AI Benchmark

Ignatov Andrey

ಈ ಆ್ಯಪ್ ಕುರಿತು

ನ್ಯೂರಲ್ ಇಮೇಜ್ ಜನರೇಷನ್, ಫೇಸ್ ರೆಕಗ್ನಿಷನ್, ಇಮೇಜ್ ಕ್ಲಾಸಿಫಿಕೇಶನ್, ಪ್ರಶ್ನೆಗೆ ಉತ್ತರಿಸುವುದು...

ಇವುಗಳನ್ನು ಮತ್ತು ಇತರ ಹಲವು AI ಆಧಾರಿತ ಕಾರ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸಲು ನಿಮ್ಮ ಸ್ಮಾರ್ಟ್‌ಫೋನ್ ಇತ್ತೀಚಿನ ಡೀಪ್ ನ್ಯೂರಲ್ ನೆಟ್‌ವರ್ಕ್‌ಗಳನ್ನು ಚಲಾಯಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿದೆಯೇ? ಇದು ಮೀಸಲಾದ AI ಚಿಪ್ ಅನ್ನು ಹೊಂದಿದೆಯೇ? ಇದು ಸಾಕಷ್ಟು ವೇಗವಾಗಿದೆಯೇ? ಅದರ AI ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ವೃತ್ತಿಪರವಾಗಿ ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು AI ಬೆಂಚ್‌ಮಾರ್ಕ್ ಅನ್ನು ರನ್ ಮಾಡಿ!

ಪ್ರಸ್ತುತ ಫೋನ್ ಶ್ರೇಯಾಂಕ: http://ai-benchmark.com/ranking

AI ಬೆಂಚ್‌ಮಾರ್ಕ್ ಹಲವಾರು ಪ್ರಮುಖ AI, ಕಂಪ್ಯೂಟರ್ ವಿಷನ್ ಮತ್ತು NLP ಮಾದರಿಗಳಿಗೆ ವೇಗ, ನಿಖರತೆ, ವಿದ್ಯುತ್ ಬಳಕೆ ಮತ್ತು ಮೆಮೊರಿ ಅಗತ್ಯಗಳನ್ನು ಅಳೆಯುತ್ತದೆ. ಪರೀಕ್ಷಿತ ಪರಿಹಾರಗಳಲ್ಲಿ ಇಮೇಜ್ ಕ್ಲಾಸಿಫಿಕೇಶನ್ ಮತ್ತು ಫೇಸ್ ರೆಕಗ್ನಿಷನ್ ವಿಧಾನಗಳು, ನರ ಚಿತ್ರ ಮತ್ತು ಪಠ್ಯ ಉತ್ಪಾದನೆಯನ್ನು ನಿರ್ವಹಿಸುವ AI ಮಾದರಿಗಳು, ಇಮೇಜ್ / ವಿಡಿಯೋ ಸೂಪರ್-ರೆಸಲ್ಯೂಶನ್ ಮತ್ತು ಫೋಟೋ ವರ್ಧನೆಗಾಗಿ ಬಳಸುವ ನರ ಜಾಲಗಳು, ಹಾಗೆಯೇ ಸ್ವಾಯತ್ತ ಚಾಲನಾ ವ್ಯವಸ್ಥೆಗಳು ಮತ್ತು ಸ್ಮಾರ್ಟ್‌ಫೋನ್‌ಗಳಲ್ಲಿ ಬಳಸುವ AI ಪರಿಹಾರಗಳು ನೈಜ- ಸಮಯದ ಆಳದ ಅಂದಾಜು ಮತ್ತು ಶಬ್ದಾರ್ಥದ ಚಿತ್ರ ವಿಭಾಗ. ಅಲ್ಗಾರಿದಮ್‌ಗಳ ಔಟ್‌ಪುಟ್‌ಗಳ ದೃಶ್ಯೀಕರಣವು ಅವುಗಳ ಫಲಿತಾಂಶಗಳನ್ನು ಸಚಿತ್ರವಾಗಿ ನಿರ್ಣಯಿಸಲು ಮತ್ತು ವಿವಿಧ AI ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಪ್ರಸ್ತುತ ಸ್ಟೇಟ್-ಆಫ್-ಆರ್ಟ್ ಅನ್ನು ತಿಳಿದುಕೊಳ್ಳಲು ಅನುಮತಿಸುತ್ತದೆ.

