TC-RK3566 ముఖ్యాంశాలు 1: అధిక పనితీరు CPU
TC-RK3566 ముఖ్యాంశాలు 2: కొత్త తరం (3వ తరం) రాక్చిప్ ISP
TC-RK3566 హైలైట్ 3: శక్తివంతమైన మల్టీమీడియా డీకోడ్/ఎన్కోడ్ సామర్థ్యం
TC-RK3566 హైలైట్ 4: సమీకృత సమర్థవంతమైన RKNN AI ప్రాసెసింగ్ యూనిట్
TC-RK3566 ముఖ్యాంశాలు 1: అధిక పనితీరు CPU
కొత్త ARM ఆర్కిటెక్చర్ మరియు అధునాతన ప్రక్రియ అధిక పనితీరు మరియు శక్తి సామర్థ్యాన్ని తెస్తుంది
TC-RK3566 ముఖ్యాంశాలు 2: కొత్త తరం (3వ తరం) రాక్చిప్ ISP
వరకు
శక్తివంతమైన HDR ఫంక్షన్ బ్యాక్లైట్ లేదా బలమైన కాంతి పరిస్థితులలో చిత్రాన్ని క్లియర్ చేస్తుంది
డ్యూయల్ ఛానెల్ ఏకకాల జూమింగ్ అవుట్పుట్కు మద్దతు ఇస్తుంది
నాయిస్ క్యాన్సిలేషన్ ఫంక్షన్, తద్వారా తక్కువ కాంతి పరిస్థితుల్లో ఉన్న చిత్రం కూడా సున్నితంగా ఉంటుంది
డిఫాగింగ్ ఫంక్షన్కు మద్దతు ఇస్తుంది, పొగమంచులో కూడా స్పష్టంగా చూడవచ్చు
సెన్సార్ లెన్స్ వల్ల కలిగే వక్రీకరణను తొలగించడానికి LDCH యొక్క పార్శ్వ దిద్దుబాటుకు మద్దతు ఇవ్వండి
TC-RK3566 హైలైట్ 3: శక్తివంతమైన మల్టీమీడియా డీకోడ్/ఎన్కోడ్ సామర్థ్యం
4KP60 H.264/H.265/VP9 మరియు ఇతర ఫార్మాట్ల HD డీకోడింగ్కు మద్దతు
బహుళ వీడియో మూలాల యొక్క ఏకకాల డీకోడింగ్కు మద్దతు
HDR10కి మద్దతు, రంగు మరియు డైనమిక్ పరిధిలో అద్భుతమైన పనితీరు
ఇమేజ్ పోస్ట్-ప్రాసెసింగ్, డీఇంటర్లీవింగ్, డీనోయిజింగ్, రంగు మెరుగుదల, రిజల్యూషన్ పెరుగుదలకు మద్దతు ఇవ్వండి
1080p 60fps H.264 మరియు H.265 ఫార్మాట్ ఎన్కోడింగ్కు మద్దతు
డైనమిక్ బిట్ రేట్, ఫ్రేమ్ రేట్, రిజల్యూషన్ సర్దుబాటుకు మద్దతు ఇస్తుంది
TC-RK3566 హైలైట్ 4: సమీకృత సమర్థవంతమైన RKNN AI ప్రాసెసింగ్ యూనిట్
0.8TOPs కంప్యూటింగ్ పవర్తో NPU
ఎంబెడెడ్ న్యూరల్ నెట్వర్క్ హార్డ్వేర్ యాక్సిలరేటర్, మద్దతు INT8, INT16, FP16 సమర్థవంతమైన ఆపరేషన్
NPU హార్డ్వేర్ స్థానికంగా ప్రీ-ప్రాసెసింగ్ విలీనం, ఛానెల్ పరిమాణీకరణ మరియు జీరో స్కిప్పింగ్ వంటి సాంకేతికతలకు మద్దతు ఇస్తుంది
INT8, INT16, FP16 న్యూరల్ నెట్వర్క్ పారామితుల నష్టరహిత కుదింపుకు మద్దతు
NPU కోర్ సాధారణ కన్వల్యూషన్, డెప్త్ సెపరబుల్ కన్వల్యూషన్, డీకాన్వల్యూషన్, హోల్ కన్వల్యూషన్, పూర్తిగా కనెక్ట్ చేయబడిన లేయర్ మరియు పూలింగ్ లేయర్కు మద్దతు ఇస్తుంది
NPU అంతర్గత బ్లాక్లలో మల్టిప్లై-యాడ్ ఆపరేషన్లు, యాక్టివేషన్, LUT మరియు ప్రెసిషన్ కన్వర్షన్ యూనిట్లు మరియు కస్టమ్ లేయర్ నిర్మాణానికి మద్దతు ఇస్తాయి
ఒక-క్లిక్ మోడల్ కన్వర్షన్కు మద్దతు ఇవ్వండి, Caffe/TensorFlow/TF-Lite/ONNX/PyTorch/Keras/Darknet ప్రధాన స్రవంతి ఫ్రేమ్వర్క్ మోడల్లకు మద్దతు ఇవ్వండి