Приложение определит нейросетевую производительность смартфона

Швейцарские разработчики создали приложение для смартфона, позволяющее оценить его производительность при выполнении алгоритмов машинного обучения. Оно проводит обработку изображений с помощью популярных нейросетевых алгоритмов и по итогам тестирования сообщает производительность устройства в сравнении с другими, рассказывает TechCrunch.

Разработчики нейросетевых алгоритмов достигли больших успехов в последние несколько лет, однако у этих алгоритмов есть один общий недостаток — они требуют больших вычислительных ресурсов и часто не подходят для работы в реальном времени на современных смартфонах. Для того, чтобы пользователи мобильных устройств могли использовать возможности нейросетевых алгоритмов в полной мере, разработчики адаптируют к ним как программное, так и аппаратное обеспечение. Например, в последний год многие производители мобильных чипов стали встраивать в них цифровые сигнальные процессоры для аппаратного ускорения нейросетевых алгоритмов, а в Android 8.1 появился API для доступа программ к аппаратному ускорению.

Андрей Игнатов и его коллеги из Швейцарской высшей технической школы Цюриха создали приложение для операционной системы Android, позволяющее пользователям оценивать производительность своего устройства на примере типовых задач, выполняемых популярными нейросетевыми алгоритмами. Тестирование устройства происходит на девяти задачах обработки изображений, выполняемых разными нейросетевыми моделями. Среди задач есть распознавание объектов и лиц, увеличение разрешения изображения, семантическая сегментация изображения, при котором оно разбивается на области, на которых изображены объекты разных типов, и другие. Последний тест также выполняет обработку изображения, но он нацелен на проверку оперативной памяти и использует изображения в высоком разрешении. Полное описание задач и использованных моделей доступно на сайте проекта.

Протестировав множество устройств, создатели приложения составили рейтинг, в котором с большим отрывом победил смартфон Huawei P20 Pro с системой на чипе HiSilicon Kirin 970. Стоит отметить, что настолько большое отставание от него устройств с другими чипами вызвано не их производительностью, а поддержкой их процессоров со стороны системы. К примеру, в смартфонах Google Pixel 2 встроен сопроцессор для обработки изображений собственной разработки, но полного доступа к нему сторонним разработчикам Google не дает — они могут использовать его только в составе API камеры для увеличения динамического диапазона фотографий. В чипе Qualcomm Snapdragon 845 также есть сопроцессор для ускорения алгоритмов машинного обучения, но он не доступен через стандартные API Android и разработчикам приложений необходимо адаптировать их специально для процессоров этой линейки.

В прошлом году программисты из Google и Массачусетского технологического института создали экспериментальное приложение на основе сверточной нейросети, способное «улучшать» изображения в реальном времени, используя вычислительные мощности смартфона.

Всеволод Чагаев