人脸表情识别可以用的深度学习模型

人脸表情识别可以使用各种深度学习模型，以下是一些常用的模型：

1. 卷积神经网络（CNN）：CNN是一种最常用的深度学习模型，可以自动地从图像中提取特征，因此在人脸表情识别任务中也被广泛应用。

2. 循环神经网络（RNN）：RNN主要用于序列数据的处理，可以捕捉序列数据中的时间关系，例如，可以用于视频中人脸表情的识别。

3. 长短时记忆网络（LSTM）：LSTM是一种特殊的RNN，可以解决RNN中的梯度消失问题，并且可以捕捉更长期的时间依赖关系。

4. 卷积循环神经网络（CRNN）：CRNN是CNN和RNN的结合体，可以同时处理图像和序列数据，因此在人脸表情识别中也被广泛应用。

5. 注意力机制模型（Attention Model）：注意力机制可以根据不同的时间步或者空间位置，自适应地调整特征图的权重，从而提高模型的表现。

以上是一些常用的深度学习模型，但在实际使用中，还需要根据具体任务和数据集进行调整和优化。