न्यूरल इमेज जनरेशन, फेस रेकग्निशन, इमेज वर्गीकरण, प्रश्नांची उत्तरे...
तुमचा स्मार्टफोन ही आणि इतर अनेक AI-आधारित कार्ये करण्यासाठी नवीनतम डीप न्यूरल नेटवर्क चालवण्यास सक्षम आहे का? त्यात समर्पित AI चिप आहे का? ते पुरेसे जलद आहे का? त्याच्या AI कार्यप्रदर्शनाचे व्यावसायिक मूल्यांकन करण्यासाठी AI बेंचमार्क चालवा!
वर्तमान फोन रँकिंग: http://ai-benchmark.com/ranking
एआय बेंचमार्क अनेक प्रमुख AI, कॉम्प्युटर व्हिजन आणि NLP मॉडेल्ससाठी वेग, अचूकता, वीज वापर आणि मेमरी आवश्यकता मोजतो. चाचणी केलेल्या उपायांपैकी प्रतिमा वर्गीकरण आणि चेहरा ओळखण्याच्या पद्धती, न्यूरल इमेज आणि टेक्स्ट जनरेशन करणारी AI मॉडेल्स, इमेज/व्हिडिओ सुपर-रिझोल्यूशन आणि फोटो एन्हांसमेंटसाठी वापरलेले न्यूरल नेटवर्क, तसेच स्वायत्त ड्रायव्हिंग सिस्टममध्ये वापरलेले AI उपाय आणि वास्तविक-स्मार्टफोन्स. वेळ खोली अंदाज आणि अर्थपूर्ण प्रतिमा विभाजन. अल्गोरिदमच्या आउटपुटचे व्हिज्युअलायझेशन त्यांच्या परिणामांचे ग्राफिक पद्धतीने मूल्यांकन करण्यास आणि विविध एआय फील्डमधील वर्तमान अत्याधुनिक जाणून घेण्यास अनुमती देते.
एकूण, AI बेंचमार्कमध्ये खाली सूचीबद्ध केलेल्या 83 चाचण्या आणि 30 विभाग आहेत:
विभाग 1. वर्गीकरण, MobileNet-V3
विभाग 2. वर्गीकरण, प्रारंभ-V3
विभाग 3. फेस रेकग्निशन, स्विन ट्रान्सफॉर्मर
विभाग 4. वर्गीकरण, EfficientNet-B4
विभाग 5. वर्गीकरण, MobileViT-V2
कलम 6/7. पॅरलल मॉडेल एक्झिक्यूशन, 8 x इनसेप्शन-V3
विभाग 8. ऑब्जेक्ट ट्रॅकिंग, YOLO-V8
विभाग 9. ऑप्टिकल कॅरेक्टर रिकग्निशन, ViT ट्रान्सफॉर्मर
विभाग 10. सिमेंटिक सेगमेंटेशन, DeepLabV3+
विभाग 11. समांतर सेगमेंटेशन, 2 x DeepLabV3+
विभाग 12. सिमेंटिक सेगमेंटेशन, सेगमेंट काहीही
विभाग 13. फोटो डिब्लरिंग, IMDN
विभाग 14. इमेज सुपर-रिझोल्यूशन, ESRGAN
विभाग 15. प्रतिमा सुपर-रिझोल्यूशन, SRGAN
विभाग 16. इमेज डिनोइसिंग, यू-नेट
विभाग 17. खोली अंदाज, MV3-खोली
विभाग 18. खोली अंदाज, MiDaS 3.1
कलम 19/20. प्रतिमा सुधारणा, DPED
विभाग 21. कॅमेरा ISP, MicroISP शिकलो
विभाग 22. बोकेह इफेक्ट रेंडरिंग, PyNET-V2 मोबाइल
विभाग 23. फुलएचडी व्हिडिओ सुपर-रिझोल्यूशन, XLSR
कलम 24/25. 4K व्हिडिओ सुपर-रिझोल्यूशन, व्हिडिओएसआर
विभाग 26. प्रश्नांची उत्तरे, MobileBERT
विभाग 27. न्यूरल टेक्स्ट जनरेशन, लामा2
विभाग 28. न्यूरल टेक्स्ट जनरेशन, GPT2
विभाग 29. न्यूरल इमेज जनरेशन, स्थिर प्रसार V1.5
विभाग 30. मेमरी मर्यादा, ResNet
त्याशिवाय, PRO मोडमध्ये कोणीही स्वतःचे TensorFlow Lite डीप लर्निंग मॉडेल लोड आणि तपासू शकतो.
चाचण्यांचे तपशीलवार वर्णन येथे आढळू शकते: http://ai-benchmark.com/tests.html
टीप: हार्डवेअर प्रवेग सर्व मोबाइल SoCs वर समर्पित NPUs आणि AI प्रवेगकांसह समर्थित आहे, ज्यात Qualcomm Snapdragon, MediaTek Dimensity / Helio, Google Tensor, HiSilicon Kirin, Samsung Exynos आणि UNISOC टायगर चिपसेट यांचा समावेश आहे. AI बेंचमार्क v4 पासून प्रारंभ करून, कोणीही सेटिंग्जमध्ये जुन्या डिव्हाइसेसवर GPU-आधारित AI प्रवेग सक्षम करू शकतो ("एक्सलेरेट" -> "GPU प्रवेग सक्षम करा" / "आर्म NN", OpenGL ES-3.0+ आवश्यक आहे).