卷積神經網絡 (CNN)

卷積神經網絡（Convolutional Neural Network，CNN） 係深度學習入面專門為咗處理圖片呢種網格狀數據而設計嘅核心模型。你可以佢睇作自動駕駛嘅「視覺皮層」，負責從傳感器圖片入面提取關鍵特徵，令車輛能夠「看懂」周圍嘅世界。

🧠 核心原理：仿生視覺與三大法寶

CNN 嘅設計靈感源於動物視覺皮層嘅工作模式，其核心優勢由三個關鍵特性奠定：

1. 局部連接：每個神經元只關注輸入圖片嘅一小塊區域（好似用放大鏡睇局部），而不係整張圖。呢個令網絡能夠高效捕捉到線條、邊緣等局部特徵。

2. 權值共享：同一個特徵檢測器（卷積核）會滑動掃描整張圖片。呢個大幅減少咗需要訓練嘅參數量，亦令網絡具備咗平移不變性——無論物體出現喺畫面邊個位置，都能夠俾人識別出嚟。

3. 層次化特徵提取：網絡通過層層堆疊嘅卷積層同池化層（用於壓縮數據、降低計算量），逐步由簡單嘅邊緣、紋理，組合成越來越抽象同複雜嘅語義特徵（例如車輪、車窗，最終係完整嘅車輛）。

🚗 喺自動駕駛嘅核心應用

CNN 已經成為自動駕駛感知系統嘅技術基石，喺呢些關鍵任務度發揮緊唔可替代嘅作用：

• 實時目標檢測：識別並定位出道路上嘅車輛、行人、交通標誌等，這係實現安全駕駛嘅前提。研究顯示，結合 CNN 嘅分類器喺城市道路環境入面達到超過98% 嘅準確率。

• 精準語義分類：除咗「看到」物體，仲要「看懂」佢。例如，一個專門嘅 CNN 模組能準確區分交通信號燈嘅顏色狀態（紅/綠/黃）以及交通標誌嘅具體含義，為駕駛決策提供關鍵資訊。

• 車道與障礙物檢測：通過分析道路圖片，CNN 能判斷車道線嘅位置，以及識別路面坑窪、減速帶等障礙物，保障車輛喺車道內安全行駛。

由 2012 年 AlexNet 喺圖片識別競賽中一鳴驚人開始，CNN 就開始咗深度學習嘅新時代。而家，佢已經成為所有主流自動駕駛感知方案入面不可或缺嘅核心技術。