Gids-gekoppelde quiz · Middelmatig Niveau
Quiz voor detectie van geluidsgebeurtenissen
Bestudeer geluidsklassen en tijdsgrenzen, met polyfonie, zwakke labels, de DCASE-baseline, onset-tolerantietolerantie en ontbrekende-klasse-annotaties.
Vraag 1 van 8
Welke extra output schat temporale geluidsevenementdetectie in naast een clip‑niveau tag?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Welke extra output schat temporale geluidsevenementdetectie in naast een clip‑niveau tag?
- Only the audio file’s compression ratio
- Only its filename’s alphabetical order
- Event onset and offset boundaries within the clip
- Only the display color of a waveform
- Waarom wordt de detectie van geluidsgebeurtenissen vaak omschreven als een polyfonisch probleem?
- Omdat het alleen muzieknoten verwerkt
- Omdat meerdere geluiden elkaar kunnen overlappen en tegelijkertijd kunnen voorkomen
- Omdat er meerdere microfoons nodig zijn
- Omdat audio altijd stereo is
- Wat betekent 'zwakke labeling' in SED-trainingsgegevens?
- De labels zijn gecodeerd
- De audiokwaliteit is slecht
- Alleen stille geluiden zijn gelabeld
- Bij clips wordt aangegeven dat er een gebeurtenis heeft plaatsgevonden, maar niet precies wanneer
- Welke classifier‑structuur wordt geïdentificeerd in de geciteerde DCASE 2024‑baseline?
- A convolutional recurrent neural network with added pretrained frame features
- Only a static spreadsheet sort
- Only an unchanged relational database table
- Only a mandatory image-file compressor
- Welke tijd‑frequentie‑representatie wordt gebruikt in de gedocumenteerde geluid‑detectie‑baseline die hier wordt beschreven?
- Only a speech transcript
- A log-mel representation
- Only a JPEG photograph
- Only an unchanged output filename
- Which cited research challenge supplies the 2018 and 2024 sound-event task settings discussed here?
- De Olympische Spelen
- A retail shopping holiday
- A mandatory social-network ranking
- DCASE
- Considering only the DCASE 2018 onset collar of 200 ms, does a 1.15 s prediction satisfy it for a 1.00 s reference onset?
- Yes; the onset error is 150 ms
- No; the error is 1.15 s
- No; every predicted onset must be numerically identical
- Yes; onset errors are never evaluated
- In the heterogeneous 2024 task, how does the baseline handle outputs for classes whose annotations are missing in a training dataset?
- Treats every unannotated class as certainly absent
- Copies all missing labels from the final test answers
- Masks those unavailable outputs in the relevant loss computation
- Eliminates every labeled class from the model