AI Benchmark

Votre téléphone est-il prêt pour l'IA ? Exécutez AI Benchmark pour vérifier ses performances !

Reconnaissance faciale, classification d'images, réponse aux questions...

Votre smartphone est-il capable d'exécuter les derniers réseaux de neurones profonds pour effectuer ces tâches et bien d'autres basées sur l'IA ? A-t-il une puce AI dédiée ? Est-ce assez rapide ? Exécutez AI Benchmark pour évaluer professionnellement ses performances d'IA !

Classement actuel des téléphones : http://ai-benchmark.com/ranking

AI Benchmark mesure la vitesse, la précision, la consommation d'énergie et les besoins en mémoire pour plusieurs algorithmes clés d'IA et de vision par ordinateur. Parmi les solutions testées figurent les méthodes de classification d'images et de reconnaissance faciale, les réseaux de neurones utilisés pour la super-résolution d'image/vidéo et l'amélioration des photos, les modèles d'intelligence artificielle prédisant le texte et effectuant des réponses aux questions, ainsi que les solutions d'intelligence artificielle utilisées dans les systèmes de conduite autonome et les smartphones pour des applications réelles. Estimation de la profondeur temporelle et segmentation sémantique des images. La visualisation des sorties des algorithmes permet d'évaluer graphiquement leurs résultats et de connaître l'état de l'art actuel dans divers domaines de l'IA.

Au total, AI Benchmark se compose de 78 tests et 26 sections listées ci-dessous :

Section 1. Classification, MobileNet-V2

Section 2. Classification, Inception-V3

Section 3. Reconnaissance faciale, MobileNet-V3

Section 4. Classement, EfficientNet-B4

Articles 5/6. Exécution de modèle parallèle, 8 x Inception-V3

Section 7. Suivi d'objet, YOLO-V4

Section 8. Reconnaissance optique de caractères, CRNN

Section 9. Segmentation sémantique, DeepLabV3+

Section 10. Segmentation parallèle, 2 x DeepLabV3+

Section 11. Correction du flou des photos, IMDN

Section 12. Super-résolution d'image, ESRGAN

Section 13. Super-résolution d'image, SRGAN

Section 14. Débruitage d'image, U-Net

Section 15. Estimation de la profondeur, MV3-Profondeur

Section 16. Amélioration de l'image, DPED ResNet

Section 17. Amélioration de l'image, instance DPED

Section 18. Rendu de l'effet bokeh, PyNET+

Section 19. Caméra apprise ISP, PUNET

Section 20. Super-résolution vidéo FullHD, XLSR

Article 21/22. Super-résolution vidéo 4K, VideoSR

Section 23. Complétion de texte, LSTM

Section 24. Réponse aux questions, MobileBERT

Section 25. Complétion de texte, ALBERT

Section 26. Limites de mémoire, ResNet

En plus de cela, on peut charger et tester ses propres modèles d'apprentissage en profondeur TensorFlow Lite en mode PRO.

Une description détaillée des tests peut être trouvée ici : http://ai-benchmark.com/tests.html

Remarque : L'accélération matérielle est prise en charge sur tous les SoC mobiles avec des NPU et des accélérateurs d'IA dédiés, y compris les chipsets Qualcomm Snapdragon, HiSilicon Kirin, Samsung Exynos, MediaTek Helio / Dimensity et UNISOC Tiger. À partir d'AI Benchmark v4, on peut également activer l'accélération de l'IA basée sur le GPU sur les appareils plus anciens dans les paramètres ("Accelerate" -> "Enable GPU Acceleration", OpenGL ES-3.0+ est requis).