基于BEV前融合多任务的量产算法----自动驾驶之星第四次活动内容整理

文章预览

点 击 下 方 卡 片 ， 关 注 “ 自 动 驾 驶 之 星 ” 这 里 有 一 群 奋 斗 在 自 动 驾 驶 量 产 第 一 线 的 小 伙 伴 等 你 加 入 背景 本次活动很感谢一介书生同学和斌哥(FastBEV 的作者 ) 对 社区 的支持。本次活动内容主要围绕1: BEV 前融合多任务的感知算法框架 2: 基于BEV的多任务训练分享 3: 关于BEV 数据与自动化标注的思考三个方向。 1: BEV前融合多任务的感知算法框架 图1: 为什么选择前融合多任务方案 图2: 没有最后的方案，只有最适合的方案 首先我们回顾了整个自动驾驶感知架构的发展内容，从2D 检测模型为基础的框架发展到了，到目前以前融合多任务为基础的框架。每个方案都有自己的优缺点，适合自己的，才是最好的方案。希望大家都能选择出合适的方案。比如2D 检测模型为基础的框架虽然有上限不高的缺点，但是它在业界已经相当成熟 ………………………………