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.
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.
- 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
- Melyik klasszikus benchmark adatkészlet tartalmaz 1000 harminc másodperces klipet 10 műfajban?
- ImageNet
- GTZAN
- LibriSpeech
- COCO
- 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
- 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)
- Mit produkál egy softmax réteg a műfaji osztályozó végén?
- Valószínűségi eloszlás műfaji osztályok között
- Egyetlen hanghullámforma
- Tömörített MP3 fájl
- Egy spektrogram kép
- 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
- 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
- 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