Κουίζ SpecAugment for Speech Recognition

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

1. Σε τι λειτουργεί το SpecAugment;
   • Το φασματογράφημα log-mel
   • Η ακατέργαστη κυματομορφή ήχου
   • Η μεταγραφή του κειμένου
   • Τα βάρη του μοντέλου
2. Ποια από αυτές είναι μία από τις τρεις λειτουργίες της SpecAugment;
   • Αντιστροφή γηπέδου
   • Απόκρυψη συχνότητας
   • Αντικατάσταση λέξης
   • Έγχυση ηχούς
3. What role did the SpecAugment paper assign to its feature transformations?
   • They guarantee that every recognizer avoids overfitting
   • They replace the need for transcribed training data
   • They augment ASR training inputs and were evaluated for recognition performance
   • They improve every speech model by the same amount
4. Τι κάνει το «time masking»;
   • Διαγράφει τις χρονικές σημάνσεις μεταγραφής
   • Επιταχύνει την αναπαραγωγή ήχου
   • Καταργεί τη σιωπή στην αρχή
   • Καταργεί ένα διάστημα διαδοχικών χρονικών βημάτων
5. How are time- and frequency-mask locations chosen during SpecAugment training?
   • They are randomly sampled, so the same input may receive different masked regions on later passes
   • They are fixed permanently before the training set is collected
   • They are chosen by a language model after each recognition result
   • They are identical for every utterance and every training step
6. Σε ποιο σημείο αναφοράς το SpecAugment βοήθησε σημαντικά στην επίτευξη αποτελεσμάτων αιχμής;
   • ImageNet
   • LibriSpeech
   • SQUAD
   • ΚΟΛΛΑ
7. What does time warping do in the original SpecAugment policy?
   • It replaces speech frames with translated text
   • It masks every frequency channel permanently
   • It deforms feature positions along the time axis
   • It changes the speaker identity in the waveform
8. Which recognizer architecture did the original SpecAugment paper use in its experiments?
   • A region-based image detector
   • A music source-separation U-Net only
   • A text-only masked language model
   • Listen, Attend and Spell (LAS)