我们提出了一种用于面部表情识别的卷积神经网络（CNN）架构。该架构不依赖任何手工设计的特征提取方法，并且其性能优于先前提出的基于卷积神经网络的方法。为了更好地理解，我们对网络自动学习到的特征进行了可视化。我们使用了标准数据集，即扩展的Cohn-Kanade（CKP）和MMI面部表情数据库进行定量评估。在CKP数据集上，目前最先进的基于CNN的方法达到了99.2%的准确率。对于MMI数据集，当前情感识别的最佳准确率为93.33%。所提出的架构在CKP数据集上实现了99.6%的准确率，在MMI数据集上实现了98.63%的准确率，因此其性能优于现有的基于CNN的方法。自动面部表情识别具有广泛的应用前景，例如人机交互和安全系统。这是因为非语言线索是非言语交流的重要形式，在人际交往中起着关键作用。所提出的架构的性能验证了该方法的有效性和可靠性，适用于实际应用。