तंत्रिका छवि निर्माण, चेहरा पहचान, छवि वर्गीकरण, प्रश्न उत्तर...
क्या आपका स्मार्टफोन इन और कई अन्य एआई-आधारित कार्यों को करने के लिए नवीनतम डीप न्यूरल नेटवर्क चलाने में सक्षम है? क्या इसमें एक समर्पित AI चिप है? क्या यह काफी तेज़ है? अपने AI प्रदर्शन का व्यावसायिक मूल्यांकन करने के लिए AI बेंचमार्क चलाएँ!
वर्तमान फ़ोन रैंकिंग: http://ai-benchmark.com/ranking
एआई बेंचमार्क कई प्रमुख एआई, कंप्यूटर विजन और एनएलपी मॉडल के लिए गति, सटीकता, बिजली की खपत और मेमोरी आवश्यकताओं को मापता है। परीक्षण किए गए समाधानों में छवि वर्गीकरण और चेहरा पहचान विधियां, तंत्रिका छवि और पाठ पीढ़ी का प्रदर्शन करने वाले एआई मॉडल, छवि / वीडियो सुपर-रिज़ॉल्यूशन और फोटो एन्हांसमेंट के लिए उपयोग किए जाने वाले तंत्रिका नेटवर्क, साथ ही स्वायत्त ड्राइविंग सिस्टम और स्मार्टफ़ोन में वास्तविक रूप से उपयोग किए जाने वाले एआई समाधान शामिल हैं। समय की गहराई का अनुमान और सिमेंटिक छवि विभाजन। एल्गोरिदम के आउटपुट का विज़ुअलाइज़ेशन ग्राफिक रूप से उनके परिणामों का आकलन करने और विभिन्न एआई क्षेत्रों में वर्तमान अत्याधुनिक को जानने की अनुमति देता है।
कुल मिलाकर, एआई बेंचमार्क में 83 परीक्षण और नीचे सूचीबद्ध 30 अनुभाग शामिल हैं:
धारा 1. वर्गीकरण, मोबाइलनेट-वी3
खण्ड 2. वर्गीकरण, प्रारम्भ-V3
धारा 3. चेहरा पहचान, स्विन ट्रांसफार्मर
धारा 4. वर्गीकरण, एफिशिएंटनेट-बी4
धारा 5. वर्गीकरण, MobileViT-V2
धारा 6/7. समानांतर मॉडल निष्पादन, 8 x इंसेप्शन-V3
धारा 8. ऑब्जेक्ट ट्रैकिंग, YOLO-V8
धारा 9. ऑप्टिकल कैरेक्टर रिकग्निशन, वीआईटी ट्रांसफार्मर
धारा 10. सिमेंटिक विभाजन, डीपलैबवी3+
धारा 11. समानांतर विभाजन, 2 x डीपलैबवी3+
धारा 12. सिमेंटिक विभाजन, खंड कुछ भी
धारा 13. फोटो डिब्लरिंग, आईएमडीएन
धारा 14. छवि सुपर-रिज़ॉल्यूशन, ESRGAN
धारा 15. छवि सुपर-रिज़ॉल्यूशन, एसआरजीएएन
धारा 16. छवि अस्वीकरण, यू-नेट
धारा 17. गहराई का अनुमान, एमवी3-गहराई
धारा 18. गहराई का अनुमान, MiDaS 3.1
धारा 19/20. छवि संवर्धन, डीपीईडी
धारा 21. सीखा हुआ कैमरा आईएसपी, माइक्रोआईएसपी
धारा 22. बोकेह इफ़ेक्ट रेंडरिंग, PyNET-V2 मोबाइल
धारा 23. फुलएचडी वीडियो सुपर-रिज़ॉल्यूशन, एक्सएलएसआर
धारा 24/25. 4K वीडियो सुपर-रिज़ॉल्यूशन, वीडियोएसआर
धारा 26. प्रश्न उत्तर, मोबाइलबर्ट
धारा 27. न्यूरल टेक्स्ट जेनरेशन, लामा2
धारा 28. न्यूरल टेक्स्ट जेनरेशन, जीपीटी2
धारा 29. तंत्रिका छवि निर्माण, स्थिर प्रसार V1.5
धारा 30. मेमोरी सीमाएँ, रेसनेट
इसके अलावा, कोई भी PRO मोड में अपने स्वयं के TensorFlow Lite डीप लर्निंग मॉडल को लोड और परीक्षण कर सकता है।
परीक्षणों का विस्तृत विवरण यहां पाया जा सकता है: http://ai-benchmark.com/tests.html
नोट: क्वालकॉम स्नैपड्रैगन, मीडियाटेक डाइमेंशन/हेलियो, गूगल टेंसर, हाईसिलिकॉन किरिन, सैमसंग एक्सिनोस और यूनिसॉक टाइगर चिपसेट सहित समर्पित एनपीयू और एआई एक्सेलेरेटर के साथ सभी मोबाइल एसओसी पर हार्डवेयर एक्सेलेरेशन समर्थित है। एआई बेंचमार्क v4 से शुरू करके, कोई भी सेटिंग्स में पुराने उपकरणों पर जीपीयू-आधारित एआई त्वरण को सक्षम कर सकता है ("एक्सेलरेट" -> "जीपीयू एक्सेलेरेशन सक्षम करें" / "आर्म एनएन", ओपनजीएल ईएस-3.0+ आवश्यक है)।