Вікторина, пов’язана з посібником · Середній Рівень

Тест на класифікацію акустичних сцен

Досліджуйте розпізнавання навколишньої сцени, невідповідність пристроїв, функції log-mel, доповнення з урахуванням пристрою та обмеження пам’яті для моделей на пристрої.

Пов'язані напрямні шляхиКласифікація акустичних сцен
Питання 1 з 8

Чим класифікація акустичних сцен відрізняється від виявлення звукових подій?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Чим класифікація акустичних сцен відрізняється від виявлення звукових подій?
    • У них точно таке ж завдання
    • ASC визначає загальне оточення, тоді як виявлення подій виявляє конкретні звуки
    • ASC працює лише з музикою
    • Виявлення подій повністю ігнорує час
  2. Що таке проблема «невідповідності пристроїв» у ASC?
    • Динаміки відтворюють звук занадто голосно
    • Файли збережено в неправильному форматі
    • Модель, яка навчалася на одному мікрофоні, погано працює на іншому
    • Дві однакові сцени
  3. Яке вхідне представлення є стандартним для моделей ASC?
    • Стенограми необробленого тексту
    • JPEG зображення місця
    • GPS координати
    • Лог-мел спектрограми
  4. Чому моделі ASC об’єднують функції протягом багатьох секунд, а не окремих моментів?
    • Оскільки сцени визначаються довгостроковою акустичною статистикою, а не окремими подіями
    • Щоб зменшити розмір файлу
    • Тому що мікрофони повільні
    • Щоб прибрати всі шуми
  5. Яка дослідницька проблема зумовила значний прогрес у ASC?
    • Конкурс ImageNet
    • Премія Лебнера
    • Тест Тюрінга
    • Виклик 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