Kuis terkait panduan · Sedang Tingkat

Kuis Klasifikasi Adegan Akustik

Jelajahi pengenalan pemandangan sekitar, ketidakcocokan perangkat, fitur log-mel, augmentasi sadar perangkat, dan batasan memori untuk model pada perangkat.

Jalur panduan terkaitKlasifikasi Pemandangan Akustik
Pertanyaan 1 dari 8

Apa perbedaan klasifikasi pemandangan akustik dengan deteksi peristiwa suara?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Apa perbedaan klasifikasi pemandangan akustik dengan deteksi peristiwa suara?
    • Tugas mereka persis sama
    • ASC mengidentifikasi lingkungan secara keseluruhan, sementara deteksi peristiwa mendeteksi suara tertentu
    • ASC hanya berfungsi pada musik
    • Deteksi peristiwa mengabaikan waktu sepenuhnya
  2. Apa masalah 'ketidakcocokan perangkat' di ASC?
    • Speaker memutar audio terlalu keras
    • File disimpan dalam format yang salah
    • Model yang dilatih pada satu mikrofon berperforma buruk pada mikrofon lainnya
    • Dua adegan terdengar identik
  3. Representasi masukan manakah yang merupakan standar untuk model ASC?
    • Transkrip teks mentah
    • Gambar JPEG dari lokasi
    • Koordinat GPS
    • Spektogram log-mel
  4. Mengapa model ASC mengumpulkan fitur dalam beberapa detik, bukan dalam satu momen?
    • Karena pemandangan ditentukan oleh statistik akustik jangka panjang, bukan peristiwa tunggal
    • Untuk mengurangi ukuran file
    • Karena mikrofon lambat
    • Untuk menghilangkan semua kebisingan
  5. Tantangan penelitian manakah yang mendorong banyak kemajuan dalam ASC?
    • Kompetisi ImageNet
    • Hadiah Loebner
    • Tes Turing
    • Tantangan 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