同时，传统的方法大多采用模型预训练和特征工程来提高表达相关特征的表达能力，但没有考虑到不同特征表达式之间的互补性，这限制了模型的泛化性和鲁棒性。为了解决上述问题，提出了一种端到端的深度学习框架ee-gan，其中包括网络集成模型ENS-net：一方面，考虑多个异构网络获得的不同深度和区域的特征，实现不同语义、不同层次的特征融合，通过网络集成，提高了模型的学习能力。另一方面，基于对抗生成网络生成具有特定表情标签的人脸图像，同时进行数据增强，达到平衡表情标签数据分布的目的。在CK＋、FER2013和JAFFE数据集上进行的定性和定量实验验证了该方法的有效性：与包括局部保留投影法（LPP）在内的视图学习方法相比，EE-GaN的面部表情识别准确率最高，达到82.1%，与ResNet等传统卷积神经网络（CNN）模型相比，准确率分别提高了84.8%和91.5%，至少提高了9个百分点。