SL-BEV感知理论与实践资源介绍:
SL-BEV感知理论与实践
BEV感知是将摄像头或雷达采集的视觉信息转换至鸟瞰视角进行相关感知的任务。通俗地讲，BEV感知相当于给自动驾驶开启了“上帝视角”，能够让车辆无遮挡的“看清”道路上的实况信息，进而在BEV视角下统一完成感知和预测任务。
在传统的image-view方案中，3D目标检测、障碍物实例分割、车道线分割、轨迹预测等各项感知任务互相分离，使得该方案下的自动驾驶算法需要串联多个子模块，极大增加了算法的开发、维护成本。而BEV感知能够让这些感知任务在一个算法框架下实现.2023年，BEV感知方案在特斯拉、华为、小鹏等头部自动驾驶企业已量产落地。
掌握BEV感知的发展脉络：2D-to-3D方法以及3D-to-2D方法
熟悉BEV感知极具代表性的算法原理：BEVDet / BEVPoolv2 / BEVFormer
学习BEV模型工程实现的数据流、框架流、模型流和张量流
积累BEV在征程芯片以及NVIDIA芯片上实际部署的经验
资源目录:
│ ├── BEV感知理论与实践
│ │ │ ├── 8. Transformer-based BEV模型在Nvidia芯片上的部署
│ │ │ │ ├── 1.训练好的模型转ONNX.mp4
│ │ │ │ ├── 2.ONNX转TensorRT模型.mp4
│ │ │ ├── 12.自动驾驶中的4D标注
│ │ │ │ ├── L12 自动驾驶中的4D Label概述.pdf
│ │ │ │ ├── 3.【视频】自动驾驶中的数据问题.mp4
│ │ │ │ ├── 1.【视频】4D Label背景介绍.mp4
│ │ │ │ ├── 2.【视频】4DLabel在自动驾驶中的作用.mp4
│ │ │ ├── 4.LSS-based BEV感知模型的工程实现
│ │ │ │ ├── 4-1【视频】模型“流”&张量“流”：算法设计-模型封装实现-模型推理张量.mp4
│ │ │ │ ├── 2-3：【视频】数据“流”：数据转换.mp4
│ │ │ │ ├── L4 BEV模型实现讲解与实践 Part I.pdf
│ │ │ │ ├── 2-1：【视频】数据“流”：标注数据-数据转换-数据训练.mp4
│ │ │ │ ├── 3-4【视频】框架“流”小结.mp4
│ │ │ │ ├── L4 BEV模型实现讲解与实践：模型流与张量流.pdf
│ │ │ │ ├── 4-2【视频】模型“流”&张量“流”：image-view encoder.mp4
│ │ │ │ ├── 2-2：【视频】数据“流”：标注数据.mp4
│ │ │ │ ├── 1：【视频】BEV工程实现：数据流、框架流、模型流与张量流.mp4
│ │ │ │ ├── 4-3【视频】LSS-view transform.mp4
│ │ │ │ ├── 2-4：【视频】数据“流”：数据集的准备与读取.mp4
│ │ │ │ ├── 3-3【视频】框架“流”：模型的Registry&Hook.mp4
│ │ │ │ ├── 3-1【视频】框架“流”：训练pipeline.mp4
│ │ │ │ ├── 4-4【视频】BEV空间特征及任务head.mp4
│ │ │ │ ├── 3-2【视频】框架“流”：configs文件.mp4
│ │ │ ├── 5.LSS-based BEV感知模型在地平线征程芯片上的部署
│ │ │ │ ├── 4.【视频】模型编译与上板.mkv
│ │ │ │ ├── 1.【视频】OpenExplorer开发包介绍.mkv
│ │ │ │ ├── L5 基于征程芯片的BEV算法部署：BEVDet为例.pdf
│ │ │ │ ├── 2.【视频】搭建浮点模型.mkv
│ │ │ │ ├── L5 BEVDet环境配置与实践.pdf
│ │ │ │ ├── 3.【视频】模型量化.mkv
│ │ │ ├── 11.BEV for End-to-End
│ │ │ │ ├── 2.【视频】从BEV到E2E：FIERY.mp4
│ │ │ │ ├── 1.【视频】从BEV到End-to-End.mp4
│ │ │ │ ├── 3.【视频】从BEV到E2E：MUTR3D.mp4
│ │ │ │ ├── L11 从BEV到End to End.pdf
│ │ │ │ ├── 4.【视频】从BEV到E2E：UniAD.mp4
│ │ │ ├── 7.Transformer-based BEV感知模型的工程实现
│ │ │ │ ├── Final Project 图像与点云BEV空间特征融合
│ │ │ │ │ ├── docs
│ │ │ │ │ │ ├── getting_started.md
