卷积神经网络的卷积层又称为下采样层，其作用是使特征图变小，简化网络计算复杂度，并且对特征进行压缩，从而提取主要特征。（)

A.全连接层的作用就是分类,全连接层的每一个节点都与上一层的所有节点相连接,将前一层的特征进行进一步组合

B.损失函数的作用是用来估算模型的预测值与实际值的差距的函数

C.卷积神经网络中的池化层又称为下采样层，该层的目的是降低特征图的维度，进而降低卷积神经网络的参数量,减少过拟合

D.卷积神经网络前面的各层是将图像的低维特征映射到抽象特征空间,全连接层则将抽象特征映射到样本标记空间中

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.卷积层

B.线性整流层

C.池化层

D.全连接层

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.多层前向神经网络一般需要同一层神经元间相互连接

B.深度学习一般使用具有多个隐藏层的神经网络

C.训练神经网络的主要目的是学习神经元间的连接权值

D.卷积神经网络可以逐层抽取数据特征实现自动特征学习

A.增加可调整参数的隐层数目

B.使用图像进行旋转、裁剪、拉伸、裁剪等进行样本增强

C.采用小卷积核，提高通道的个数

D.增强特征获取能力对样本按照一定的方式排序

A.输入层

B.隐含层

C.输出层

D.卷积层