人臉識別、圖像分類、問答...
您的智能手機是否能夠運行最新的深度神經網絡來執行這些以及許多其他基於 AI 的任務?它有專用的 AI 芯片嗎?速度夠快嗎?運行 AI Benchmark 以專業評估其 AI 性能!
當前手機排名:http://ai-benchmark.com/ranking
AI Benchmark 測量幾個關鍵 AI 和計算機視覺算法的速度、準確性、功耗和內存要求。測試的解決方案包括圖像分類和人臉識別方法、用於圖像/視頻超分辨率和照片增強的神經網絡、預測文本和執行問答的 AI 模型,以及用於自動駕駛系統和智能手機的 AI 解決方案。時間深度估計和語義圖像分割。算法輸出的可視化允許以圖形方式評估其結果,並了解各種 AI 領域的當前最新技術。
AI Benchmark 總共包含 78 個測試和 26 個部分,如下所示:
第 1 節。分類,MobileNet-V2
第 2 節。分類,Inception-V3
第 3 節。人臉識別,MobileNet-V3
第 4 節。分類,EfficientNet-B4
第 5/6 節。並行模型執行,8 x Inception-V3
第 7 節。對象跟踪,YOLO-V4
第 8 節。光學字符識別,CRNN
第 9 節。語義分割,DeepLabV3+
第 10 節。並行分割,2 x DeepLabV3+
第 11 節。照片去模糊,IMDN
第 12 節。圖像超分辨率,ESRGAN
第 13 節。圖像超分辨率,SRGAN
第 14 節。圖像去噪,U-Net
第 15 節深度估計,MV3-Depth
第 16 節。圖像增強,DPED ResNet
第 17 節。圖像增強,DPED 實例
第 18 節。散景效果渲染,PyNET+
第 19 節 學習相機 ISP、PUNET
第 20 節。全高清視頻超分辨率,XLSR
第 21/22 節。 4K 視頻超分辨率、VideoSR
第 23 節。文本完成,LSTM
第 24 節。問答,MobileBERT
第 25 節。文本完成,ALBERT
第 26 節。內存限制,ResNet
除此之外,您還可以在 PRO 模式下加載和測試他們自己的 TensorFlow Lite 深度學習模型。
可以在此處找到測試的詳細說明:http://ai-benchmark.com/tests.html
注意:所有具有專用 NPU 和 AI 加速器的移動 SoC 都支持硬件加速,包括 Qualcomm Snapdragon、HiSilicon Kirin、Samsung Exynos、MediaTek Helio / Dimensity 和 UNISOC Tiger 芯片組。從 AI Benchmark v4 開始,還可以在舊設備的設置中啟用基於 GPU 的 AI 加速(“加速”->“啟用 GPU 加速”,需要 OpenGL ES-3.0+)。