تعتبر التعبيرات الوجهية عنصراً أساسياً في التواصل البشري، حيث تشكل وسيلة قوية ومؤثرة لنقل مجموعة متنوعة من العواطف. مع التقدم في مجالات الذكاء الاصطناعي ورؤية الحاسوب، برزت الشبكات العصبية العميقة كأدوات فعالة للاعتراف بالتعبيرات الوجهية للعواطف. في هذا البحث، نقترح إطاراً جديداً للتعلم العميق يُسمى EmoNeXt، وهو يستند إلى شبكة معمارية ConvNeXt معدلة. ندمج شبكة المتحول المكاني (Spatial Transformer Network - STN) لتركيز الاهتمام على المناطق الغنية بالميزات في الوجه، ونستخدم كتل الضغط والاستثارة (Squeeze-and-Excitation blocks) لالتقاط الارتباطات القناة بقناة. بالإضافة إلى ذلك، نقدم حدّاً تنظيمياً للانتباه الذاتي (self-attention regularization term)، مما يشجع النموذج على إنتاج متجهات ميزات متراصة. نثبت تفوق نموذجنا على النماذج الحالية الأكثر تقدماً في مجال التعلم العميق فيما يتعلق بدقة تصنيف العواطف على مجموعة بيانات FER2013.