│ │ │ │ │ │ ├── install.md
│ │ │ │ │ │ ├── prepare_dataset.md
│ │ │ │ │ │ ├── can_bus.ipynb
│ │ │ │ │ ├── tools
│ │ │ │ │ │ ├── analysis_tools
│ │ │ │ │ │ │ ├── analyze_logs.py
│ │ │ │ │ │ │ ├── visual.py
│ │ │ │ │ │ │ ├── get_params.py
│ │ │ │ │ │ │ ├── __init__.py
│ │ │ │ │ │ │ ├── benchmark.py
│ │ │ │ │ │ ├── model_converters
│ │ │ │ │ │ │ ├── regnet2mmdet.py
│ │ │ │ │ │ │ ├── publish_model.py
│ │ │ │ │ │ │ ├── convert_votenet_checkpoints.py
│ │ │ │ │ │ ├── data_converter
│ │ │ │ │ │ │ ├── waymo_converter.py
│ │ │ │ │ │ │ ├── kitti_data_utils.py
│ │ │ │ │ │ │ ├── lyft_data_fixer.py
│ │ │ │ │ │ │ ├── indoor_converter.py
│ │ │ │ │ │ │ ├── nuscenes_converter.py
│ │ │ │ │ │ │ ├── kitti_converter.py
│ │ │ │ │ │ │ ├── scannet_data_utils.py
│ │ │ │ │ │ │ ├── sunrgbd_data_utils.py
│ │ │ │ │ │ │ ├── __init__.py
│ │ │ │ │ │ │ ├── s3dis_data_utils.py
│ │ │ │ │ │ │ ├── create_gt_database.py
│ │ │ │ │ │ │ ├── nuimage_converter.py
│ │ │ │ │ │ │ ├── lyft_converter.py
│ │ │ │ │ │ ├── misc
│ │ │ │ │ │ │ ├── fuse_conv_bn.py
│ │ │ │ │ │ │ ├── print_config.py
│ │ │ │ │ │ │ ├── browse_dataset.py
│ │ │ │ │ │ │ ├── visualize_results.py
│ │ │ │ │ │ ├── fp16
│ │ │ │ │ │ │ ├── train.py
│ │ │ │ │ │ │ ├── dist_train.sh
│ │ │ │ │ │ ├── train.py
│ │ │ │ │ │ ├── dist_train.sh
│ │ │ │ │ │ ├── dist_test.sh
│ │ │ │ │ │ ├── create_data.py
│ │ │ │ │ │ ├── test.py
│ │ │ │ │ ├── projects
│ │ │ │ │ │ ├── mmdet3d_plugin
│ │ │ │ │ │ │ ├── models
│ │ │ │ │ │ │ │ ├── backbones
│ │ │ │ │ │ │ │ │ ├── __init__.py
│ │ │ │ │ │ │ │ │ ├── vovnet.py
│ │ │ │ │ │ │ │ ├── hooks
│ │ │ │ │ │ │ │ │ ├── hooks.py
│ │ │ │ │ │ │ │ │ ├── __init__.py
│ │ │ │ │ │ │ │ ├── utils
│ │ │ │ │ │ │ │ │ ├── bricks.py
│ │ │ │ │ │ │ │ │ ├── __init__.py
│ │ │ │ │ │ │ │ │ ├── position_embedding.py
│ │ │ │ │ │ │ │ │ ├── visual.py
│ │ │ │ │ │ │ │ │ ├── grid_mask.py
│ │ │ │ │ │ │ │ ├── opt
│ │ │ │ │ │ │ │ │ ├── adamw.py
│ │ │ │ │ │ │ │ │ ├── __init__.py
│ │ │ │ │ │ │ ├── core
│ │ │ │ │ │ │ │ ├── evaluation
│ │ │ │ │ │ │ │ │ ├── eval_hooks.py
│ │ │ │ │ │ │ │ │ ├── __init__.py
