Gids-gekoppelde quiz · Middelmatig Niveau

Quiz voor akoestische scèneclassificatie

Ontdek omgevingsscèneherkenning, niet-overeenkomende apparaten, log-mel-functies, apparaatbewuste augmentatie en geheugenbeperkingen voor modellen op het apparaat.

Vraag 1 van 8

Hoe verschilt de classificatie van akoestische scènes van detectie van geluidsgebeurtenissen?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Hoe verschilt de classificatie van akoestische scènes van detectie van geluidsgebeurtenissen?
    • Ze hebben precies dezelfde taak
    • ASC identificeert de algehele omgeving, terwijl gebeurtenisdetectie specifieke geluiden opmerkt
    • ASC werkt alleen op muziek
    • Gebeurtenisdetectie negeert de tijd volledig
  2. Wat is het 'device mismatch'-probleem in ASC?
    • Luidsprekers spelen audio te luid af
    • Bestanden opgeslagen in het verkeerde formaat
    • Een model dat is getraind op de ene microfoon en slecht presteert op de andere
    • Twee scènes die identiek klinken
  3. Welke invoerrepresentatie is standaard voor ASC-modellen?
    • Ruwe teksttranscripties
    • JPEG-afbeeldingen van de locatie
    • GPS-coördinaten
    • Log-mel-spectrogrammen
  4. Waarom bundelen ASC-modellen kenmerken over vele seconden in plaats van over enkele momenten?
    • Omdat scènes worden gedefinieerd door akoestische langetermijnstatistieken, en niet door afzonderlijke gebeurtenissen
    • Om de bestandsgrootte te verkleinen
    • Omdat microfoons traag zijn
    • Om alle ruis te verwijderen
  5. Welke onderzoeksuitdaging heeft een groot deel van de vooruitgang in ASC veroorzaakt?
    • De ImageNet-wedstrijd
    • De Loebner-prijs
    • De Turing-test
    • De DCASE-uitdaging
  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