音乐自动标注的目的是识别一段音乐音频所涉及的各种社会标签,包括但不仅限于音乐的乐器、年代、情感和流派。目前,基于卷积神经网络的音乐自动标注算法已经成为解决该任务的主流方法之一。本文调研和分析现有基于卷积神经网络的音乐自动标注算法,发现卷积神经网络中的卷积和池化操作造成了的空间特征的损失、缺少基于数据增强的音乐自动标注算法的研究、缺少基于音乐自动标注算法的工程应用的问题。基于此,本文研究基于胶囊网络的音乐自动标注算法,设计并实现了音乐自动标注系统。主要工作与贡献总结如下:（1）提出基于胶囊网络的音乐自动标注算法。设计了基于胶囊网络的混合神经网络模型,利用卷积神经网络提取低级别的特征,再通过胶囊网络提取空间特征,解决了卷积神经网络缺乏对空间特征的提取的问题,并对胶囊网络中的压缩函数进行改进,最终得到了0.9077的受试者工作特征曲线下面积,比全卷积神经网络提高了1.37%的受试者工作特征曲线下面积。（2）提出基于数据增强的音乐自动标注算法。在先前的研究基础上尝试了更多的混合神经网络模型,并通过尝试多种数据增强方法,同时还探索了不同的音频长度、采样率和梅尔频带数所生成的梅尔语谱图作为神经网络的输入。最终在利用数据增强的基础上,所提出的基于胶囊网络与残差网络的混合神经网络模型在音乐自动标注任务上得到了0.9083的受试者工作特征曲线下面积,相较于未使用数据增强是提升了0.14%的受试者工作特征曲线下面积。（3）设计并开发基于胶囊网络的音乐自动标注系统。应用上述两种算法,实现了结合数据增强方法生成梅尔语谱图、利用胶囊网络进行音乐自动标注的功能。