下面哪个不是数据增强的好处：

A、避免过拟合。当数据集具有某种明显的特征，例如数据集中图片基本在同一个场景中拍摄，可避免模型学到跟目标无关的信息。

B、避免样本不均衡。在工业缺陷检测方面，医疗疾病识别方面，容易出现正负样本极度不平衡的情况，通过对少样本进行一些数据增强方法，降低样本不均衡比例。

C、提升模型鲁棒性，降低模型对图像的敏感度。当训练数据都属于比较理想的状态，碰到一些特殊情况，如遮挡，亮度，模糊等情况容易识别错误，对训练数据加上噪声，掩码等方法可提升模型鲁棒性。

D、数据增强使得不需要使用卷积神经网络进行特征提取，而直接使用全连接神经网络进行学习。

E、增加训练数据（特别是样本量不足的情况下），提高模型泛化能力

正确答案：数据增强使得不需要使用卷积神经网络进行特征提取，而直接使用全连接神经网络进行学习。