-
ソフトウェア
-
サービス
-
サポート
-
Insights
-
比較
-
詳細
Procyon AI Computer Vision Benchmark
さまざまな推論エンジンを用いてAIのパフォーマンスをベンチマーク
AIソリューションを日常的なアプリケーションに統合、展開することが容易になったことで、機械学習アプリケーションは急速に成長を遂げています。機械学習のパフォーマンス向上に対する需要に応えるために、大手のハードウェアベンダーは、自社のハードウェア上でベストなパフォーマンスを提供できるよう推論エンジンを最適化してきました。
The Procyon AI Computer Vision Benchmark gives insights into how AI inference engines perform on your Windows PC or Apple Mac, helping you decide which engines to support to achieve the best performance. ベンチマークは、さまざまなベンダーの複数のAI推論エンジンを搭載しており、ベンチマークスコアはデバイス上での推論演算のパフォーマンスを反映しています。
ベンチマークでは、一般的な最先端ニューラルネットワークを使用して、共通のマシンビジョンタスクを実行します。CPUまたはGPU上で実行される同じ演算と比較して、AIアクセラレータのパフォーマンスを測定します。
今すぐ購入機能
- 最先端のニューラルネットワークを用いた一般的なマシンビジョンタスクに基づくテスト。
- CPU、GPU、または専用のAIアクセラレータを使用して推論パフォーマンスを測定します。
- NVIDIA® TensorRT™、Intel® OpenVINO™、Qualcomm® SNPE、Microsoft® Windows ML、Apple® Core ML™を使用したベンチマーク。
- 推論エンジンの実装と互換性を検証します。
- ハードウェアアクセラレータ用のドライバーを最適化。
- 浮動小数点と整数に最適化されたモデルパフォーマンスを比較します。
- Simple to set up and use via the Procyon application or via command-line.
推論エンジンパフォーマンス
With the Procyon AI Computer Vision Benchmark, you can measure the performance of dedicated AI processing hardware and verify inference engine implementation quality with tests based on common machine-vision tasks.
プロフェッショナル向けのデザイン
We created the Procyon AI Computer Vision Benchmark for engineering teams who need independent, standardized tools for assessing the general AI performance of inference engine implementations and dedicated hardware.
高速で使いやすい
ベンチマークはインストールも実行も簡単で、複雑な設定は一切必要ありません。Run the benchmark using the Procyon application or via command-line. ベンチマークスコアやチャートを表示、または詳細な結果ファイルをエクスポートしてさらに分析できます。
業界の専門知識を活かした開発
Procyon benchmarks are designed for industry, enterprise, and press use, with tests and features created specifically for professional users. The Procyon AI Computer Vision Benchmark was designed and developed with industry partners through the UL Benchmark Development Program (BDP). 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。
ニューラルネットワークモデル
MobileNet V3
MobileNet V3は、モバイルデバイスに特化して作られたコンパクトな視覚認識モデルです。このベンチマークでは、MobileNet V3を用いて画像の被写体を特定します。画像を入力データとして、画像内のコンテンツに対する確率のリストを出力します。このベンチマークでは、MobileNet V3の大規模な軽量バリアントを使用しています。
Inception V4
Inception V4は、画像分類タスクのための最先端モデルです。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。このベンチマークでは、Inception V4を用いて画像の被写体を特定します。画像を入力データとして、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。
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。このベンチマークでは、機能抽出にMobileNet V2を使用することで、大規模なモデルと比較して品質の差が少なく、高速な推論を可能にしています。
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。
整数および浮動小数点モデル
このベンチマークには、各モデルの浮動小数点演算および整数演算の最適化版が両方含まれています。該当のデバイスに搭載されたすべての対応ハードウェアで各モデルが順番に実行されます。各ランタイムのデバイスと推論精度を選択し、整数および浮動小数点モデルのパフォーマンスを比較します。
結果とインサイト
ベンチマークスコア
CPU、GPU、専用AIアクセラレータを使用して、整数および浮動小数点モデルでAI推論のパフォーマンスを比較します。
詳細なスコア
選択した推論エンジンと処理ユニットを使用した場合の、各ニューラルネットワークテストの推論時間を見ます。
ハードウェア モニタリング
ベンチマーク実行中に、CPUとGPUの温度、クロック速度、使用がどのように変化したかに関する詳細メトリクスを取得します。
無償試用
試用リクエストサイトライセンス
見積もりを取る 出版関係者向けライセンス- Annual site license for Procyon AI Computer Vision Benchmark.
- ユーザー数、無制限。
- デバイス台数、無制限。
- メールと電話による優先サポート。
Windows PCでの最小システム要件
OS | Windows 10、64ビットまたはWindows 11 |
---|---|
プロセッサー | 2 GHz デュアルコア CPU |
メモリ | 4GB |
ストレージ | 4GB |
Apple Macでの最小システム要件
OS | MacOS Monterey以降 |
---|---|
プロセッサー | Apple Silicon |
メモリ | 4GB |
ストレージ | 1.5GB |
サポート
Latest 1.6.420 | 2024年8月26日
AI品質マトリックス
インターフェースエンジンを比較するときは、本来のパフォーマンスに加えて、正確性を考慮することが重要です。
当社では、Procyon AIインターフェースベンチマークを使用して、インターフェースエンジンの正確性を独自の方法で測定しています。
言語
- 英語
- ドイツ語
- 日本語
- ポルトガル語(ブラジル)
- 簡体字中国語
- スペイン語