Yoko Yamakata 研究室
主宰者:Yoko Yamakata
東京大学
AI 要約(直近 5 年の研究成果)
本研究室は、食事の記録と栄養管理を支援するための情報技術の開発に取り組んでいます。研究の中心は、スマートフォンで撮影した食事画像から栄養情報を自動で抽出する技術にあります。具体的には、深層学習やコンピュータビジョンの手法を用いて、食事画像に含まれる食材や調理段階を認識し、栄養価やカロリー、タンパク質などの栄養素を推定するモデルを構築しています。さらに、画像に基づくレシピ検索システムや、栄養と食材の類似性を組み込んだ情報検索モデルの開発も進めています。
一方、実用的な栄養管理を実現するため、ユーザーが食事を記録する際の利便性向上にも力を入れています。標準的なレシピを複製・編集することで短時間に個人の食事記録を作成する手法や、動的に変化する食材の外観を段階的に認識する技術を開発しました。また、行動科学の理論に基づいて、ゲーミフィケーション機能を組み込んだアプリケーションを用いて、ユーザーの健康的な食習慣形成を促進する方法も検証しています。
さらに本研究室は、これらの技術基盤を支えるため、大規模な料理画像・レシピデータセットの構築にも取り組んでいます。調理過程の各段階における食材アノテーション付きのマルチメディアレシピデータセットを作成し、学術界で活用できるリソースを提供しています。これらの成果は、より正確で実用的な栄養管理システムの実現に貢献することを目指しています。
※ AI(Claude)が、公開されている論文要旨から研究の問い・手法・主要な発見を事実情報として抽出・再構成して自動生成しています。誤りを含む可能性があるため、正確性は研究室公式情報でご確認ください。
外部リンク
関連研究室(8 件)
- 計算機科学Takahiro Ogawa 研究室北海道大学論文 100 件·共通: コンピュータビジョン, 応用 AI, 深層学習, AI・機械学習 +8
- 計算機科学Kiyoharu Aizawa 研究室東京大学論文 132 件·共通: 深層学習, AI・機械学習, 栄養, 機械学習 +8
- 医学Shouhei Hanaoka 研究室University of Tokyo Hospital論文 126 件·共通: 応用 AI, 深層学習, AI・機械学習, 機械学習 +7
- 医学Naoya Tanabe 研究室Kyoto University Hospital論文 100 件·共通: 深層学習, AI・機械学習, 栄養, 食品科学 +7
- 医学Shiro Imagama 研究室名古屋大学論文 100 件·共通: AI・機械学習, 栄養, 機械学習, 食品科学 +7
- 医学Donghee Han 研究室九州大学論文 100 件·共通: 深層学習, AI・機械学習, 機械学習, 計算機科学 +8
- 計算機科学Tatsuya Harada 研究室東京大学論文 149 件·共通: コンピュータビジョン, 応用 AI, AI・機械学習, 学習 +4
- 医学Shinji Tanaka 研究室東京大学論文 149 件·共通: 深層学習, AI・機械学習, 機械学習, 計算機科学 +6
研究成果(59 件)
- DOI: https://doi.org/10.1145/3770762.3772605
- DOI: https://doi.org/10.3390/nu18060980
- DOI: https://doi.org/10.1145/3770762.3772605
- [2026] MaskingAgent: Preventing LLM Tutor from Providing Full Solutions in Python Programming CoursesDOI: https://doi.org/10.1145/3770761.3777255
- DOI: https://doi.org/10.3390/nu18040686
- DOI: https://doi.org/10.63317/42sopxjrdzsf
- DOI: https://doi.org/10.3390/nu18060980
- DOI: https://doi.org/10.3390/nu18040686
- DOI: https://doi.org/10.1109/icme59968.2025.11209424
- DOI: https://doi.org/10.1145/3641555.3705212
続きを表示(残り 49 件)閉じる
- DOI: https://doi.org/10.1109/icme59968.2025.11209424
- DOI: https://doi.org/10.3177/jnsv.71.349
- DOI: https://doi.org/10.1145/3746027.3755771
- DOI: https://doi.org/10.2197/ipsjjip.33.104
- DOI: https://doi.org/10.2197/ipsjjip.33.104
- DOI: https://doi.org/10.3177/jnsv.71.349
- DOI: https://doi.org/10.1145/3746264.3761800
- DOI: https://doi.org/10.1145/3746027.3755771
- DOI: https://doi.org/10.1145/3664647.3684997
- DOI: https://doi.org/10.1109/bigdata62323.2024.10825496
- DOI: https://doi.org/10.1145/3664647.3684997
