您有一個包含 1,000,000 張已標記 200x200 影像的資料集，這些影像指示是否存在汽車。哪種神經網路架構和輸出層選擇最有可能在偵測影像中是否存在汽車方面產生最高的準確度？

正確答案是「具有 softmax 輸出層的深度卷積神經網路 (CNN)，可預測汽車存在的機率」。CNN 專為處理影像資料而設計，能夠有效提取空間特徵，因此在影像分類任務中表現卓越。對於二元分類問題（汽車是否存在），Softmax 輸出層會輸出每個類別的機率分佈，這比單一線性輸出更能清晰表示分類結果。 其他選項不正確的原因： 具有線性輸出層的 CNN：線性輸出層通常用於迴歸任務，直接輸出數值，不適合表示分類機率。 具有線性輸出層的 MLP：MLP 不具備處理影像空間資訊的能力，且線性輸出層不適合分類。 具有 softmax 輸出層的 MLP：MLP 雖然可以使用 Softmax 進行分類，但其在影像處理上的效能遠不如 CNN，無法有效捕捉影像特徵。