│ │ │ │ │ │ │ │ │ ├── kitti2waymo.py
│ │ │ │ │ │ │ │ ├── bbox
│ │ │ │ │ │ │ │ │ ├── assigners
│ │ │ │ │ │ │ │ │ │ ├── hungarian_assigner_3d.py
│ │ │ │ │ │ │ │ │ │ ├── __init__.py
│ │ │ │ │ │ │ │ │ ├── coders
│ │ │ │ │ │ │ │ │ │ ├── __init__.py
│ │ │ │ │ │ │ │ │ │ ├── nms_free_coder.py
│ │ │ │ │ │ │ │ │ ├── match_costs
│ │ │ │ │ │ │ │ │ │ ├── match_cost.py
│ │ │ │ │ │ │ │ │ │ ├── __init__.py
│ │ │ │ │ │ │ │ │ ├── util.py
│ │ │ │ │ │ │ ├── dd3d
│ │ │ │ │ │ │ │ ├── structures
│ │ │ │ │ │ │ │ │ ├── boxes3d.py
│ │ │ │ │ │ │ │ │ ├── image_list.py
│ │ │ │ │ │ │ │ │ ├── __init__.py
│ │ │ │ │ │ │ │ │ ├── pose.py
│ │ │ │ │ │ │ │ │ ├── transform3d.py
│ │ │ │ │ │ │ │ ├── modeling
│ │ │ │ │ │ │ │ │ ├── core.py
│ │ │ │ │ │ │ │ │ ├── fcos2d.py
│ │ │ │ │ │ │ │ │ ├── disentangled_box3d_loss.py
│ │ │ │ │ │ │ │ │ ├── fcos3d.py
│ │ │ │ │ │ │ │ │ ├── nuscenes_dd3d.py
│ │ │ │ │ │ │ │ │ ├── prepare_targets.py
│ │ │ │ │ │ │ │ │ ├── __init__.py
│ │ │ │ │ │ │ │ ├── utils
│ │ │ │ │ │ │ │ │ ├── geometry.py
│ │ │ │ │ │ │ │ │ ├── visualization.py
│ │ │ │ │ │ │ │ │ ├── tensor2d.py
│ │ │ │ │ │ │ │ │ ├── tasks.py
│ │ │ │ │ │ │ │ │ ├── comm.py
│ │ │ │ │ │ │ │ ├── datasets
│ │ │ │ │ │ │ │ │ ├── transform_utils.py
│ │ │ │ │ │ │ │ │ ├── __init__.py
│ │ │ │ │ │ │ │ │ ├── nuscenes.py
│ │ │ │ │ │ │ │ ├── layers
│ │ │ │ │ │ │ │ │ ├── smooth_l1_loss.py
│ │ │ │ │ │ │ │ │ ├── iou_loss.py
│ │ │ │ │ │ │ │ │ ├── normalization.py
│ │ │ │ │ │ │ │ ├── __init__.py
│ │ │ │ │ │ │ ├── bevformer
│ │ │ │ │ │ │ │ ├── modules
│ │ │ │ │ │ │ │ │ ├── decoder.py
│ │ │ │ │ │ │ │ │ ├── transformerV2.py
│ │ │ │ │ │ │ │ │ ├── transformer.py
│ │ │ │ │ │ │ │ │ ├── spatial_cross_attention.py
│ │ │ │ │ │ │ │ │ ├── temporal_self_attention.py
│ │ │ │ │ │ │ │ │ ├── custom_base_transformer_layer.py
│ │ │ │ │ │ │ │ │ ├── encoder.py
│ │ │ │ │ │ │ │ │ ├── group_attention.py
│ │ │ │ │ │ │ │ │ ├── fusion_layer.py
│ │ │ │ │ │ │ │ │ ├── multi_scale_deformable_attn_function.py
│ │ │ │ │ │ │ │ │ ├── __init__.py
│ │ │ │ │ │ │ │ ├── dense_heads
