AI Benchmark

Генерація нейронних зображень, розпізнавання облич, класифікація зображень, відповіді на запитання...

Чи здатний ваш смартфон працювати з найновішими глибокими нейронними мережами для виконання цих та багатьох інших завдань на основі ШІ? Чи має він спеціальну мікросхему AI? Чи достатньо швидко? Запустіть AI Benchmark, щоб професійно оцінити його продуктивність AI!

Поточний рейтинг телефонів: http://ai-benchmark.com/ranking

AI Benchmark вимірює швидкість, точність, енергоспоживання та вимоги до пам’яті для кількох ключових моделей AI, Computer Vision і NLP. Серед протестованих рішень — методи класифікації зображень і розпізнавання облич, моделі штучного інтелекту, які генерують нейронні зображення та текст, нейронні мережі, що використовуються для надвисокої роздільної здатності зображень/відео та покращення фото, а також рішення штучного інтелекту, які використовуються в системах автономного водіння та смартфонах для реальних Оцінка глибини часу та сегментація семантичного зображення. Візуалізація виходів алгоритмів дозволяє графічно оцінити їх результати та дізнатися про поточний стан у різних сферах ШІ.

Загалом AI Benchmark складається з 83 тестів і 30 розділів, перелічених нижче:

Розділ 1. Класифікація, MobileNet-V3

Розділ 2. Класифікація, Inception-V3

Розділ 3. Розпізнавання облич, Swin Transformer

Розділ 4. Класифікація, EfficientNet-B4

Розділ 5. Класифікація, MobileViT-V2

Розділи 6/7. Паралельне виконання моделі, 8 x Inception-V3

Розділ 8. Відстеження об'єктів, YOLO-V8

Розділ 9. Оптичне розпізнавання символів, Трансформатор ВіТ

Розділ 10. Семантична сегментація, DeepLabV3+

Розділ 11. Паралельна сегментація, 2 x DeepLabV3+

Розділ 12. Семантична сегментація, сегментувати будь-що

Розділ 13. Усунення розмиття фотографій, IMDN

Розділ 14. Надроздільна здатність зображення, ESRGAN

Розділ 15. Надроздільна здатність зображення, SRGAN

Розділ 16. Знешумлення зображення, U-Net

Розділ 17. Оцінка глибини, MV3-глибина

Розділ 18. Оцінка глибини, MiDaS 3.1

Розділ 19/20. Покращення зображення, DPED

Розділ 21. Learned Camera ISP, MicroISP

Розділ 22. Візуалізація ефекту боке, PyNET-V2 Mobile

Розділ 23. Відео FullHD Super-Resolution, XLSR

Розділ 24/25. 4K Video Super-Resolution, VideoSR

Розділ 26. Відповіді на запитання, MobileBERT

Розділ 27. Генерація нейронного тексту, Llama2

Розділ 28. Генерація нейронного тексту, GPT2

Розділ 29. Генерація нейронних зображень, стабільна дифузія V1.5

Розділ 30. Обмеження пам'яті, ResNet

Крім того, можна завантажувати та тестувати власні моделі глибокого навчання TensorFlow Lite у режимі PRO.

Детальний опис тестів можна знайти тут: http://ai-benchmark.com/tests.html

Примітка. Апаратне прискорення підтримується на всіх мобільних SoC із виділеними NPU та прискорювачами AI, включаючи чіпсети Qualcomm Snapdragon, MediaTek Dimensity / Helio, Google Tensor, HiSilicon Kirin, Samsung Exynos і UNISOC Tiger. Починаючи з AI Benchmark v4, можна також увімкнути прискорення штучного інтелекту на основі GPU на старіших пристроях у налаштуваннях («Прискорити» -> «Увімкнути прискорення GPU» / «Arm NN», потрібен OpenGL ES-3.0+).