Cuestionario vinculado a una guía · Medio Nivel

Prueba de clasificación de escenas acústicas

Explore el reconocimiento de escenas ambientales, la falta de coincidencia de dispositivos, las funciones de log-mel, el aumento con reconocimiento del dispositivo y las limitaciones de memoria para los modelos en el dispositivo.

Rutas de guía relacionadasClasificación de escenas acústicas
Pregunta 1 de 8

¿En qué se diferencia la clasificación de escenas acústicas de la detección de eventos sonoros?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. ¿En qué se diferencia la clasificación de escenas acústicas de la detección de eventos sonoros?
    • son exactamente la misma tarea
    • ASC identifica el entorno general, mientras que la detección de eventos detecta sonidos específicos
    • ASC solo funciona con música
    • La detección de eventos ignora el tiempo por completo
  2. ¿Cuál es el problema de "discordancia de dispositivo" en ASC?
    • Altavoces que reproducen audio demasiado alto
    • Archivos guardados en el formato incorrecto
    • Un modelo entrenado con un micrófono funciona mal con otro
    • Dos escenas que suenan idénticas
  3. ¿Qué representación de entrada es estándar para los modelos ASC?
    • Transcripciones de texto sin formato
    • Imágenes JPEG de la ubicación.
    • Coordenadas GPS
    • Espectrogramas log-mel
  4. ¿Por qué los modelos ASC agrupan características durante muchos segundos en lugar de momentos únicos?
    • Porque las escenas se definen por estadísticas acústicas a largo plazo, no por eventos individuales.
    • Para reducir el tamaño del archivo
    • Porque los micrófonos son lentos
    • Para eliminar todo el ruido
  5. ¿Qué desafío de investigación ha impulsado gran parte del progreso en ASC?
    • El concurso ImageNet
    • El premio Loebner
    • La prueba de Turing
    • El desafío DCASE
  6. What inference-computation budget did the DCASE 2024 low-complexity acoustic-scene task specify for a one-second audio clip?
    • Exactly 30 billion operations for every device
    • At most 30 million multiply-accumulate operations
    • No computation limit of any kind
    • A limit measured only by the recording filename length
  7. How can quantization help an acoustic-scene model meet a parameter-storage budget?
    • By storing weights with fewer bits per parameter
    • By adding more high-precision copies of every weight
    • By replacing the memory budget with an accuracy score
    • By making the microphone sample rate unlimited
  8. What variation is device-aware augmentation intended to simulate for acoustic-scene training?
    • Only changes in the spelling of scene labels
    • Only a different album-cover image
    • Changes in recording-device characteristics such as microphone frequency response
    • A guarantee that all environments have identical acoustics