华为麒麟的AI性能是高通的3.5倍？这是所有手机运行神经网络的能力-AI Benchmark 是如何测试手机AI性能的

据官网介绍，该 benchmark 包含 9 个在手机上运行独立神经网络的计算机视觉任务。这些网络包含大量架构，能让我们评估解决人工智能问题的不同方法的表现和局限性。

任务 1：目标识别/分类

神经网络：MobileNet - V1 | CPU, NPU, DSP

图像分辨率：224 x 224 px

ImageNet 准确率：69.7%。

这是一个非常基础但很强大的神经网络，能够基于一张照片识别 1000 个不同的对象类别，准确率约为 70%。经过量化，其大小可小于 5Mb，再加上低耗内存，它可在几乎所有现有智能手机上使用。

任务 2：目标识别/分类

神经网络：Inception - V3 | CPU, NPU, DSP

图像分辨率：346 x 346 px

ImageNet 准确率：78.0 %

这是对上一个网络的进一步扩展：更加精确，但代价是规模是原来的 4 倍且对计算的要求较高。一个明显的优势是——它可以处理分辨率更高的图像，这意味着更精确的识别和更小目标的检测。

任务 3：人脸识别

神经网络：Inception - Resnet - V1 |CPU

图像分辨率：512x512 px

LFW 得分：0.987

这个任务无需过多介绍：根据人脸照片识别出这个人。实现方式如下：对于每个人脸图像，神经网络会对人脸编码并生成一个 128 维的特征向量，该特征向量不随缩放、移动或旋转而改变。然后，在数据库中检索和此向量最匹配的特征向量（以及对应的身份），数据库里包含数亿个此类信息。

任务 4：图像去模糊

神经网络：SRCNN 9-5-5 | CPU, NPU, DSP

图像分辨率：300 x 300 px

Set-5 得分 (x3)：32.75 dB

还记得用手机拍出的模糊照片吗？这个任务就是：让图片变得清晰。在最简单的情况下，这种失真是通过对未损坏的图像应用高斯模糊来建模的，然后尝试使用神经网络来恢复它们。在这个任务中，模糊是通过一种最原始、最简单、最轻量级的神经网络 SRCNN（只有 3 个卷积层）去除的。但是即便如此，它仍然显示出相当令人满意的结果。

任务 5：图像超分辨率

神经网络：VGG - 19 | CPU, NPU, DSP

图像分辨率：192 x 192 px

Set-5 得分 (x3)：33.66 dB

你有过缩放照片的经历吗？缩放时是不是会有失真、细节丢失或清晰度下降的问题？这项任务就是让缩放过的照片看起来和原图一样。在本任务中，网络被训练用于完成一项等效的任务：将给定的缩小后图像（如缩小四倍）恢复至原图。此处我们使用一个 19 层的 VGG-19 网络。尽管目前来看，该网络的表现并不惊艳，也不能重建高频部分，但它对于绘画仍是理想的解决方案：该网络可以让图像变得更加清晰、平滑。

任务 6：图像超分辨率

神经网络：SRGAN | 仅 CPU

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/