早稻田大学的研究团队开发出了一项可将既往图像识别精度提高二成的全新技术。该技术能够抑制图像内的空间信息丢失，捕捉细微特征。研究团队力争将其应用于搭载人工智能（AI）的自动驾驶汽车摄像头等。
搭载AI技术的自动驾驶汽车正在推进实际应用（美国南部佐治亚州亚特兰大市）
这项新技术被命名为“FractalNEXT（分形下一代）”图像识别技术，研究团队已与群马大学次世代智慧移动社会应用研究中心以自动驾驶卡车搭载为目标展开联合研究，实现特定条件下的4级（Level 4）完全自动驾驶。
图像识别技术将按照显示物体整体轮廓等粗略形状的低频成分，以及表示微小物体等精细信息的高频成分进行处理。既往技术在信息传递过程中存在用于识别精细信息的高频成分会部分丢失的问题。
早稻田大学的镰田清一郎教授着眼于用于图像压缩的“小波变换”技术。研究团队设计了一种把能够尽可能保留信息的小波变换技术与相同形状反复出现的“分形”结构相结合的网络。
同时该技术还采用多通路并行传输已保存信息的机制，即便信息在传输途中发生丢失，也能够经由其他通路补足丢失的信息，进而提高识别精度。
研究使用图像识别领域广泛采用的图像数据集“ImageNet”验证精度时，既往主流方法的图像识别精度为62.3%，而本次开发的方法可达76.8%。对于小字和细线较多的古文书中的“草书体文字”，也能以高精度识别。镰田教授表示：“达到了世界最高水平的精度。”
如果将该技术嵌入可快速分析小型物体、复杂图像细微特征且不丢失细节的AI，就有望应用于自动驾驶与医学影像诊断领域。相关研究成果已发表于国际学术期刊《Neural Networks》。
原文：《日本经济新闻》、2026/9/15
翻译：JST客观日本编辑部
【论文信息】
期刊：Neural Networks
论文：FracNeXt: Enhancing visual representation learning in sequence models with fractal wavelets
DOI：doi.org/10.1016/j.neunet.2026.109234