│ │ │ │ │ │ │ │ │ ├── bev_head.py
│ │ │ │ │ │ │ │ │ ├── __init__.py
│ │ │ │ │ │ │ │ │ ├── bevformer_head.py
│ │ │ │ │ │ │ │ ├── runner
│ │ │ │ │ │ │ │ │ ├── __init__.py
│ │ │ │ │ │ │ │ │ ├── epoch_based_runner.py
│ │ │ │ │ │ │ │ ├── detectors
│ │ │ │ │ │ │ │ │ ├── bevformer.py
│ │ │ │ │ │ │ │ │ ├── bevformerV2.py
│ │ │ │ │ │ │ │ │ ├── bevformerFusion.py
│ │ │ │ │ │ │ │ │ ├── bevformer_fp16.py
│ │ │ │ │ │ │ │ │ ├── __init__.py
│ │ │ │ │ │ │ │ ├── apis
│ │ │ │ │ │ │ │ │ ├── train.py
│ │ │ │ │ │ │ │ │ ├── mmdet_train.py
│ │ │ │ │ │ │ │ │ ├── __init__.py
│ │ │ │ │ │ │ │ │ ├── test.py
│ │ │ │ │ │ │ │ ├── hooks
│ │ │ │ │ │ │ │ │ ├── custom_hooks.py
│ │ │ │ │ │ │ │ │ ├── __init__.py
│ │ │ │ │ │ │ │ ├── __init__.py
│ │ │ │ │ │ │ ├── datasets
│ │ │ │ │ │ │ │ ├── pipelines
│ │ │ │ │ │ │ │ │ ├── __init__.py
│ │ │ │ │ │ │ │ │ ├── formating.py
│ │ │ │ │ │ │ │ │ ├── loading.py
│ │ │ │ │ │ │ │ │ ├── dd3d_mapper.py
│ │ │ │ │ │ │ │ │ ├── augmentation.py
│ │ │ │ │ │ │ │ │ ├── transform_3d.py
│ │ │ │ │ │ │ │ ├── samplers
│ │ │ │ │ │ │ │ │ ├── __init__.py
│ │ │ │ │ │ │ │ │ ├── sampler.py
│ │ │ │ │ │ │ │ │ ├── distributed_sampler.py
│ │ │ │ │ │ │ │ │ ├── group_sampler.py
│ │ │ │ │ │ │ │ ├── builder.py
│ │ │ │ │ │ │ │ ├── nuscenes_dataset.py
│ │ │ │ │ │ │ │ ├── nuscenes_mono_dataset.py
│ │ │ │ │ │ │ │ ├── nuscenes_dataset_v2.py
│ │ │ │ │ │ │ │ ├── __init__.py
│ │ │ │ │ │ │ │ ├── nuscnes_eval.py
│ │ │ │ │ │ │ ├── __init__.py
│ │ │ │ │ │ ├── configs
│ │ │ │ │ │ │ ├── _base_
│ │ │ │ │ │ │ │ ├── models
│ │ │ │ │ │ │ │ │ ├── hv_pointpillars_fpn_nus.py
│ │ │ │ │ │ │ │ │ ├── parta2.py
│ │ │ │ │ │ │ │ │ ├── hv_pointpillars_secfpn_waymo.py
│ │ │ │ │ │ │ │ │ ├── hv_second_secfpn_waymo.py
│ │ │ │ │ │ │ │ │ ├── votenet.py
│ │ │ │ │ │ │ │ │ ├── hv_pointpillars_fpn_lyft.py
│ │ │ │ │ │ │ │ │ ├── hv_pointpillars_fpn_range100_lyft.py
│ │ │ │ │ │ │ │ │ ├── h3dnet.py
│ │ │ │ │ │ │ │ │ ├── pointnet2_ssg.py
│ │ │ │ │ │ │ │ │ ├── mask_rcnn_r50_fpn.py
│ │ │ │ │ │ │ │ │ ├── imvotenet_image.py
│ │ │ │ │ │ │ │ │ ├── centerpoint_01voxel_second_secfpn_nus.py
