Naoto Yokoya 研究室
主宰者：Naoto Yokoya
東京大学
AI 要約（直近 5 年の研究成果）
本研究室は、衛星画像やレーダー観測などの地球観測データを対象に、機械学習・深層学習を用いた自動解析手法の開発に取り組んでいます。都市計画、防災対応、環境モニタリングといった社会的に重要な応用を見据え、異なるセンサーから得られた複数種類のデータを統合して、より精密で信頼性の高い地図情報を生成することが主要な研究課題です。具体的には、都市域の不透水面や建物被害の自動検出、土地被覆分類、洪水浸水範囲の把握など、実務的なニーズに直結した課題に対する解析手法を研究しています。
データ処理の技術的側面では、解像度の異なる複数の衛星画像やレーダーデータを融合させる手法、画像の劣化を除去する技術、ラベル付きデータが少ない状況での学習方法の開発を進めています。また、近年の基盤モデルの発展に着目し、限定的な訓練データから実データへの転用性を高めたり、多様なタスクに対応できる汎用的な解析システムの構築にも注力しています。これらの研究成果は、国際的なデータ融合コンテストの開催を通じて検証・発展させられており、学術界と実務界の両面での活用が想定されています。
※ 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)
- 工学Ryo Natsuaki 研究室東京大学論文 181 件·共通: 都市・地盤, 土木・建築, 深層学習, AI・機械学習 +12
- 環境科学Ram Avtar 研究室北海道大学論文 103 件·共通: 都市計画, 都市・地盤, 土木・建築, 機械学習 +12
- 計算機科学Takahiro Ogawa 研究室北海道大学論文 103 件·共通: 深層学習, AI・機械学習, 機械学習, 機械 +13
- 環境科学Shizuka Hashimoto 研究室東京大学論文 144 件·共通: 都市計画, 都市・地盤, 土木・建築, システム +7
- 計算機科学Kiyoharu Aizawa 研究室東京大学論文 133 件·共通: 深層学習, AI・機械学習, 機械学習, 機械 +10
- 医学Taku Obara 研究室Tohoku University Hospital論文 101 件·共通: 機械学習, 機械, 学習, システム +11
- 心理学Zilu Liang 研究室東京大学論文 148 件·共通: AI・機械学習, 機械学習, 機械, 学習 +9
- 医学Toshihisa Anzai 研究室北海道大学論文 101 件·共通: AI・機械学習, 機械学習, 機械, 学習 +9
研究成果（89 件）
- DOI: https://doi.org/10.1080/15481603.2025.2610548
- DOI: https://doi.org/10.1109/mgrs.2026.3653995
- DOI: https://doi.org/10.3390/electronics15010224
- DOI: https://doi.org/10.1109/wacv61042.2026.00485
- DOI: https://doi.org/10.1109/tgrs.2026.3652099
- DOI: https://doi.org/10.1109/jstars.2026.3697217
- DOI: https://doi.org/10.1109/tpami.2025.3649001
- DOI: https://doi.org/10.1016/j.isprsjprs.2025.12.004
- [2025] CityVLM: Towards sustainable urban development via multi-view coordinated vision–language modelDOI: https://doi.org/10.1016/j.isprsjprs.2025.11.030
- DOI: https://doi.org/10.1109/mgrs.2025.3599512
続きを表示（残り 79 件）閉じる
- DOI: https://doi.org/10.1109/mgrs.2025.3609887
- DOI: https://doi.org/10.5194/essd-17-6217-2025
- DOI: https://doi.org/10.1109/iccv51701.2025.01209
- DOI: https://doi.org/10.1109/iros60139.2025.11246436
- DOI: https://doi.org/10.1016/j.isprsjprs.2025.08.010
- DOI: https://doi.org/10.1109/mgrs.2025.3576766
- DOI: https://doi.org/10.1016/j.isprsjprs.2025.06.028
- DOI: https://doi.org/10.1109/cvpr52734.2025.00077
- DOI: https://doi.org/10.1109/mgrs.2024.3524414
- DOI: https://doi.org/10.1109/tpami.2025.3557581
- DOI: https://doi.org/10.1016/j.rsase.2025.101542
- DOI: https://doi.org/10.1145/3736273.3736290
- DOI: https://doi.org/10.1109/wacv61041.2025.00313
- DOI: https://doi.org/10.1109/mgrs.2025.3533605
- DOI: https://doi.org/10.1007/s00521-024-10573-9
- DOI: https://doi.org/10.1109/tgrs.2025.3568930
- DOI: https://doi.org/10.18653/v1/2025.emnlp-main.74
- [2025] SAR and Social-Media-Based Change Detection With Dual-Threshold Fusion for Flood Inundation MappingDOI: https://doi.org/10.1109/jstars.2025.3579062
- DOI: https://doi.org/10.1109/jstars.2025.3583442
- DOI: https://doi.org/10.1109/tgrs.2025.3624105
- DOI: https://doi.org/10.1109/igarss53475.2024.10641407
- DOI: https://doi.org/10.3390/rs16152818
- DOI: https://doi.org/10.1109/igarss53475.2024.10642789
- DOI: https://doi.org/10.1109/igarss53475.2024.10640801
- DOI: https://doi.org/10.1016/j.inffus.2024.102528
- DOI: https://doi.org/10.1109/cvprw63382.2024.00059
- DOI: https://doi.org/10.1109/tiv.2024.3403134
