5、深度学习在情绪转化音乐疗法与水稻病虫害检测中的应用

深度学习在情绪转化音乐疗法与水稻病虫害检测中的应用

1. 深度学习在情绪转化音乐疗法中的应用

1.1 数据集详情

• 面部表情识别数据集 ：采用 FER - 2013 数据集来训练 CNN 模型，用于分析和分类情绪。该数据集包含中性、快乐、悲伤、惊讶、恐惧、愤怒、厌恶等各种表情的图像。
• 数据集划分 ：使用 k 折交叉验证将模型划分为训练集和测试集，这里采用十折交叉验证，即 9 个子集用于训练，1 个子集用于测试。交叉验证使用 Scikit - learn 实现，在数据集上运用 SciPy Python 库。
• 音乐数据集 ：音乐数据集通过手动标注进行分类，包含柔和舒缓的音乐。使用 Pygame 作为 Python 中的音乐库来控制音频，数据集大小为 2 Mb。

1.2 性能评估

• 混淆矩阵 ：使用 FER - 2013 对设计的系统进行训练和测试，通过混淆矩阵对比实际和预测模型，了解模型的准确性。
• 情绪转化 ：该方法关注愤怒和悲伤等负面情绪，音乐疗法可将负面情绪转化为快乐和中性等正面情绪。例如，图 12a 显示音乐疗法前悲伤表情的直方图，图 12b 显示音乐疗法后快乐表情的直方图；图 12c 显示音乐疗法前愤怒表情的直方图，图 12d 显示音乐疗法后中性表情的直方图。
• 模型准确率和误差率 ：图 13a