│ │ │ │ │ │ │ │ │ ├── fcos3d.py
│ │ │ │ │ │ │ │ │ ├── centerpoint_02pillar_second_secfpn_nus.py
│ │ │ │ │ │ │ │ │ ├── paconv_ssg.py
│ │ │ │ │ │ │ │ │ ├── hv_second_secfpn_kitti.py
│ │ │ │ │ │ │ │ │ ├── cascade_mask_rcnn_r50_fpn.py
│ │ │ │ │ │ │ │ │ ├── hv_pointpillars_secfpn_kitti.py
│ │ │ │ │ │ │ │ │ ├── 3dssd.py
│ │ │ │ │ │ │ │ │ ├── groupfree3d.py
│ │ │ │ │ │ │ │ │ ├── paconv_cuda_ssg.py
│ │ │ │ │ │ │ │ │ ├── pointnet2_msg.py
│ │ │ │ │ │ │ │ ├── datasets
│ │ │ │ │ │ │ │ │ ├── coco_instance.py
│ │ │ │ │ │ │ │ │ ├── s3dis_seg-3d-13class.py
│ │ │ │ │ │ │ │ │ ├── range100_lyft-3d.py
│ │ │ │ │ │ │ │ │ ├── nus-mono3d.py
│ │ │ │ │ │ │ │ │ ├── kitti-3d-car.py
│ │ │ │ │ │ │ │ │ ├── waymoD5-3d-3class.py
│ │ │ │ │ │ │ │ │ ├── lyft-3d.py
│ │ │ │ │ │ │ │ │ ├── nus-3d.py
│ │ │ │ │ │ │ │ │ ├── waymoD5-3d-car.py
│ │ │ │ │ │ │ │ │ ├── sunrgbd-3d-10class.py
│ │ │ │ │ │ │ │ │ ├── scannet-3d-18class.py
│ │ │ │ │ │ │ │ │ ├── nuim_instance.py
│ │ │ │ │ │ │ │ │ ├── scannet_seg-3d-20class.py
│ │ │ │ │ │ │ │ │ ├── s3dis-3d-5class.py
│ │ │ │ │ │ │ │ │ ├── kitti-3d-3class.py
│ │ │ │ │ │ │ │ ├── schedules
│ │ │ │ │ │ │ │ │ ├── seg_cosine_150e.py
│ │ │ │ │ │ │ │ │ ├── cyclic_20e.py
│ │ │ │ │ │ │ │ │ ├── mmdet_schedule_1x.py
│ │ │ │ │ │ │ │ │ ├── cosine.py
│ │ │ │ │ │ │ │ │ ├── schedule_3x.py
│ │ │ │ │ │ │ │ │ ├── schedule_2x.py
│ │ │ │ │ │ │ │ │ ├── seg_cosine_200e.py
│ │ │ │ │ │ │ │ │ ├── seg_cosine_50e.py
│ │ │ │ │ │ │ │ │ ├── cyclic_40e.py
│ │ │ │ │ │ │ │ ├── default_runtime.py
│ │ │ │ │ │ │ ├── bevformerv2
│ │ │ │ │ │ │ │ ├── bevformerv2-r50-t1-base-48ep.py
│ │ │ │ │ │ │ │ ├── bevformerv2-r50-t8-24ep.py
│ │ │ │ │ │ │ │ ├── bevformerv2-r50-t1-base-24ep.py
│ │ │ │ │ │ │ │ ├── bevformerv2-r50-t2-24ep.py
│ │ │ │ │ │ │ │ ├── bevformerv2-r50-t2-48ep.py
│ │ │ │ │ │ │ │ ├── bevformerv2-r50-t1-48ep.py
│ │ │ │ │ │ │ │ ├── bevformerv2-r50-t1-24ep.py
│ │ │ │ │ │ │ ├── bevformer_fp16
│ │ │ │ │ │ │ │ ├── bevformer_tiny_fp16.py
│ │ │ │ │ │ │ ├── datasets
│ │ │ │ │ │ │ │ ├── custom_lyft-3d.py
