Bài kiểm tra có liên kết hướng dẫn · Trung bình Cấp độ

Bài kiểm tra tự động gắn thẻ âm nhạc

Kiểm tra tính năng gắn thẻ nhạc nhiều nhãn, tính năng âm thanh, chú thích nhiễu, entropy chéo nhị phân và sự khác biệt giữa thẻ bị thiếu và thẻ phủ định.

Đường dẫn hướng dẫn liên quanTự động gắn thẻ âm nhạc
Câu hỏi 1 của 8

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

Xem trước mọi câu hỏi8 câu hỏi

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

  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. Hầu hết các mô hình gắn thẻ tự động hiện đại hiện đại đều đưa thông tin đầu vào nào vào mạng thần kinh của chúng?
    • Một mel-Spectrogram (hình ảnh tần số thời gian)
    • Chỉ các giá trị biên độ dạng sóng thô
    • Các trường siêu dữ liệu của tệp MP3
    • Ký hiệu bản nhạc
  3. Tại sao thang đo mel được sử dụng thay vì thang đo tần số tuyến tính đơn giản?
    • Nó nén tập tin hiệu quả hơn
    • Nó loại bỏ tất cả tiếng ồn xung quanh
    • Nó gần giống với cách con người cảm nhận cao độ
    • Nó được yêu cầu bởi luật bản quyền
  4. Thách thức lớn khi đào tạo các mô hình gắn thẻ tự động trên bộ dữ liệu trong thế giới thực là gì?
    • Tệp âm thanh quá nhỏ để học từ
    • Thẻ do con người áp dụng bị nhiễu, không đầy đủ và mất cân bằng
    • Không có bộ dữ liệu âm nhạc công cộng
    • Quang phổ không thể được tính toán trong thời gian thực
  5. Tập dữ liệu nào thường được sử dụng để đào tạo và đánh giá các hệ thống tự động gắn thẻ âm nhạc?
    • MagnaTagATune
    • ImageNet
    • BIỆT ĐỘI
    • LibriSpeech
  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