ការទទួលស្គាល់មុខ ចំណាត់ថ្នាក់រូបភាព ការឆ្លើយសំណួរ...
តើស្មាតហ្វូនរបស់អ្នកអាចដំណើរការនូវ Deep Neural Networks ចុងក្រោយបង្អស់ ដើម្បីបំពេញការងារទាំងនេះ និងការងារដែលមានមូលដ្ឋានលើ AI ជាច្រើនទៀតដែរឬទេ? តើវាមាន AI Chip ពិសេសទេ? តើវាលឿនគ្រប់គ្រាន់ទេ? ដំណើរការ AI Benchmark ដើម្បីវាយតម្លៃប្រកបដោយវិជ្ជាជីវៈលើការអនុវត្ត AI របស់វា!
ចំណាត់ថ្នាក់ទូរស័ព្ទបច្ចុប្បន្ន៖ http://ai-benchmark.com/ranking
AI Benchmark វាស់ល្បឿន ភាពត្រឹមត្រូវ ការប្រើប្រាស់ថាមពល និងតម្រូវការអង្គចងចាំសម្រាប់ AI និង Computer Vision algorithms សំខាន់ៗមួយចំនួន។ ក្នុងចំណោមដំណោះស្រាយដែលបានសាកល្បងគឺ វិធីសាស្ត្រចាត់ថ្នាក់រូបភាព និងសម្គាល់មុខ បណ្តាញសរសៃប្រសាទដែលប្រើសម្រាប់រូបភាព/វីដេអូ និងកម្រិតរូបភាពខ្ពស់ ម៉ូដែល AI ព្យាករណ៍អត្ថបទ និងអនុវត្តការឆ្លើយសំណួរ ក៏ដូចជាដំណោះស្រាយ AI ដែលប្រើក្នុងប្រព័ន្ធបើកបរស្វយ័ត និងស្មាតហ្វូនសម្រាប់ពិត។ ការប៉ាន់ស្មានជម្រៅពេលវេលា និងការបែងចែករូបភាពតាមន័យធៀប។ ការមើលឃើញនៃលទ្ធផលនៃក្បួនដោះស្រាយអនុញ្ញាតឱ្យវាយតម្លៃលទ្ធផលរបស់ពួកគេជាក្រាហ្វិក និងដើម្បីដឹងពីភាពទាន់សម័យនាពេលបច្ចុប្បន្ននៅក្នុងវិស័យ AI ផ្សេងៗ។
សរុបមក AI Benchmark មាន 78 តេស្ត និង 26 ផ្នែកដែលបានរាយខាងក្រោម៖
ផ្នែកទី 1. ការចាត់ថ្នាក់, MobileNet-V2
ផ្នែកទី 2. ការចាត់ថ្នាក់, Inception-V3
ផ្នែកទី 3. ការទទួលស្គាល់មុខ, MobileNet-V3
ផ្នែកទី 4. ការចាត់ថ្នាក់, EfficientNet-B4
ផ្នែកទី 5/6 ។ ការប្រតិបត្តិគំរូប៉ារ៉ាឡែល, 8 x Inception-V3
ផ្នែកទី 7. ការតាមដានវត្ថុ, YOLO-V4
ផ្នែកទី 8. ការទទួលស្គាល់តួអក្សរអុបទិក, CRNN
ផ្នែកទី 9. ការបែងចែកតាមន័យធៀប, DeepLabV3+
ផ្នែកទី 10. ការបែងចែកប៉ារ៉ាឡែល, 2 x DeepLabV3+
ផ្នែកទី 11. Photo Deblurring, IMDN
ផ្នែកទី 12. រូបភាព Super-Resolution, ESRGAN
ផ្នែកទី 13. រូបភាព Super-Resolution, SRGAN
ផ្នែកទី 14. ការបដិសេធរូបភាព, U-Net
ផ្នែកទី 15. ការប៉ាន់ប្រមាណជម្រៅ, MV3- ជម្រៅ
ផ្នែកទី 16. ការបង្កើនរូបភាព, DPED ResNet
ផ្នែកទី 17. ការបង្កើនរូបភាព, DPED Instance
ផ្នែកទី 18 ។ ការបង្ហាញបែបផែន Bokeh, PyNET+
ផ្នែកទី 19. បានរៀន Camera ISP, PUNET
ផ្នែកទី 20. FullHD Video Super-Resolution, XLSR
ផ្នែកទី 21/22 ។ គុណភាពបង្ហាញវីដេអូកម្រិត 4K, VideoSR
ផ្នែកទី 23. ការបំពេញអត្ថបទ, LSTM
ផ្នែកទី 24. សំណួរចម្លើយ, MobileBERT
ផ្នែកទី 25. ការបំពេញអត្ថបទ, ALBERT
ផ្នែកទី 26. ដែនកំណត់នៃការចងចាំ, ResNet
លើសពីនេះ មនុស្សម្នាក់អាចផ្ទុក និងសាកល្បងម៉ូដែលសិក្សាជ្រៅៗ TensorFlow Lite របស់ពួកគេនៅក្នុងរបៀប PRO ។
ការពិពណ៌នាលម្អិតនៃការធ្វើតេស្តអាចរកបាននៅទីនេះ៖ http://ai-benchmark.com/tests.html
ចំណាំ៖ ការបង្កើនល្បឿនផ្នែករឹងត្រូវបានគាំទ្រនៅលើ SoCs ចល័តទាំងអស់ជាមួយនឹង NPUs និង AI accelerators ដែលខិតខំប្រឹងប្រែង រួមទាំង Qualcomm Snapdragon, HiSilicon Kirin, Samsung Exynos, MediaTek Helio / Dimensity និងបន្ទះឈីប UNISOC Tiger ។ ចាប់ផ្តើមពី AI Benchmark v4 មួយក៏អាចបើកការបង្កើនល្បឿន AI ផ្អែកលើ GPU នៅលើឧបករណ៍ចាស់ៗនៅក្នុងការកំណត់ ("បង្កើនល្បឿន" -> "បើកដំណើរការបង្កើនល្បឿន GPU", OpenGL ES-3.0+ គឺត្រូវបានទាមទារ)។
បានដំឡើងកំណែនៅ
3 មីនា 2024