El reconocimiento de expresiones faciales actualmente es usada en el área de interacción humano computador. Sin embargo, en entornos no controlados sigue siendo un desafío abierto en visión por computador. Los modelos de aprendizaje profundo actuales ofrecen la mejor tasa de rendimiento, pero aún no logran generalizar la clasificación con exactitud. Esta falta de generalización se debe la selección de características relevantes y la distribución no uniforme de los conjuntos de datos. En esta tesis se propone ACMC, una arquitectura que permite extraer la mayor cantidad de características del rostro. La arquitectura consta con dos módulos, el primero es el del aumento de datos donde se aplican técnicas como rotación, borrado aleatorio, recorte y cambio de orientación. El segundo es el módulo de extracción y clasificación de características consta de tres componentes: El ...