Angeregt durch die jüngsten Erfolge des Deep Learnings im Bereich der Computer Vision, schlagen wir eine neuartige Anwendung tiefer Faltungsnetze (Convolutional Neural Networks) für die Erkennung von Gesichtsausdrücken vor, insbesondere für das Lächeln. Für die Denver Intensity of Spontaneous Facial Action (DISFA)-Datenbank wurde eine Testgenauigkeit von 99,45 % bei der Lächlerkennung erreicht, was erheblich besser ist als bestehende Ansätze auf der Basis manuell gestalter Features, deren Genauigkeiten zwischen 65,55 % und 79,67 % liegen. Die Neuheit dieses Ansatzes besteht unter anderem in einer umfassenden Modellauswahl der Architekturparameter, wodurch es möglich ist, eine geeignete Architektur für jeden Gesichtsausdruck wie das Lächeln zu finden. Dies ist realisierbar, da alle Experimente auf einem Tesla K40c-GPU durchgeführt wurden, was eine Beschleunigung um den Faktor 10 gegenüber traditionellen Berechnungen auf einem CPU ermöglicht.