AI Benchmark

Ignatov Andrey

关于此应用

人脸识别、图像分类、问答...

您的智能手机是否能够运行最新的深度神经网络来执行这些以及许多其他基于 AI 的任务？它有专用的 AI 芯片吗？速度够快吗？运行 AI Benchmark 以专业评估其 AI 性能！

当前手机排名：http://ai-benchmark.com/ranking

AI Benchmark 测量几个关键 AI 和计算机视觉算法的速度、准确性、功耗和内存要求。测试的解决方案包括图像分类和人脸识别方法、用于图像/视频超分辨率和照片增强的神经网络、预测文本和执行问答的 AI 模型，以及用于自动驾驶系统和智能手机的 AI 解决方案。时间深度估计和语义图像分割。算法输出的可视化允许以图形方式评估其结果，并了解各种 AI 领域的当前最新技术。

AI Benchmark 总共包含 78 个测试和 26 个部分，如下所示：

第 1 节。分类，MobileNet-V2
第 2 节。分类，Inception-V3
第 3 节。人脸识别，MobileNet-V3
第 4 节。分类，EfficientNet-B4
第 5/6 节。并行模型执行，8 x Inception-V3
第 7 节。对象跟踪，YOLO-V4
第 8 节。光学字符识别，CRNN
第 9 节。语义分割，DeepLabV3+
第 10 节。并行分割，2 x DeepLabV3+
第 11 节。照片去模糊，IMDN
第 12 节。图像超分辨率，ESRGAN
第 13 节。图像超分辨率，SRGAN
第 14 节。图像去噪，U-Net
第 15 节深度估计，MV3-Depth
第 16 节。图像增强，DPED ResNet
第 17 节。图像增强，DPED 实例
第 18 节。散景效果渲染，PyNET+
第 19 节 学习相机 ISP、PUNET
第 20 节。全高清视频超分辨率，XLSR
第 21/22 节。 4K 视频超分辨率，VideoSR
第 23 节。文本完成，LSTM
第 24 节。问答，MobileBERT
第 25 节。文本完成，ALBERT
第 26 节。内存限制，ResNet

除此之外，您还可以在 PRO 模式下加载和测试他们自己的 TensorFlow Lite 深度学习模型。

可以在此处找到测试的详细说明：http://ai-benchmark.com/tests.html

注意：所有具有专用 NPU 和 AI 加速器的移动 SoC 都支持硬件加速，包括 Qualcomm Snapdragon、HiSilicon Kirin、Samsung Exynos、MediaTek Helio / Dimensity 和 UNISOC Tiger 芯片组。从 AI Benchmark v4 开始，还可以在旧设备的设置中启用基于 GPU 的 AI 加速（“加速”->“启用 GPU 加速”，需要 OpenGL ES-3.0+）。

评分和评价

HTC U Ultra 3382分 Pixel 4 49320分，从821到855真的是提升巨大！

Nvidia太吃亏，Tegra系列应该用TensorRT推理，而不是用Tensorflow

做公正的评测软体，而不是作弊的货色。

新功能

1. Updated Qualcomm QNN and MediaTek Neuron delegates.
2. Enhanced stability and accuracy of the power consumption test.
3. Various bug fixes and performance improvements.