引导式测验 · 中等 等级

人工智能在鸟类声音识别测验中的应用

测试鸟类声音模型如何使用频谱图、BirdNET 和长期运行的记录器来跟踪物种的存在、丰度和迁徙。

相关引导路径鸟类声音识别中的人工智能
问题 1 的 8

大多数鸟类声音人工智能系统分析什么中间表示？

预览每个问题8 问题

当您参加测验时，就会出现答案和解释。

  1. 大多数鸟类声音人工智能系统分析什么中间表示？
    • 显示频率随时间变化的频谱图
    • 通话的原始文本记录
    • 鸟的 GPS 坐标
    • 鸟的羽毛照片
  2. 哪种 AI 模型为 Merlin Sound ID 功能提供支持？
    • 鲸网
    • 鸟网
    • 歌曲范围
    • 阿维亚GPT
  3. 为什么声学监测对鸟类特别有用？
    • 一年中的大部分时间里，鸟儿都是沉默的
    • 鸟类只在水下鸣叫
    • 听到鸟儿的声音往往比看到鸟儿更容易
    • 相机无法拍摄鸟类
  4. 鸟类声音分类器面临的常见挑战是什么？
    • 鸟儿从不重复叫声
    • 无法计算频谱图
    • 所有鸟类的声音都相同
    • 重叠的呼叫和背景噪音会降低准确性
  5. 哪些资源提供用于训练这些模型的标记录音？
    • 塞诺-坎托
    • 电话簿
    • Google 地图
    • 潮汐图
  6. 低功耗“边缘”设备为未来鸟类监测提供哪些优势？
    • 他们消除了所有鸟叫声
    • 它们现场识别物种并仅传输检测结果
    • 他们需要持续的人类监督
    • 他们只在室内工作
  7. Which ecological patterns can long-running autonomous bird recorders help map?
    • Only the color of a bird's feathers in sunlight
    • The exact number of eggs in every nest
    • Species presence, abundance, and migration timing
    • Changes in soil chemistry beneath each microphone
  8. What can nocturnal flight-call analysis help researchers monitor?
    • Fish feeding activity beneath coral reefs
    • Bee colony weight changes during winter
    • The color temperature of city street lighting
    • Migrating birds vocalizing as they pass overhead at night