- DOI: https://doi.org/10.1109/bigdata62323.2024.10825496
- DOI: https://doi.org/10.1145/3696409.3700256
- DOI: https://doi.org/10.1145/3640544.3645224
- [2023] Automatic Dataset Creation from User-generated Recipes for Ingredient-centric Food Image AnalysisDOI: https://doi.org/10.1145/3595916.3626748
- DOI: https://doi.org/10.1145/3595916.3626452
- [2023] Automatic Dataset Creation from User-generated Recipes for Ingredient-centric Food Image AnalysisDOI: https://doi.org/10.1145/3595916.3626748
- DOI: https://doi.org/10.1145/3595916.3626452
- DOI: https://doi.org/10.1145/3699843.3699845
- [2023] Report on IWAIT 2023DOI: https://doi.org/10.3169/itej.77.328
- [2023] Report on IWAIT 2023DOI: https://doi.org/10.3169/itej.77.328
- DOI: https://doi.org/10.1145/3552485.3554942
- DOI: https://doi.org/10.1145/3552485.3554937
- DOI: https://doi.org/10.1145/3552485.3554937
- DOI: https://doi.org/10.1145/3552485.3554938
- DOI: https://doi.org/10.1145/3552485.3554938
- DOI: https://doi.org/10.1145/3552485.3554972
- DOI: https://doi.org/10.1145/3552485.3554942
- DOI: https://doi.org/10.1145/3503161.3549203
- [2022] "Comparable Recipes"DOI: https://doi.org/10.1145/3552485.3554936
- [2022] "Comparable Recipes"DOI: https://doi.org/10.1145/3552485.3554936
- [2022] FoodLog AthlDOI: https://doi.org/10.1145/3551626.3564978
- DOI: https://doi.org/10.1109/wi-iat55865.2022.00015
- [2022] FoodLog AthlDOI: https://doi.org/10.1145/3551626.3564978
- DOI: https://doi.org/10.1145/3551626.3564964
- DOI: https://doi.org/10.1109/wi-iat55865.2022.00015
- DOI: https://doi.org/10.1145/3503161.3549203
- [2022] CEA++'22DOI: https://doi.org/10.1145/3503161.3554773
- DOI: https://doi.org/10.1145/3463947.3469238
- [2021] MIRecipe: A Recipe Dataset for Stage-Aware Recognition of Changes in Appearance of IngredientsDOI: https://doi.org/10.1145/3469877.3490596
- [2021] RecipeLogDOI: https://doi.org/10.1145/3474085.3478563
- DOI: https://doi.org/10.1109/mipr51284.2021.00037
- DOI: https://doi.org/10.1145/3460426.3470943
- [2021] World Food Atlas ProjectDOI: https://doi.org/10.1145/3463947.3469235
- [2021] RecipeLogDOI: https://doi.org/10.1145/3474085.3478563
- DOI: https://doi.org/10.1145/3463947.3469238
- DOI: https://doi.org/10.5244/c.35.230
- DOI: https://doi.org/10.1109/mipr51284.2021.00037
- [2021] World Food Atlas ProjectDOI: https://doi.org/10.1145/3463947.3469235
科研費(0 件)
まだデータがありません(KAKEN 取り込み後に表示)。
所属学会・役職(0 件)
まだデータがありません(学会データ連携後に表示)。