ಮುಖ ಗುರುತಿಸುವಿಕೆ, ಚಿತ್ರ ವರ್ಗೀಕರಣ, ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸುವುದು...
ಇವುಗಳನ್ನು ಮತ್ತು ಇತರ ಹಲವು AI ಆಧಾರಿತ ಕಾರ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸಲು ನಿಮ್ಮ ಸ್ಮಾರ್ಟ್ಫೋನ್ ಇತ್ತೀಚಿನ ಡೀಪ್ ನ್ಯೂರಲ್ ನೆಟ್ವರ್ಕ್ಗಳನ್ನು ಚಲಾಯಿಸಲು ಸಮರ್ಥವಾಗಿದೆಯೇ? ಇದು ಮೀಸಲಾದ AI ಚಿಪ್ ಅನ್ನು ಹೊಂದಿದೆಯೇ? ಇದು ಸಾಕಷ್ಟು ವೇಗವಾಗಿದೆಯೇ? ಅದರ AI ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ವೃತ್ತಿಪರವಾಗಿ ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು AI ಬೆಂಚ್ಮಾರ್ಕ್ ಅನ್ನು ರನ್ ಮಾಡಿ!
ಪ್ರಸ್ತುತ ಫೋನ್ ಶ್ರೇಯಾಂಕ: http://ai-benchmark.com/ranking
AI ಬೆಂಚ್ಮಾರ್ಕ್ ಹಲವಾರು ಪ್ರಮುಖ AI ಮತ್ತು ಕಂಪ್ಯೂಟರ್ ವಿಷನ್ ಅಲ್ಗಾರಿದಮ್ಗಳಿಗೆ ವೇಗ, ನಿಖರತೆ, ವಿದ್ಯುತ್ ಬಳಕೆ ಮತ್ತು ಮೆಮೊರಿ ಅಗತ್ಯಗಳನ್ನು ಅಳೆಯುತ್ತದೆ. ಪರೀಕ್ಷಿತ ಪರಿಹಾರಗಳಲ್ಲಿ ಇಮೇಜ್ ಕ್ಲಾಸಿಫಿಕೇಶನ್ ಮತ್ತು ಫೇಸ್ ರೆಕಗ್ನಿಷನ್ ವಿಧಾನಗಳು, ಇಮೇಜ್ / ವಿಡಿಯೋ ಸೂಪರ್-ರೆಸಲ್ಯೂಶನ್ ಮತ್ತು ಫೋಟೋ ವರ್ಧನೆಗಾಗಿ ಬಳಸಲಾಗುವ ನ್ಯೂರಲ್ ನೆಟ್ವರ್ಕ್ಗಳು, ಪಠ್ಯವನ್ನು ಊಹಿಸುವ ಮತ್ತು ಪ್ರಶ್ನೋತ್ತರವನ್ನು ನಿರ್ವಹಿಸುವ AI ಮಾದರಿಗಳು, ಹಾಗೆಯೇ ಸ್ವಾಯತ್ತ ಡ್ರೈವಿಂಗ್ ಸಿಸ್ಟಮ್ಗಳು ಮತ್ತು ಸ್ಮಾರ್ಟ್ಫೋನ್ಗಳಲ್ಲಿ ಬಳಸುವ AI ಪರಿಹಾರಗಳು ನೈಜ- ಸಮಯದ ಆಳದ ಅಂದಾಜು ಮತ್ತು ಶಬ್ದಾರ್ಥದ ಚಿತ್ರ ವಿಭಾಗ. ಅಲ್ಗಾರಿದಮ್ಗಳ ಔಟ್ಪುಟ್ಗಳ ದೃಶ್ಯೀಕರಣವು ಅವುಗಳ ಫಲಿತಾಂಶಗಳನ್ನು ಸಚಿತ್ರವಾಗಿ ನಿರ್ಣಯಿಸಲು ಮತ್ತು ವಿವಿಧ AI ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಪ್ರಸ್ತುತ ಸ್ಟೇಟ್-ಆಫ್-ಆರ್ಟ್ ಅನ್ನು ತಿಳಿದುಕೊಳ್ಳಲು ಅನುಮತಿಸುತ್ತದೆ.