│ │ │ │ │ │ │ │ ├── custom_waymo-3d.py
│ │ │ │ │ │ │ │ ├── custom_nus-3d.py
│ │ │ │ │ │ │ ├── bevformer
│ │ │ │ │ │ │ │ ├── bevformer_tiny_fusion.py
│ │ │ │ │ │ │ │ ├── bevformer_tiny.py
│ │ │ │ │ │ │ │ ├── bevformer_small.py
│ │ │ │ │ │ │ │ ├── bevformer_base.py
│ │ │ │ │ │ ├── __init__.py
│ │ │ │ │ ├── LICENSE
│ │ │ │ │ ├── .gitignore
│ │ │ │ ├── 5.BEVFormerEncoder：TemporalSelfAttention（上）.mp4
│ │ │ │ ├── Final Project 图像与点云BEV空间特征融合.zip
│ │ │ │ ├── L7 BEVFormer模型实现讲解与实践.pdf
│ │ │ │ ├── 4.BEVFormer的模型封装实现.mp4
│ │ │ │ ├── 1.内容概览：从算法设计到模型推理张量.mp4
│ │ │ │ ├── 8.DetectionTransformerDecoder.mp4
│ │ │ │ ├── 6.BEVFormerEncoder：TemporalSelfAttention（下）.mp4
│ │ │ │ ├── 3.BEVFormer的数据流.mp4
│ │ │ │ ├── 7.SpatialCrossAttention.mp4
│ │ │ │ ├── 2.Transformer-based 3D-to-2D的实现思路.mp4
│ │ │ ├── 10.BEV for Mapless
│ │ │ │ ├── 2.【视频】HDMapNet感知局部矢量地图.mp4
│ │ │ │ ├── 5.【视频】MapTR：更接近量产落地的方案.mp4
│ │ │ │ ├── 3.【视频】STSU：贝塞尔曲线表达矢量地图.mp4
│ │ │ │ ├── 1.【视频】高精度地图介绍.mp4
│ │ │ │ ├── 6.【视频】Mapless方法总结.mp4
│ │ │ │ ├── 4.【视频】VectorMapNet：用Polyline与点集构建矢量地图.mp4
│ │ │ ├── 3.基于LSS的BEV感知模型原理
│ │ │ │ ├── 1.3BEVDet系列算法：BEVDet原理与细节实.mp4
│ │ │ │ ├── 1.2CaDNN算法.mp4
│ │ │ │ ├── 1.4BEVDet系列算法：BEVDet4D基本思想.mp4
│ │ │ │ ├── 1.7面向工程设计的FastBEV.mp4
│ │ │ │ ├── 1.1内容引入.mp4
│ │ │ │ ├── L3 BEV实践环境配置.pdf
│ │ │ │ ├── 1.8LSS系列方法小结.mp4
│ │ │ │ ├── 1.5M^2BEV：第一个支持多任务的算法.mp4
│ │ │ │ ├── L3 基于LSS的BEV模型原理.pdf
│ │ │ │ ├── 1.6BEVFusion：图像与激光雷达融合的多传感器融合算法.mp4
│ │ │ ├── 6.基于Transformer的BEV模型原理
│ │ │ │ ├── L6 基于Transformer的BEV模型原理.pdf
│ │ │ │ ├── 5.【视频】基于稀疏Query的BEV表示：FUTR3D.mp4
│ │ │ │ ├── 6.【视频】BEV动静态元素检测任务模型总结.mp4
│ │ │ │ ├── 1.【视频】Transformer-based方法的引入.mp4
│ │ │ │ ├── 3.【视频】BEVFormer的实现细节.mp4
│ │ │ │ ├── 4.【视频】基于稀疏Query的BEV表示：PETR系列.mp4
│ │ │ │ ├── 2.【视频】基于稠密Query的BEV表示：BEVFormer.mp4
│ │ │ ├── 9.BEV for Occupancy
│ │ │ │ ├── L9 从BEV到Occupancy.pdf
│ │ │ │ ├── 6.【视频】SurroundOcc.mp4
│ │ │ │ ├── 5.【视频】OpenOccupancy.mp4
│ │ │ │ ├── 3.【视频】VoxFormer.mp4
│ │ │ │ ├── 1.【视频】任务定义.mp4
│ │ │ │ ├── 4.【视频】TPVFormer.mp4
│ │ │ │ ├── 2.【视频】MonoScene.mp4
│ │ │ │ ├── 7.【视频】Occ3D.mp4
