RK3566 கோல்ட்ஃபிங்கர் டெவலப்மெண்ட் போர்டு கோர் போர்டு

TC-RK3566 அம்சங்கள்

TC-RK3566 சிறப்பம்சங்கள் 1: உயர் செயல்திறன் CPU

புதிய ARM கட்டமைப்பு மற்றும் மேம்பட்ட செயல்முறை அதிக செயல்திறன் மற்றும் ஆற்றல் திறன் ஆகியவற்றைக் கொண்டுவருகிறது

TC-RK3566 சிறப்பம்சங்கள் 2: புதிய தலைமுறை (3வது ஜென்) ராக்சிப் ISP

அது வரை

சக்திவாய்ந்த HDR செயல்பாடு பின்னொளி அல்லது வலுவான ஒளி நிலைகளின் கீழ் படத்தை தெளிவாக்குகிறது

இரட்டை சேனல் ஒரே நேரத்தில் பெரிதாக்கும் வெளியீட்டை ஆதரிக்கவும்

இரைச்சல் ரத்துச் செயல்பாடு, குறைந்த வெளிச்சத்தில் உள்ள படமும் மென்மையானதாக இருக்கும்

டீஃபாக்கிங் செயல்பாட்டை ஆதரிக்கிறது, மூடுபனியில் கூட தெளிவாகப் பார்க்க முடியும்

சென்சார் லென்ஸால் ஏற்படும் சிதைவை அகற்ற LDCH இன் பக்கவாட்டு திருத்தத்தை ஆதரிக்கவும்

TC-RK3566 ஹைலைட் 3: சக்திவாய்ந்த மல்டிமீடியா டிகோட்/குறியீடு திறன்

ஆதரவு 4KP60 H.264/H.265/VP9 மற்றும் பிற வடிவங்கள் HD டிகோடிங்

பல வீடியோ ஆதாரங்களின் ஒரே நேரத்தில் டிகோடிங்கை ஆதரிக்கவும்

HDR10 ஆதரவு, வண்ணம் மற்றும் மாறும் வரம்பில் சிறந்த செயல்திறன்

படத்தை பிந்தைய செயலாக்கம், இடைநீக்கம், நீக்குதல், வண்ண மேம்பாடு, தெளிவுத்திறன் அதிகரிப்பு ஆகியவற்றை ஆதரிக்கவும்

1080p 60fps H.264 மற்றும் H.265 வடிவ குறியாக்கத்திற்கு ஆதரவு

டைனமிக் பிட் வீதம், பிரேம் வீதம், தீர்மானம் சரிசெய்தல் ஆகியவற்றை ஆதரிக்கவும்

TC-RK3566 ஹைலைட் 4: ஒருங்கிணைந்த திறமையான RKNN AI செயலாக்க அலகு

0.8TOPs கம்ப்யூட்டிங் பவர் கொண்ட NPU

உட்பொதிக்கப்பட்ட நரம்பியல் நெட்வொர்க் வன்பொருள் முடுக்கி, ஆதரவு INT8, INT16, FP16 திறமையான செயல்பாடு

NPU ஹார்டுவேர் பூர்வீகமாக செயலாக்கத்திற்கு முந்தைய இணைத்தல், சேனல் அளவீடு மற்றும் பூஜ்ஜிய ஸ்கிப்பிங் போன்ற தொழில்நுட்பங்களை ஆதரிக்கிறது

INT8, INT16, FP16 நியூரல் நெட்வொர்க் அளவுருக்களின் இழப்பற்ற சுருக்கத்தை ஆதரிக்கவும்

NPU கோர் சாதாரண கன்வல்யூஷன், ஆழம் பிரிக்கக்கூடிய கன்வல்யூஷன், டிகான்வல்யூஷன், ஹோல் கன்வல்யூஷன், முழுமையாக இணைக்கப்பட்ட லேயர் மற்றும் பூலிங் லேயர் ஆகியவற்றை ஆதரிக்கிறது.

NPU இன்டர்னல் பிளாக்குகளில் பெருக்கி-சேர்க்கும் செயல்பாடுகள், செயல்படுத்துதல், LUT மற்றும் துல்லியமான மாற்று அலகுகள் மற்றும் தனிப்பயன் அடுக்கு கட்டுமானத்திற்கு ஆதரவு ஆகியவை அடங்கும்.

ஒரு கிளிக் மாடல் மாற்றத்தை ஆதரிக்கவும், Caffe/TensorFlow/TF-Lite/ONNX/PyTorch/Keras/Darknet மெயின்ஸ்ட்ரீம் கட்டமைப்பு மாதிரிகளை ஆதரிக்கவும்