AI Benchmark

Ignatov Andrey

Описание

Генерация нейронных изображений, распознавание лиц, классификация изображений, ответы на вопросы...

Способен ли ваш смартфон использовать новейшие глубокие нейронные сети для выполнения этих и многих других задач на основе искусственного интеллекта? Есть ли у него специальный AI-чип? Это достаточно быстро? Запустите AI Benchmark, чтобы профессионально оценить производительность ИИ!

Текущий рейтинг телефона: http://ai-benchmark.com/ranking

AI Benchmark измеряет скорость, точность, энергопотребление и требования к памяти для нескольких ключевых моделей искусственного интеллекта, компьютерного зрения и НЛП. Среди протестированных решений — методы классификации изображений и распознавания лиц, модели искусственного интеллекта, выполняющие нейронную генерацию изображений и текста, нейронные сети, используемые для сверхразрешения изображений/видео и улучшения фотографий, а также решения искусственного интеллекта, используемые в системах автономного вождения и смартфонах для реальных целей. Оценка глубины времени и семантическая сегментация изображения. Визуализация результатов алгоритмов позволяет оценить их результаты графически и узнать современное состояние дел в различных областях искусственного интеллекта.

Всего AI Benchmark состоит из 83 тестов и 30 разделов, перечисленных ниже:

Раздел 1. Классификация, MobileNet-V3
Раздел 2. Классификация, Начало-V3
Раздел 3. Распознавание лиц, Swin Transformer
Раздел 4. Классификация, EfficientNet-B4
Раздел 5. Классификация, MobileViT-V2
Разделы 6/7. Параллельное выполнение модели, 8 x Inception-V3
Раздел 8. Отслеживание объектов, YOLO-V8
Раздел 9. Оптическое распознавание символов, ВИТ Трансформатор
Раздел 10. Семантическая сегментация, DeepLabV3+
Раздел 11. Параллельная сегментация, 2 x DeepLabV3+
Раздел 12. Семантическая сегментация. Сегментируйте что угодно
Раздел 13. Удаление размытия фотографий, IMDN
Раздел 14. Суперразрешение изображения, ESRGAN
Раздел 15. Суперразрешение изображения, SRGAN
Раздел 16. Шумоподавление изображения, U-Net
Раздел 17. Оценка глубины, MV3-Depth
Раздел 18. Оценка глубины, MiDaS 3.1
Раздел 19/20. Улучшение изображения, DPED
Раздел 21. Изученный ISP камеры, MicroISP
Раздел 22. Рендеринг эффекта боке, PyNET-V2 Mobile
Раздел 23. Видео сверхвысокого разрешения FullHD, XLSR
Раздел 24/25. Видео 4K со сверхвысоким разрешением, VideoSR
Раздел 26. Ответы на вопросы, MobileBERT
Раздел 27. Нейронная генерация текста, Llama2
Раздел 28. Нейронная генерация текста, GPT2
Раздел 29. Генерация нейронных изображений, стабильная диффузия V1.5
Раздел 30. Ограничения памяти, ResNet

Кроме того, можно загружать и тестировать свои собственные модели глубокого обучения TensorFlow Lite в режиме PRO.

Подробное описание тестов можно найти здесь: http://ai-benchmark.com/tests.html.

Примечание. Аппаратное ускорение поддерживается на всех мобильных SoC со специальными процессорами NPU и ускорителями искусственного интеллекта, включая чипсеты Qualcomm Snapdragon, MediaTek Dimensity/Helio, Google Tensor, HiSilicon Kirin, Samsung Exynos и UNISOC Tiger. Начиная с AI Benchmark v4, можно также включить ускорение AI на основе графического процессора на старых устройствах в настройках («Ускорение» -> «Включить ускорение графического процессора» / «Arm NN», требуется OpenGL ES-3.0+).

Оценки и отзывы

Даже не знаю как оценить правдивость этой диагностики, если мой дешёвенький смартфон UMIDIGI G9 за 70$ совпадает по скорости и параметрам с более дорогим ( около 130$ ) смартфоном OPPO Reno7 . Может потому что у меня android 14 ( а не 12 ) и более новый процессор Unisoc T765 ( а не более старый Shapdragon 680 ). Наверное надо больше смартфонов для сравнения , чтобы более-менее актуально оценить свой смартфон .

Игнатов Андрей вроде русский, а программа и описание на английском языке за это минус звезда.Прошёл тест на мейзу 16th но в конце был вылет из программы, зашёл обратно там показал 81к,думаю результат завышен в половину.Но так как я не знаю как работает программа и влияет ли вылет на результат,поэтому снижать ещё одну звезду будет несправедливо.

Интересный тест. Мой Honor Play на Kirine 970 набрал 8700. Был вылет в конце но результат получил запустив приложения. Перед вторым запуском на тест закрыл все открытые приложения тест прошёл без вылета. Ещё раз прогнал Honor Play предварительно включив производительный режим набрал 10080!

Новое в приложении

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.