Quiz połączony z przewodnikiem · Średni Poziom

Quiz dotyczący klasyfikacji scen akustycznych

Poznaj rozpoznawanie scen otoczenia, niedopasowanie urządzeń, funkcje log-mel, rozszerzanie uwzględniające urządzenia i ograniczenia pamięci dla modeli na urządzeniu.

Powiązane ścieżki prowadząceKlasyfikacja scen akustycznych
Pytanie 1 z 8

Czym różni się klasyfikacja scen akustycznych od wykrywania zdarzeń dźwiękowych?

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  1. Czym różni się klasyfikacja scen akustycznych od wykrywania zdarzeń dźwiękowych?
    • Są to dokładnie te same zadania
    • ASC identyfikuje całe środowisko, a wykrywanie zdarzeń wykrywa określone dźwięki
    • ASC działa tylko w przypadku muzyki
    • Wykrywanie zdarzeń całkowicie ignoruje czas
  2. Na czym polega problem „niedopasowania urządzeń” w ASC?
    • Głośniki odtwarzają dźwięk zbyt głośno
    • Pliki zapisane w złym formacie
    • Modelka trenowana na jednym mikrofonie radzi sobie słabo na innym
    • Dwie sceny brzmiące identycznie
  3. Która reprezentacja danych wejściowych jest standardem w modelach ASC?
    • Transkrypcje surowego tekstu
    • Obrazy JPEG lokalizacji
    • Współrzędne GPS
    • Spektrogramy log-mela
  4. Dlaczego modele ASC łączą funkcje na przestrzeni wielu sekund, a nie pojedynczych chwil?
    • Bo sceny definiują długoterminowe statystyki akustyczne, a nie pojedyncze zdarzenia
    • Aby zmniejszyć rozmiar pliku
    • Ponieważ mikrofony są wolne
    • Aby usunąć cały hałas
  5. Które wyzwanie badawcze przyczyniło się do znacznego postępu w ASC?
    • Konkurs ImageNet
    • Nagroda Loebnera
    • Test Turinga
    • Wyzwanie 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