RK3566 Placa de desarrollo Goldfinger Placa base

Características de TC-RK3566

Aspectos destacados de TC-RK3566 1: CPU de alto rendimiento

La nueva arquitectura ARM y el proceso avanzado brindan un mayor rendimiento y eficiencia energética

Aspectos destacados de TC-RK3566 2: ISP Rockchip de nueva generación (3.ª generación)

hasta

La potente función HDR hace que la imagen sea clara a contraluz o en condiciones de luz intensa

Admite salida de zoom simultánea de doble canal

Función de cancelación de ruido, para que la imagen en condiciones de poca luz también sea delicada

Admite la función de desempañado, puede ver claramente incluso en neblina

Admite la corrección lateral de LDCH para eliminar la distorsión causada por la lente del sensor

TC-RK3566 Aspecto destacado 3: Potente capacidad de decodificación/codificación multimedia

Admite decodificación HD 4KP60 H.264/H.265/VP9 y otros formatos

Admite la decodificación simultánea de múltiples fuentes de video

Admite HDR10, excelente rendimiento en color y rango dinámico

Admite procesamiento posterior de imágenes, desentrelazado, eliminación de ruido, mejora de color, aumento de resolución

Admite codificación de formato 1080p 60fps H.264 y H.265

Admite velocidad de bits dinámica, velocidad de fotogramas, ajuste de resolución

TC-RK3566 Aspecto destacado 4: Unidad de procesamiento RKNN AI integrada y eficiente

NPU con potencia informática 0.8TOPs

Acelerador de hardware de red neuronal integrado, admite operación eficiente INT8, INT16, FP16

El hardware NPU admite de forma nativa tecnologías como la fusión de preprocesamiento, la cuantificación de canales y la omisión de cero

Admite compresión sin pérdidas de parámetros de red neuronal INT8, INT16, FP16

El núcleo NPU admite convolución ordinaria, convolución separable en profundidad, deconvolución, convolución de agujeros, capa totalmente conectada y capa de agrupación

Los bloques internos de NPU incluyen operaciones de adición múltiple, activación, LUT y unidades de conversión de precisión, y admiten la construcción de capas personalizadas

Admite la conversión de modelos con un solo clic, admite los modelos de marco principales Caffe/TensorFlow/TF-Lite/ONNX/PyTorch/Keras/Darknet