약한 라벨과 반지도 학습을 위한 GCRNN‑VAT‑SALR 기반 소리 이벤트 탐지 혁신

본 논문은 2018년 DCASE 챌린지 과제 4(가정 환경의 대규모 약한 라벨·반지도 소리 이벤트 탐지)를 목표로, Gated Convolutional Recurrent Neural Network(GCRNN), Virtual Adversarial Training(VAT), Self‑Adaptive Label Refinement(SALR)라는 세 가지 핵심 기술을 결합한 새로운 프레임워크를 제안한다. 1. **문제 정의 및 데이터 특성** - 제공된 학습 데이터는 1 578개의 10 초 길이 클립에 대해 “클래스 존재 여부”만 표시된 약한 라벨이며, 정확한 시작·종료 시점은 제공되지 않는다. - 추가로 도메인 내부(14 412 clip)와 외부(39 999 clip)의 비지도 데이터가 제공되지만, 외부 데이터는 클래스 분포가 다르므로 사용하지 않는다. - 평가 지표는 200 ms 온셋 콜라와 20 % 혹은 200 ms 오프셋 콜라를 적용한 매크로 평균 이벤트‑기반 F‑score이다. 2. **모델 아키텍처** - 입력은 64 mel‑band, 240 frame의 로그‑멜 스펙트로그램이며, 3개의 GLU‑기반 컨볼루션 블록(3×3, 64필터, max‑pool 1×2)으로 저수준 특징을 추출한다. - 이후 64 유닛 양방향 GRU를 사용해 시간적 의존성을 모델링하고, 두 개의 병렬 레이어(분류: sigmoid, 주의: softmax)를 통해 프레임‑레벨 클래스 확률과 프레임‑레벨 가중치를 산출한다. - 약한 라벨 예측은 두 출력의 가중 평균으로 계산되며, 이는 MIL(다중 인스턴스 학습) 형태의 손실 함수와 결합된다. 3. **Virtual Adversarial Training(VAT)** - VAT는 라벨이 없는 입력에 대해 작은 적대적 교란 \(r_{adv}\) 을 찾아 KL‑다이버전스 \(\mathrm{KL}