Вікторина, пов’язана з посібником · Середній Рівень

Тест виявлення звукових подій

Вивчіть звукові класи та часові межі з поліфонією, слабкими мітками, базовою лінією DCASE, толерантністю до початку та анотаціями відсутніх класів.

Пов'язані напрямні шляхиВиявлення звукових подій
Питання 1 з 8

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

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  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. Чому виявлення звукових подій часто описують як поліфонічну проблему?
    • Оскільки він обробляє лише музичні ноти
    • Тому що кілька звуків можуть накладатися і виникати одночасно
    • Тому що для цього потрібно кілька мікрофонів
    • Тому що звук завжди стерео
  3. Що означає «слабке маркування» в навчальних даних SED?
    • Мітки зашифровані
    • Погана якість звуку
    • Позначаються лише тихі звуки
    • Кліпи позначені тим, що сталася подія, але не точно, коли
  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?
    • Олімпійські ігри
    • 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