Основна плата RK3566

Особливості TC-RK3566

TC-RK3566 Особливості 1: Високопродуктивний ЦП

Нова архітектура ARM і передовий процес забезпечують вищу продуктивність і енергоефективність

TC-RK3566 Основні моменти 2: Нове покоління (3-го покоління) Rockchip ISP

аж до

Потужна функція HDR робить зображення чітким в умовах контрового або сильного освітлення

Підтримка двоканального одночасного масштабування

Функція шумопоглинання, тому зображення в умовах слабкого освітлення також є делікатним

Підтримка функції видалення запотівання, дозволяє чітко бачити навіть у серпанку

Підтримка бокової корекції LDCH для усунення спотворень, спричинених лінзою датчика

TC-RK3566 Особливість 3: потужна можливість декодування/кодування мультимедійних даних

Підтримка 4KP60 H.264/H.265/VP9 та інших форматів декодування HD

Підтримка одночасного декодування кількох джерел відео

Підтримка HDR10, чудова продуктивність у кольорі та динамічному діапазоні

Підтримка постобробки зображень, деперемежування, усунення шумів, покращення кольору, збільшення роздільної здатності

Підтримка 1080p 60fps кодування формату H.264 і H.265

Підтримка динамічної швидкості передачі даних, частоти кадрів, налаштування роздільної здатності

TC-RK3566 Особливість 4: Вбудований ефективний процесор RKNN AI

NPU з обчислювальною потужністю 0,8TOPs

Вбудований апаратний прискорювач нейронної мережі, підтримка ефективної роботи INT8, INT16, FP16

Апаратне забезпечення NPU нативно підтримує такі технології, як злиття попередньої обробки, квантування каналів і пропуск нуля

Підтримка стиснення без втрат параметрів нейронної мережі INT8, INT16, FP16

Ядро NPU підтримує звичайну згортку, згортку з роздільною глибиною, деконволюцію, згортку з отворами, повністю підключений рівень і рівень об’єднання

Внутрішні блоки NPU включають операції множення-додавання, активацію, LUT і одиниці точного перетворення, а також підтримують конструкцію власного шару

Підтримка перетворення моделі одним клацанням миші, підтримка основних фреймворкових моделей Caffe/TensorFlow/TF-Lite/ONNX/PyTorch/Keras/Darknet