Kvíz spojený s průvodcem · Střední úroveň

Kvíz automatického značkování hudby

Otestujte víceznačkové značkování hudby, zvukové funkce, hlučné anotace, binární křížovou entropii a rozdíl mezi chybějícími a negativními značkami.

Související vodicí cestyAutomatické označování hudby
Otázka 1 z 8

Proč multi-labelové systémy pro značkování hudby často používají samostatné sigmoidní výstupy namísto jednoho softmaxu přes značky?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Proč multi-labelové systémy pro značkování hudby často používají samostatné sigmoidní výstupy namísto jednoho softmaxu přes značky?
    • Součet pravděpodobností všech značek musí být jedna
    • Nahrávka musí mít právě jednu značku
    • Sigmoidní výstupy eliminují potřebu označených příkladů
    • Na stejnou nahrávku se může vztahovat několik nevylučujících se značek
  2. Jakou vstupní reprezentaci přivádí většina moderních modelů automatického značkování do své neuronové sítě?
    • Mel-spektrogram (časově-frekvenční obraz)
    • Pouze nezpracované hodnoty amplitudy průběhu
    • Pole metadat souboru MP3
    • Notový záznam
  3. Proč se používá melova stupnice místo jednoduché lineární frekvenční stupnice?
    • Komprimuje soubory efektivněji
    • Odstraňuje veškerý hluk na pozadí
    • Přibližuje to, jak lidé vnímají výšku tónu
    • Vyžaduje to autorský zákon
  4. Co je hlavní výzvou při trénování modelů automatického značkování na souborech dat v reálném světě?
    • Zvukové soubory jsou příliš malé na to, abyste se z nich mohli učit
    • Značky aplikované člověkem jsou hlučné, neúplné a nevyvážené
    • Neexistují žádné veřejné hudební datové sady
    • Spektrogramy nelze vypočítat v reálném čase
  5. Která datová sada se běžně používá k trénování a srovnávání systémů automatického značkování hudby?
    • MagnaTagATune
    • ImageNet
    • SQUAD
    • LibriSpeech
  6. Jaké dodatečné vyhledávací rozhraní může audio-jazykový model, jako je CLAP, podporovat pro hudební katalog?
    • Zaručená identifikace každého interpreta bez zvukového vstupu
    • Automatická náhrada veškerých metadat o právech
    • Vyhledávání pouze podle velikosti komprimovaného souboru nahrávky
    • Vyhledávání pomocí volných textových popisů namísto pouhých pevných názvů značek
  7. Která optimalizační úloha se běžně používá pro trénování samostatných predikcí binárních značek v hudebním autotaggeru?
    • Pouze jediný vzájemně se vylučující softmax žánrů
    • Binární křížová entropie nad výstupy značek
    • Ztráta založená na rekonstrukci pixelů pouze u obalu alba
    • Ztráta vyžadující právě jednu pozitivní značku na skladbu
  8. Pokud jsou anotace hudebního datasetu neúplné, jak by měla být chybějící značka nástroje interpretována?
    • Dokazuje to, že nahrávka neobsahuje žádné nástroje
    • Zaručuje to, že pozitivní predikce taggeru je chybná
    • Může jít o neanotovanou položku, nikoli o spolehlivý důkaz, že nástroj chybí
    • Znamená to, že průběh signálu nelze použít pro vyhodnocení