{
  "fetched_at": "2026-10-18T13:41:14Z",
  "source_url": "https://www.kaggle.com/competitions/2024-jbnu-competition-revised/data",
  "pages": [
    {
      "name": "data-description",
      "content": "## Files\n\n*   **train/** - 학습 (training) 데이터셋 (./fake/*.wav는 가짜 음성, ./real/*.wav는 실제 음성)\n*   **validation/** - 검증 (validation) 데이터셋 (./fake/*.wav는 가짜 음성, ./real/*.wav는 실제 음성)\n*   **test/** - 테스트 (testing) 데이터셋 (*.wav)\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "본 대회의 평가 지표는 정확도(Accuracy)입니다. 전체 36,680 개의 음성 파일에 대한 실제/가짜 음성 판별 결과를 얻습니다.\n\n제출파일 형식 제출 파일(submission.csv)은 반드시 두 열(`Id`, `Predicted`)을 포함하고 있어야 합니다. 모든 `Id` (1-36680)에 대해 판별 결과 `Predicted` (1은 실제 음성, 0은 가짜 음성) 를 가지며, 이는 다음과 같은 형식으로 이뤄져야 합니다. \nId,Predicted\n1,0\n2,0\n3,1\n...",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "팀인원 제한\n\n- 1인~4인으로 구성\n\n제출 제한\n\n- 하루에 최대 5번 제출할 수 있습니다.\n\n제한 규정\n- 제가 수업 시간에 말씀드리기로는 성능 향상 방안으로 크게 제한을 두지 않았는데, 공정성을 위해서 학습 시 외부 데이터셋의 활용은 허용되지 않는 것으로 하겠습니다.\n\n변경 사항\n- 데이터 추가 및 변경: 한국어 데이터를 추가하였습니다.\n- 메모리 문제로 미니 배치 크기를 128에서 64로 변경하였습니다.\n- 데이터 경로를 수정하였습니다.\n\n대회 타임라인\n\n- 시작: 2024년 5월 13일\n- 종료: 2024년 6월 6일, 11:55 PM\n- 결과 공개: 2024년 6월 7일 (금) 09:00 AM\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "abstract",
      "content": "**개요**\n\n본 대회에서는 가짜 (fake) 음성 식별 문제를 다룹니다. 생성 AI를 통해 생성된 가짜 음성과, 실제 사람 음성을 구분하는 음성 식별 문제를 인공지능 모델을 설계 및 구축하여 해결합니다. 아래 그림과 같이 음성신호는 1차원 신호로 파형으로 표현되며 가로축은 시간을 나타내고 세로축은 음파의 에너지를 나타냅니다.\n![](https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F8363901%2F795f55d915fe2db239ec4f81ed30dd40%2Frealfake.png?generation=1713427625174524&alt=media)\n\n본 대회 참여자들은 주어진 학습 데이터를 바탕으로 모델을 구축한 후, 테스트 데이터에 대해 성능을 내서 제출하면 됩니다.\n\n**리더보드 (Leaderboard)**\nPublic leaderboard는 전체 테스트 데이터의 30%에 대한 점수입니다. 타인에게 공개되며 테스트 데이터의 나머지 70%에 대한 점수를 가늠하게 해줍니다.\n\nPrivate leaderboard는 나머지 70%에 대한 점수입니다. 제출 기간이 종료될 때까지 공개되지 않으며 제출 기간 후 공개되는 private 점수로 최종 순위가 결정됩니다.\n\nPublic 점수가 개선되면 private 점수도 일반적으로 개선되지만, 때때로 public 보다 private 점수는 다소 좋을 수도 그렇지 않을 수도 있습니다. 그래서 최선의 결과를 얻기 위해 제출물 중 2개를 private leaderboard의 후보로 선택할 수 있습니다. 두 개의 후보 중에 private 데이터에서 더 좋은 결과를 내는 것이 최종 결과가 됩니다.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}