DCASE Task 4 모델 재현
라벨 형태와 평가 기준을 이해하고, 공개 SED 모델을 실제로 학습할 수 있는 환경을 구성했습니다.
기록 기간2024.10–2025.01
해결할 문제
Weak·Strong·Soft 라벨을 다루는 학습 구조와 여러 데이터셋, 공개 코드의 의존성을 함께 정리해야 했습니다.
수행한 작업
- DCASE Task 4 선행연구와 CRNN·FBCRNN, Teacher–Student 학습 구조를 분석했습니다.
- DESED·MAESTRO Real 데이터를 전처리하고 누락 음원 제거와 BEATs 임베딩 저장을 구현했습니다.
- 학습 코드와 패키지 의존성 문제를 해결하고 Strong label 실험 환경을 구성했습니다.
결과와 적용 범위
DCASE 2024 Baseline CRNN의 300 epoch 사전학습을 완료하고, 후속 표현 모델 실험에 사용할 데이터·학습 환경을 마련했습니다.