- DOI: https://doi.org/10.1145/3613904.3642125
- DOI: https://doi.org/10.1109/tpami.2024.3362475
- DOI: https://doi.org/10.1016/j.jag.2024.103660
- [2024] SyntheWorld: A Large-Scale Synthetic Dataset for Land Cover Mapping and Building Change DetectionDOI: https://doi.org/10.1109/wacv57701.2024.00810
- DOI: https://doi.org/10.1109/wacv57701.2024.00089
- DOI: https://doi.org/10.59717/j.xinn-geo.2024.100055
- DOI: https://doi.org/10.1109/tgrs.2024.3410389
- DOI: https://doi.org/10.1109/tgrs.2024.3389016
- DOI: https://doi.org/10.1109/tgrs.2024.3465030
- DOI: https://doi.org/10.1109/lgrs.2024.3489634
- DOI: https://doi.org/10.1109/tci.2024.3393760
- DOI: https://doi.org/10.52202/079017-3727
- DOI: https://doi.org/10.1109/tgrs.2023.3330971
- DOI: https://doi.org/10.1109/tci.2023.3248943
- DOI: https://doi.org/10.1109/mgrs.2023.3321258
- DOI: https://doi.org/10.1117/12.2680138
- [2023] BD-SKUNet: Selective-Kernel UNets for Building Damage Assessment in High-Resolution Satellite ImagesDOI: https://doi.org/10.3390/rs16010182
- DOI: https://doi.org/10.1109/tvcg.2023.3312127
- DOI: https://doi.org/10.1109/tgrs.2023.3344670
- DOI: https://doi.org/10.1016/j.rse.2023.113787
- DOI: https://doi.org/10.1109/igarss52108.2023.10282463
- [2023] TR-STF: a fast and accurate tensor ring decomposition algorithm via defined scaled tri-factorizationDOI: https://doi.org/10.1007/s40314-023-02368-w
- DOI: https://doi.org/10.1038/s41467-023-37136-1
- DOI: https://doi.org/10.1016/j.isprsjprs.2023.03.004
- DOI: https://doi.org/10.1016/j.jag.2023.103193
- DOI: https://doi.org/10.1016/j.isprsjprs.2023.11.004
- DOI: https://doi.org/10.1109/tgrs.2023.3324497
- DOI: https://doi.org/10.1109/wacv56688.2023.00619
- DOI: https://doi.org/10.1109/tgrs.2022.3217892
- DOI: https://doi.org/10.1109/cvpr52688.2022.00660
- DOI: https://doi.org/10.1109/tgrs.2022.3228279
- DOI: https://doi.org/10.1109/igarss46834.2022.9884725
- DOI: https://doi.org/10.1109/tgrs.2022.3229027
- DOI: https://doi.org/10.1109/tgrs.2022.3176266
- DOI: https://doi.org/10.1109/jstars.2022.3144318
- DOI: https://doi.org/10.1109/tgrs.2022.3148383
- DOI: https://doi.org/10.1109/jstars.2022.3161190
- DOI: https://doi.org/10.1109/jstars.2022.3144318
- DOI: https://doi.org/10.1109/mgrs.2021.3121628
- DOI: https://doi.org/10.1109/mgrs.2021.3100654
- DOI: https://doi.org/10.1016/j.patcog.2021.108280
- DOI: https://doi.org/10.1080/01431161.2021.1945158
- DOI: https://doi.org/10.1109/tnnls.2021.3082289
- DOI: https://doi.org/10.1109/whispers52202.2021.9484057
- [2021] Learning from multimodal and multitemporal earth observation data for building damage mappingDOI: https://doi.org/10.1016/j.isprsjprs.2021.02.016
- [2021] 2021 Data Fusion Contest: Geospatial Artificial Intelligence for Social Good [Technical Committees]DOI: https://doi.org/10.1109/mgrs.2021.3055633
- [2021] Global Land-Cover Mapping With Weak Supervision: Outcome of the 2020 IEEE GRSS Data Fusion ContestDOI: https://doi.org/10.1109/jstars.2021.3063849
- DOI: https://doi.org/10.1109/tip.2021.3101916
- DOI: https://doi.org/10.1109/jstars.2021.3085122
- DOI: https://doi.org/10.1109/jstars.2021.3106941
- DOI: https://doi.org/10.1109/jstars.2021.3130446
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）。