ಒಟ್ಟಾರೆಯಾಗಿ, AI ಬೆಂಚ್‌ಮಾರ್ಕ್ 83 ಪರೀಕ್ಷೆಗಳು ಮತ್ತು ಕೆಳಗೆ ಪಟ್ಟಿ ಮಾಡಲಾದ 30 ವಿಭಾಗಗಳನ್ನು ಒಳಗೊಂಡಿದೆ:

ವಿಭಾಗ 1. ವರ್ಗೀಕರಣ, MobileNet-V3
ವಿಭಾಗ 2. ವರ್ಗೀಕರಣ, ಆರಂಭ-V3
ವಿಭಾಗ 3. ಮುಖ ಗುರುತಿಸುವಿಕೆ, ಸ್ವಿನ್ ಟ್ರಾನ್ಸ್‌ಫಾರ್ಮರ್
ವಿಭಾಗ 4. ವರ್ಗೀಕರಣ, ಎಫಿಶಿಯೆಂಟ್‌ನೆಟ್-ಬಿ4
ವಿಭಾಗ 5. ವರ್ಗೀಕರಣ, MobileViT-V2
ವಿಭಾಗಗಳು 6/7. ಪ್ಯಾರಲಲ್ ಮಾಡೆಲ್ ಎಕ್ಸಿಕ್ಯೂಶನ್, 8 x ಇನ್ಸೆಪ್ಶನ್-ವಿ3
ವಿಭಾಗ 8. ಆಬ್ಜೆಕ್ಟ್ ಟ್ರ್ಯಾಕಿಂಗ್, YOLO-V8
ವಿಭಾಗ 9. ಆಪ್ಟಿಕಲ್ ಕ್ಯಾರೆಕ್ಟರ್ ರೆಕಗ್ನಿಷನ್, ವಿಟಿ ಟ್ರಾನ್ಸ್ಫಾರ್ಮರ್
ವಿಭಾಗ 10. ಸೆಮ್ಯಾಂಟಿಕ್ ಸೆಗ್ಮೆಂಟೇಶನ್, DeepLabV3+
ವಿಭಾಗ 11. ಸಮಾನಾಂತರ ವಿಭಾಗ, 2 x DeepLabV3+
ವಿಭಾಗ 12. ಸೆಮ್ಯಾಂಟಿಕ್ ಸೆಗ್ಮೆಂಟೇಶನ್, ಸೆಗ್ಮೆಂಟ್ ಯಾವುದಾದರೂ
ವಿಭಾಗ 13. ಫೋಟೋ ಡಿಬ್ಲರಿಂಗ್, IMDN
ವಿಭಾಗ 14. ಚಿತ್ರ ಸೂಪರ್-ರೆಸಲ್ಯೂಶನ್, ESRGAN
ವಿಭಾಗ 15. ಚಿತ್ರ ಸೂಪರ್-ರೆಸಲ್ಯೂಶನ್, SRGAN
ವಿಭಾಗ 16. ಇಮೇಜ್ ಡಿನಾಯ್ಸಿಂಗ್, ಯು-ನೆಟ್
ವಿಭಾಗ 17. ಆಳದ ಅಂದಾಜು, MV3-ಆಳ
ವಿಭಾಗ 18. ಆಳದ ಅಂದಾಜು, MiDaS 3.1
ವಿಭಾಗ 19/20. ಇಮೇಜ್ ವರ್ಧನೆ, DPED
ವಿಭಾಗ 21. ಕಲಿತ ಕ್ಯಾಮರಾ ISP, MicroISP
ವಿಭಾಗ 22. ಬೊಕೆ ಎಫೆಕ್ಟ್ ರೆಂಡರಿಂಗ್, ಪೈನೆಟ್-ವಿ2 ಮೊಬೈಲ್
ವಿಭಾಗ 23. FullHD ವೀಡಿಯೊ ಸೂಪರ್-ರೆಸಲ್ಯೂಶನ್, XLSR
ವಿಭಾಗ 24/25. 4K ವೀಡಿಯೊ ಸೂಪರ್-ರೆಸಲ್ಯೂಶನ್, VideoSR
ವಿಭಾಗ 26. ಪ್ರಶ್ನೆ ಉತ್ತರ, MobileBERT
ವಿಭಾಗ 27. ನ್ಯೂರಲ್ ಟೆಕ್ಸ್ಟ್ ಜನರೇಷನ್, ಲಾಮಾ2
ವಿಭಾಗ 28. ನರಗಳ ಪಠ್ಯ ಉತ್ಪಾದನೆ, GPT2
ವಿಭಾಗ 29. ನ್ಯೂರಲ್ ಇಮೇಜ್ ಜನರೇಷನ್, ಸ್ಥಿರ ಪ್ರಸರಣ V1.5
ವಿಭಾಗ 30. ಮೆಮೊರಿ ಮಿತಿಗಳು, ResNet

