AI Benchmark

การสร้างภาพทางประสาท การจดจำใบหน้า การจัดหมวดหมู่ภาพ การตอบคำถาม...

สมาร์ทโฟนของคุณสามารถใช้งาน Deep Neural Networks ล่าสุดเพื่อทำงานเหล่านี้และงานอื่น ๆ ที่ใช้ AI ได้หรือไม่? มีชิป AI เฉพาะหรือไม่? มันเร็วพอหรือเปล่า? เรียกใช้เกณฑ์มาตรฐาน AI เพื่อประเมินประสิทธิภาพของ AI อย่างมืออาชีพ!

อันดับโทรศัพท์ปัจจุบัน: http://ai-benchmark.com/ranking

เกณฑ์มาตรฐาน AI วัดความเร็ว ความแม่นยำ การใช้พลังงาน และความต้องการหน่วยความจำสำหรับโมเดล AI, Computer Vision และ NLP ที่สำคัญหลายรุ่น โซลูชันที่ผ่านการทดสอบ ได้แก่ วิธีการจำแนกภาพและการจดจำใบหน้า โมเดล AI ที่สร้างภาพและข้อความแบบนิวรัล โครงข่ายประสาทเทียมที่ใช้สำหรับการแก้ไขความละเอียดสูงสุดของรูปภาพ / วิดีโอ และการปรับปรุงภาพถ่าย รวมถึงโซลูชัน AI ที่ใช้ในระบบขับขี่อัตโนมัติและสมาร์ทโฟนแบบเรียลไทม์ การประมาณความลึกของเวลาและการแบ่งส่วนภาพความหมาย การแสดงผลลัพธ์ของอัลกอริธึมเป็นภาพทำให้สามารถประเมินผลลัพธ์เป็นภาพกราฟิก และทำความรู้จักกับความล้ำหน้าในปัจจุบันในสาขา AI ต่างๆ

โดยรวมแล้ว AI Benchmark ประกอบด้วยการทดสอบ 83 รายการและ 30 ส่วนตามรายการด้านล่าง:

ส่วนที่ 1 การจำแนกประเภท MobileNet-V3

ส่วนที่ 2 การจำแนกประเภท Inception-V3

ส่วนที่ 3 การจดจำใบหน้า Swin Transformer

ส่วนที่ 4 การจำแนกประเภท EfficientNet-B4

ส่วนที่ 5 การจำแนกประเภท MobileViT-V2

มาตรา 6/7 การดำเนินการกับโมเดลขนาน, 8 x Inception-V3

ส่วนที่ 8 การติดตามวัตถุ YOLO-V8

ส่วนที่ 9 การรู้จำอักขระด้วยแสง, ViT Transformer

ส่วนที่ 10 การแบ่งส่วนความหมาย, DeepLabV3+

ส่วนที่ 11 การแบ่งส่วนแบบขนาน, 2 x DeepLabV3+

มาตรา 12 การแบ่งส่วนความหมาย แบ่งส่วนอะไรก็ได้

ส่วนที่ 13 การลบภาพเบลอ IMDN

ส่วนที่ 14 รูปภาพที่มีความละเอียดสูงสุด ESRGAN

มาตรา 15 รูปภาพความละเอียดสูงพิเศษ SRGAN

มาตรา 16 การลดสัญญาณรบกวนภาพ U-Net

มาตรา 17 การประมาณความลึก MV3-ความลึก

ส่วนที่ 18 การประมาณความลึก MiDaS 3.1

มาตรา 19/20 การเพิ่มประสิทธิภาพของภาพ DPED

มาตรา 21 เรียนรู้ Camera ISP, MicroISP

มาตรา 22 การเรนเดอร์เอฟเฟกต์โบเก้, PyNET-V2 Mobile

ส่วนที่ 23 วิดีโอ FullHD ความละเอียดพิเศษ XLSR

มาตรา 24/25 วิดีโอความละเอียดสูงพิเศษ 4K, VideoSR

มาตรา 26 การตอบคำถาม MobileBERT

มาตรา 27 การสร้างข้อความประสาท Llama2

มาตรา 28 การสร้างข้อความประสาท GPT2

มาตรา 29 การสร้างภาพประสาท, การแพร่กระจายที่เสถียร V1.5

มาตรา 30 ขีดจำกัดหน่วยความจำ ResNet

นอกจากนั้น เราสามารถโหลดและทดสอบโมเดลการเรียนรู้เชิงลึก TensorFlow Lite ของตนเองได้ในโหมด PRO

สามารถดูคำอธิบายการทดสอบโดยละเอียดได้ที่นี่: http://ai-benchmark.com/tests.html

หมายเหตุ: รองรับการเร่งความเร็วด้วยฮาร์ดแวร์บน SoC บนมือถือทั้งหมดที่มี NPU และตัวเร่งความเร็ว AI เฉพาะ รวมถึงชิปเซ็ต Qualcomm Snapdragon, MediaTek Dimensity / Helio, Google Tensor, HiSilicon Kirin, Samsung Exynos และชิปเซ็ต UNISOC Tiger เริ่มต้นจาก AI Benchmark v4 เรายังสามารถเปิดใช้งานการเร่งความเร็ว AI ที่ใช้ GPU บนอุปกรณ์รุ่นเก่าในการตั้งค่า ("เร่งความเร็ว" -> "เปิดใช้งานการเร่งความเร็ว GPU" / "Arm NN" ต้องใช้ OpenGL ES-3.0+)