BevDet是一个LSS-Based的实时高性能的多相机3D检测模型，它用4阶段的范式去做3D目标检测，设计上同时支持Segmentation。何谓4阶段范式：

• 1.图像域的特征提取(Image -view Encoder)
• 2.视角转换 (View Transformer)
• 3.Bev空间特征提取(BEV Encoder)
• 4.任务头Head

它涉及 Image View Space 和 Bev Space

1. 核心介绍

1.1 模块介绍

(1) Image View Encoder

BevDet首先需要做image的特征提取，对应Image View Encoder这部分。使用传统的ResNet-50或SwinTransformer作为Backbone, 在Neck部分使用FPN或者FPN-LSS(简化版的FPN)，对16倍和32倍特征进行融合，最终得到融合后的下采样16倍的特征。