深度学习技术已广泛用于自动驾驶社区，以实现对环境的感知。最近，它开始被用于学习复杂驾驶场景的端到端控制器。但是，网络体系结构的复杂性和非线性限制了其理解驾驶场景并判断感官场景中某些视觉区域的重要性的可解释性。在本文中，基于卷积神经网络（CNN），我们提出了两个互补的框架来自动确定输入场景的最有贡献的区域，从而提供了有关受过训练的端到端自动驾驶汽车控制器如何理解驾驶场景的直观知识。在第一个框架中，通过利用CNN可视化的最新进展提出了一种基于特征图的方法，其中反卷积方法恢复了特征图以提取对理解驾驶场
