La reconnaissance des émotions faciales humaines (FER) a suscité l'attention de la communauté scientifique en raison de ses applications prometteuses. La tâche principale de la FER consiste à associer différentes expressions faciales aux états émotionnels correspondants. La FER classique repose généralement sur deux étapes majeures : l'extraction de caractéristiques et la reconnaissance des émotions. Actuellement, les réseaux de neurones profonds, en particulier les réseaux neuronaux convolutifs (CNN), sont largement utilisés dans le domaine de la FER grâce à leur capacité intrinsèque à extraire automatiquement des caractéristiques à partir d’images. Plusieurs études ont été menées sur des CNN à un nombre réduit de couches afin de résoudre des problèmes de FER. Toutefois, les CNN classiques à faible profondeur, utilisant des schémas d’apprentissage simples, présentent une capacité limitée à extraire des caractéristiques pertinentes pour capturer efficacement les informations émotionnelles à partir d’images haute résolution.