AI Benchmark
4,4star
1,6 t. arvostelua
100 t.+
latausta
Kaikki
info
Tietoa sovelluksesta
Neuraalisten kuvien luominen, kasvojen tunnistus, kuvien luokittelu, kysymyksiin vastaaminen...
Pystyykö älypuhelimesi käyttämään uusimpia Deep Neural Networks -verkkoja näiden ja monien muiden tekoälyyn perustuvien tehtävien suorittamiseksi? Onko siinä erillinen AI-siru? Onko se tarpeeksi nopea? Suorita AI Benchmark arvioidaksesi ammattimaisesti sen tekoälyn suorituskykyä!
Nykyinen puhelinsijoitus: http://ai-benchmark.com/ranking
AI Benchmark mittaa useiden keskeisten AI-, Computer Vision- ja NLP-mallien nopeutta, tarkkuutta, virrankulutusta ja muistivaatimuksia. Testattujen ratkaisujen joukossa ovat kuvanluokittelu- ja kasvojentunnistusmenetelmät, hermokuvaa ja tekstiä generoivat tekoälymallit, kuvan/videon superresoluutioon ja valokuvan parantamiseen käytettävät hermoverkot sekä autonomisissa ajojärjestelmissä käytettävät AI-ratkaisut ja älypuhelimet todellisiin aika Syvyysarviointi ja semanttinen kuvan segmentointi. Algoritmien tulosten visualisoinnin avulla voidaan arvioida niiden tuloksia graafisesti ja tutustua eri AI-alojen nykyiseen tekniikkaan.
Kaiken kaikkiaan AI Benchmark koostuu 83 testistä ja 30 alla luetellusta osasta:
Osa 1. Luokitus, MobileNet-V3
Osa 2. Luokittelu, alku-V3
Osa 3. Kasvojentunnistus, Swin Transformer
Osa 4. Luokitus, EfficientNet-B4
Osa 5. Luokitus, MobileViT-V2
Osat 6/7. Parallel Model Execution, 8 x Inception-V3
Osa 8. Objektien seuranta, YOLO-V8
Osa 9. Optinen merkintunnistus, ViT-muuntaja
Osa 10. Semanttinen segmentointi, DeepLabV3+
Osa 11. Rinnakkaissegmentointi, 2 x DeepLabV3+
Osa 12. Semanttinen segmentointi, segmentoi kaikki
Osa 13. Valokuvan hämärtäminen, IMDN
Osa 14. Kuvan superresoluutio, ESRGAN
Osa 15. Kuvan superresoluutio, SRGAN
Osa 16. Kuvan kohinanpoisto, U-Net
Osa 17. Syvyysarvio, MV3-syvyys
Osa 18. Syvyysarvio, MiDaS 3.1
§ 19/20. Image Enhancement, DPED
Osa 21. Oppitun kameran ISP, MicroISP
Osa 22. Bokeh Effect Rendering, PyNET-V2 Mobile
Osa 23. FullHD Video Super-Resolution, XLSR
§ 24/25. 4K-videon superresoluutio, VideoSR
Osa 26. Kysymyksiin vastaaminen, MobileBERT
Osa 27. Neurotekstin luominen, Llama2
Osa 28. Neurotekstin generointi, GPT2
Osa 29. Neuraalisen kuvan generointi, vakaa diffuusio V1.5
Osa 30. Muistirajat, ResNet
Tämän lisäksi voit ladata ja testata omia TensorFlow Lite -syväoppimismallejaan PRO-tilassa.
Yksityiskohtainen kuvaus testeistä löytyy täältä: http://ai-benchmark.com/tests.html
Huomautus: Laitteistokiihdytys on tuettu kaikissa mobiilin SoC:issa, joissa on omistetut NPU:t ja tekoälykiihdytit, mukaan lukien Qualcomm Snapdragon, MediaTek Dimensity / Helio, Google Tensor, HiSilicon Kirin, Samsung Exynos ja UNISOC Tiger -piirisarjat. AI Benchmark v4:stä alkaen GPU-pohjainen tekoälykiihdytys voidaan ottaa käyttöön myös vanhemmissa laitteissa asetuksista ("Accelerate" -> "Enable GPU Acceleration" / "Arm NN", OpenGL ES-3.0+ vaaditaan).
Pystyykö älypuhelimesi käyttämään uusimpia Deep Neural Networks -verkkoja näiden ja monien muiden tekoälyyn perustuvien tehtävien suorittamiseksi? Onko siinä erillinen AI-siru? Onko se tarpeeksi nopea? Suorita AI Benchmark arvioidaksesi ammattimaisesti sen tekoälyn suorituskykyä!
