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

Bài kiểm tra phân loại thể loại âm nhạc

Bao gồm các bản trình bày âm thanh, sáng tác của GTZAN, sự mơ hồ về thể loại, rủi ro rò rỉ dữ liệu và đánh giá về dữ liệu riêng biệt của nghệ sĩ.

Đường dẫn hướng dẫn liên quanPhân loại thể loại âm nhạc
Câu hỏi 1 của 8

Mel-Spectrogram thường được sử dụng làm đầu vào cho mạng lưới thần kinh phân loại thể loại là gì?

Xem trước mọi câu hỏi8 câu hỏi

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

  1. Mel-Spectrogram thường được sử dụng làm đầu vào cho mạng lưới thần kinh phân loại thể loại là gì?
    • Hình ảnh tần số thời gian của âm thanh sử dụng thang đo cao độ cảm nhận
    • Danh sách lời bài hát được chuyển đổi thành số
    • Dạng sóng chỉ hiển thị biên độ thô theo thời gian
    • Cơ sở dữ liệu về tên nghệ sĩ và năm phát hành
  2. Tập dữ liệu điểm chuẩn cổ điển nào chứa 1.000 clip dài 30 giây thuộc 10 thể loại?
    • ImageNet
    • GTZAN
    • LibriSpeech
    • COCO
  3. Tại sao việc đạt được độ chính xác phân loại thể loại hoàn hảo về cơ bản lại khó khăn?
    • Máy tính hoàn toàn không thể xử lý âm thanh
    • Tất cả các bài hát đều giống hệt với thuật toán
    • Ranh giới thể loại mờ nhạt và chủ quan về mặt văn hóa
    • Tệp âm thanh quá nhỏ để phân tích
  4. Đặc điểm thủ công nào được sử dụng rộng rãi trong hệ thống phân loại thể loại ban đầu?
    • Tỷ lệ nén JPEG
    • Tần suất thẻ HTML
    • Biểu đồ độ sáng pixel
    • Hệ số epstral tần số Mel (MFCC)
  5. Lớp softmax ở cuối bộ phân loại thể loại tạo ra cái gì?
    • Phân bố xác suất trên các lớp thể loại
    • Một dạng sóng âm thanh duy nhất
    • Một tập tin MP3 nén
    • Một hình ảnh quang phổ
  6. How can self-supervised music pretraining reduce dependence on labeled genre examples?
    • It eliminates the need to evaluate genre labels
    • It can learn audio representations from unlabeled music, which are then evaluated or fine-tuned with labeled examples
    • It guarantees correct labels for every song
    • It converts genre categories into universal facts
  7. How can exact or repeated excerpts in GTZAN distort a random train/test evaluation?
    • They ensure that every genre label is objective
    • They make the test set contain more genres than training
    • If repetitions cross the split, a model may see duplicate or near-duplicate material in both sets
    • They remove any need to inspect class labels
  8. How do MFCCs differ from a mel-spectrogram representation?
    • MFCCs are the model’s final genre probabilities
    • A mel-spectrogram removes the time axis entirely
    • MFCCs measure only the recording’s file size
    • MFCCs summarize the log-mel spectrum with cepstral coefficients