Procyon® AI Computer Vision Benchmark 2.0 
Procyon AI 计算机视觉基准测试为您提供有关 AI 计算机视觉任务在 Windows PC 或 Apple Mac 上表现如何的宝贵见解。该工作负载围绕一系列机器视觉任务和 AI 模型予以设计，这些任务和模型根据其在现代办公室中的用例、相关性和日常影响精心挑选。
特点
- 支持新的 Windows ML 标准化执行提供程序 (EP)，同时继续支持原生推理引擎 NVIDIA® TensorRT™、Intel®OpenVINO™、Qualcomm® SNPE 以及 Apple® Core ML™。
- 与 AI 头部企业合作开发，专为机器视觉任务而设计。
- 使用 GPU 或 NPU 来测量推理性能。
AI 模型
在开发最新版（版本 2.0）的 Procyon 计算机视觉基准测试期间，我们根据现代办公室中的用例、相关性和日常影响，仔细选择了机器视觉任务和人工智能（AI）模型。
图像分类 - ConvNeXt-Tiny
在人工智能图像分类任务中，AI 模型会对图像或视频帧进行检测，并对其中的内容进行分类。图像分类的应用场景包括智能视觉搜索功能，如对内容库中的图像或视频进行搜索、整理和标签标注，以及零售业中的库存管理等。
图像描述生成 - BLIP (Base)
图像描述生成是指使用将视觉理解与语言生成相结合的 AI 模型来生成图像的自然语言描述。该任务与多个新兴的 Windows11应用场景相契合，例如 AI 增强的无障碍功能、智能内容标签，以及生产力工具中的视觉摘要能力。
视频对象检测 - Base DETR
对象检测说明了图像中有什么，以及每个对象在哪里，例如宽度、高度和类别标签。它是一种实现差异化的关键工具，任何需要识别和定位的内容都要用到对象检测。
视频分割 - SAM2
视频或图像分割是指对图像或视频帧中的区域进行识别与划分的技术。AI 图像或视频分割可用于模糊视频背景或为对象添加遮罩等任务。
Video upscaling - Real-ESRGAN
AI 增强的超分技术则通过对初始视频或图像进行处理，利用AI重建并补充缺失信息，从而提升其画质和清晰度。此 AI 用例可用于改进低质量图像或视频流，或减少获得清晰画面所需的带宽，例如在信号较差的地方进行视频通话。
阅读我们的用户指南，了解更多关于计算机视觉基准测试 2.0 的详细信息。
降低复杂性，理解 AI 分数，一站式监控硬件
- 将复杂的规格表、软件版本、省电状态和其他会影响性能的隐藏细节压缩为易于理解和记录的单一评分。
- 使用 GPU 或 NPU 进行测试，并获得进一步的评分（其中展示每项神经网络测试的推理时间等更多信息）。
- 获取基准测试运行期间有关 GPU 温度、时钟速度及部件使用情况变化的详细指标。
电脑版本 1.0
计算机视觉基准测试的首个版本于 2023 推出，采用了 MobileNet V3、Inception V4、YoloV3、DeepLab V3、Real-ERSGAN 和 ResNet50 AI 模型。
现已由我们最新 2.0 版本取代，但您仍可在 Procyon 访问它，并且它仍受支持，因为部分模型仍有用例。
阅读我们的 用户指南，了解更多关于计算机视觉基准 1.0 的详细信息。
对 Windows PC 的最低系统要求
| 操作系统 | Windows 10（64 位）或 Windows 11 |
|---|---|
| 硬件 | 支持的 AI 加速器 |
对 Apple Mac 的最低系统要求
| 操作系统 | macOS Tahoe 26.0 或更高版本 |
|---|---|
| 处理器 | Apple Silicon |
支持
Latest 1.0.539 | Mar 30, 2026
语言
- 英语
- 德语
- 日语
- 葡萄牙语(巴西)
- 简中
- 西语