│ │ │ │ ├── 8.【视频】总结.mp4
│ │ │ ├── 1.自动驾驶感知模型的演变
│ │ │ │ ├── Project 1 Vision Transformer
│ │ │ │ │ ├── Code
│ │ │ │ │ │ ├── project1
│ │ │ │ │ │ │ ├── models
│ │ │ │ │ │ │ │ ├── segmentation.py
│ │ │ │ │ │ │ │ ├── backbone.py
│ │ │ │ │ │ │ │ ├── transformer.py
│ │ │ │ │ │ │ │ ├── detr.py
│ │ │ │ │ │ │ │ ├── position_encoding.py
│ │ │ │ │ │ │ │ ├── matcher.py
│ │ │ │ │ │ │ │ ├── __init__.py
│ │ │ │ │ │ │ ├── d2
│ │ │ │ │ │ │ │ ├── detr
│ │ │ │ │ │ │ │ │ ├── __init__.py
│ │ │ │ │ │ │ │ │ ├── detr.py
│ │ │ │ │ │ │ │ │ ├── config.py
│ │ │ │ │ │ │ │ │ ├── dataset_mapper.py
│ │ │ │ │ │ │ │ ├── configs
│ │ │ │ │ │ │ │ │ ├── detr_256_6_6_torchvision.yaml
│ │ │ │ │ │ │ │ │ ├── detr_segm_256_6_6_torchvision.yaml
│ │ │ │ │ │ │ │ ├── README.md
│ │ │ │ │ │ │ │ ├── converter.py
│ │ │ │ │ │ │ │ ├── train_net.py
│ │ │ │ │ │ │ ├── .circleci
│ │ │ │ │ │ │ │ ├── config.yml
│ │ │ │ │ │ │ ├── datasets
│ │ │ │ │ │ │ │ ├── panoptic_eval.py
│ │ │ │ │ │ │ │ ├── __init__.py
│ │ │ │ │ │ │ │ ├── coco_panoptic.py
│ │ │ │ │ │ │ │ ├── coco.py
│ │ │ │ │ │ │ │ ├── coco_eval.py
│ │ │ │ │ │ │ │ ├── transforms.py
│ │ │ │ │ │ │ ├── util
│ │ │ │ │ │ │ │ ├── misc.py
│ │ │ │ │ │ │ │ ├── plot_utils.py
│ │ │ │ │ │ │ │ ├── box_ops.py
│ │ │ │ │ │ │ │ ├── __init__.py
│ │ │ │ │ │ │ ├── Dockerfile
│ │ │ │ │ │ │ ├── hubconf.py
│ │ │ │ │ │ │ ├── test_all.py
│ │ │ │ │ │ │ ├── engine.py
│ │ │ │ │ │ │ ├── run_with_submitit.py
│ │ │ │ │ │ │ ├── README.md
│ │ │ │ │ │ │ ├── tox.ini
│ │ │ │ │ │ │ ├── .gitignore
│ │ │ │ │ │ │ ├── requirements.txt
│ │ │ │ │ │ │ ├── main.py
│ │ │ │ │ │ │ ├── LICENSE
│ │ │ │ │ ├── DETR：End-to-End Object Detection with Transformers.pdf
│ │ │ │ ├── 1.4详细讲解Transformer中的Attention.mp4
│ │ │ │ ├── 1.3Transformer特征空间转换方法.mp4
│ │ │ │ ├── Project 1 Vision Transformer实践作业问题汇总.pdf
│ │ │ │ ├── Project 1 Vision Transformer.zip
│ │ │ ├── 2.特征空间转换方法
│ │ │ │ ├── L2 View Transformation.pdf
│ │ │ │ ├── 2.IPM与LSS特征空间转换方法.mp4
│ │ │ │ ├── 4.本章小节.mp4
│ │ │ │ ├── 3.Transformer特征空间转换方法.mp4
│ │ │ │ ├── 1.为什么BEV是更合适的特征空间.mp4
