L'obiettivo di questa tesi è "riconoscere le emozioni facciali umane" allo scopo di classificare sette diverse espressioni facciali. La parte iniziale di questa tesi di laurea è di eseguire la preelaborazione dei dati e la convalida incrociata di k-fold per ricampionare il set di dati che aiuta a stimare in modo meno distorto l'abilità del modello. Inoltre, vengono implementate tecniche di aumento dei dati in tempo reale per massimizzare il set di dati. Trasformando il set di dati applicando queste tecniche, facilita il miglioramento dell'accuratezza nella classificazione delle diverse emozioni. Quindi il set di dati viene addestrato dalla rete neurale per la classificazione utilizzando i modelli Vgg, Inception e Resnet.