近日，Quoc Le再推新研究论文，在题为“对抗样本改善图像识别”一文中，其与其他研究人员针对研究概述道：对抗样本通常被认为会威胁到 ConvNets。在这里，我们提出相反观点：以正确的方式能利用对抗样本改善图像识别模型。我们提出 AdvProp，一种增强的对抗训练将对抗性样本作为其他样本，以防止过度拟合。当模型更大时，我们证明 AdvProp 改进了各种模型，在各种图像识别任务上表现更好。例如，通过应用 AdvProp 使用 ImageNet 上的最新 EfficientNet-B7，我们实现 ImageNet 的显着改善（+ 0.7％），ImageNet-C（+6.5％），ImageNet-A（+7.0％），StylizedImageNet（+ 4.8％）。借助增强的 EfficientNet-B8，我们的方法实现了最新的 85.5％ImageNet top-1 精度，且无需额外数据。