Cuestionario vinculado a una guía · Medio Nivel

Prueba de detección de eventos de sonido

Estudie clases de sonido y límites de tiempo, con polifonía, etiquetas débiles, la línea base DCASE, tolerancia de inicio y anotaciones de clases faltantes.

Rutas de guía relacionadasDetección de eventos de sonido
Pregunta 1 de 8

What extra output does temporal sound event detection estimate beyond a clip-level tag?

Vista previa de cada pregunta8 preguntas

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

  1. What extra output does temporal sound event detection estimate beyond a clip-level tag?
    • Only the audio file’s compression ratio
    • Only its filename’s alphabetical order
    • Event onset and offset boundaries within the clip
    • Only the display color of a waveform
  2. ¿Por qué la detección de eventos sonoros suele describirse como un problema polifónico?
    • Porque solo maneja notas musicales.
    • Porque múltiples sonidos pueden superponerse y ocurrir simultáneamente
    • Porque requiere múltiples micrófonos
    • Porque el audio siempre es estéreo
  3. ¿Qué significa "etiquetado débil" en los datos de entrenamiento de SED?
    • Las etiquetas están cifradas.
    • La calidad del audio es mala.
    • Sólo se etiquetan los sonidos suaves.
    • Los clips están etiquetados indicando que ocurrió un evento, pero no exactamente cuándo
  4. Which classifier structure is identified in the cited DCASE 2024 baseline?
    • A convolutional recurrent neural network with added pretrained frame features
    • Only a static spreadsheet sort
    • Only an unchanged relational database table
    • Only a mandatory image-file compressor
  5. Which time-frequency representation is used in the documented sound-detection baseline context described here?
    • Only a speech transcript
    • A log-mel representation
    • Only a JPEG photograph
    • Only an unchanged output filename
  6. Which cited research challenge supplies the 2018 and 2024 sound-event task settings discussed here?
    • Los Juegos Olímpicos
    • A retail shopping holiday
    • A mandatory social-network ranking
    • DCASE
  7. Considering only the DCASE 2018 onset collar of 200 ms, does a 1.15 s prediction satisfy it for a 1.00 s reference onset?
    • Yes; the onset error is 150 ms
    • No; the error is 1.15 s
    • No; every predicted onset must be numerically identical
    • Yes; onset errors are never evaluated
  8. In the heterogeneous 2024 task, how does the baseline handle outputs for classes whose annotations are missing in a training dataset?
    • Treats every unannotated class as certainly absent
    • Copies all missing labels from the final test answers
    • Masks those unavailable outputs in the relevant loss computation
    • Eliminates every labeled class from the model