Questionário vinculado ao guia · Médio Nível

Questionário de detecção de eventos sonoros

Estude classes de som e limites de tempo, com polifonia, rótulos fracos, linha de base DCASE, tolerância de início e anotações de classe perdida.

Caminhos de guia relacionadosDetecção de eventos sonoros
Pergunta 1 de 8

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

Visualize cada pergunta8 perguntas

As respostas e explicações aparecem conforme você responde ao teste.

  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. Por que a detecção de eventos sonoros é frequentemente descrita como um problema polifônico?
    • Porque só lida com notas musicais
    • Porque vários sons podem se sobrepor e ocorrer simultaneamente
    • Porque requer vários microfones
    • Porque o áudio é sempre estéreo
  3. O que significa 'rotulagem fraca' nos dados de treinamento do SED?
    • Os rótulos são criptografados
    • A qualidade do áudio é ruim
    • Apenas sons baixos são rotulados
    • Os clipes são rotulados de que um evento ocorreu, mas não exatamente quando
  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?
    • Os Jogos Olímpicos
    • 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