In recent years, with the development of deep learning and the applications of deep learning models, computer vision tasks such as human facial action unit recognition have made significant progress. Inspired by these works, we have investigated the possibility of training a model to recognize horse facial action units automatically. With the help of the Equine Facial Action Coding System (EquiFACS) created by veterinarians recently, our aim has been to detect EquiFACS units from images and videos. In this project, we proposed a cascade framework for horse facial action unit recognition from images. We firstly trained several object detectors to detect the predefined regions of interest. Then we applied binary classifiers for each action unit in related regions. We experimented with different types of neural network classifiers and found AlexNet to work the best in our framework. Additionally, we also transferred a model for human facial action unit recognition to horses and explored strategies to learn the correlations among different action units. ; Under de senaste åren, med utvecklingen av djupinlärning och dess tillämpningar, har datorseendeuppgifter så som igenkänning av mänskliga ansiktsaktionsenheter gjort stora framsteg. Inspirerad av dessa arbeten har vi undersökt möjligheten att hitta en modell för att automatiskt känna igen hästars ansiktsuttryck. Med hjälp av Equine Facial Action Coding System som nyligen skapats av veterinärer kan vi upptäcka ansiktsaktionsenheter hos hästar som definieras i detta system från bilder och videor. I detta projekt föreslog vi ett kaskadramverk för igenkänning av hästens ansiktsaktionsenheter från bilder. Först tränade vi flera objektdetektorer för att upptäcka de fördefinierade regionerna av intresse. Sedan använde vi binära klassificeringar för varje aktionsenhet i relaterade regioner.Vi testade olika modeller av klassificerare och fann att AlexNet fungerade bäst i våra experiment. Dessutom överförde vi också en modell för mänsklig ansiktsaktionsenhetsigenkänning till ...