AI Benchmark
4,4star
1540 Rezensionen
100.000+
Downloads
Jedes Alter
info
Über diese App
Erzeugung neuronaler Bilder, Gesichtserkennung, Bildklassifizierung, Beantwortung von Fragen ...
Ist Ihr Smartphone in der Lage, die neuesten Deep Neural Networks auszuführen, um diese und viele andere KI-basierte Aufgaben auszuführen? Verfügt es über einen speziellen KI-Chip? Ist es schnell genug? Führen Sie AI Benchmark durch, um die KI-Leistung professionell zu bewerten!
Aktuelles Telefon-Ranking: http://ai-benchmark.com/ranking
AI Benchmark misst die Geschwindigkeit, Genauigkeit, den Stromverbrauch und den Speicherbedarf für mehrere wichtige KI-, Computer Vision- und NLP-Modelle. Zu den getesteten Lösungen gehören Bildklassifizierungs- und Gesichtserkennungsmethoden, KI-Modelle zur neuronalen Bild- und Textgenerierung, neuronale Netze für die Bild-/Video-Superauflösung und Fotoverbesserung sowie KI-Lösungen für autonome Fahrsysteme und Smartphones für reale Zeittiefenschätzung und semantische Bildsegmentierung. Die Visualisierung der Ergebnisse der Algorithmen ermöglicht es, deren Ergebnisse grafisch auszuwerten und den aktuellen Stand der Technik in verschiedenen KI-Bereichen kennenzulernen.
Insgesamt besteht AI Benchmark aus 83 Tests und 30 unten aufgeführten Abschnitten:
Abschnitt 1. Klassifizierung, MobileNet-V3
Abschnitt 2. Klassifizierung, Inception-V3
Abschnitt 3. Gesichtserkennung, Swin Transformer
Abschnitt 4. Klassifizierung, EfficientNet-B4
Abschnitt 5. Klassifizierung, MobileViT-V2
Abschnitte 6/7. Parallele Modellausführung, 8 x Inception-V3
Abschnitt 8. Objektverfolgung, YOLO-V8
Abschnitt 9. Optische Zeichenerkennung, ViT Transformer
Abschnitt 10. Semantische Segmentierung, DeepLabV3+
Abschnitt 11. Parallele Segmentierung, 2 x DeepLabV3+
Abschnitt 12. Semantische Segmentierung, Alles segmentieren
Abschnitt 13. Foto-Unschärfe, IMDN
Abschnitt 14. Bild-Superauflösung, ESRGAN
Abschnitt 15. Bild-Superauflösung, SRGAN
Abschnitt 16. Bildrauschunterdrückung, U-Net
Abschnitt 17. Tiefenschätzung, MV3-Tiefe
Abschnitt 18. Tiefenschätzung, MiDaS 3.1
Abschnitt 19/20. Bildverbesserung, DPED
Abschnitt 21. Gelernter Kamera-ISP, MicroISP
Abschnitt 22. Bokeh-Effekt-Rendering, PyNET-V2 Mobile
Abschnitt 23. FullHD-Video-Superauflösung, XLSR
Abschnitt 24/25. 4K-Video-Superauflösung, VideoSR
Abschnitt 26. Beantwortung von Fragen, MobileBERT
Abschnitt 27. Neuronale Textgenerierung, Llama2
Abschnitt 28. Neurale Textgenerierung, GPT2
Abschnitt 29. Neuronale Bilderzeugung, stabile Diffusion V1.5
Abschnitt 30. Speichergrenzen, ResNet
Darüber hinaus kann man im PRO-Modus eigene TensorFlow Lite-Deep-Learning-Modelle laden und testen.
Eine detaillierte Beschreibung der Tests finden Sie hier: http://ai-benchmark.com/tests.html
Hinweis: Hardwarebeschleunigung wird auf allen mobilen SoCs mit dedizierten NPUs und KI-Beschleunigern unterstützt, einschließlich Qualcomm Snapdragon, MediaTek Dimensity / Helio, Google Tensor, HiSilicon Kirin, Samsung Exynos und UNISOC Tiger-Chipsätzen. Ab AI Benchmark v4 kann man auch auf älteren Geräten in den Einstellungen die GPU-basierte KI-Beschleunigung aktivieren („Beschleunigen“ -> „GPU-Beschleunigung aktivieren“ / „Arm NN“, OpenGL ES-3.0+ ist erforderlich).
Ist Ihr Smartphone in der Lage, die neuesten Deep Neural Networks auszuführen, um diese und viele andere KI-basierte Aufgaben auszuführen? Verfügt es über einen speziellen KI-Chip? Ist es schnell genug? Führen Sie AI Benchmark durch, um die KI-Leistung professionell zu bewerten!
Aktuelles Telefon-Ranking: http://ai-benchmark.com/ranking
AI Benchmark misst die Geschwindigkeit, Genauigkeit, den Stromverbrauch und den Speicherbedarf für mehrere wichtige KI-, Computer Vision- und NLP-Modelle. Zu den getesteten Lösungen gehören Bildklassifizierungs- und Gesichtserkennungsmethoden, KI-Modelle zur neuronalen Bild- und Textgenerierung, neuronale Netze für die Bild-/Video-Superauflösung und Fotoverbesserung sowie KI-Lösungen für autonome Fahrsysteme und Smartphones für reale Zeittiefenschätzung und semantische Bildsegmentierung. Die Visualisierung der Ergebnisse der Algorithmen ermöglicht es, deren Ergebnisse grafisch auszuwerten und den aktuellen Stand der Technik in verschiedenen KI-Bereichen kennenzulernen.