ಒಟ್ಟಾರೆಯಾಗಿ, AI ಬೆಂಚ್ಮಾರ್ಕ್ 78 ಪರೀಕ್ಷೆಗಳು ಮತ್ತು ಕೆಳಗೆ ಪಟ್ಟಿ ಮಾಡಲಾದ 26 ವಿಭಾಗಗಳನ್ನು ಒಳಗೊಂಡಿದೆ:
ವಿಭಾಗ 1. ವರ್ಗೀಕರಣ, MobileNet-V2
ವಿಭಾಗ 2. ವರ್ಗೀಕರಣ, ಆರಂಭ-V3
ವಿಭಾಗ 3. ಮುಖ ಗುರುತಿಸುವಿಕೆ, MobileNet-V3
ವಿಭಾಗ 4. ವರ್ಗೀಕರಣ, ಎಫಿಶಿಯೆಂಟ್ನೆಟ್-ಬಿ4
ವಿಭಾಗಗಳು 5/6. ಪ್ಯಾರಲಲ್ ಮಾಡೆಲ್ ಎಕ್ಸಿಕ್ಯೂಶನ್, 8 x ಇನ್ಸೆಪ್ಶನ್-ವಿ3
ವಿಭಾಗ 7. ಆಬ್ಜೆಕ್ಟ್ ಟ್ರ್ಯಾಕಿಂಗ್, YOLO-V4
ವಿಭಾಗ 8. ಆಪ್ಟಿಕಲ್ ಕ್ಯಾರೆಕ್ಟರ್ ರೆಕಗ್ನಿಷನ್, CRNN
ವಿಭಾಗ 9. ಸೆಮ್ಯಾಂಟಿಕ್ ಸೆಗ್ಮೆಂಟೇಶನ್, DeepLabV3+
ವಿಭಾಗ 10. ಸಮಾನಾಂತರ ವಿಭಾಗ, 2 x DeepLabV3+
ವಿಭಾಗ 11. ಫೋಟೋ ಡಿಬ್ಲರಿಂಗ್, IMDN
ವಿಭಾಗ 12. ಇಮೇಜ್ ಸೂಪರ್-ರೆಸಲ್ಯೂಶನ್, ESRGAN
ವಿಭಾಗ 13. ಇಮೇಜ್ ಸೂಪರ್-ರೆಸಲ್ಯೂಶನ್, SRGAN
ವಿಭಾಗ 14. ಇಮೇಜ್ ಡಿನಾಯ್ಸಿಂಗ್, ಯು-ನೆಟ್
ವಿಭಾಗ 15. ಆಳದ ಅಂದಾಜು, MV3-ಆಳ
ವಿಭಾಗ 16. ಇಮೇಜ್ ವರ್ಧನೆ, DPED ResNet
ವಿಭಾಗ 17. ಇಮೇಜ್ ವರ್ಧನೆ, DPED ನಿದರ್ಶನ
ವಿಭಾಗ 18. ಬೊಕೆ ಎಫೆಕ್ಟ್ ರೆಂಡರಿಂಗ್, ಪೈನೆಟ್+
ವಿಭಾಗ 19. ಕಲಿತ ಕ್ಯಾಮರಾ ISP, PUNET
ವಿಭಾಗ 20. FullHD ವೀಡಿಯೊ ಸೂಪರ್-ರೆಸಲ್ಯೂಶನ್, XLSR
ವಿಭಾಗ 21/22. 4K ವೀಡಿಯೊ ಸೂಪರ್-ರೆಸಲ್ಯೂಶನ್, VideoSR
ವಿಭಾಗ 23. ಪಠ್ಯ ಪೂರ್ಣಗೊಳಿಸುವಿಕೆ, LSTM
ವಿಭಾಗ 24. ಪ್ರಶ್ನೆ ಉತ್ತರ, MobileBERT
ವಿಭಾಗ 25. ಪಠ್ಯ ಪೂರ್ಣಗೊಳಿಸುವಿಕೆ, ಆಲ್ಬರ್ಟ್
ವಿಭಾಗ 26. ಮೆಮೊರಿ ಮಿತಿಗಳು, ResNet
ಅದಲ್ಲದೆ, ಒಬ್ಬರು ತಮ್ಮದೇ ಆದ TensorFlow Lite ಆಳವಾದ ಕಲಿಕೆಯ ಮಾದರಿಗಳನ್ನು PRO ಮೋಡ್ನಲ್ಲಿ ಲೋಡ್ ಮಾಡಬಹುದು ಮತ್ತು ಪರೀಕ್ಷಿಸಬಹುದು.
ಪರೀಕ್ಷೆಗಳ ವಿವರವಾದ ವಿವರಣೆಯನ್ನು ಇಲ್ಲಿ ಕಾಣಬಹುದು: http://ai-benchmark.com/tests.html
ಗಮನಿಸಿ: Qualcomm Snapdragon, HiSilicon Kirin, Samsung Exynos , MediaTek Helio / Dimensity ಮತ್ತು UNISOC ಟೈಗರ್ ಚಿಪ್ಸೆಟ್ಗಳನ್ನು ಒಳಗೊಂಡಂತೆ ಮೀಸಲಾದ NPU ಗಳು ಮತ್ತು AI ವೇಗವರ್ಧಕಗಳೊಂದಿಗೆ ಎಲ್ಲಾ ಮೊಬೈಲ್ SoC ಗಳಲ್ಲಿ ಹಾರ್ಡ್ವೇರ್ ವೇಗವರ್ಧನೆಯು ಬೆಂಬಲಿತವಾಗಿದೆ. AI ಬೆಂಚ್ಮಾರ್ಕ್ v4 ನಿಂದ ಪ್ರಾರಂಭಿಸಿ, ಸೆಟ್ಟಿಂಗ್ಗಳಲ್ಲಿ ಹಳೆಯ ಸಾಧನಗಳಲ್ಲಿ GPU-ಆಧಾರಿತ AI ವೇಗವರ್ಧನೆಯನ್ನು ಸಹ ಸಕ್ರಿಯಗೊಳಿಸಬಹುದು ("ವೇಗವರ್ಧನೆ" -> "GPU ವೇಗವರ್ಧನೆಯನ್ನು ಸಕ್ರಿಯಗೊಳಿಸಿ", OpenGL ES-3.0+ ಅಗತ್ಯವಿದೆ).
ಅಪ್ಡೇಟ್ ದಿನಾಂಕ
ಮಾರ್ಚ್ 3, 2024