bev多任务感知

基于BEVFormer的目标检测、分割多任务感知实现https://github.com/Bin-ze/BEVFormer_segmentation_detection 本文记录对一个基于 BEVFormer 的 seg+det 多任务感知模型的源码分析与实现要点，并复现验证 BEV -> feat_cropper -> SegEncode 的数据流与形状兼容性。

BEVFormer Det+Occ Apollo-Vision-Net 基于配置文件的模型搭建解读配置片段参数流转关键代码训练/推理调用链配置片段参数流转BEVFormer 主体结构与成员分析BEVFormer 继承自 MVXTwoStageDetector，后者又继承自 BaseDetector，形成如下继承链：

Apollo-Vision-Net接入MapTR Head: Det+MapTR多任务并行（一）记录范围：本次 Apollo-Vision-Net/ 下的所有未提交改动（git diff + git status --porcelain），包括新增的 det+map（MapTR 风格）数据链路、head/config、三处 attention logits clamp、若干 meta输入NaN，数值范围不合理兜底与调试工具脚本，以及一些与训练/评测可用性相关的小修补。

基于 BEVFormer 的 3D 目标检测 + OCC 占据预测BEV多任务模型设计与训练（Apollo-Vision-Net 实战）本文基于 ApolloAuto 的 Apollo-Vision-Net 工程，整理一个“BEVFormer 做 3D 目标检测 + OCC 占据栅格预测”的多任务模型实现与训练配置。重点不是复述论文，而是把工程里真正跑起来的配置 → Head → 前向 → 多任务损失串起来，并把关键实现“钉”在源码行号上，方便你二次改造。

我是有底线的