卷积神经网络中的卷积层可以自动提取图像的边缘、纹理等低级特征，因此在图像识别中不需要手动设计特征提取方式。（）A. 错B. 对

考查要点：本题主要考查对卷积神经网络（CNN）核心工作原理的理解，特别是卷积层在特征提取方面的自动化能力。

解题核心思路：
卷积神经网络通过自动学习滤波器权重，在卷积层中提取图像的低级特征（如边缘、纹理）。与传统手动设计特征的方法（如SIFT、HOG）不同，CNN的这一特性是其核心优势之一。因此，题目中的描述是正确的。

关键点：

• 自动特征提取是CNN的核心特点，无需人工干预。
• 卷积层的滤波器参数通过反向传播算法自动优化。

卷积神经网络的卷积层通过以下方式实现自动特征提取：

1. 滤波器滑动：每个滤波器在输入图像上滑动，计算局部区域的特征响应。
2. 权重学习：滤波器的参数（权重）通过训练数据自动调整，逐渐擅长检测特定特征（如边缘、纹理）。
3. 多层特征组合：深层网络通过组合低级特征生成高级语义特征（如物体、场景）。

因此，题目中“不需要手动设计特征提取方式”的表述正确，答案为B。