NeuralScope Benchmark
Dal 2017, i dispositivi mobili consentono la capacità di intelligenza artificiale adottando modelli avanzati di deep learning e potenti chip. Huawei Kirin970, Apple Bionic A11 e Mediatek P60 offrono un processore AI dedicato per ottenere prestazioni elevate ed efficienza energetica per i telefoni cellulari. Il fornitore di telefoni cellulari sviluppa anche diverse applicazioni AI per utilizzare questo processore AI. NeuralScope App è uno strumento di benchmarking deep learning per smartphone Android. È possibile verificare le prestazioni di elaborazione deep learning del dispositivo.
Nel benchmark NeuralScope, ci sono tre categorie comuni di apprendimento profondo della visione artificiale, classificazione, rilevamento e segmentazione.
Classificazione: le reti neurali basate sull'apprendimento profondo sono in grado di riconoscere le classi di oggetti per una o più foto di input. Possono riconoscere 1000 diverse classi di oggetti. Ci sono quattro modelli, mobilenet-V1, mobilenet-V2, Resnet-50 e Inception-V3, nella nostra App di benchmarking. Individualmente, forniamo un modello float e un modello quantizzato per ogni rete.
Rilevamento: ora è possibile eseguire il conteggio degli oggetti sul telefono. Il modello che usiamo è una combinazione di mobilenet, un modello di classificazione leggero e un rilevatore multibox single shot (SSD), un rivelatore di oggetti non ricampiona pixel o mappe di caratteristiche per ipotesi di bounding box, in grado di rilevare 80 classi di oggetti diverse. Migliora la velocità per il rilevamento ad alta precisione.
Segmentazione: l'attività valuta se è possibile eseguire la rimozione automatica dello sfondo per la scena di scambio sul telefono. Può riconoscere 20 diverse classi di oggetti e segmentare l'oggetto riconosciuto utilizzando colori diversi. Il modello è resnet-50 con strati di convoluzione atro incorporati.
Il benchmark NeuralScope è uno strumento molto utile che ti consente di controllare i tuoi dispositivi indipendentemente dal fatto che siano supportati dal deep learning computing.
Nel benchmark NeuralScope, ci sono tre categorie comuni di apprendimento profondo della visione artificiale, classificazione, rilevamento e segmentazione.
Classificazione: le reti neurali basate sull'apprendimento profondo sono in grado di riconoscere le classi di oggetti per una o più foto di input. Possono riconoscere 1000 diverse classi di oggetti. Ci sono quattro modelli, mobilenet-V1, mobilenet-V2, Resnet-50 e Inception-V3, nella nostra App di benchmarking. Individualmente, forniamo un modello float e un modello quantizzato per ogni rete.
Rilevamento: ora è possibile eseguire il conteggio degli oggetti sul telefono. Il modello che usiamo è una combinazione di mobilenet, un modello di classificazione leggero e un rilevatore multibox single shot (SSD), un rivelatore di oggetti non ricampiona pixel o mappe di caratteristiche per ipotesi di bounding box, in grado di rilevare 80 classi di oggetti diverse. Migliora la velocità per il rilevamento ad alta precisione.
Segmentazione: l'attività valuta se è possibile eseguire la rimozione automatica dello sfondo per la scena di scambio sul telefono. Può riconoscere 20 diverse classi di oggetti e segmentare l'oggetto riconosciuto utilizzando colori diversi. Il modello è resnet-50 con strati di convoluzione atro incorporati.
Il benchmark NeuralScope è uno strumento molto utile che ti consente di controllare i tuoi dispositivi indipendentemente dal fatto che siano supportati dal deep learning computing.
Categoria : Strumenti
Ricerche associate