AI Benchmark

Erzeugung neuronaler Bilder, Gesichtserkennung, Bildklassifizierung, Beantwortung von Fragen ...

Ist Ihr Smartphone in der Lage, die neuesten Deep Neural Networks auszuführen, um diese und viele andere KI-basierte Aufgaben auszuführen? Verfügt es über einen speziellen KI-Chip? Ist es schnell genug? Führen Sie AI Benchmark durch, um die KI-Leistung professionell zu bewerten!

Aktuelles Telefon-Ranking: http://ai-benchmark.com/ranking

AI Benchmark misst die Geschwindigkeit, Genauigkeit, den Stromverbrauch und den Speicherbedarf für mehrere wichtige KI-, Computer Vision- und NLP-Modelle. Zu den getesteten Lösungen gehören Bildklassifizierungs- und Gesichtserkennungsmethoden, KI-Modelle zur neuronalen Bild- und Textgenerierung, neuronale Netze für die Bild-/Video-Superauflösung und Fotoverbesserung sowie KI-Lösungen für autonome Fahrsysteme und Smartphones für reale Zeittiefenschätzung und semantische Bildsegmentierung. Die Visualisierung der Ergebnisse der Algorithmen ermöglicht es, deren Ergebnisse grafisch auszuwerten und den aktuellen Stand der Technik in verschiedenen KI-Bereichen kennenzulernen.

Insgesamt besteht AI Benchmark aus 83 Tests und 30 unten aufgeführten Abschnitten:

Abschnitt 1. Klassifizierung, MobileNet-V3

Abschnitt 2. Klassifizierung, Inception-V3

Abschnitt 3. Gesichtserkennung, Swin Transformer

Abschnitt 4. Klassifizierung, EfficientNet-B4

Abschnitt 5. Klassifizierung, MobileViT-V2

Abschnitte 6/7. Parallele Modellausführung, 8 x Inception-V3

Abschnitt 8. Objektverfolgung, YOLO-V8

Abschnitt 9. Optische Zeichenerkennung, ViT Transformer

Abschnitt 10. Semantische Segmentierung, DeepLabV3+

Abschnitt 11. Parallele Segmentierung, 2 x DeepLabV3+

Abschnitt 12. Semantische Segmentierung, Alles segmentieren

Abschnitt 13. Foto-Unschärfe, IMDN

Abschnitt 14. Bild-Superauflösung, ESRGAN

Abschnitt 15. Bild-Superauflösung, SRGAN

Abschnitt 16. Bildrauschunterdrückung, U-Net

Abschnitt 17. Tiefenschätzung, MV3-Tiefe

Abschnitt 18. Tiefenschätzung, MiDaS 3.1

Abschnitt 19/20. Bildverbesserung, DPED

Abschnitt 21. Gelernter Kamera-ISP, MicroISP

Abschnitt 22. Bokeh-Effekt-Rendering, PyNET-V2 Mobile

Abschnitt 23. FullHD-Video-Superauflösung, XLSR

Abschnitt 24/25. 4K-Video-Superauflösung, VideoSR

Abschnitt 26. Beantwortung von Fragen, MobileBERT

Abschnitt 27. Neuronale Textgenerierung, Llama2

Abschnitt 28. Neurale Textgenerierung, GPT2

Abschnitt 29. Neuronale Bilderzeugung, stabile Diffusion V1.5

Abschnitt 30. Speichergrenzen, ResNet

Darüber hinaus kann man im PRO-Modus eigene TensorFlow Lite-Deep-Learning-Modelle laden und testen.

Eine detaillierte Beschreibung der Tests finden Sie hier: http://ai-benchmark.com/tests.html

Hinweis: Hardwarebeschleunigung wird auf allen mobilen SoCs mit dedizierten NPUs und KI-Beschleunigern unterstützt, einschließlich Qualcomm Snapdragon, MediaTek Dimensity / Helio, Google Tensor, HiSilicon Kirin, Samsung Exynos und UNISOC Tiger-Chipsätzen. Ab AI Benchmark v4 kann man auch auf älteren Geräten in den Einstellungen die GPU-basierte KI-Beschleunigung aktivieren („Beschleunigen“ -> „GPU-Beschleunigung aktivieren“ / „Arm NN“, OpenGL ES-3.0+ ist erforderlich).