大阪府立大学大学院工学研究科电气信息系统系智能媒体处理实验室研究生Yoshihiro Yamada（博士生1年级）开发的神经网络在该领域取得了世界最高的识别精度一般物体识别.. 2016年12月，山田先生提出了当时世界上识别精度最高的方法。 2017年5月，它被新提出的神经网络暂时废黜，但现在我们开发了一种神经网络，与传统方法相比，识别率显着提高，并再次实现了世界上最高的识别精度的实现。
一般物体识别是对“飞机”、“汽车”、“鸟”、“猫”等各种物体进行识别（分类）的任务（处理执行部）。近年来，深度学习领域备受关注的神经网络方法已经成为主流，激烈的研发竞争正在展开，主要的方法在过去两年里已经2次打破记录。
Shake-Shake方法超越了山田先生在2017年5月提出的方法的记录，是一种新方法，表明通过“适度干扰学习”可以获得更高的性能，但它是一种相对较浅的方法。其缺点是它只能应用于网络。因此，山田先生认识到Shake-Shake的“适度干扰学习”的学习方法可以应用于具有深层结构的网络。在此过程中，他引入了稳定学习的措施，并将其应用到他上次提出的实现世界最高识别精度的方法中。结果，他们成功地显着提高了识别率，实现了 3% 的识别准确率，与之前世界上最好的方法相比，存在约 88% 的巨大差异。
这一结果预计不仅会对一般物体识别任务产生显着的连锁反应，而且还会对各种图像相关任务产生显着的连锁反应。
