AI Benchmark
4,4star
1,6 E vélemény
100 E+
letöltés
Korhatár nélküli
info
Az alkalmazásról
Neurális képgenerálás, arcfelismerés, képosztályozás, kérdések megválaszolása...
Képes az okostelefonod a legújabb Deep Neural Networks futtatására ezeknek és sok más AI-alapú feladatnak a végrehajtására? Van hozzá dedikált AI chip? Elég gyors? Futtassa az AI Benchmarkot, hogy professzionálisan értékelje az AI teljesítményét!
Jelenlegi telefonrangsor: http://ai-benchmark.com/ranking
Az AI Benchmark számos kulcsfontosságú AI, Computer Vision és NLP modell sebességét, pontosságát, energiafogyasztását és memóriaigényét méri. A tesztelt megoldások között szerepelnek képosztályozási és arcfelismerési módszerek, neurális kép- és szöveggenerálást végző mesterséges intelligencia modellek, kép/videó szuperfelbontáshoz és fotójavításhoz használt neurális hálózatok, valamint autonóm vezetési rendszerekben használt mesterséges intelligencia-megoldások és okostelefonok valós idő mélységbecslés és szemantikus képszegmentáció. Az algoritmusok kimeneteinek megjelenítése lehetővé teszi az eredmények grafikus értékelését, valamint a különböző AI területek aktuális legkorszerűbbségének megismerését.
Összességében az AI Benchmark 83 tesztből és 30 alább felsorolt részből áll:
1. szakasz. Osztályozás, MobileNet-V3
2. szakasz. Osztályozás, kezdet-V3
3. rész. Arcfelismerés, Swin Transformer
4. szakasz. Osztályozás, EfficientNet-B4
5. szakasz. Osztályozás, MobileViT-V2
szakaszok 6/7. Párhuzamos modell-végrehajtás, 8 x Inception-V3
8. szakasz: Objektumkövetés, YOLO-V8
9. szakasz. Optikai karakterfelismerés, ViT transzformátor
10. szakasz: Szemantikus szegmentáció, DeepLabV3+
11. szakasz: Párhuzamos szegmentálás, 2 x DeepLabV3+
12. szakasz Szemantikai szegmentálás, Szegmentál bármit
13. szakasz: Fényképek elmosódása, IMDN
14. szakasz: Image Super-Resolution, ESRGAN
15. szakasz: Image Super-Resolution, SRGAN
16. szakasz Kép zajtalanítása, U-Net
17. szakasz. Mélységbecslés, MV3-Mélység
18. szakasz. Mélységbecslés, MiDaS 3.1
§ 19/20. Képjavítás, DPED
21. szakasz. Tanult kamera ISP, MicroISP
22. szakasz: Bokeh Effect Rendering, PyNET-V2 Mobile
23. szakasz. FullHD Video Super-Resolution, XLSR
§ 24/25. 4K videó szuperfelbontás, VideoSR
26. szakasz. Kérdések megválaszolása, MobileBERT
27. szakasz: Neurális szöveggenerálás, Llama2
28. szakasz: Neurális szöveggenerálás, GPT2
29. szakasz: Neurális képgenerálás, stabil diffúzió V1.5
30. szakasz Memóriakorlátok, ResNet
Emellett PRO módban betöltheti és tesztelheti saját TensorFlow Lite mélytanulási modelljeit.
A tesztek részletes leírása itt található: http://ai-benchmark.com/tests.html
Megjegyzés: A hardveres gyorsítást minden dedikált NPU-val és AI-gyorsítóval rendelkező mobil SoC támogatja, beleértve a Qualcomm Snapdragon, MediaTek Dimensity / Helio, Google Tensor, HiSilicon Kirin, Samsung Exynos és UNISOC Tiger lapkakészleteket. Az AI Benchmark v4-től kezdve a GPU-alapú AI-gyorsítás a régebbi eszközökön is engedélyezhető a beállításokban ("Accelerate" -> "GPU Acceleration engedélyezése" / "Arm NN", OpenGL ES-3.0+ szükséges).
Képes az okostelefonod a legújabb Deep Neural Networks futtatására ezeknek és sok más AI-alapú feladatnak a végrehajtására? Van hozzá dedikált AI chip? Elég gyors? Futtassa az AI Benchmarkot, hogy professzionálisan értékelje az AI teljesítményét!
