Zaznavanje prometnega znaka stop v realnem času na vgrajenem sistemu STM32H747IKljučanin, Tian (Avtor) Bulić, Patricio (Mentor) vgrajeni sistemikonvolucijske nevronske mrežezaznavanje objektovkvantizacijapreneseno učenjeSTM32V diplomski nalogi predstavimo celovit cevovod za zaznavanje prometnega znaka stop v realnem času na vgrajenem sistemu STM32H747I-DISCO z modulom kamere B-CAMS-OMV. Iz predtreniranega modela ST Yolo LC v1 za zaznavanje oseb s prenesenim učenjem izpeljemo enorazredni detektor prometnega znaka, ga kvantiziramo v predstavitev INT8 in z orodjem ST Edge AI samodejno generiramo C-kodo za jedro Arm Cortex-M7. Med kvantizacijo modela pri ločljivosti 256^2 odkrijemo nasičenje logitov objektnosti v YOLO glavi; predlagamo popravek s skaliranjem parametrov γ in β zadnje plasti paketne normalizacije, ki INT8 mAP dvigne z 32,4% na 42,3%. Modela pri ločljivostih 192 × 192 in 256 × 256 ovrednotimo na lastni terenski množici 118 fotografij slovenskih znakov stop. Najboljši model doseže 41,6% mAP@0,5, kar je le 0,7 odstotne točke pod rezultatom na validacijski razdelitvi COCO 2017 (42,3%), kar kaže na zanemarljiv domenski razkorak med učno in ciljno domeno.20262026-07-06 11:45:01Diplomsko delo/naloga184389VisID: 38828COBISS_ID: 285921027sl