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/