Jelenlegi telefonrangsor: http://ai-benchmark.com/ranking
Az AI Benchmark számos kulcsfontosságú AI, Computer Vision és NLP modell sebességét, pontosságát, energiafogyasztását és memóriaigényét méri. A tesztelt megoldások között szerepelnek képosztályozási és arcfelismerési módszerek, neurális kép- és szöveggenerálást végző mesterséges intelligencia modellek, kép/videó szuperfelbontáshoz és fotójavításhoz használt neurális hálózatok, valamint autonóm vezetési rendszerekben használt mesterséges intelligencia-megoldások és okostelefonok valós idő mélységbecslés és szemantikus képszegmentáció. Az algoritmusok kimeneteinek megjelenítése lehetővé teszi az eredmények grafikus értékelését, valamint a különböző AI területek aktuális legkorszerűbbségének megismerését.
Összességében az AI Benchmark 83 tesztből és 30 alább felsorolt részből áll:
1. szakasz. Osztályozás, MobileNet-V3
2. szakasz. Osztályozás, kezdet-V3
3. rész. Arcfelismerés, Swin Transformer
4. szakasz. Osztályozás, EfficientNet-B4
5. szakasz. Osztályozás, MobileViT-V2
szakaszok 6/7. Párhuzamos modell-végrehajtás, 8 x Inception-V3
8. szakasz: Objektumkövetés, YOLO-V8
9. szakasz. Optikai karakterfelismerés, ViT transzformátor
10. szakasz: Szemantikus szegmentáció, DeepLabV3+
11. szakasz: Párhuzamos szegmentálás, 2 x DeepLabV3+
12. szakasz Szemantikai szegmentálás, Szegmentál bármit
13. szakasz: Fényképek elmosódása, IMDN
14. szakasz: Image Super-Resolution, ESRGAN
15. szakasz: Image Super-Resolution, SRGAN
16. szakasz Kép zajtalanítása, U-Net
17. szakasz. Mélységbecslés, MV3-Mélység
18. szakasz. Mélységbecslés, MiDaS 3.1
§ 19/20. Képjavítás, DPED
21. szakasz. Tanult kamera ISP, MicroISP
22. szakasz: Bokeh Effect Rendering, PyNET-V2 Mobile
23. szakasz. FullHD Video Super-Resolution, XLSR
§ 24/25. 4K videó szuperfelbontás, VideoSR
26. szakasz. Kérdések megválaszolása, MobileBERT
27. szakasz: Neurális szöveggenerálás, Llama2
28. szakasz: Neurális szöveggenerálás, GPT2
29. szakasz: Neurális képgenerálás, stabil diffúzió V1.5
30. szakasz Memóriakorlátok, ResNet
Emellett PRO módban betöltheti és tesztelheti saját TensorFlow Lite mélytanulási modelljeit.
A tesztek részletes leírása itt található: http://ai-benchmark.com/tests.html
Megjegyzés: A hardveres gyorsítást minden dedikált NPU-val és AI-gyorsítóval rendelkező mobil SoC támogatja, beleértve a Qualcomm Snapdragon, MediaTek Dimensity / Helio, Google Tensor, HiSilicon Kirin, Samsung Exynos és UNISOC Tiger lapkakészleteket. Az AI Benchmark v4-től kezdve a GPU-alapú AI-gyorsítás a régebbi eszközökön is engedélyezhető a beállításokban ("Accelerate" -> "GPU Acceleration engedélyezése" / "Arm NN", OpenGL ES-3.0+ szükséges).
Frissítve:
A biztonság annak megértésével kezdődik, hogy miként gyűjtik és osztják meg a fejlesztők az adataidat. Az adatvédelemmel és -biztonsággal kapcsolatos gyakorlat a használattól, a régiótól és életkortól függően változhat. A fejlesztő adta meg ezeket az információkat, és idővel frissítheti őket.
Nem osztanak meg adatokat harmadik felekkel
További információ arról, hogy miként deklarálják a fejlesztők a megosztást
Nem történt adatgyűjtés
További információ arról, hogy miként deklarálják a fejlesztők a gyűjtést
Értékelések és vélemények
4,4
1,54 E vélemény
György Ács
- Megjelölés kifogásolhatóként
2022. május 17.
88800 poco X3 pro érdekes
1 személy hasznosnak találta ezt a véleményt.
Lajos Maász
- Megjelölés kifogásolhatóként
2021. október 21.
Samsung s21 + 5g 169200
1 személy hasznosnak találta ezt a véleményt.
Ge Laci
- Megjelölés kifogásolhatóként
2021. augusztus 7.
Mi 11i 139400
Újdonságok
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.
Alkalmazás támogatása
A fejlesztőről
Andrii Ihnatov
andrey@vision.ee.ethz.ch
Switzerland
undefined
