据集 UAVid 上做了受控对比:两者使用相同数据、类别权重与单尺度评测协议,但保留各自训练配方。
主要结果(1024×1024,RTX 4070 SUPER,FP16)
- CABiNet-L:67.14 mIoU,9.17M 参数,4.44ms 延迟(225 FPS),比 YOLO26x 高 2.7 mIoU 且延迟约低 3 倍
- CABiNet-S:65.25 mIoU,3.09ms;与同为 44 GFLOPs 的 YOLO26s 相比 +3.6 mIoU,延迟仅差 0.6ms
- YOLO26n/s 是合理的低延迟帕累托点,而 YOLO26m/l/x 均被支配:既更慢又更不准
作者强调这不是纯架构消融(预训练、epoch、优化器、增强均不同),但结论指向:2026 年的通用多任务模型在专用高效架构的主场任务上,并非全面占优。
「具身」频道最新
- LimX 半人形 TRON2 结合工业机械臂，主攻室内高空作业 — CyberRobooo · 2026-09-02
- Yacine 提出跨机器人泛化训练是解决 sim2real 的最简路径 — yacineMTB · 2026-09-02
- 深圳大疆载具 W1 Pro 轮式人形机器人演示装爆米花 — CyberRobooo · 2026-09-02
- MIT CW-Net 用人类可懂概念解释自动驾驶模型的每个决策 — MIT News AI · 2026-09-02
- LimX Dynamics TRON 2 双臂机器人演示装配模板与多层绑筋 — chris_j_paxton · 2026-09-02
- 网友调侃 Physical AI:好在写软件,顶多硬盘被格式化不会挨打 — burhop · 2026-09-02