إحدى الطرق المحتملة لتعزيز أداء التعرف على التعبيرات الوجهية (FER) هي تعزيز مجموعة التدريب من خلال زيادة عدد العينات. من خلال دمج عدة مجموعات بيانات FER، يمكن للنماذج القائمة على التعلم العميق استخلاص ميزات أكثر تمييزًا. ومع ذلك، فإن معايير التسمية غير الموحدة والتحيّزات الذاتية الموجودة في مجموعات البيانات المُعلّمة لـ FER يمكن أن تعيق بشكل كبير دقة التعرف للنماذج القائمة على التعلم العميق عند التعامل مع مجموعات بيانات مختلطة. لا يزال أداء التدريب المشترك على عدة مجموعات بيانات تحديًا كبيرًا. في هذه الدراسة، نقترح طريقة تدريب مشترك لتدريب نموذج FER باستخدام عدة مجموعات بيانات FER. تتكون طريقة العمل لدينا من أربع خطوات: (1) اختيار مجموعة فرعية من المجموعة الإضافية، (2) إنشاء تسميات افتراضية مستمرة للمجموعة الهدف، (3) تحسين تسميات المجموعات المختلفة باستخدام خريطة التسمية المستمرة وإعادة تسمية التسميات المنفصلة وفقًا لمعايير التسمية الخاصة بالمجموعة الهدف، و(4) تدريب النموذج بشكل مشترك باستخدام التعلم متعدد المهام. أجرينا تجارب تدريب مشترك على حالتين شهيرتين من مجموعات البيانات المعيارية لـ FER في البيئات الحقيقية، وهما RAF-DB وCAER-S، مع استخدام مجموعة بيانات AffectNet كمجموعة بيانات إضافية. أظهرت النتائج التجريبية أن الطريقة المقترحة تتفوق على دمج مجموعات البيانات المختلفة لـ FER بشكل مباشر في مجموعة تدريب واحدة، وتحقق أداءً من الدرجة الأولى (state-of-the-art) على كل من RAF-DB وCAER-S، بدرجات دقة تبلغ 92.24% و94.57% على التوالي.