AI Benchmark
4,4star
1,51 tūkst. atsauksmes
100 tūkst.+
Lejupielādes
Visiem
info
Par šo lietotni
Sejas atpazīšana, attēlu klasifikācija, atbildes uz jautājumiem...
Vai jūsu viedtālrunis spēj darbināt jaunākos Deep Neural Networks, lai veiktu šos un daudzus citus uz AI balstītus uzdevumus? Vai tam ir īpaša AI mikroshēma? Vai tas ir pietiekami ātri? Palaidiet AI etalonu, lai profesionāli novērtētu tā AI veiktspēju!
Pašreizējais tālruņu rangs: http://ai-benchmark.com/ranking
AI etalons mēra ātrumu, precizitāti, enerģijas patēriņu un atmiņas prasības vairākiem galvenajiem AI un Computer Vision algoritmiem. Starp pārbaudītajiem risinājumiem ir attēlu klasifikācijas un sejas atpazīšanas metodes, neironu tīkli, kas tiek izmantoti attēla / video superizšķirtspējai un fotoattēlu uzlabošanai, AI modeļi, kas paredz tekstu un veic atbildes uz jautājumiem, kā arī AI risinājumi, ko izmanto autonomās braukšanas sistēmās un viedtālruņos reālai laika dziļuma novērtējums un semantiskā attēla segmentācija. Algoritmu izvadu vizualizācija ļauj grafiski novērtēt to rezultātus un iepazīt aktuālos sasniegumus dažādās AI jomās.
Kopumā AI etalons sastāv no 78 testiem un 26 sadaļām, kas uzskaitītas tālāk:
1. sadaļa. Klasifikācija, MobileNet-V2
2. sadaļa. Klasifikācija, sākums-V3
3. sadaļa. Sejas atpazīšana, MobileNet-V3
4. sadaļa. Klasifikācija, EfficientNet-B4
5./6. sadaļa. Paralēlā modeļa izpilde, 8 x Inception-V3
7. sadaļa. Objektu izsekošana, YOLO-V4
8. sadaļa. Optiskā rakstzīmju atpazīšana, CRNN
9. sadaļa. Semantiskā segmentācija, DeepLabV3+
10. sadaļa. Paralēlā segmentācija, 2 x DeepLabV3+
11. sadaļa. Fotoattēlu izplūšana, IMDN
12. sadaļa. Image Super-Resolution, ESRGAN
13. sadaļa. Attēla superizšķirtspēja, SRGAN
14. sadaļa. Attēla trokšņa samazināšana, U-Net
15. sadaļa. Dziļuma novērtējums, MV3 dziļums
16. sadaļa. Attēla uzlabošana, DPED ResNet
17. sadaļa. Attēla uzlabošana, DPED instance
18. sadaļa. Bokeh efektu renderēšana, PyNET+
19. sadaļa. Apmācītas kameras ISP, PUNET
20. sadaļa. FullHD video super-izšķirtspēja, XLSR
21/22 sadaļa. 4K video super-izšķirtspēja, VideoSR
23. sadaļa. Teksta pabeigšana, LSTM
24. sadaļa. Atbildēšana uz jautājumiem, MobileBERT
25. sadaļa. Teksta pabeigšana, ALBERTS
26. sadaļa. Atmiņas ierobežojumi, ResNet
Turklāt PRO režīmā var ielādēt un pārbaudīt savus TensorFlow Lite dziļās apmācības modeļus.
Detalizētu testu aprakstu var atrast šeit: http://ai-benchmark.com/tests.html
Piezīme. Aparatūras paātrinājums tiek atbalstīts visos mobilajos SoC ar īpašiem NPU un AI paātrinātājiem, tostarp Qualcomm Snapdragon, HiSilicon Kirin, Samsung Exynos , MediaTek Helio / Dimensity un UNISOC Tiger mikroshēmojumiem. Sākot no AI Benchmark v4, iestatījumos var iespējot arī GPU balstītu AI paātrinājumu vecākām ierīcēm ("Paātrināt" -> "Iespējot GPU paātrinājumu", nepieciešams OpenGL ES-3.0+).
Vai jūsu viedtālrunis spēj darbināt jaunākos Deep Neural Networks, lai veiktu šos un daudzus citus uz AI balstītus uzdevumus? Vai tam ir īpaša AI mikroshēma? Vai tas ir pietiekami ātri? Palaidiet AI etalonu, lai profesionāli novērtētu tā AI veiktspēju!
