针对卷积神经网络参数量大、训练时间长的问题，提出一种基于轻量级注意力残差网络的面部表情识别方法.首先，以残差网络为骨架重新搭建模型，通过减少层数并改进残差模块提高模型性能；其次，引入深度可分离卷积减少模型的参数量和计算工作量；最后，采用Mish函数替代ReLU函数的挤压激励模块自适应地调整通道权重.该模型在两个公共数据集CK+和JAFFE上采用经典的十折交叉验证方式进行验证，分别获得了98.16%和96.67%的准确率.实验结果表明，该方法在模型识别精度和复杂度之间进行了较好权衡.