Insgesamt besteht AI Benchmark aus 83 Tests und 30 unten aufgeführten Abschnitten:
Abschnitt 1. Klassifizierung, MobileNet-V3
Abschnitt 2. Klassifizierung, Inception-V3
Abschnitt 3. Gesichtserkennung, Swin Transformer
Abschnitt 4. Klassifizierung, EfficientNet-B4
Abschnitt 5. Klassifizierung, MobileViT-V2
Abschnitte 6/7. Parallele Modellausführung, 8 x Inception-V3
Abschnitt 8. Objektverfolgung, YOLO-V8
Abschnitt 9. Optische Zeichenerkennung, ViT Transformer
Abschnitt 10. Semantische Segmentierung, DeepLabV3+
Abschnitt 11. Parallele Segmentierung, 2 x DeepLabV3+
Abschnitt 12. Semantische Segmentierung, Alles segmentieren
Abschnitt 13. Foto-Unschärfe, IMDN
Abschnitt 14. Bild-Superauflösung, ESRGAN
Abschnitt 15. Bild-Superauflösung, SRGAN
Abschnitt 16. Bildrauschunterdrückung, U-Net
Abschnitt 17. Tiefenschätzung, MV3-Tiefe
Abschnitt 18. Tiefenschätzung, MiDaS 3.1
Abschnitt 19/20. Bildverbesserung, DPED
Abschnitt 21. Gelernter Kamera-ISP, MicroISP
Abschnitt 22. Bokeh-Effekt-Rendering, PyNET-V2 Mobile
Abschnitt 23. FullHD-Video-Superauflösung, XLSR
Abschnitt 24/25. 4K-Video-Superauflösung, VideoSR
Abschnitt 26. Beantwortung von Fragen, MobileBERT
Abschnitt 27. Neuronale Textgenerierung, Llama2
Abschnitt 28. Neurale Textgenerierung, GPT2
Abschnitt 29. Neuronale Bilderzeugung, stabile Diffusion V1.5
Abschnitt 30. Speichergrenzen, ResNet
Darüber hinaus kann man im PRO-Modus eigene TensorFlow Lite-Deep-Learning-Modelle laden und testen.
Eine detaillierte Beschreibung der Tests finden Sie hier: http://ai-benchmark.com/tests.html
Hinweis: Hardwarebeschleunigung wird auf allen mobilen SoCs mit dedizierten NPUs und KI-Beschleunigern unterstützt, einschließlich Qualcomm Snapdragon, MediaTek Dimensity / Helio, Google Tensor, HiSilicon Kirin, Samsung Exynos und UNISOC Tiger-Chipsätzen. Ab AI Benchmark v4 kann man auch auf älteren Geräten in den Einstellungen die GPU-basierte KI-Beschleunigung aktivieren („Beschleunigen“ -> „GPU-Beschleunigung aktivieren“ / „Arm NN“, OpenGL ES-3.0+ ist erforderlich).
Aktualisiert am
Was die Sicherheit angeht, solltest du als Erstes verstehen, wie Entwickler deine Daten erheben und weitergeben. Die Datenschutz- und Sicherheitspraktiken können je nach deiner Verwendung, deiner Region und deinem Alter variieren. Diese Informationen wurden vom Entwickler zur Verfügung gestellt und können jederzeit von ihm geändert werden.
Keine Daten werden mit Drittunternehmen oder -organisationen geteilt
Keine Daten erhoben
Bewertungen und Rezensionen
4,4
1480 Rezensionen
Ein Google-Nutzer
- Als unangemessen melden
28. Februar 2019
Funktioniert alles ohne Probleme, es wäre nur schön wenn es eine Test Historie geben würde um zu sehen ob sich die Performance mit einem Software Update verbessert hat
7 Personen fanden diese Bewertung hilfreich
Ein Google-Nutzer
- Als unangemessen melden
11. Juni 2019
Vielleicht ist es gerade die Laienbegeisterte die gerade aus mir spricht, aber ich bin sehr positiv überrascht,ich war glücklich während ich dem Programm beim testen zugesehen habe.Ihr müsst wissen 😀ich bin sarah connor aus der zukunft🦄und stehe K.I. etc. sehr skeptisch gegenüber (es sei denn Optimus Prime und Bumblebee sind bei uns 🌏💤🌊🕙) Auf ein Wort: Respekt und danke für diese Erfahrung, vielleicht geht doch alles gut. Beide Seiten sollten immer respektvoll miteinander umgehen
1 Person fand diese Bewertung hilfreich
Dr.Ne0Gen3tic (Forensic Buro of Quantum)
- Als unangemessen melden
19. August 2020
Hervorragender AI Benchmark der gute algorhytmen testet,gibt Aufschluss über die Leistun eurer KI des Smartphones,macht seinen Job sehr gut und ist sehr Repräsentativ.Sehr Gute Programmier Arbeit und Stabiles Workflow,sehr empfehlbar 👍zum Vergleich oder Competition😎
3 Personen fanden diese Bewertung hilfreich
Neuigkeiten
1. New tasks and models: Vision Transformer (ViT) architectures, Large Language Models (LLMs), Stable Diffusion network, etc.
2. Added tests checking the performance of quantized INT16 inference.
3. LiteRT (TFLite) runtime updated to version 2.17.
4. Updated Qualcomm QNN, MediaTek Neuron, TFLite NNAPI, GPU and Hexagon NN delegates.
5. Added Arm NN delegate for AI inference acceleration on Mali GPUs.
6. The total number of tests increased to 83.
2. Added tests checking the performance of quantized INT16 inference.
3. LiteRT (TFLite) runtime updated to version 2.17.
4. Updated Qualcomm QNN, MediaTek Neuron, TFLite NNAPI, GPU and Hexagon NN delegates.
5. Added Arm NN delegate for AI inference acceleration on Mali GPUs.
6. The total number of tests increased to 83.