Útmutatóhoz kapcsolódó kvíz · Közepes Szint

Zenei műfaji besorolási kvíz

Covers audio representations, GTZAN’s composition, genre ambiguity, dataset leakage risks, and evaluation on artist-disjoint data.

Kapcsolódó útmutató utakZenei műfaji besorolás
kérdés 1 -ból 8

Mi az a mel-spektrogram, amelyet általában műfajosztályozó neurális hálózatok bemeneteként használnak?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Mi az a mel-spektrogram, amelyet általában műfajosztályozó neurális hálózatok bemeneteként használnak?
    • A hang idő-frekvenciás képe észlelési hangmagasság-skálán
    • A dalszövegek listája számokká konvertálva
    • Egy hullámforma, amely csak a nyers amplitúdót mutatja az idő függvényében
    • Előadónevek és megjelenési évek adatbázisa
  2. Melyik klasszikus benchmark adatkészlet tartalmaz 1000 harminc másodperces klipet 10 műfajban?
    • ImageNet
    • GTZAN
    • LibriSpeech
    • COCO
  3. Miért alapvetően nehéz a tökéletes műfaji besorolási pontosság elérése?
    • A számítógépek egyáltalán nem tudják feldolgozni a hangot
    • Minden dal megegyezik az algoritmusokkal
    • A műfaji határok homályosak és kulturálisan szubjektívek
    • Az audiofájlok túl kicsik az elemzéshez
  4. Melyik kézzel készített funkciót használták széles körben a korai műfaji besorolási rendszerekben?
    • JPEG tömörítési arány
    • HTML címke gyakorisága
    • Pixel fényerő hisztogramok
    • Mel-frekvencia cepstralis együtthatók (MFCC-k)
  5. Mit produkál egy softmax réteg a műfaji osztályozó végén?
    • Valószínűségi eloszlás műfaji osztályok között
    • Egyetlen hanghullámforma
    • Tömörített MP3 fájl
    • Egy spektrogram kép
  6. How can self-supervised music pretraining reduce dependence on labeled genre examples?
    • It eliminates the need to evaluate genre labels
    • It can learn audio representations from unlabeled music, which are then evaluated or fine-tuned with labeled examples
    • It guarantees correct labels for every song
    • It converts genre categories into universal facts
  7. How can exact or repeated excerpts in GTZAN distort a random train/test evaluation?
    • They ensure that every genre label is objective
    • They make the test set contain more genres than training
    • If repetitions cross the split, a model may see duplicate or near-duplicate material in both sets
    • They remove any need to inspect class labels
  8. How do MFCCs differ from a mel-spectrogram representation?
    • MFCCs are the model’s final genre probabilities
    • A mel-spectrogram removes the time axis entirely
    • MFCCs measure only the recording’s file size
    • MFCCs summarize the log-mel spectrum with cepstral coefficients