AI Benchmark

Δημιουργία νευρωνικών εικόνων, αναγνώριση προσώπου, ταξινόμηση εικόνων, απάντηση ερωτήσεων...

Είναι το smartphone σας ικανό να εκτελεί τα πιο πρόσφατα Deep Neural Networks για να εκτελέσει αυτές και πολλές άλλες εργασίες που βασίζονται σε AI; Έχει αποκλειστικό Chip AI; Είναι αρκετά γρήγορο; Εκτελέστε το AI Benchmark για να αξιολογήσετε επαγγελματικά την απόδοση του AI!

Τρέχουσα κατάταξη τηλεφώνου: http://ai-benchmark.com/ranking

Το AI Benchmark μετρά την ταχύτητα, την ακρίβεια, την κατανάλωση ενέργειας και τις απαιτήσεις μνήμης για πολλά βασικά μοντέλα AI, Computer Vision και NLP. Μεταξύ των δοκιμασμένων λύσεων είναι οι μέθοδοι ταξινόμησης εικόνας και αναγνώρισης προσώπου, μοντέλα τεχνητής νοημοσύνης που εκτελούν νευρωνική δημιουργία εικόνας και κειμένου, νευρωνικά δίκτυα που χρησιμοποιούνται για Υπερ-ανάλυση εικόνας/βίντεο και βελτίωση φωτογραφιών, καθώς και λύσεις τεχνητής νοημοσύνης που χρησιμοποιούνται σε συστήματα αυτόνομης οδήγησης και smartphone για πραγματικό Εκτίμηση βάθους χρόνου και Τμηματοποίηση Σημασιολογικής Εικόνας. Η οπτικοποίηση των εξόδων των αλγορίθμων επιτρέπει την αξιολόγηση των αποτελεσμάτων τους γραφικά και τη γνώση της τρέχουσας τελευταίας τεχνολογίας σε διάφορα πεδία τεχνητής νοημοσύνης.

Συνολικά, το AI Benchmark αποτελείται από 83 δοκιμές και 30 ενότητες που αναφέρονται παρακάτω:

Ενότητα 1. Ταξινόμηση, MobileNet-V3

Ενότητα 2. Ταξινόμηση, Inception-V3

Ενότητα 3. Αναγνώριση προσώπου, Swin Transformer

Ενότητα 4. Ταξινόμηση, EfficientNet-B4

Ενότητα 5. Ταξινόμηση, MobileViT-V2

Ενότητες 6/7. Παράλληλη εκτέλεση μοντέλου, 8 x Inception-V3

Ενότητα 8. Παρακολούθηση αντικειμένων, YOLO-V8

Ενότητα 9. Οπτική αναγνώριση χαρακτήρων, ViT Transformer

Ενότητα 10. Semantic Segmentation, DeepLabV3+

Ενότητα 11. Παράλληλη τμηματοποίηση, 2 x DeepLabV3+

Ενότητα 12. Semantic Segmentation, Segment Anything

Ενότητα 13. Photo Deblurring, IMDN

Ενότητα 14. Υπερ-ανάλυση εικόνας, ESRGAN

Ενότητα 15. Υπερ-ανάλυση εικόνας, SRGAN

Ενότητα 16. Αποθόρυβος εικόνας, U-Net

Ενότητα 17. Εκτίμηση βάθους, MV3-Βάθος

Ενότητα 18. Εκτίμηση βάθους, MiDaS 3.1

Ενότητα 19/20. Βελτίωση εικόνας, DPED

Ενότητα 21. Learned Camera ISP, MicroISP

Ενότητα 22. Απόδοση εφέ Bokeh, PyNET-V2 Mobile

Ενότητα 23. FullHD Video Super-Resolution, XLSR

Ενότητα 24/25. Super-Resolution βίντεο 4K, VideoSR

Ενότητα 26. Απάντηση ερωτήσεων, MobileBERT

Ενότητα 27. Δημιουργία νευρωνικού κειμένου, Llama2

Ενότητα 28. Δημιουργία νευρωνικού κειμένου, GPT2

Ενότητα 29. Δημιουργία νευρωνικών εικόνων, σταθερή διάχυση V1.5

Ενότητα 30. Όρια μνήμης, ResNet

Εκτός αυτού, μπορεί κανείς να φορτώσει και να δοκιμάσει τα δικά του μοντέλα βαθιάς εκμάθησης TensorFlow Lite στη λειτουργία PRO.

Μια λεπτομερής περιγραφή των δοκιμών μπορείτε να βρείτε εδώ: http://ai-benchmark.com/tests.html

Σημείωση: Η επιτάχυνση υλικού υποστηρίζεται σε όλα τα κινητά SoC με αποκλειστικές NPU και επιταχυντές AI, συμπεριλαμβανομένων των chipset Qualcomm Snapdragon, MediaTek Dimensity / Helio, Google Tensor, HiSilicon Kirin, Samsung Exynos και UNISOC Tiger. Ξεκινώντας από το AI Benchmark v4, μπορεί κανείς επίσης να ενεργοποιήσει την επιτάχυνση AI βάσει GPU σε παλαιότερες συσκευές στις ρυθμίσεις ("Accelerate" -> "Enable GPU Acceleration" / "Arm NN", OpenGL ES-3.0+ απαιτείται).