ಅದಲ್ಲದೆ, ಒಬ್ಬರು ತಮ್ಮದೇ ಆದ TensorFlow Lite ಆಳವಾದ ಕಲಿಕೆಯ ಮಾದರಿಗಳನ್ನು PRO ಮೋಡ್‌ನಲ್ಲಿ ಲೋಡ್ ಮಾಡಬಹುದು ಮತ್ತು ಪರೀಕ್ಷಿಸಬಹುದು.

ಪರೀಕ್ಷೆಗಳ ವಿವರವಾದ ವಿವರಣೆಯನ್ನು ಇಲ್ಲಿ ಕಾಣಬಹುದು: http://ai-benchmark.com/tests.html

ಗಮನಿಸಿ: Qualcomm Snapdragon, MediaTek Dimensity / Helio, Google Tensor, HiSilicon Kirin, Samsung Exynos ಮತ್ತು UNISOC ಟೈಗರ್ ಚಿಪ್‌ಸೆಟ್‌ಗಳನ್ನು ಒಳಗೊಂಡಂತೆ ಮೀಸಲಾದ NPU ಗಳು ಮತ್ತು AI ವೇಗವರ್ಧಕಗಳೊಂದಿಗೆ ಎಲ್ಲಾ ಮೊಬೈಲ್ SoC ಗಳಲ್ಲಿ ಹಾರ್ಡ್‌ವೇರ್ ವೇಗವರ್ಧನೆಯು ಬೆಂಬಲಿತವಾಗಿದೆ. AI ಬೆಂಚ್‌ಮಾರ್ಕ್ v4 ನಿಂದ ಪ್ರಾರಂಭಿಸಿ, ಸೆಟ್ಟಿಂಗ್‌ಗಳಲ್ಲಿ ಹಳೆಯ ಸಾಧನಗಳಲ್ಲಿ GPU-ಆಧಾರಿತ AI ವೇಗವರ್ಧನೆಯನ್ನು ಸಹ ಸಕ್ರಿಯಗೊಳಿಸಬಹುದು ("ವೇಗಗೊಳಿಸು" -> "GPU ವೇಗವರ್ಧನೆ ಸಕ್ರಿಯಗೊಳಿಸಿ" / "ಆರ್ಮ್ NN", OpenGL ES-3.0+ ಅಗತ್ಯವಿದೆ).

ಹೊಸದೇನಿದೆ

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.