Kuiz berkaitan panduan · Sederhana Tahap

Kuiz Klasifikasi Adegan Akustik

Terokai pengecaman pemandangan ambien, ketidakpadanan peranti, ciri log-mel, pembesaran sedar peranti dan kekangan memori untuk model pada peranti.

Laluan panduan yang berkaitanKlasifikasi Adegan Akustik
soalan 1 daripada 8

Bagaimanakah klasifikasi pemandangan akustik berbeza daripada pengesanan peristiwa bunyi?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Bagaimanakah klasifikasi pemandangan akustik berbeza daripada pengesanan peristiwa bunyi?
    • Mereka adalah tugas yang sama
    • ASC mengenal pasti keseluruhan persekitaran, manakala pengesanan acara mengesan bunyi tertentu
    • ASC hanya berfungsi pada muzik
    • Pengesanan acara mengabaikan masa sepenuhnya
  2. Apakah masalah 'ketakpadanan peranti' dalam ASC?
    • Pembesar suara memainkan audio terlalu kuat
    • Fail disimpan dalam format yang salah
    • Model yang dilatih pada satu mikrofon berprestasi buruk pada mikrofon yang lain
    • Dua adegan bunyi yang serupa
  3. Perwakilan input manakah yang standard untuk model ASC?
    • Transkrip teks mentah
    • Imej JPEG lokasi
    • Koordinat GPS
    • Spektrogram log-mel
  4. Mengapakah model ASC mengumpul ciri dalam beberapa saat dan bukannya momen tunggal?
    • Kerana adegan ditakrifkan oleh statistik akustik jangka panjang, bukan peristiwa tunggal
    • Untuk mengurangkan saiz fail
    • Sebab mikrofon lambat
    • Untuk menghilangkan semua bunyi
  5. Cabaran penyelidikan manakah yang telah mendorong banyak kemajuan dalam ASC?
    • Pertandingan ImageNet
    • Hadiah Loebner
    • Ujian Turing
    • Cabaran 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