个人信息已确认，领取板卡，可继续完成任务。

本人在RK3588的开发板上跑通过官方的RKNN例程和RKLLM大模型，也部署过自己训练的yolov5模型，了解RKNN的api调用，但是考虑到rk3588的成本较高且电源要求较高，一直找不到实际的嵌入式应用场景，这次申请也是想在全流程的嵌入式ai部署中再多多学习，多多理解技术细节，同时找到一个边缘ai的落脚点。 InsightFace框架提供了丰富的人脸识别、人脸检测和人脸对齐算法，并且针对训练和部署进行了优化，个人认为其最大的优势就是实现了毫秒级的实时检测，这对嵌入式设备十分友好，借助瑞芯微的RKNN工具链，还可以进一步提高推理效能。在实际部署中，可以将预训练好的模型通过pytorch框架导出为pt模型再转为onnx模型(也可直接转为rknn模型)再通过工具链转换为rknn模型，在PC上进行算法验证后期便可上传到开发板进行运行测试，相应程序功能预计可以采用python和opencv包实现。 可以利用InsightFace的人脸识别算法实现一套智能门铃系统当录入人脸被识别后，亮灯开门，当陌生人脸靠近后蜂鸣器发出警报并抓拍人脸。