Quiz połączony z przewodnikiem · Średni Poziom

Quiz dotyczący wykrywania zdarzeń dźwiękowych

Przeanalizuj klasy dźwięków i granice czasowe, korzystając z polifonii, słabych etykiet, linii bazowej DCASE, tolerancji początku i adnotacji o brakujących klasach.

Powiązane ścieżki prowadząceWykrywanie zdarzeń dźwiękowych
Pytanie 1 z 8

What extra output does temporal sound event detection estimate beyond a clip-level tag?

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  1. What extra output does temporal sound event detection estimate beyond a clip-level 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
  2. Dlaczego wykrywanie zdarzeń dźwiękowych jest często opisywane jako problem polifoniczny?
    • Ponieważ obsługuje tylko nuty
    • Ponieważ wiele dźwięków może nakładać się na siebie i występować jednocześnie
    • Ponieważ wymaga wielu mikrofonów
    • Ponieważ dźwięk jest zawsze stereofoniczny
  3. Co oznacza „słabe oznakowanie” w danych szkoleniowych SED?
    • Etykiety są szyfrowane
    • Jakość dźwięku jest słaba
    • Oznaczone są tylko ciche dźwięki
    • Klipy są oznaczone etykietą informującą o wystąpieniu zdarzenia, ale nie określają dokładnie, kiedy
  4. Which classifier structure is identified in the cited 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
  5. Which time-frequency representation is used in the documented sound-detection baseline context described here?
    • Only a speech transcript
    • A log-mel representation
    • Only a JPEG photograph
    • Only an unchanged output filename
  6. Which cited research challenge supplies the 2018 and 2024 sound-event task settings discussed here?
    • Igrzyska Olimpijskie
    • A retail shopping holiday
    • A mandatory social-network ranking
    • DCASE
  7. 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
  8. 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