TC-RK3566 Přednosti 1: Vysoce výkonný CPU
TC-RK3566 Přednosti 2: Nová generace (3. generace) Rockchip ISP
TC-RK3566 Highlight 3: Výkonná schopnost dekódování/kódování multimédií
TC-RK3566 Highlight 4: Integrovaná efektivní procesorová jednotka RKNN AI
TC-RK3566 Přednosti 1: Vysoce výkonný CPU
Nová architektura ARM a pokročilý proces přináší vyšší výkon a energetickou účinnost
TC-RK3566 Přednosti 2: Nová generace (3. generace) Rockchip ISP
až do
Výkonná funkce HDR činí obraz čistým v protisvětle nebo za silných světelných podmínek
Podpora dvoukanálového výstupu simultánního zoomu
Funkce potlačení šumu, takže obraz za špatných světelných podmínek je také jemný
Podporuje funkci odmlžování, jasně vidí i v oparu
Podporujte boční korekci LDCH pro odstranění zkreslení způsobeného čočkou snímače
TC-RK3566 Highlight 3: Výkonná schopnost dekódování/kódování multimédií
Podpora dekódování 4KP60 H.264/H.265/VP9 a dalších formátů HD
Podpora současného dekódování více zdrojů videa
Podpora HDR10, vynikající výkon v barvách a dynamickém rozsahu
Podpora následného zpracování obrazu, odstranění prokládání, odstranění šumu, vylepšení barev, zvýšení rozlišení
Podpora kódování formátu 1080p 60fps H.264 a H.265
Podpora dynamické bitové rychlosti, obnovovací frekvence, nastavení rozlišení
TC-RK3566 Highlight 4: Integrovaná efektivní procesorová jednotka RKNN AI
NPU s výpočetním výkonem 0,8 TOPs
Vestavěný hardwarový akcelerátor neuronové sítě, podpora efektivního provozu INT8, INT16, FP16
Hardware NPU nativně podporuje technologie, jako je slučování před zpracováním, kvantování kanálů a nulové přeskakování
Podpora bezztrátové komprese parametrů neuronové sítě INT8, INT16, FP16
Jádro NPU podporuje běžnou konvoluci, hloubkově oddělitelnou konvoluci, dekonvoluci, konvoluci děr, plně spojenou vrstvu a sdružovací vrstvu
Vnitřní bloky NPU zahrnují operace s vícenásobným přidáním, aktivaci, jednotky LUT a přesné převody a podporují konstrukci vlastní vrstvy
Podpora konverze modelu jedním kliknutím, podpora mainstreamových rámcových modelů Caffe/TensorFlow/TF-Lite/ONNX/PyTorch/Keras/Darknet