本发明公开了一种情绪识别模型的训练方法、情绪识别方法、设备及介质。该方法基于F‑Transformer结构实现，F‑Transformer结构包括内容编码器、两个特征编码结构及标签解码器，两个特征编码结构分别与内容编码器串联。该训练方法包括以下步骤：获取目标对象的训练集，所述训练集包括若干图像样本；对于每一图像样本，获取第一图像信息及第二图像信息；将所述第一图像信息及所述第二图像信息分别作为所述的F‑Transformer结构的两个特征编码结构的输入，所述图像样本对应的预设情绪信息作为输出进行模型训练以获取情绪识别模型。本发明摆脱了对传统的卷积神经网络结构的依赖，利用自行构建的F‑Transformer结构可以对采集的图像样本中的不同的信息进行深度融合利用，提高了模型训练的效果。