CNN ๊ธฐ๋ฐ˜ ์Œ์•… ๊ฐ์ • ๋ถ„๋ฅ˜๊ธฐ ๐ŸŽต

๊ฐœ์š”

์ด ๋ชจ๋ธ์€ ์Œ์•…์ด ์ „๋‹ฌํ•˜๋Š” ๊ฐ์ •์„ Convolutional Neural Network (CNN) ์•„ํ‚คํ…์ฒ˜๋ฅผ ์‚ฌ์šฉํ•˜์—ฌ ๋ถ„๋ฅ˜ํ•ฉ๋‹ˆ๋‹ค. ๋ชจ๋ธ์€ ์Œ์•… ์ƒ˜ํ”Œ๋กœ ๊ตฌ์„ฑ๋œ ๋ฐ์ดํ„ฐ์…‹์—์„œ ๊ฐ์ • ๋ฒ”์ฃผ(Angry, Fear, Happy, Tender, Sad) ์ค‘ ํ•˜๋‚˜๋กœ ๋ผ๋ฒจ๋ง๋œ ๋ฐ์ดํ„ฐ๋ฅผ ํ•™์Šตํ–ˆ์Šต๋‹ˆ๋‹ค.

๋ชจ๋ธ์€ ์˜ค๋””์˜ค ๋ฐ์ดํ„ฐ๋ฅผ Mel-spectrogram์œผ๋กœ ๋ณ€ํ™˜ํ•œ ํ›„, CNN ๋ ˆ์ด์–ด๋ฅผ ํ†ตํ•ด ์Œ์•…์—์„œ ๊ฐ์ • ์ƒํƒœ์™€ ๊ด€๋ จ๋œ ํŒจํ„ด์„ ํ•™์Šตํ•ฉ๋‹ˆ๋‹ค.

์ฃผ์š” ๊ธฐ๋Šฅ:

  • ์ž…๋ ฅ: Mel-spectrogram์œผ๋กœ ๋ณ€ํ™˜๋œ 5์ดˆ ๊ธธ์ด์˜ ์˜ค๋””์˜ค ์„ธ๊ทธ๋จผํŠธ

  • ์ถœ๋ ฅ: ๋‹ค์Œ ๊ฐ์ • ์ค‘ ํ•˜๋‚˜

    • Angry (0)
    • Fear (1)
    • Happy (2)
    • Tender (3)
    • Sad (4)
  • ์•„ํ‚คํ…์ฒ˜: 3๊ฐœ์˜ ์ปจ๋ณผ๋ฃจ์…˜ ๋ ˆ์ด์–ด์™€ ์™„์ „ ์—ฐ๊ฒฐ์ธต์œผ๋กœ ๊ตฌ์„ฑ๋œ CNN ๋ชจ๋ธ

๋ฐ์ดํ„ฐ์…‹

์ด ๋ชจ๋ธ์€ ๋‘ ๊ฐ€์ง€ ๋ฐ์ดํ„ฐ์…‹์„ ์‚ฌ์šฉํ•˜์—ฌ ํ•™์Šต๋˜์—ˆ์Šต๋‹ˆ๋‹ค:

  1. MER_audio_taffc_dataset: ์ด ๋ฐ์ดํ„ฐ์…‹์€ ํŠน์ • ์‚ฌ๋ถ„๋ฉด(Q1~Q4)์— ๋”ฐ๋ผ ๋ผ๋ฒจ๋ง๋œ ์Œ์•… ํŒŒ์ผ๋กœ ๊ตฌ์„ฑ๋ฉ๋‹ˆ๋‹ค.
  2. OSF_IO Dataset: ๋˜ ๋‹ค๋ฅธ ์Œ์•… ํŒŒ์ผ ๋ฐ ๊ฐ์ • ๋ผ๋ฒจ๋กœ ๊ตฌ์„ฑ๋œ ๋ฐ์ดํ„ฐ์…‹์ž…๋‹ˆ๋‹ค.

๋ฐ์ดํ„ฐ ์ „์ฒ˜๋ฆฌ:

  • ๊ฐ ์˜ค๋””์˜ค ํŒŒ์ผ์„ 5์ดˆ ๋‹จ์œ„๋กœ ๋ถ„ํ• 
  • ๋ถ„ํ• ๋œ ์˜ค๋””์˜ค ์„ธ๊ทธ๋จผํŠธ๋ฅผ Mel-spectrogram์œผ๋กœ ๋ณ€ํ™˜
  • ๋‘ ๋ฐ์ดํ„ฐ์…‹์„ ์„ž์–ด์„œ ํ•™์Šต ๋ฐ ๊ฒ€์ฆ์šฉ์œผ๋กœ ๋ณ‘ํ•ฉ

