除舊迎新！魯大師AImark 2.0重磅升級手機分數大變

科技 02-01

值此新春佳節、除舊迎新之計，魯大師AImark迎來重大更新。

本次更新升級主要在測試演算法的升級換代。隨著手機AI的運用不斷豐富，AI優化已經成為手機廠商重要打磨對象，與此同時，魯大師AImark 2.0針對AI性能的評測演算法更新升級，讓AI跑分得以更加精確全面。

AImark讓手機AI性能更直觀

從麒麟970開始，手機SOC就將AI模塊安排上了。蘋果A12、麒麟980、驍龍855均將AI作為重中之重。

以蘋果A12為例，它是魯大師2018年度AI晶元榜的冠軍。首次採用了8核架構的「神經網路處理單元」，運算的峰值達到5萬億次每秒，運行速度比A11提高了9倍。

中高端晶元的AI布局也來勢洶洶，AI已經不再是旗艦的專屬。驍龍710、驍龍670AIE、驍龍660AIE就是典型的中高端晶元，深受用戶和手機廠商喜愛。

從「先拍照後對焦」到「3D面部建模捏臉」，從「語音助手」到「智能識圖」，AI在手機上的應用已經越來越多。對於消費者來說，要想辨別市面上各色手機的AI性能，僅僅依靠使用體驗來判斷是遠遠不夠的，而且目前很多AI運用都基於演算法底層，很難直接感受到。這時候，讓AI性能「有分可查」顯得很重要。

作為行業內第一款AI性能跑分軟體，AImark廣受業內認可好評，已經成為評判AI性能的重要工具。現在，AImark 2.0進行重磅升級，用全新的體系和演算法，對手機AI進行更加全面的評測。

AImark評測演算法改進升級

魯大師AI評測與ARM，高通，海思、聯發科、三星等AI核心SOC產品供應商進行了測試與調整。在本次升級中，AImark 2.0評測演算法發生了重大改變。

全新的AImark沿用成熟的 Inception V3、ResNet34神經網路模型，原本VGG16取消，新增SSD、DEEPLABV3 測試項。具體來說，全新AImark主要通過4個神經網路模型來全方位評測AI性能：

ResNet 34（殘差網路）

微軟的殘差網路（ResNet）與傳統的順序網路架構（如AlexNet、OverFeat和VGG）不同，其加入了y=x層(恆等映射層),可以讓網路在深度增加情況下卻不退化。ResNet架構已經成為一項有意義的模型，其可以通過使用殘差模塊和常規SGD來訓練非常深的網路。

Inception V3

Inception V3是Google開發的一個開源神經網路模型。Keras庫中的Inception V3架構提出了對Inception模塊的更新，進一步提高了ImageNet分類效果。用了Inception之後整個網路結構的寬度和深度都可擴大，能夠帶來2-3倍的性能提升

MobilenetSSD

MobilenetSSD演算法是一種是一種流形的目標檢測演算法，使用mobilenetv2作為骨幹網路時具有速度快，精度高的特點。這種模型目前在手機AI中有廣泛的應用，如圖像中的前景目標提取檢測等。SSD直接反映在AI運用中對於目標的檢測能力，反應手機處理核心對GroupConv等常用Op的支持情況。

DEEPLABV3

deeplabV3 是目前DeepLab中最新的、執行效果最好的語義圖像分割模型，用於細化分割結果，主要確定手機處理核心對atrousConv的支持情況，這類Op在圖像分割，語音處理等領域有廣泛的使用。DEEPLABV3 加入評測體系之後，給圖形圖像的分割劃分帶來更全面的判斷，通俗來講，可以理解為AI「摳圖」能力的判斷。