请问dct图像用什么神经网络分类效果好？

我在做一个图像（人脸）分类任务，用的是对原图dct变换后的图像作为数据集训练，比如下面这种图像，我原本是把这个单通道dct图像做了简单的复制变成3通道，然后送到xception训练，结果准确率最高只有75%，但是如果对dct图像做个方向角平均然后用svm训练可以到90%准确率，另外如果用原图在xception训练也可以有99%以上准确率。我怀疑问题是xception网络不适合分类这种dct图像，这种图像特别暗淡，不同dct图像的区别很小。但是用提前特征用svm训练有90%准确率说明dct图像也是可以达到90%以上准确率的。请问大佬们有什么适合的网络训练这种dct图的吗？我感觉一些医学和宇宙空间背景之类的图像训练也会遇到这种问题。或者有什么好的处理方法对dct图像处理或者和dct结合可以获得更好结果？因为我的任务是基于dct图像的分类，所以肯定要基于dct图像选神经网络。。。。。

你好，我是公众号「机器学习炼丹术」的号主，关于你的问题我有如下看法：

1，你的DCT图像的分类可否有因果关系。我不了解DCT变换，但是一个经过培训的人是否可以从DCT图像中分类成功呢？

2，你可以考虑DCT变化的算法过程，DCT究竟是从原图中获取了什么样的特征。考虑为什么这种特征是有效的，然后针对这种DCT特征来设计神经网络；

3，神经网络不是万能的，你这种问题很难从神经网络的结构去优化，应该从整体的设计架构上重新考虑。

Unet试试吧 感觉你这图像不适合用太深的网络提取特征吧