๋ชจ๋ธ ์ƒ์„ธ ์ •๋ณด

์•„ํ‚คํ…์ฒ˜:

  • ์ปจ๋ณผ๋ฃจ์…˜ ๋ ˆ์ด์–ด:
    • Conv1: 32๊ฐœ์˜ ํ•„ํ„ฐ, ์ปค๋„ ํฌ๊ธฐ 3x3
    • Conv2: 64๊ฐœ์˜ ํ•„ํ„ฐ, ์ปค๋„ ํฌ๊ธฐ 3x3
    • Conv3: 128๊ฐœ์˜ ํ•„ํ„ฐ, ์ปค๋„ ํฌ๊ธฐ 3x3
  • ํ’€๋ง: ๊ฐ ์ปจ๋ณผ๋ฃจ์…˜ ํ›„ MaxPooling ๋ ˆ์ด์–ด๋ฅผ ์‚ฌ์šฉํ•˜์—ฌ ์ฐจ์›์„ ์ถ•์†Œ
  • ๋“œ๋กญ์•„์›ƒ: ๋“œ๋กญ์•„์›ƒ ์ •๊ทœํ™”๋ฅผ ์‚ฌ์šฉํ•˜์—ฌ ์˜ค๋ฒ„ํ”ผํŒ… ๋ฐฉ์ง€ (ํ™•๋ฅ  0.5)
  • ์™„์ „ ์—ฐ๊ฒฐ์ธต:
    • ์ฒซ ๋ฒˆ์งธ FC ๋ ˆ์ด์–ด: 256 ์œ ๋‹›
    • ์ถœ๋ ฅ ๋ ˆ์ด์–ด: 5๊ฐœ์˜ ์œ ๋‹› (5๊ฐœ์˜ ๊ฐ์ • ๋ฒ”์ฃผ)

์†์‹ค ํ•จ์ˆ˜:

  • CrossEntropyLoss: ๋‹ค์ค‘ ํด๋ž˜์Šค ๋ถ„๋ฅ˜๋ฅผ ์ฒ˜๋ฆฌํ•˜๋Š” ๋ฐ ์‚ฌ์šฉ

์˜ตํ‹ฐ๋งˆ์ด์ €:

  • Adam: ํ•™์Šต๋ฅ  1e-4๋กœ ์„ค์ •

ํ•™์Šต

์ด ๋ชจ๋ธ์€ ๋ณ‘ํ•ฉ๋œ ๋ฐ์ดํ„ฐ์…‹์„ ์‚ฌ์šฉํ•˜์—ฌ 10 ์—ํญ ๋™์•ˆ ํ•™์Šต๋˜์—ˆ์Šต๋‹ˆ๋‹ค. ํ•™์Šต๊ณผ ๊ฒ€์ฆ ๋ฐ์ดํ„ฐ ๋น„์œจ์€ 80:20์œผ๋กœ ๋‚˜๋ˆ„์–ด ๋ชจ๋ธ ์„ฑ๋Šฅ์„ ํ‰๊ฐ€ํ–ˆ์Šต๋‹ˆ๋‹ค.

๊ฒ€์ฆ ์ •ํ™•๋„๋ฅผ ๊ธฐ์ค€์œผ๋กœ ๊ฐ€์žฅ ์„ฑ๋Šฅ์ด ์ข‹์€ ๋ชจ๋ธ ์ฒดํฌํฌ์ธํŠธ๋ฅผ ์„ ํƒํ•˜์—ฌ ์ €์žฅํ•˜์˜€์Šต๋‹ˆ๋‹ค.

์„ฑ๋Šฅ

  • ๊ฒ€์ฆ ๋ฐ์ดํ„ฐ์— ๋Œ€ํ•ด ์•ฝ 47% ์ •ํ™•๋„

์‚ฌ์šฉ ๋ฐฉ๋ฒ•

์ž์‹ ์˜ ์Œ์•… ๋ฐ์ดํ„ฐ๋ฅผ ๊ฐ์ • ๋ถ„๋ฅ˜ํ•˜๋Š” ๋ฐ ์ด ๋ชจ๋ธ์„ ์‚ฌ์šฉํ•˜๋ ค๋ฉด Hugging Face Hub์—์„œ ์ง์ ‘ ๋กœ๋“œํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค:

from transformers import AutoModel
model = AutoModel.from_pretrained("rkdaldus/music_sent5_classification")
Downloads last month

-

Downloads are not tracked for this model. How to track
Inference Providers NEW
This model is not currently available via any of the supported Inference Providers.
The model cannot be deployed to the HF Inference API: The model has no library tag.