RK3566 Goldfinger Entwicklungsplatine Kernplatine

TC-RK3566-Funktionen

TC-RK3566 Highlights 1: Hochleistungs-CPU

Die neue ARM-Architektur und der fortschrittliche Prozess sorgen für höhere Leistung und Energieeffizienz

TC-RK3566 Highlights 2: Rockchip ISP der neuen Generation (3. Generation).

bis zu

Die leistungsstarke HDR-Funktion macht das Bild bei Gegenlicht oder starken Lichtverhältnissen klar

Unterstützt simultane Zweikanal-Zoomausgabe

Rauschunterdrückungsfunktion, damit das Bild auch bei schlechten Lichtverhältnissen filigran ist

Unterstützt die Entnebelungsfunktion, kann auch im Dunst klar sehen

Unterstützen Sie die seitliche Korrektur von LDCH, um die durch die Sensorlinse verursachte Verzerrung zu entfernen

TC-RK3566 Highlight 3: Leistungsstarke Multimedia-Decodierungs-/Codierungsfunktion

Unterstützt 4KP60 H.264/H.265/VP9 und andere HD-Decodierungsformate

Unterstützt die gleichzeitige Dekodierung mehrerer Videoquellen

Unterstützt HDR10, hervorragende Leistung in Farbe und Dynamikbereich

Unterstützt Bildnachbearbeitung, Deinterleaving, Denoising, Farbverbesserung, Erhöhung der Auflösung

Unterstützt 1080p 60 fps H.264- und H.265-Formatkodierung

Unterstützt dynamische Bitrate, Bildrate, Auflösungsanpassung

TC-RK3566 Highlight 4: Integrierte effiziente RKNN AI Processing Unit

NPU mit 0,8TOPs Rechenleistung

Eingebetteter Hardwarebeschleuniger für neuronale Netzwerke, unterstützt den effizienten Betrieb von INT8, INT16, FP16

NPU-Hardware unterstützt nativ Technologien wie Pre-Processing-Merging, Kanalquantisierung und Zero-Skipping

Unterstützt die verlustfreie Komprimierung von INT8-, INT16-, FP16-Neuronalnetzwerkparametern

Der NPU-Kern unterstützt gewöhnliche Faltung, tiefentrennbare Faltung, Entfaltung, Lochfaltung, vollständig verbundene Schicht und Pooling-Schicht

NPU-interne Blöcke umfassen Multiply-Add-Operationen, Aktivierungs-, LUT- und Präzisionsumwandlungseinheiten und unterstützen den Aufbau benutzerdefinierter Schichten

Unterstützung der Ein-Klick-Modellkonvertierung, Unterstützung von Caffe/TensorFlow/TF-Lite/ONNX/PyTorch/Keras/Darknet-Mainstream-Framework-Modellen