환경음 분류
환경음 오디오 클립을 듣고 각 클립이 10개 클래스 중 어디에 속하는지 예측하는 지도학습 분류 문제입니다. 클래스 이름은 공개되지 않으며 오디오 자체의 특징을 학습해 0부터 9까지의 라벨을 제출해야 합니다.
문제 유형지도학습 오디오 분류
입력WAV, train_labels.csv
제출filename, label
평가Open / Private Macro-F1
1. 배경
같은 종류의 소리도 녹음 환경과 상황에 따라 파형이 크게 달라집니다. 이 대회는 클래스 이름이 가려진 상태에서 환경음의 특징을 얼마나 안정적으로 구분하는지 평가합니다.
2. 과제
테스트 오디오 2,056개 각각에 대해 0부터 9 중 하나를 예측하세요. sample_submission.csv의 모든 파일명이 중복과 누락 없이 한 번씩 포함되어야 합니다.
3. 평가 방법
클래스별 F1을 동일한 비중으로 평균한 Macro-F1을 사용합니다. 한 번의 제출을open_testset과 private_testset으로 나누어 채점합니다.
Macro-F1 = (F1₀ + F1₁ + … + F1₉) / 10open_testset724개 점수는 대회 중 리더보드에 공개됩니다.private_testset1,332개 점수는 관리자 화면에서만 확인합니다.- Public 리더보드 순위는 Open Macro-F1과 제출 시각을 기준으로 결정됩니다. Private 리더보드는 2026년 10월 14일 14시 10분에 공개됩니다. (한국시간)
- 리더보드는 1분마다 자동으로 다시 조회하며, 제출 직후에도 재조회합니다.
- 누적 제출 횟수 제한은 없습니다. 같은 팀·종목의 다음 제출은 마지막 정상 제출 10분 뒤부터 가능합니다. 형식·채점 오류는 대기시간을 소모하지 않습니다.
지표 성능 평가 (50점)
지표 성능은 같은 종목 내 최고점 대비 성능 비율을 50점 만점으로 환산하는 상대평가입니다. 리더보드 등수별로 고정 점수를 부여하는 방식은 아닙니다.
지표 성능 평가점수 = 50 × 본인 점수 ÷ 해당 종목 최고점기준 지표: private_testset Macro-F1
본인 점수와 해당 종목 최고점에는 private_testset의 Macro-F1만 사용합니다.open_testset 점수는 대회 중 진행 상황을 확인하는 참고용이며, 지표 성능 평가점수에는 반영되지 않습니다. 따라서 최종 지표 평가 결과는 Public 리더보드 순위와 다를 수 있습니다.
- 접수 마감까지 정상 제출한 결과 중 참가자별 해당 기준 지표의 최고점을 사용합니다.
- 음성은 Open 점수가 가장 높은 제출물이 아니라 Private Macro-F1이 가장 높은 제출 결과를 기준으로 합니다.
- 해당 종목 최고점은 실제 참가자들의 점수 중 최고점이며, 운영자·검증용 제출은 평가와 최고점 산정에서 제외합니다.
- 해당 종목 최고점이 0이면 지표 성능 평가점수는 모두 0점으로 처리합니다.
- 최종 평가 총점은 지표 성능 평가 최대 50점과 서술형 평가 최대 50점을 합산합니다.
4. 제출 형식
filename테스트 오디오 파일명
label예측 클래스 정수(0~9)