اختبار مرتبط بالدليل · متوسط المستوى
مسابقة تصنيف نوع الموسيقى
يغطي التمثيلات الصوتية، وتكوين GTZAN، وغموض النوع، ومخاطر تسرب مجموعة البيانات، وتقييم البيانات المنفصلة عن الفنان.
سؤال 1 من 8
ما هو المخطط الطيفي mel، الذي يُستخدم عادةً كمدخل للشبكات العصبية لتصنيف الأنواع؟
معاينة كل سؤال8 أسئلة
تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.
- ما هو المخطط الطيفي mel، الذي يُستخدم عادةً كمدخل للشبكات العصبية لتصنيف الأنواع؟
- صورة تردد زمني للصوت باستخدام مقياس درجة الصوت الإدراكي
- قائمة كلمات الأغاني المحولة إلى أرقام
- شكل موجة يُظهر السعة الأولية مع مرور الوقت فقط
- قاعدة بيانات لأسماء الفنانين وسنوات الإصدار
- ما هي مجموعة البيانات المعيارية الكلاسيكية التي تحتوي على 1000 مقطع مدته ثلاثون ثانية عبر 10 أنواع؟
- إيماج نت
- GTZAN
- LibriSpeech
- كوكو
- لماذا يعد تحقيق دقة تصنيف النوع المثالية أمرًا صعبًا بشكل أساسي؟
- لا تستطيع أجهزة الكمبيوتر معالجة الصوت على الإطلاق
- جميع الأغاني تبدو متطابقة مع الخوارزميات
- حدود النوع غامضة وذاتية ثقافيا
- الملفات الصوتية صغيرة جدًا بحيث لا يمكن تحليلها
- ما هي الميزة اليدوية التي تم استخدامها على نطاق واسع في أنظمة تصنيف الأنواع المبكرة؟
- نسبة ضغط JPEG
- تكرار علامة HTML
- الرسوم البيانية سطوع بكسل
- المعاملات الرأسية ذات التردد الميل (MFCCs)
- ماذا تنتج طبقة softmax في نهاية مصنف النوع؟
- توزيع الاحتمالية على فئات النوع
- شكل موجة صوتية واحدة
- ملف MP3 مضغوط
- صورة طيفية
- How can self-supervised music pretraining reduce dependence on labeled genre examples?
- It eliminates the need to evaluate genre labels
- It can learn audio representations from unlabeled music, which are then evaluated or fine-tuned with labeled examples
- It guarantees correct labels for every song
- It converts genre categories into universal facts
- How can exact or repeated excerpts in GTZAN distort a random train/test evaluation?
- They ensure that every genre label is objective
- They make the test set contain more genres than training
- If repetitions cross the split, a model may see duplicate or near-duplicate material in both sets
- They remove any need to inspect class labels
- How do MFCCs differ from a mel-spectrogram representation?
- MFCCs are the model’s final genre probabilities
- A mel-spectrogram removes the time axis entirely
- MFCCs measure only the recording’s file size
- MFCCs summarize the log-mel spectrum with cepstral coefficients