Procyon® AI Computer Vision Benchmark 2,0 
Der Procyon AI Computer Vision Benchmark liefert Ihnen wertvolle Einblicke in die Leistung von AI Computer Vision-Aufgaben auf Ihrem Windows PC oder Apple Mac. Der Test wurde für eine Reihe von Bildverarbeitungsaufgaben und KI-Modellen konzipiert, die nach ihrem Anwendungsfall, ihrer Relevanz und ihren täglichen Auswirkungen im modernen Arbeitsumfeld sorgfältig ausgewählt wurden.
Merkmale
- Neben der Unterstützung für den neuen standardisierten Windows ML Execution Provider (EP) werden auch die bestehenden Inferenz-Engines NVIDIA® TensorRT™, Intel®OpenVINO™, Qualcomm® SNPE und Apple® Core ML™ weiterhin unterstützt.
- In Zusammenarbeit mit führenden KI-Experten speziell für Aufgaben im Bereich der maschinellen Bildverarbeitung entwickelt.
- Messung der Inferenzleistung mit der GPU oder NPU.
KI-Modelle
Bei der Entwicklung der neuesten Version 2.0 des Procyon Computer Vision Benchmarks haben wir Bildverarbeitungsaufgaben und KI-Modelle nach Anwendungsfällen, Relevanz und praktischem Nutzen im modernen Arbeitsumfeld sorgfältig ausgewählt.
Bildklassifizierung – ConvNeXt-Tiny
Bei der KI-Bildklassifizierung analysiert das KI-Modell ein Bild oder einen Video-Frame und klassifiziert dessen Inhalt. Zu den Anwendungsbereichen der Bildklassifizierung gehören intelligente visuelle Suchfunktionen wie das Suchen, Sortieren und Markieren von Bildern oder Videos in einer Inhaltsbibliothek sowie die Bestandsverwaltung im Einzelhandel.
Bildbeschriftung – BLIP (Base)
Unter Bildbeschriftung versteht man die Erstellung von Beschreibungen eines Bildes in natürlicher Sprache mithilfe eines KI-Modells, das visuelles Verständnis mit Sprachgenerierung verbindet. Diese Workload spiegelt verschiedene neue Windows 11-Szenarien wider, wie beispielsweise KI-gestützte Barrierefreiheitsfunktionen, intelligentes Content Tagging und Funktionen zur visuellen Zusammenfassung in Produktivitätswerkzeugen.
Videoobjekterkennung – Base DETR
Die Objekterkennung gibt an, was sich im Bild befindet und wo sich die einzelnen Objekte befinden, z. B. Breite, Höhe und Klassenbezeichnung. Diese Funktion ist ein wichtiges Instrument zur Unterscheidung, und überall dort, wo etwas identifiziert und lokalisiert werden muss, kommt die Objekterkennung zum Einsatz.
Videosegmentierung – SAM2
Die Bild- oder Videosegmentierung ist eine Methode, bei der Bereiche eines Bildes oder eines Video-Frames identifiziert und in einzelne Bereiche unterteilt werden. Die KI-basierte Bild- oder Videosegmentierung wird für Aufgaben wie das Unscharfzeichnen des Hintergrunds in Videos oder das Anwenden von Masken auf Objekte verwendet.
Video upscaling - Real-ESRGAN
Beim KI-gestützten Upscaling wird ein Ausgangsvideo oder -bild verwendet, dessen Bildqualität verbessert wird, indem mithilfe von KI fehlende Informationen ermittelt und wieder hinzugefügt werden. Dieser KI-Anwendungsfall kann dazu dienen, Bilder oder Videostreams von geringer Qualität zu verbessern oder die für ein klares Bild erforderliche Bandbreite zu reduzieren, beispielsweise bei einem Videogespräch mit schlechtem Empfang.
Weitere Informationen zum Computer Vision Benchmark 2,0 finden Sie in unseren Benutzerhandbüchern.
Reduzieren Sie die Komplexität, verstehen Sie KI-Scores und überwachen Sie Ihre Hardware an einem zentralen Ort
- Fassen Sie komplexe Datenblätter, Softwareversionen, Energiesparmodi und andere verborgene Details, die sich auf die Leistung auswirken, zu einem einzigen, leicht verständlichen und dokumentierbaren Score zusammen.
- Führen Sie einen Test mit einer GPU oder NPU durch und ermitteln Sie weitere Scores, darunter die Inferenzzeiten und weitere Daten für jeden neuronalen Netzwerktest.
- Während des Benchmark-Durchlaufs erhalten Sie detaillierte Metriken dazu, wie Temperaturen, Taktfrequenzen und die Komponentennutzung der GPU sich verändern.
Computer Vision 1,0
Die erste Version des Computer Vision Benchmarks wurde im Jahr 2023 veröffentlicht und nutzte die KI-Modelle MobileNet V3, Inception V4, YoloV3, DeepLab V3, Real-ERSGAN und ResNet 50.
Sie wurde inzwischen durch unsere neueste 2,0-Version abgelöst, aber Sie können auch in Procyon weiterhin darauf zugreifen. Sie wird nach wie vor unterstützt, da einige der Modelle noch immer Anwendungsfälle haben.
Weitere Informationen zum Computer Vision Benchmark 1,0 finden Sie in unseren Benutzerhandbüchern.
Site-Lizenz
Angebot anfordern Presselizenz Testversion anfordern- Standortjahreslizenz für Procyon AI Computer Vision Benchmark.
- Unbegrenzte Anzahl von Benutzern.
- Unbegrenzte Anzahl von Geräten.
- Vorrangiger Support per E-Mail und Telefon
BDP
Kontaktieren Sie uns Mehr erfahrenDas Benchmark Development Program™ ist eine Initiative von UL Solutions zum Ausbau von Partnerschaften mit Technologiefirmen.
OEMs, ODMs, Komponentenhersteller und deren Zulieferer sind eingeladen, gemeinsam mit uns neue Benchmarks für die AI-Verarbeitung zu entwickeln. Bitte kontaktieren Sie uns für Details.
Minimale Systemanforderungen für Windows PC
| Betriebssystem | Windows 10, 64-bit oder Windows 11 |
|---|---|
| Hardware | Unterstützter AI-Beschleuniger |
Minimale Systemanforderungen für Apple PC
| Betriebssystem | macOS Tahoe 26,0 oder neuer |
|---|---|
| Prozessor | Apple Silicon |
AI Quality Metrics
Beim Vergleich von Inferenzmaschinen ist es wichtig, neben der reinen Leistung auch die Genauigkeit zu berücksichtigen.
Wir haben eigene Tests durchgeführt, um die Genauigkeit von Inferenzmaschinen zu messen, die von den Procyon AI Inference Benchmarks unterstützt werden.
Support
Latest 1.0.539 | Mar 30, 2026
- Benutzerhandbuch für Procyon AI Computer Vision Benchmark
- Procyon® AI Computer Vision Benchmark 2,0 support
Sprachen
- Englisch
- Deutsch
- Japanisch
- Portugiesisch (Brasilien)
- Simplified Chinese
- Spanisch