图像分辨率:512 x 512 px
Set-5 得分(x4):29.40 dB
任务同上,但完成方法略有不同:如果我们使用其他神经网络训练我们的神经网络会如何?我们安排两个网络去完成两个不同的任务:网络 A 尝试解决上面提到的超分辨率问题,网络 B 观察其结果,尝试找到其中的缺陷并惩罚网络 A。听起来是不是很酷?实际上真的很酷:尽管该方法不尽完美,但结果往往非常惊艳。
任务 7:语义图像分割
神经网络:ICNet | 仅 CPU
图像分辨率:384 x 576 px
CityScapes (mIoU):69.5 %
有没有想过在手机上运行自动驾驶算法?这没什么不可能,至少你可以完成一大部分任务——根据车载摄像头拍摄的照片检测 19 类目标(例如,车、行人、路、天空等)。在下图中,你可以看到最近专为低性能设备设计的 ICNet 网络的像素级分割结果(每个颜色对应每个目标类别)。
任务 8:图像增强
神经网络:ResNet - 12 | CPU, NPU, DSP
图像分辨率:128 x 192 px
DPED PSNR i-得分:18.11 dB
看旧手机上的照片是不是觉得很难受?这个问题可以解决:经过恰当训练的神经网络可以让旧手机(即使是 iPhone 3GS)上的照片看起来非常好、非常时髦。要做到这一点,网络要观察、学习如何将来自低端设备的照片优化成像用 DSLR 相机拍出来的一样。当然,这一奇迹有一些明显的缺陷(如:每次换新手机模型都要重新训练网络),但得到的图像看起来非常好,尤其是旧设备上的照片。
任务 9:内存极限
神经网络:SRCNN 9-5-5 | CPU, NPU, DSP
图像分辨率:4 MP
# 参数:69.162
在任务 4 中我们已经认识了 SRCNN,它是最轻便、简单的神经网络之一,但即便如此,在处理高分辨率照片时,它也会让大多数手机「给跪」:要处理高清照片,手机至少要有 6GB 的内存。这项测试的目的是找到你设备的极限:这个最简易的网络到底能处理多大的图像?
最后,你可以去谷歌商店下载此APP测试下自己手机运行神经网络的能力,不服跑个分?
参考链接:https://venturebeat.com/2018/07/25/ai-benchmark-rates-smartphones-neural-network-performance/