Inicio Proyectos BEVFormer
BEVFormer
Python

BEVFormer

[ECCV 2022] Esta es la implementación oficial de BEVFormer, un marco solo de cámara para percepción de conducción autónoma, por ejemplo, detección de objetos 3D y segmentación de mapas semánticos.

por fundamentalvision · GitHub
Estrellas
Ramas
Licencia
Creado
Último commit
Lenguaje
autonomous-drivingcomputer-visiondeep-learningApache-2.0Python
Ver en GitHub
En palabras simples

Detecta objetos 3D y crea mapas a partir de imágenes de cámaras para coches autónomos.

¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
BEVFormer — GitHub preview card
📈 Historial de estrellas
4 5444 536
2026-07-072026-08-31
📈 Sigue BEVFormer

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

[ECCV 2022] Esta es la implementación oficial de BEVFormer, un marco solo de cámara para percepción de conducción autónoma, por ejemplo, detección de objetos 3D y segmentación de mapas semánticos.

BEVFormer tiene 4.5k estrellas en GitHub. Se ha bifurcado 739 veces. BEVFormer está escrito principalmente en Python. Se desarrolla activamente desde 2022. BEVFormer está disponible bajo la licencia Apache-2.0. Sus temas principales son: autonomous-driving, computer-vision, deep-learning, object-detection.

Frequently asked questions

¿Qué es BEVFormer?

[ECCV 2022] Esta es la implementación oficial de BEVFormer, un marco solo de cámara para percepción de conducción autónoma, por ejemplo, detección de objetos 3D y segmentación de mapas semánticos.

¿BEVFormer es de código abierto?

BEVFormer es un proyecto de código abierto. Se distribuye bajo la licencia Apache-2.0.

¿BEVFormer es gratis?

Sí. BEVFormer es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿Bajo qué licencia está BEVFormer?

BEVFormer está disponible bajo la licencia Apache-2.0.

¿En qué lenguaje está escrito BEVFormer?

BEVFormer está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
olud.ai badge — BEVFormer

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=fundamentalvision-bevformer)](https://olud.ai/project/fundamentalvision-bevformer.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →
mscnn
Implementación en Caffe de nuestro marco de detección de objetos a múltiples escalas
408 · autonomous-driving
comparteobject-detectionautonomous-driving
StreamYOLO
Detección de Objetos en Tiempo Real para Percepción en Streaming, CVPR 2022
331 · autonomous-driving
comparteobject-detectionautonomous-driving
OpenPCDet
OpenPCDet Toolbox para detección de objetos 3D basada en LiDAR.
5.7k · 3d-detection
comparteobject-detectionautonomous-driving
IA-SSD
No todos los puntos son iguales: Aprendiendo detectores basados en puntos altamente eficientes…
413 · 3d-object-detection
comparteobject-detectionautonomous-driving
PreciseRoIPooling
Agrupación precisa de RoI con soporte de gradiente de coordenadas, propuesto en el artículo "Ad…
781 · computer-vision
comparteobject-detection
DeFCN
Detección de Objetos de Extremo a Extremo con Red Convolucional Totalmente Convolucional
494 · computer-vision
comparteobject-detection
lvis-api
API de Python para el Conjunto de Datos LVIS
430 · computer-vision
comparteobject-detection
YOLOP-opencv-dnn
Despliegue de red de percepción de conducción panorámica YOLOP usando OpenCV, que puede manejar…
312 · autonomous-driving
comparteobject-detectionautonomous-driving
DINO
[ICLR 2023] Implementación oficial del artículo "DINO: DETR con Cajas de Anclaje de Desruido Me…
2.8k · computer-vision
comparteobject-detection
FastestDet
⚡ Un algoritmo de detección de objetivos sin anclaje ultraligero recién diseñado, pesa solo 250…
856 · computer-vision
comparteobject-detection

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.