Transformer撑起了自动驾驶的半边天！

文章预览

说到纯视觉的自动驾驶方案，大家第一个想到的就是Tesla吧。的确，早在2021年，Tesla就已经实现了纯视觉的BEV检测方案，而且效果非常好。 细心的同学可能发现了，这套BEV方案中将相机空间的图像转换到BEV空间的核心组件就是 Transformer 。 Transformer来源于自然语言处理领域，首先被应用于机器翻译。后来，大家发现它在计算机视觉领域效果也很不错，而且在各大排行榜上碾压CNN网络。 目标检测领域中， 视觉Transformer不仅可以实现2D检测、3D检测，还可以实现多模态检测，BEV视角下的检测，性能也非常出色。 因此，掌握Transformer相关知识和工程基础成为了企业招聘算法工程师的一个技能要求点，也是简历上的一个很大的加分项。 然而，想要掌握基于Transformer的目标检测算法，有以下 3个难点 ： 理解Transformer背后的理论基础，比如自注意力机制（self-atten ………………………………