Викторина, связанная с руководством · Средний Уровень

Викторина по классификации акустических сцен

Изучите распознавание окружающих сцен, несоответствие устройств, функции log-mel, расширение с учетом устройства и ограничения памяти для моделей на устройстве.

Связанные направляющие путиКлассификация акустических сцен
Вопрос 1 из 8

Чем классификация акустических сцен отличается от обнаружения звуковых событий?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Чем классификация акустических сцен отличается от обнаружения звуковых событий?
    • У них точно такая же задача
    • ASC идентифицирует окружающую среду в целом, а обнаружение событий распознает определенные звуки.
    • ASC работает только с музыкой.
    • Обнаружение событий полностью игнорирует время
  2. В чем заключается проблема «несоответствия устройств» в ASC?
    • Динамики воспроизводят звук слишком громко
    • Файлы сохранены в неправильном формате
    • Модель, обученная работе с одним микрофоном, плохо работает с другим
    • Две сцены звучат одинаково
  3. Какое входное представление является стандартным для моделей ASC?
    • Необработанные текстовые расшифровки
    • JPEG-изображения локации
    • GPS-координаты
    • Логарифмические спектрограммы
  4. Почему модели ASC объединяют функции в течение многих секунд, а не отдельных моментов?
    • Поскольку сцены определяются долгосрочной акустической статистикой, а не отдельными событиями.
    • Чтобы уменьшить размер файла
    • Потому что микрофоны медленные
    • Чтобы убрать весь шум
  5. Какая исследовательская задача способствовала значительному прогрессу в области САС?
    • Конкурс ImageNet
    • Премия Лебнера
    • Тест Тьюринга
    • Задача 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