ການຮັບຮູ້ໃບໜ້າ, ການຈັດປະເພດຮູບພາບ, ການຕອບຄຳຖາມ...
ສະມາດໂຟນຂອງທ່ານສາມາດແລ່ນເຄືອຂ່າຍ Deep Neural Networks ຫຼ້າສຸດເພື່ອປະຕິບັດວຽກງານເຫຼົ່ານີ້ ແລະຫຼາຍວຽກທີ່ອີງໃສ່ AI? ມັນມີຊິບ AI ທີ່ອຸທິດຕົນບໍ? ມັນໄວພຽງພໍບໍ? ແລ່ນ AI Benchmark ເພື່ອປະເມີນປະສິດທິພາບ AI ຂອງມັນຢ່າງເປັນມືອາຊີບ!
ອັນດັບໂທລະສັບໃນປະຈຸບັນ: http://ai-benchmark.com/ranking
AI Benchmark ວັດແທກຄວາມໄວ, ຄວາມຖືກຕ້ອງ, ການບໍລິໂພກພະລັງງານ ແລະຄວາມຕ້ອງການຄວາມຊົງຈໍາສໍາລັບລະບົບ AI ແລະຄອມພິວເຕີວິໄສທັດທີ່ສໍາຄັນຫຼາຍອັນ. ໃນບັນດາວິທີແກ້ໄຂທີ່ທົດສອບແມ່ນວິທີການຈັດປະເພດຮູບພາບແລະການຮັບຮູ້ໃບຫນ້າ, ເຄືອຂ່າຍ Neural ທີ່ໃຊ້ສໍາລັບຮູບພາບ / ວິດີໂອ Super-Resolution ແລະການປັບປຸງຮູບພາບ, ຮູບແບບ AI ຄາດຄະເນຂໍ້ຄວາມແລະການປະຕິບັດການຕອບຄໍາຖາມ, ເຊັ່ນດຽວກັນກັບວິທີແກ້ໄຂ AI ທີ່ໃຊ້ໃນລະບົບຂັບລົດອັດຕະໂນມັດແລະໂທລະສັບສະຫຼາດສໍາລັບຕົວຈິງ. ການຄາດຄະເນຄວາມເລິກທີ່ໃຊ້ເວລາແລະການແບ່ງສ່ວນຮູບພາບ semantic. ການສະແດງພາບຂອງຜົນໄດ້ຮັບຂອງ algorithms ຊ່ວຍໃຫ້ສາມາດປະເມີນຜົນໄດ້ຮັບຂອງພວກມັນເປັນກາຟິກແລະຮູ້ຈັກຄວາມທັນສະໄຫມໃນປະຈຸບັນໃນຂົງເຂດ AI ຕ່າງໆ.
ໃນຈໍານວນທັງຫມົດ, AI Benchmark ປະກອບດ້ວຍ 78 ການທົດສອບແລະ 26 ພາກສ່ວນທີ່ລະບຸໄວ້ຂ້າງລຸ່ມນີ້:
ພາກທີ 1. ການຈັດປະເພດ, MobileNet-V2
ພາກທີ 2. ການຈັດປະເພດ, Inception-V3
ພາກທີ 3. ການຮັບຮູ້ໃບໜ້າ, MobileNet-V3
ພາກທີ 4. ການຈັດປະເພດ, EfficientNet-B4
ພາກທີ 5/6. ການປະຕິບັດຕົວແບບຂະຫນານ, 8 x Inception-V3
ພາກທີ 7. ການຕິດຕາມວັດຖຸ, YOLO-V4
ພາກທີ 8. Optical Character Recognition, CRNN
ພາກທີ 9. Semantic Segmentation, DeepLabV3+
ພາກທີ 10. ການແບ່ງຂະໜານ, 2 x DeepLabV3+
ພາກທີ 11. ການລົບລ້າງຮູບພາບ, IMDN
ພາກທີ 12. ຮູບພາບ Super-Resolution, ESRGAN
ພາກທີ 13. Image Super-Resolution, SRGAN
ພາກທີ 14. Image Denoising, U-Net
ພາກທີ 15. ການປະເມີນຄວາມເລິກ, MV3-Depth
ພາກທີ 16. ການປັບປຸງຮູບພາບ, DPED ResNet
ພາກທີ 17. ການປັບປຸງຮູບພາບ, DPED Instance
ພາກທີ 18. ການສະແດງຜົນ Bokeh, PyNET+
ພາກທີ 19. ຮຽນຮູ້ກ້ອງຖ່າຍຮູບ ISP, PUNET
ພາກທີ 20. FullHD Video Super-Resolution, XLSR
ພາກທີ 21/22. ວິດີໂອ 4K ຄວາມລະອຽດສູງສຸດ, VideoSR
ພາກທີ 23. Text Completion, LSTM
ພາກທີ 24. ການຕອບຄໍາຖາມ, MobileBERT
ພາກທີ 25. ຂໍ້ຄວາມສໍາເລັດ, ALBERT
ພາກທີ 26. ຄວາມຈໍາຈໍາກັດ, ResNet
ນອກຈາກນັ້ນ, ຫນຶ່ງສາມາດໂຫຼດແລະທົດສອບຕົວແບບການຮຽນຮູ້ເລິກ TensorFlow Lite ຂອງເຂົາເຈົ້າເອງໃນຮູບແບບ PRO.
ລາຍລະອຽດຂອງການທົດສອບສາມາດພົບໄດ້ທີ່ນີ້: http://ai-benchmark.com/tests.html
ໝາຍເຫດ: ການເລັ່ງຮາດແວແມ່ນຮອງຮັບໃນ SoC ມືຖືທັງໝົດທີ່ມີ NPUs ແລະ AI accelerators ທີ່ອຸທິດຕົນ, ລວມທັງ Qualcomm Snapdragon, HiSilicon Kirin, Samsung Exynos, MediaTek Helio / Dimensity ແລະຊິບເຊັດ UNISOC Tiger. ເລີ່ມຕົ້ນຈາກ AI Benchmark v4, ຫນຶ່ງຍັງສາມາດເປີດໃຊ້ການເລັ່ງ AI ທີ່ອີງໃສ່ GPU ໃນອຸປະກອນເກົ່າໃນການຕັ້ງຄ່າ ("ເລັ່ງ" -> "ເປີດໃຊ້ການເລັ່ງ GPU", OpenGL ES-3.0+ ແມ່ນຕ້ອງການ).
ອັບເດດແລ້ວເມື່ອ
3 ມ.ນ. 2024