下面关于MobileNet算法的描述中，错误的说法是哪个（)？

A.目标检测是将目标从图像中提取出来

B.滑动窗口区域选择策略时间复杂度高，窗口冗余太多

C.目标检测算法主要采用卷积算法

D.目标检测对准确率要求更高，但是对检测耗时要求较低

A.SSD采用了Anchor机制使用全图各个位置多尺度区域特征进行回归

B.SSD中多尺度特征图将卷积层改成全连接层

C.SSD中辅助卷积层是用于物体对象分类

D.SSD中大尺度特征图主要用来检测大物体

A.卷积中的通道数量只能是1或3

B.池化核大小与步长相等

C.Padding时各方向的填充不一定对称

D.卷积核越小，卷积后的结果越抽象

A.卷积中的通道数量只能是1或3

B.池化核大小与步长相等

C.Padding时各方向的填充不一定对称

D.卷积核越小，卷积后的结果越抽象

A.FasterRCNN主要是采用选择性搜索实现候选框提取

B.FasterRCNN使用SVM进行目标类别分类

C.FasterRCNN使用一个卷积实现分类和位置微调

D.FasterRCNN的损失函数与RCNN相同，位置损失函数采用交叉熵

A.可以把分类损失和边框精调的回归损失加在一起训练卷积神经网络，降低了Fast-RCNN的mAP

B.候选框的目标分类和边框精调都由卷积神经网络承担，这也提高了算法的速度

C.舍弃了R-CNN的多尺度池化，提高了算法的速度

D.Fast-RCNN将候选区域的特征获取和分类放在一个卷积神经网络

A.RCNN生成大约2k个候选框

B.RCNN把所有侯选框缩放成固定大小

C.RCNN结合NMS(非极大值抑制)获得区域边框(BBox)

D.RCNN采用SVM对候选框进行位置预测

A.卷积层与池化层是一一配对的

B.多个3X3小卷积的级联效果与5X5和7X7的大卷积核功能相仿

C.使用了dropout减少过拟合

D.使用不同数量的卷积核拼成模块，同一模块特征图的尺寸不变

A.文件拆分为两个部分

B.根据需要将文件拆分为指定的多个部分

C.按指定的变量中不同的值进行拆分

D.拆分为两个文件

A.R-CNN

B.FastR-CNN

C.FasterR-CNN

D.YOLOv1