În procesul de sintetizare a datelor pentru detectarea unui cuvant din audio, cum este definită eticheta țintă y pentru a ajuta rețeaua să învețe?

Question

În procesul de sintetizare a datelor pentru detectarea unui cuvant din audio, cum este definită eticheta țintă y<ᵗ> pentru a ajuta rețeaua să învețe?

Answer

Se pune 1 exact la momentul de început al rostirii cuvântului.

Answer

Eticheta este mereu 1 dacă în clipul audio de 10 secunde apare cuvântul cel puțin o dată.

Answer

Se folosește o valoare continuă între 0 și 1 bazată pe volumul sunetului.

Answer

Se setează valoarea 1 pentru mai mulți pași de timp consecutivi după terminarea cuvântului.

Crowdly