RK3566 Goldfinger plėtros plokštės pagrindinė plokštė

TC-RK3566 savybės

TC-RK3566 1 akcentai: didelio našumo procesorius

Nauja ARM architektūra ir pažangus procesas užtikrina didesnį našumą ir energijos vartojimo efektyvumą

TC-RK3566 2 akcentai: naujos kartos (3 kartos) Rockchip IPT

iki

Galinga HDR funkcija padaro vaizdą aiškų esant foniniam arba stipriam apšvietimui

Palaikykite dviejų kanalų vienalaikį priartinimo išvestį

Triukšmo panaikinimo funkcija, kad vaizdas prasto apšvietimo sąlygomis taip pat būtų subtilus

Palaikykite rasojimo šalinimo funkciją, aiškiai matote net migloje

Palaikykite šoninę LDCH korekciją, kad pašalintumėte jutiklio objektyvo sukeltus iškraipymus

TC-RK3566 3 akcentas: galinga daugialypės terpės dekodavimo / kodavimo galimybė

Palaiko 4KP60 H.264/H.265/VP9 ir kitų formatų HD dekodavimą

Palaikykite kelių vaizdo šaltinių vienu metu dekodavimą

Palaikykite HDR10, puikų spalvų ir dinaminio diapazono našumą

Palaikomas vaizdo apdorojimas, pašalinimas, triukšmo slopinimas, spalvų pagerinimas, skiriamosios gebos didinimas

Palaikykite 1080p 60 kadrų per sekundę H.264 ir H.265 formatų kodavimą

Palaikykite dinaminį bitų greitį, kadrų dažnį, raiškos reguliavimą

TC-RK3566 4 akcentas: integruotas efektyvus RKNN AI apdorojimo įrenginys

NPU su 0,8TOPs skaičiavimo galia

Integruotasis neuroninio tinklo aparatinės įrangos greitintuvas, palaiko INT8, INT16, FP16 efektyvų veikimą

NPU aparatinė įranga iš esmės palaiko tokias technologijas kaip išankstinio apdorojimo sujungimas, kanalų kvantavimas ir nulinis praleidimas

Palaikykite nenuostolingą INT8, INT16, FP16 neuroninių tinklų parametrų glaudinimą

NPU šerdis palaiko įprastą konvoliuciją, gylio atskiriamąją konvoliuciją, dekonvoliuciją, skylių konvoliuciją, visiškai sujungtą sluoksnį ir telkimo sluoksnį

NPU vidiniai blokai apima daugybinio pridėjimo operacijas, aktyvinimą, LUT ir tikslios konversijos vienetus bei palaiko tinkintą sluoksnių kūrimą

Palaikykite modelio konvertavimą vienu spustelėjimu, palaikykite Caffe/TensorFlow/TF-Lite/ONNX/PyTorch/Keras/Darknet pagrindinius sistemos modelius