Transferir características de pose y expresión facial de un rostro a otro es un problema desafiante y un tema interesante en el reconocimiento de patrones, pero es de gran importancia con muchas aplicaciones. Sin embargo, los modelos existentes generalmente aprenden a transferir características de pose y expresión con etiquetas de clasificación, lo que no puede captar todas las diferencias en forma y tamaño entre los rostros condicionales y los rostros fuente. Para resolver este problema, proponemos un modelo de red generativa adversaria basado en características de clasificación para la transferencia de pose y expresión facial. Construimos un clasificador de dos etapas para capturar primero las características de clasificación de alta dimensionalidad para cada rostro. Luego, el modelo de generación propuesto intenta transferir características de pose y expresión con características de clasificación. Además, combinamos con éxito dos funciones de costo con diferentes velocidades de convergencia para aprender características de pose y expresión. En comparación con los modelos de vanguardia, el modelo propuesto logró las mejores puntuaciones para la transferencia de pose y expresión facial en dos conjuntos de datos.