Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

Κουίζ αυτόματης προσθήκης ετικετών μουσικής

Δοκιμάστε τις ετικέτες μουσικής πολλαπλών ετικετών, τις δυνατότητες ήχου, τους θορυβώδεις σχολιασμούς, τη δυαδική διασταυρούμενη εντροπία και τη διαφορά μεταξύ ετικετών που λείπουν και αρνητικών.

Σχετικές διαδρομές οδηγώνΑυτόματη προσθήκη ετικετών μουσικής
Ερώτηση 1 του 8

Why do multi-label music taggers often use separate sigmoid outputs rather than a single softmax over tags?

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Why do multi-label music taggers often use separate sigmoid outputs rather than a single softmax over tags?
    • All tag probabilities must sum to one
    • A recording is required to have exactly one tag
    • Sigmoid outputs eliminate the need for labeled examples
    • Several nonexclusive tags can apply to the same recording
  2. Ποια αναπαράσταση εισόδου τροφοδοτούν τα περισσότερα σύγχρονα μοντέλα αυτόματης προσθήκης ετικετών στο νευρωνικό τους δίκτυο;
    • Ένα φασματογράφημα mel (μια εικόνα χρονικής συχνότητας)
    • Μόνο οι τιμές πλάτους κυματομορφής πρωτογενούς
    • Τα πεδία μεταδεδομένων του αρχείου MP3
    • Παρτιτούρα-μουσική σημειογραφία
  3. Γιατί χρησιμοποιείται η κλίμακα mel αντί για απλή γραμμική κλίμακα συχνοτήτων;
    • Συμπιέζει τα αρχεία πιο αποτελεσματικά
    • Αφαιρεί κάθε θόρυβο φόντου
    • Προσεγγίζει το πώς αντιλαμβάνονται οι άνθρωποι τον τόνο
    • Απαιτείται από τη νομοθεσία περί πνευματικών δικαιωμάτων
  4. Ποια είναι η μεγάλη πρόκληση κατά την εκπαίδευση μοντέλων αυτόματης προσθήκης ετικετών σε σύνολα δεδομένων πραγματικού κόσμου;
    • Τα αρχεία ήχου είναι πολύ μικρά για να μάθετε από αυτά
    • Οι ετικέτες που εφαρμόζονται από τον άνθρωπο είναι θορυβώδεις, ελλιπείς και ανισορροπημένες
    • Δεν υπάρχουν δημόσια σύνολα δεδομένων μουσικής
    • Τα φασματογράμματα δεν μπορούν να υπολογιστούν σε πραγματικό χρόνο
  5. Ποιο σύνολο δεδομένων χρησιμοποιείται συνήθως για την εκπαίδευση και τη συγκριτική αξιολόγηση συστημάτων αυτόματης προσθήκης ετικετών μουσικής;
    • MagnaTagATune
    • ImageNet
    • SQUAD
    • LibriSpeech
  6. What additional search interface can an audio-language model such as CLAP support for a music catalog?
    • Guaranteed identification of every artist without audio input
    • Automatic replacement of all rights metadata
    • Searching only by the recording's compressed file size
    • Retrieval using free-form text descriptions rather than only fixed tag names
  7. Which objective commonly trains separate binary tag predictions in a music auto-tagger?
    • A single mutually exclusive genre softmax only
    • Binary cross-entropy over the tag outputs
    • A pixel-reconstruction loss on album artwork only
    • A loss requiring exactly one positive tag per track
  8. If a music dataset's annotations are incomplete, how should an absent instrument tag be interpreted?
    • It proves the recording has no instruments
    • It guarantees that the tagger's positive prediction is wrong
    • It may be unannotated rather than reliable evidence that the instrument is absent
    • It means the waveform cannot be used for evaluation