article detail
음악 장르 머신러닝: AudioSet 활용 다각적 고찰 및 실험
2026. 11. 18. 오전 12:57

AI 요약
이 개요에서는 Castilla-La Mancha 대학교의 Jaime Ramírez와 M. Julia Flores의 연구를 바탕으로 Audioset 데이터셋을 중심으로 한 음악 장르 분류(MGC)를 위한 머신러닝 기술을 분석했습니다. 저자들은 음악 장르 레이블이 있는 샘플로 Audioset을 필터링해 실험용 데이터셋을 구성하고, Google이 제공한 VGGish 임베딩(128차원 특징 벡터)을 사용해 의사결정 트리·나이브 베이즈·SVM·FCNN·RNN-LSTM 등 다섯 가지 모델을 균형·불균형 데이터 분할에서 비교했으며 성능은 mAP, AUC, 장르별 정밀도로 평가했습니다. 결과는 FCNN과 RNN-LSTM 같은 신경망이 의사결정 트리·나이브 베이즈·SVM 등 전통적 방법을 능가했으며, Audioset(2백만 개 이상의 10초 클립, 527개의 오디오 이벤트 클래스)은 규모·다양성·다중 레이블 특성으로 MGC에 유리하다고 분석했습니다.