En varios campos hoy en día, el reconocimiento automatizado de emociones ha demostrado ser una herramienta muy poderosa. Mapear diferentes expresiones faciales a sus respectivos estados emocionales es el objetivo principal del reconocimiento de emociones faciales (FER). En este estudio, el reconocimiento de expresiones faciales (FER) se clasificó utilizando el modelo ResNet-18 y transformers. Este estudio examina el rendimiento del Vision Transformer en esta tarea y contrasta nuestro modelo con modelos de vanguardia en conjuntos de datos híbridos. El procedimiento y los procedimientos asociados para la detección facial, recorte y extracción de características utilizando el modelo de aprendizaje profundo más reciente, transformer afinado, se describen en este estudio. Los hallazgos experimentales demuestran que nuestro sistema propuesto de reconocimiento de emociones es capaz de ser utilizado con éxito en entornos prácticos.