Nykyinen puhelinsijoitus: http://ai-benchmark.com/ranking
AI Benchmark mittaa useiden keskeisten AI-, Computer Vision- ja NLP-mallien nopeutta, tarkkuutta, virrankulutusta ja muistivaatimuksia. Testattujen ratkaisujen joukossa ovat kuvanluokittelu- ja kasvojentunnistusmenetelmät, hermokuvaa ja tekstiä generoivat tekoälymallit, kuvan/videon superresoluutioon ja valokuvan parantamiseen käytettävät hermoverkot sekä autonomisissa ajojärjestelmissä käytettävät AI-ratkaisut ja älypuhelimet todellisiin aika Syvyysarviointi ja semanttinen kuvan segmentointi. Algoritmien tulosten visualisoinnin avulla voidaan arvioida niiden tuloksia graafisesti ja tutustua eri AI-alojen nykyiseen tekniikkaan.
Kaiken kaikkiaan AI Benchmark koostuu 83 testistä ja 30 alla luetellusta osasta:
Osa 1. Luokitus, MobileNet-V3
Osa 2. Luokittelu, alku-V3
Osa 3. Kasvojentunnistus, Swin Transformer
Osa 4. Luokitus, EfficientNet-B4
Osa 5. Luokitus, MobileViT-V2
Osat 6/7. Parallel Model Execution, 8 x Inception-V3
Osa 8. Objektien seuranta, YOLO-V8
Osa 9. Optinen merkintunnistus, ViT-muuntaja
Osa 10. Semanttinen segmentointi, DeepLabV3+
Osa 11. Rinnakkaissegmentointi, 2 x DeepLabV3+
Osa 12. Semanttinen segmentointi, segmentoi kaikki
Osa 13. Valokuvan hämärtäminen, IMDN
Osa 14. Kuvan superresoluutio, ESRGAN
Osa 15. Kuvan superresoluutio, SRGAN
Osa 16. Kuvan kohinanpoisto, U-Net
Osa 17. Syvyysarvio, MV3-syvyys
Osa 18. Syvyysarvio, MiDaS 3.1
§ 19/20. Image Enhancement, DPED
Osa 21. Oppitun kameran ISP, MicroISP
Osa 22. Bokeh Effect Rendering, PyNET-V2 Mobile
Osa 23. FullHD Video Super-Resolution, XLSR
§ 24/25. 4K-videon superresoluutio, VideoSR
Osa 26. Kysymyksiin vastaaminen, MobileBERT
Osa 27. Neurotekstin luominen, Llama2
Osa 28. Neurotekstin generointi, GPT2
Osa 29. Neuraalisen kuvan generointi, vakaa diffuusio V1.5
Osa 30. Muistirajat, ResNet
Tämän lisäksi voit ladata ja testata omia TensorFlow Lite -syväoppimismallejaan PRO-tilassa.
Yksityiskohtainen kuvaus testeistä löytyy täältä: http://ai-benchmark.com/tests.html
Huomautus: Laitteistokiihdytys on tuettu kaikissa mobiilin SoC:issa, joissa on omistetut NPU:t ja tekoälykiihdytit, mukaan lukien Qualcomm Snapdragon, MediaTek Dimensity / Helio, Google Tensor, HiSilicon Kirin, Samsung Exynos ja UNISOC Tiger -piirisarjat. AI Benchmark v4:stä alkaen GPU-pohjainen tekoälykiihdytys voidaan ottaa käyttöön myös vanhemmissa laitteissa asetuksista ("Accelerate" -> "Enable GPU Acceleration" / "Arm NN", OpenGL ES-3.0+ vaaditaan).
Päivitetty
Turvallisuus alkaa siitä, että ymmärrät, miten kehittäjät keräävät ja jakavat dataasi. Datan yksityisyys- ja turvallisuuskäytännöt saattavat vaihdella käytön, alueen ja iän mukaan. Kehittäjä on antanut nämä tiedot ja saattaa päivittää niitä myöhemmin.
Arviot ja arvostelut
4,4
1,54 t. arvostelua
Googlen käyttäjä
- Merkitse sopimattomaksi
11. huhtikuuta 2019
Really interesting APP. My Huawei Mate 20 Pro got 20139 points with performance mode.
Uutta
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.
2. Updated Qualcomm QNN, MediaTek Neuron, Samsung ENN, TFLite NNAPI, GPU and Hexagon NN delegates.
3. Bug fixes and performance improvements.
Sovelluksen tuki
Tietoa kehittäjästä
Andrii Ihnatov
andrey@vision.ee.ethz.ch
Switzerland
undefined
