深度学习音乐流派分类：系统化的方法收集与实验框架

本GitHub仓库（furkan-ersoz维护）聚焦音乐流派分类（MGC），通过系统性收集、整理并实验该领域多种深度学习方法，为音频分类研究提供可复用的技术参考。它不追求新模型创新，而是建立标准化实验基准，帮助研究者对比不同方法表现，推动领域可复现性与经验积累。

音乐流派分类是音频信号处理与机器学习交叉的经典多分类问题（输入音频→输出流派标签）。核心挑战包括：流派边界模糊、音频高维数据处理难。传统MIR依赖手工特征（MFCC、色度等），而深度学习方法自动学习特征，减少专家依赖。

仓库采用"系统性实验"方法论：1. 收集多种架构（CNN捕捉时频局部模式、RNN/LSTM建模时间依赖、CRNN混合架构、Transformer自注意力）；2. 标准化流程：统一预处理、一致数据集划分、多维度评估指标（准确率/F1等）、完整超参数记录确保可复现。

实验使用GTZAN、FMA、MagnaTagATune等公开基准数据集。特征包括：梅尔频谱图（主流时频表示）、原始波形（端到端学习）、手工特征（作为基线对比）。

1. 架构无绝对最优，需权衡任务特性、数据规模等；2. 数据质量比模型复杂度更关键；3. 标准化代码与超参数记录解决可复现性问题。

技术应用包括：个性化音乐推荐、自动音乐库管理、版权授权效率提升、音乐教育与研究辅助。

开发者需注意：选择librosa/torchaudio库；优化数据加载效率；处理类别不平衡；模型轻量化（蒸馏/量化）以适应移动部署。

该仓库是开源研究的典范，为初学者提供完整学习资源，为研究者提供实验框架。未来随着自监督学习、多模态融合等技术发展，MGC领域将持续演进。