[Data Science] BirdCLEF+ 2026 챌린지 결과 발표

 

 

 

 

 

이어서 BirdCLEF에 대해 발표하겠습니다.

 

 

 

 

 

 

일단 결과는 public에서 은메달권까지 갔다가 1시간만에 4-500등이 밀리는 경험을 했습니다.

이후 이것저것 여러 시도를 해 보면서 결국 1200등 내에 들었지만 좀 아쉬웠습니다.

 

 

 

 

 

몇 가지 가설을 세웠습니다. 

BirdCLEF의 학습데이터는 크게 inat 출처의 비교적 깔끔한 새소리와, soundscape 출처의 잡음이 많이 섞인 소리로 구성됩니다.

 

EDA를 통해 이 둘 간의 격차가 굉장히 크다는걸 확인했습니다.

즉, 소리 크기 자체의 편향을 정규화하는 모델 구조가 필요함을 확인할 수 있었습니다. 

 

 

 

 

다음으로는 학습데이터에서 여러 종 간의 동시 출현 관련 생물학적 신호를 확인하기 위해서 수행한 EDA입니다.

슬라이드에는 자세히 적어뒀지만.. 사실 저 신호는 장소 내의 신호 또는 시간에 따른 신호였습니다.

 

 

 

 

이후 정말 장소나 시간의 문제인지 확인해봤고, 실제로는 시간에 대한 문제였습니다.

인접 윈도우 chunk간 연속성 통계에서 이런 강한 상관관계를 나타내고 있음을 추론할 수 있습니다.

 

이 외에도 다양한 EDA를 많이 수행했지만 생략하겠습니다.

 

 

 

 

 

EDA 결과를 기반으로 음향 이벤트를 검출하는 문제와 이 문제를 어떻게 해결할지에 대해 생각했습니다.

저희는 고성능 GPU가 부족하니, 저희가 할 수 있는건 잘 만들어진 모델을 선택하고 그 모델을 바탕으로 사후처리 및 하이퍼파라미터를 조율하는 작업입니다. 

 

저희가 선택한 모델의 파이프라인은 이렇습니다.

미시적 음향 이벤트를 잡아내는 SED, 거시적 시계열 문맥을 읽어내는 ProtoSSMv5의 이중 파이프라인 구조입니다.

이 두 모델의 예측치를 블렌딩하여 구조적 사각지대를 보완했습니다. 

 

 

 

 

좌측에서는 Mel-Spectrogra을 수행합니다.

소리를 시간-주파수 정보로 변환한 정보를 2D CNN으로 사용합니다.

 

우측에서는 Perch v2 임베딩과 함께 SSM을 수행하여 temporal cross-attention으로 음향 시계열 문맥을 잡아 두 경로간의 1차 예측을 Rank / Logit Blending으로 결과를 도출합니다. 

 

이렇게 만들어진 1차 예측을 4단계 게이트로 정제합니다.

MLP Probe로 1차 보정을 진행한 후, 음향 이벤트 검출을 연속적으로 정리하고 생태학적으로 공존할 수 없는 종을 상호 배제 필터링하는 순서입니다. 

 

 

 

 

 

지금까지는 선택한 모델에 대한 이야기였고, 이제는 저희가 수행한 후처리 방식에 대해 말씀드리겠습니다.

평균 풀링 방식은 이미 확실한 종의 점수까지 Dilution하는 문제가 있었습니다. 

 

다음 슬라이드는 저희의 핵심 방법론과 성능 향상 방안을 요약한 내용입니다.

 

 

 

 

Genus 단위에는 최대 풀링을, Class 단위에는 평균 폴링을 하이브리드로 적용하는 비대칭적 Smoothing을 도입해 확신 점수를 보존하면서도 형제 종의 점수를 높였습니다. 

 

추가로 기존의 모델과 비교했을 때 직교성을 가지는 모델인 ProtoSSMv5를 작은 가중치로 블렌딩해서 작게나마 점수를 상승시켰습니다.

 

이 외에도 MAE를 mel-spectrogram에 적용하는 등 다양한 시도를 해봤지만, 이미지랑은 정말 안 맞아도 점수가 제대로 나오지 않았습니다.

 

 

 

꽤나 긴 발표였는데 들어주셔서 정말 감사합니다.

이상 발표 마치겠습니다.