AI Benchmark

Ignatov Andrey

За апликацијава

Генерирање на нервни слики, препознавање лица, класификација на слики, одговарање прашања...

Дали вашиот паметен телефон е способен да ги извршува најновите длабоки невронски мрежи за да ги извршува овие и многу други задачи базирани на вештачка интелигенција? Дали има посветен чип со вештачка интелигенција? Дали е доволно брз? Извршете го AI Benchmark за професионално да ги оцените неговите перформанси со вештачка интелигенција!

Тековно рангирање на телефоните: http://ai-benchmark.com/ranking

AI Benchmark ја мери брзината, точноста, потрошувачката на енергија и барањата за меморија за неколку клучни модели AI, Computer Vision и NLP. Меѓу тестираните решенија се методите за класификација на слики и препознавање лице, модели со вештачка интелигенција кои вршат генерирање на нервни слики и текст, невронски мрежи кои се користат за супер-резолуција на слики/видео и подобрување на фотографиите, како и решенија за вештачка интелигенција што се користат во системи за автономно возење и паметни телефони за реално Временска проценка на длабочина и семантичка сегментација на сликата. Визуелизацијата на излезите на алгоритмите овозможува графички да се проценат нивните резултати и да се запознае тековната најсовремена технологија во различни области на вештачката интелигенција.

Севкупно, AI Benchmark се состои од 83 тестови и 30 делови наведени подолу:

Дел 1. Класификација, MobileNet-V3
Дел 2. Класификација, Почеток-V3
Дел 3. Препознавање лице, Swin Transformer
Дел 4. Класификација, EfficientNet-B4
Дел 5. Класификација, MobileViT-V2
Делови 6/7. Паралелно извршување на моделот, 8 x Inception-V3
Дел 8. Следење на објекти, YOLO-V8
Дел 9. Оптичко препознавање знаци, ViT трансформатор
Дел 10. Семантичка сегментација, DeepLabV3+
Дел 11. Паралелна сегментација, 2 x DeepLabV3+
Дел 12. Семантичка сегментација, Сегментирање што било
Дел 13. Отстранување на фотографии, IMDN
Дел 14. Супер-резолуција на слика, ESRGAN
Дел 15. Супер-резолуција на слика, SRGAN
Дел 16. Деноисирање на слики, U-Net
Дел 17. Проценка на длабочина, MV3-Длабочина
Дел 18. Проценка на длабочина, MiDaS 3.1
Дел 19/20. Подобрување на сликата, DPED
Дел 21. Научен провајдер на камера, MicroISP
Дел 22. Рендерирање на ефектот Bokeh, PyNET-V2 Mobile
Дел 23. Супер-резолуција на видео со FullHD, XLSR
Дел 24/25. 4K видео супер-резолуција, VideoSR
Дел 26. Одговарање на прашања, MobileBERT
Дел 27. Генерирање на невронски текст, Лама2
Дел 28. Генерирање на невронски текст, GPT2
Дел 29. Генерирање на нервна слика, стабилна дифузија V1.5
Дел 30. Ограничувања на меморијата, ResNet

Покрај тоа, може да се вчитаат и тестираат сопствените модели за длабоко учење TensorFlow Lite во PRO режимот.

Детален опис на тестовите може да се најде овде: http://ai-benchmark.com/tests.html

Забелешка: Хардверското забрзување е поддржано на сите мобилни SoC со посветени NPU и акцелератори на вештачка интелигенција, вклучувајќи ги и Qualcomm Snapdragon, MediaTek Dimensity / Helio, Google Tensor, HiSilicon Kirin, Samsung Exynos и UNISOC Tiger чипови. Почнувајќи од AI Benchmark v4, може да се овозможи и забрзување на вештачката интелигенција базирано на графички процесор на постари уреди во поставките („Забрзување“ -> „Овозможи забрзување на графичкиот процесор“ / „Арм NN“, потребно е OpenGL ES-3.0+).

Што има ново

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.