Pašreizējais tālruņu rangs: http://ai-benchmark.com/ranking
AI etalons mēra ātrumu, precizitāti, enerģijas patēriņu un atmiņas prasības vairākiem galvenajiem AI un Computer Vision algoritmiem. Starp pārbaudītajiem risinājumiem ir attēlu klasifikācijas un sejas atpazīšanas metodes, neironu tīkli, kas tiek izmantoti attēla / video superizšķirtspējai un fotoattēlu uzlabošanai, AI modeļi, kas paredz tekstu un veic atbildes uz jautājumiem, kā arī AI risinājumi, ko izmanto autonomās braukšanas sistēmās un viedtālruņos reālai laika dziļuma novērtējums un semantiskā attēla segmentācija. Algoritmu izvadu vizualizācija ļauj grafiski novērtēt to rezultātus un iepazīt aktuālos sasniegumus dažādās AI jomās.
Kopumā AI etalons sastāv no 78 testiem un 26 sadaļām, kas uzskaitītas tālāk:
1. sadaļa. Klasifikācija, MobileNet-V2
2. sadaļa. Klasifikācija, sākums-V3
3. sadaļa. Sejas atpazīšana, MobileNet-V3
4. sadaļa. Klasifikācija, EfficientNet-B4
5./6. sadaļa. Paralēlā modeļa izpilde, 8 x Inception-V3
7. sadaļa. Objektu izsekošana, YOLO-V4
8. sadaļa. Optiskā rakstzīmju atpazīšana, CRNN
9. sadaļa. Semantiskā segmentācija, DeepLabV3+
10. sadaļa. Paralēlā segmentācija, 2 x DeepLabV3+
11. sadaļa. Fotoattēlu izplūšana, IMDN
12. sadaļa. Image Super-Resolution, ESRGAN
13. sadaļa. Attēla superizšķirtspēja, SRGAN
14. sadaļa. Attēla trokšņa samazināšana, U-Net
15. sadaļa. Dziļuma novērtējums, MV3 dziļums
16. sadaļa. Attēla uzlabošana, DPED ResNet
17. sadaļa. Attēla uzlabošana, DPED instance
18. sadaļa. Bokeh efektu renderēšana, PyNET+
19. sadaļa. Apmācītas kameras ISP, PUNET
20. sadaļa. FullHD video super-izšķirtspēja, XLSR
21/22 sadaļa. 4K video super-izšķirtspēja, VideoSR
23. sadaļa. Teksta pabeigšana, LSTM
24. sadaļa. Atbildēšana uz jautājumiem, MobileBERT
25. sadaļa. Teksta pabeigšana, ALBERTS
26. sadaļa. Atmiņas ierobežojumi, ResNet
Turklāt PRO režīmā var ielādēt un pārbaudīt savus TensorFlow Lite dziļās apmācības modeļus.
Detalizētu testu aprakstu var atrast šeit: http://ai-benchmark.com/tests.html
Piezīme. Aparatūras paātrinājums tiek atbalstīts visos mobilajos SoC ar īpašiem NPU un AI paātrinātājiem, tostarp Qualcomm Snapdragon, HiSilicon Kirin, Samsung Exynos , MediaTek Helio / Dimensity un UNISOC Tiger mikroshēmojumiem. Sākot no AI Benchmark v4, iestatījumos var iespējot arī GPU balstītu AI paātrinājumu vecākām ierīcēm ("Paātrināt" -> "Iespējot GPU paātrinājumu", nepieciešams OpenGL ES-3.0+).
Atjaunināta
Drošība sākas ar izpratni par to, kā izstrādātāji vāc un kopīgo jūsu datus. Datu konfidencialitātes un drošības prakse var atšķirties atkarībā no izmantojuma, reģiona un vecuma. Izstrādātājs ir sniedzis šo informāciju un laika gaitā var to atjaunināt.
Dati netiek kopīgoti ar trešajām pusēm
Uzziniet vairāk par to, kā izstrādātāji norāda datu kopīgošanu.
Dati netiek vākti
Uzziniet vairāk par to, kā izstrādātāji norāda datu vākšanu.
Vērtējumi un atsauksmes
4,4
1,45 tūkst. atsauksmes
Jaunumi
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.
2. Enhanced stability and accuracy of the power consumption test.
3. Various bug fixes and performance improvements.
