大阪府立大學大學院工學部電氣信息工學系智能媒體處理實驗室研究生Yoshihiro Yamada（博士1年級）開發的神經網絡在該領域實現了世界最高的識別精度一般物體識別...2016年12月，山田先生提出了當時世界上識別準確率最高的方法。 2017 年 5 月，新提出的神經網絡曾一度取而代之，而這一次，我們開發的神經網絡與常規方法相比識別率有了顯著提升，再次實現了世界最高的識別準確率。
一般對象識別是識別（分類）各種對象，例如“飛機”、“汽車”、“鳥”和“貓”的任務（處理執行單元）。近年來，在深度學習中備受關注的神經網絡方法已成為主流，並展開了激烈的研發競爭，在過去的兩年中，僅主創就創下了 2 次記錄。已完成。
打破山田先生在 2017 年 5 月提出的方法記錄的名為 Shake-Shake 的方法是一種新方法，它表明通過“適度干擾學習”可以獲得更高的性能，但它相對淺。僅適用於網絡的缺點。因此，山田先生以可以應用於具有深層結構的網絡的形式實現了 Shake-Shake 的“適度干擾學習”的學習方法。在這個過程中，我們還引入了一種穩定學習的裝置，並將其應用到我們上次提出的方法中，並達到了世界上最高的識別準確率。結果，我們成功地顯著提高了識別率，實現了 3% 的識別準確率，與迄今為止世界上最好的方法相差約 88%。
預計這一結果不僅對一般的物體識別任務，而且對各種與圖像相關的任務都有很大的連鎖反應。
