KeyR2Net

Arquitectura residual-recurrente para la estimación de claves musicales

Este proyecto fue realizado durante mi tesis de pregrado y consiste en un modelo de ML que pueda predecir la clave musical de un audio determinado, el cual tiene una precisión superior a modelos del estado del arte como son ResNet50, CNN14, AST o ViT.

Entre otras características del proyecto contiene un pipeline que automatiza las siguientes tareas:

• División de conjuntos (entrenamiento, pruebas y validación)
• Carga de modelos de ML
• Entrenamiento
• Validación
• Generación de métricas y gráficos

Todo esto con la finalidad de que los resultados puedan ser reproducibles y comparables entre los distintos modelos.

Además, este proyecto fue presentado en conferencias de talla mundial como EIAM 2026 además de la feria científica CENIA del año 2025.