UL ProcyonAIコンピュータービジョンベンチマーク

UL Procyonベンチマークは、産業、企業、出版業向けに設計されており、プロフェッショナルユーザー向けに特別に作成されたテストと機能を備えています。UL Procyon AIコンピュータービジョンベンチマークは、 ULベンチマーク開発プログラム（BDP）で業界パートナーとともに設計・開発されました。BDPは、プログラムメンバーとの密接な連携により、適切かつ公平なベンチマークを作成することを目的としたUL Solutionsのイニシアチブです。

MobileNet V3

MobileNet V3 is a compact visual recognition model that was created specifically for mobile devices. The benchmark uses MobileNet V3 to identify the subject of an image, taking an image as the input and outputting a list of probabilities for the content in the image. The benchmark uses the large minimalistic variant of MobileNet V3.

Inception V4

Inception V4 is a state-of-the-art model for image classification tasks. 精度を高めるために設計され、MobileNetよりはるかに広く深いモデルとなっています。The benchmark uses Inception V4 to identify the subject of an image, taking an image as the input and outputting a list of probabilities for the content identified in the image.

YOLO V3

YOLOはYou Only Look Once（見るのは一度きり）の略で、画像中の物体の位置を特定する物体検出モデルです。このベンチマークではYOLO V3を使用して、物体の周囲に境界ボックスを生成し、各検出の信頼度率を示します。

DeepLab V3

DeepLabは、画像中の同じオブジェクトクラスに属する画素をクラスタリングすることを目的とした画像セグメンテーションモデルです。セマンティック画像分割により、画像中の各領域にオブジェクトのクラスをラベル付けします。The benchmark uses MobileNet V2 for feature extraction enabling fast inference with little difference in quality compared with larger models.

Real-ESRGAN

Real-ESRGANは、合成データで訓練させることで画像の解像度を向上させる超解像モデルです。低解像度から高解像度の画像を再構築できます。ベンチマークで使用したモデルは、Real-ERGANの一般的な画像のバリアントで、250x250の画像を1000x1000の画像にアップスケールするものです。

ResNet 50

ResNet50は、残差ブロックを使って畳み込み層を追加するという新しい方法を提供する画像分類モデルです。このリリースにより、これまで不可能だったディープニューラルネットワークのトレーニングが可能になりました。このベンチマークでは、ResNet50を使用して画像の被写体を特定し、画像内で特定されたコンテンツに対する確率のリストを出力します。