Викторина, связанная с руководством · Средний Уровень

Викторина по автоматической пометке музыки

Протестируйте теги музыки с несколькими метками, функции звука, шумные аннотации, двоичную перекрестную энтропию и разницу между отсутствующими и отрицательными тегами.

Связанные направляющие путиАвтоматическая пометка музыки
Вопрос 1 из 8

Why do multi-label music taggers often use separate sigmoid outputs rather than a single softmax over tags?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Why do multi-label music taggers often use separate sigmoid outputs rather than a single softmax over tags?
    • All tag probabilities must sum to one
    • A recording is required to have exactly one tag
    • Sigmoid outputs eliminate the need for labeled examples
    • Several nonexclusive tags can apply to the same recording
  2. Какое входное представление большинство современных моделей автоматической пометки вводят в свою нейронную сеть?
    • Мел-спектрограмма (частотно-временное изображение)
    • Только необработанные значения амплитуды сигнала
    • Поля метаданных файла MP3
    • Ноты
  3. Почему вместо простой линейной шкалы частот используется мел-шкала?
    • Он сжимает файлы более эффективно
    • Убирает весь фоновый шум
    • Это приблизительно соответствует тому, как люди воспринимают высоту звука.
    • Этого требует закон об авторском праве
  4. В чем заключается основная проблема при обучении моделей автоматической пометки на реальных наборах данных?
    • Аудиофайлы слишком малы, чтобы на них можно было учиться
    • Теги, применяемые человеком, являются шумными, неполными и несбалансированными.
    • Нет общедоступных музыкальных наборов данных.
    • Спектрограммы невозможно рассчитать в реальном времени.
  5. Какой набор данных обычно используется для обучения и тестирования систем автоматической пометки музыки?
    • MagnaTagATune
    • ImageNet
    • Отряд
    • LibriРечь
  6. What additional search interface can an audio-language model such as CLAP support for a music catalog?
    • Guaranteed identification of every artist without audio input
    • Automatic replacement of all rights metadata
    • Searching only by the recording's compressed file size
    • Retrieval using free-form text descriptions rather than only fixed tag names
  7. Which objective commonly trains separate binary tag predictions in a music auto-tagger?
    • A single mutually exclusive genre softmax only
    • Binary cross-entropy over the tag outputs
    • A pixel-reconstruction loss on album artwork only
    • A loss requiring exactly one positive tag per track
  8. If a music dataset's annotations are incomplete, how should an absent instrument tag be interpreted?
    • It proves the recording has no instruments
    • It guarantees that the tagger's positive prediction is wrong
    • It may be unannotated rather than reliable evidence that the instrument is absent
    • It means the waveform cannot be used for evaluation