顔面表情認識（Facial Expression Recognition, FER）は、人間の顔面表情を認識するための機械学習問題である。近年の研究では性能の向上が達成されているが、実環境下や困難な条件下におけるFERは依然として課題である。本論文では、MobileNetV1をベースにした軽量なパッチおよびアテンションネットワーク、すなわちPAtt-Liteを提案し、困難な条件下でもFERの性能を向上させることを目的としている。提案手法のバックボーンとして、ImageNetで事前学習されたMobileNetV1の断片化されたバージョンを用いる。この断片化された層の代わりに、顔面の重要な局所特徴を抽出するためのパッチ抽出ブロックを導入し、特に困難な条件下でもMobileNetV1の特徴表現力を強化する。さらに、極めて軽量な特徴抽出器から得られるパッチ特徴マップの学習を向上させるために、アテンション分類器も提案している。公開ベンチマークデータベース上での実験結果により、提案手法の有効性が実証された。PAtt-LiteはCK+、RAF-DB、FER2013、FERPlus、およびRAF-DBとFERPlusの困難な条件下サブセットにおいて、いずれも最先端の性能を達成した。