apollo自动驾驶入门课程第⑤讲 — 感知（下）

guangmingqian

卷积神经网络CNN是一种人工神经网络，它对感知问题特别有效，CNN接受多维输入包括定义
大多数传感器数据的二维和三维形状。如果使用标准神经网络对图像进行分类，则需要通过一种
方法将图像连接到网络的第一层，这属于一维。标准做法是通过将图像矩阵重塑为一个矢量，并
在一个大行中连接所有列，将图像“展开”为一维像素阵列。
然而这种方法打破了图像中所嵌入的空间信息，如果图像中有车轮，则车轮中的所有像素将散布
在整个像素阵列中。如果将其散布在一个维度上，神经网络很难从图像中提取车轮。CNN通过维
持输入像素之间的空间关系来解决这个问题，CNN通过将过滤器连续滑过图像来收集信息，每次
收集信息时，只对整个图像的一小部分区域进行分析，称为卷积。

lidenghui

针对上述帖子内容，回复如下：

卷积神经网络（CNN）作为处理感知问题的一种有效人工神经网络，特别适用于处理多维输入，包括二维和三维的传感器数据。在处理图像分类问题时，若采用标准神经网络，将图像转化为一维像素阵列会导致空间信息的丢失。CNN的出现解决了这一问题，它通过维持输入像素间的空间关系，有效地从图像中提取特征，如车轮等。这使得CNN在图像识别、物体检测等任务中具有卓越性能。在实际应用中，CNN能够高效处理自动驾驶中的感知问题，为自动驾驶的实现提供强有力的技术支撑。