AI Benchmark

Ignatov Andrey

Sobre l'aplicació

Generació d'imatges neuronals, reconeixement facial, classificació d'imatges, resposta a preguntes...

El vostre telèfon intel·ligent és capaç d'executar les últimes xarxes neuronals profundes per realitzar aquestes i moltes altres tasques basades en IA? Té un xip AI dedicat? És prou ràpid? Executeu AI Benchmark per avaluar professionalment el seu rendiment d'IA!

Classificació actual de telèfons: http://ai-benchmark.com/ranking

AI Benchmark mesura la velocitat, la precisió, el consum d'energia i els requisits de memòria per a diversos models clau d'IA, Computer Vision i NLP. Entre les solucions provades hi ha mètodes de classificació d'imatges i reconeixement facial, models d'IA que realitzen la generació d'imatges i texts neuronals, xarxes neuronals utilitzades per a la super-resolució d'imatge/vídeo i la millora de fotografies, així com solucions d'IA utilitzades en sistemes de conducció autònoma i telèfons intel·ligents per a real- Estimació de profunditat i segmentació semàntica de la imatge. La visualització de les sortides dels algorismes permet avaluar gràficament els seus resultats i conèixer l'estat actual de l'art en diversos camps de la IA.

En total, AI Benchmark consta de 83 proves i 30 seccions que s'enumeren a continuació:

Secció 1. Classificació, MobileNet-V3
Secció 2. Classificació, Inici-V3
Secció 3. Reconeixement facial, Swin Transformer
Secció 4. Classificació, EfficientNet-B4
Secció 5. Classificació, MobileViT-V2
Seccions 6/7. Execució de models paral·lels, 8 x Inception-V3
Secció 8. Seguiment d'objectes, YOLO-V8
Secció 9. Reconeixement òptic de caràcters, transformador ViT
Secció 10. Segmentació semàntica, DeepLabV3+
Secció 11. Segmentació paral·lela, 2 x DeepLabV3+
Secció 12. Segmentació semàntica, segmentar qualsevol cosa
Secció 13. Desenfocament fotogràfic, IMDN
Secció 14. Super-resolució d'imatge, ESRGAN
Secció 15. Super-resolució d'imatge, SRGAN
Secció 16. Reducció de soroll d'imatges, U-Net
Secció 17. Estimació de profunditat, MV3-Profunditat
Secció 18. Estimació de profunditat, MiDaS 3.1
Article 19/20. Millora de la imatge, DPED
Secció 21. ISP de càmera aprenent, MicroISP
Secció 22. Renderització d'efectes bokeh, PyNET-V2 Mobile
Secció 23. Super-resolució de vídeo FullHD, XLSR
Secció 24/25. Super-resolució de vídeo 4K, VideoSR
Secció 26. Resposta a preguntes, MobileBERT
Secció 27. Generació de textos neuronals, Llama2
Secció 28. Generació de text neuronal, GPT2
Secció 29. Generació d'imatges neuronals, difusió estable V1.5
Secció 30. Límits de memòria, ResNet

A més d'això, es pot carregar i provar els seus propis models d'aprenentatge profund TensorFlow Lite en el mode PRO.

Podeu trobar una descripció detallada de les proves aquí: http://ai-benchmark.com/tests.html

Nota: L'acceleració de maquinari és compatible amb tots els SoC mòbils amb NPU dedicats i acceleradors d'IA, inclosos els chipsets Qualcomm Snapdragon, MediaTek Dimensity/Helio, Google Tensor, HiSilicon Kirin, Samsung Exynos i UNISOC Tiger. A partir d'AI Benchmark v4, també es pot habilitar l'acceleració d'IA basada en GPU en dispositius antics a la configuració ("Accelera" -> "Activa acceleració GPU" / "Arm NN", cal OpenGL ES-3.0+).

Puntuacions i ressenyes

ok

Novetats

1. LiteRT (TFLite) runtime updated to version 2.18.
2. Updated Qualcomm QNN, MediaTek Neuron, Samsung ENN, TFLite NNAPI, GPU and Hexagon NN delegates.
3. Bug fixes and performance improvements.