일반 물체 인식이란, 「비행기」나 「자동차」, 「새」, 「고양이」등의 다양한 물체를 인식(분류)하는 태스크(처리의 실행 단위)를 말한다.최근에는 심층 학습(딥 러닝)에서 주목받고 있는 신경망을 이용한 수법이 주류가 되고 있으며, 주요한 것만으로 과거 약 2년간에 11도도 기록이 바뀌는 치열한 연구개발 경쟁이 펼쳐지고 있다 되었습니다.

　2017년 5월에 야마다씨의 제안 수법의 기록을 제기한 Shake-Shake라는 수법은, 「학습을 적당히 방해」하는 것에 의해 보다 높은 성능을 실현할 수 있는 것을 나타내는 새로운 수법이었지만, 비교적 얕은 네트워크에만 적용할 수 있다는 단점이 있었다.거기서 야마다씨는, Shake-Shake의 「학습을 적당히 방해하는」학습법을, 깊은 구조를 가지는 네트워크에 적용할 수 있는 형태로 실현.그 과정에서 학습이 안정되는 궁리도 도입해, 전회 자신이 제안해 세계 제일의 인식 정밀도를 달성한 수법에 적용했다.그 결과 인식률을 대폭 향상시키는 데 성공했으며, 지금까지 세계 제일이었던 수법에 약 3%의 큰 차이를 주는 88%의 인식 정밀도를 달성했다.

　이 결과는 일반 물체 인식 작업에 국한되지 않고 이미지와 관련된 다양한 작업에 대한 큰 파급 효과도 기대됩니다.