عائلة نماذج لاكتشاف الأجسام قورنت بنماذج YOLO عبر مجالات جغرافية متعددة.
توضح JetBrains، عبر تجربة شملت YOLO12 وYOLO26 وRF-DETR، أن النماذج المدربة مسبقاً على COCO قد تقترب من الصفر عند نقلها مباشرة إلى مجالات متخصصة، بينما يعيد الضبط الدقيق تحسين النتائج بدرجات متفاوتة. وتكشف التجربة أن تشابه المجال المستهدف مع بيانات التدريب، إلى جانب دقة التموضع وزمن الاستدلال، أهم من الاعتماد على تصنيف النموذج باعتباره الأحدث أو الأفضل.
تُظهر إعادة تقييم تسعة نماذج لاكتشاف رؤوس القمح أن متوسط mAP الإجمالي قد يخفي فروقاً كبيرة في الأداء بين الدول. تصدرت الصين جميع النماذج، بينما اختلفت مناطق الضعف بين YOLO وRF-DETR، ما يجعل قياس التحول بين المجالات ضرورياً قبل النشر الميداني.