يقدم هذا البحث شبكة فعّالة وقوية للتعرف على التعبيرات الوجهية (FER)، تُسمى EfficientFace، والتي تمتلك عددًا أقل بكثير من المعلمات ولكنها أكثر مقاومة للتعرف على التعبيرات الوجهية في البيئات الطبيعية (in the wild). أولاً، لتحسين مقاومة الشبكة الخفيفة الوزن، تم تصميم مستخرج ميزات محلية (local-feature extractor) ومُعدّل قناة-مكان (channel-spatial modulator)، حيث تم استخدام التحويل العميق (depthwise convolution). وبذلك، تصبح الشبكة قادرة على التعرف على الميزات الوجهية المميزة على المستويين المحلي والعالمي. ثانياً، مع الأخذ بعين الاعتبار أن معظم المشاعر تظهر كمزيج أو مركب من المشاعر الأساسية، قمنا بطرح طريقة بسيطة وفعّالة تُعرف بتعلم توزيع التسميات (Label Distribution Learning - LDL) كاستراتيجية تدريب جديدة. أظهرت التجارب أداءً متميزًا على مجموعات بيانات واقعية تضم حالات احتجاز (occlusion) وتغيرات في الوضعية (pose variation)، مما يدل على مقاومة EfficientFace في ظل هذه الظروف. علاوةً على ذلك، حققت الطريقة المقترحة نتائج منافسة على أفضل المستويات في مجموعات بيانات RAF-DB وCAER-S وAffectNet-7، بتحقيق دقة تبلغ 88.36% و85.87% و63.70% على التوالي، وتحقيق نتيجة مقارنة جيدة على مجموعة AffectNet-8 بدقة 59.89%.