Hajime Nobuhara 研究室
主宰者：Hajime Nobuhara
筑波大学
AI 要約（直近 5 年の研究成果）
Nobuhara研究室は、コンピュータビジョン技術を基盤として、様々な実世界の課題解決に取り組んでいます。ドローンを用いた農業や防災、木材検査などの応用領域において、カメラやセンサーから得られる映像・画像データを処理・解析することで、効率的な測定・制御システムの構築を目指しています。特に、複数の画像から対応点を自動検出し三次元情報を復元する技術、ドローンの飛行制御を視覚情報でリアルタイムに行う技術、そして深層学習を用いた画像認識技術の開発に注力しています。
同時に、ドローンの設計面でも創意工夫が見られます。農業用途で問題となるドローンの下向き気流を低減するための回転翼傾斜メカニズムの開発や、安全性を高めるノズル型ドローンの最適設計など、機械工学的なアプローチと制御理論を組み合わせた研究が進められています。さらに、推薦システムにおけるユーザーの意図抽出、オーディオコンテンツの自動生成支援、そして機械学習モデルの効率的な転移学習法など、AI技術を活用した多様なシステム開発も展開しており、画像処理から情報システムまで幅広い分野での応用研究が特徴です。
※ 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Md Abdus Samad Kamal 研究室群馬大学論文 100 件·共通: 振動・動力学, 機械ダイナミクス, 機械力学・設計, 制御理論 +13
- 工学Josaphat Tetuko Sri Sumantyo 研究室千葉大学論文 100 件·共通: 振動・動力学, 機械ダイナミクス, 機械力学・設計, 学習・記憶 +9
- 工学Seiichiro Katsura 研究室慶應義塾大学論文 100 件·共通: 振動・動力学, 機械ダイナミクス, 機械力学・設計, 制御理論 +7
- 計算機科学Yang Xiang 研究室千葉大学論文 100 件·共通: 振動・動力学, 機械ダイナミクス, 機械力学・設計, 学習・記憶 +8
- 工学Kei Sakaguchi 研究室東京工業大学論文 100 件·共通: 制御理論, 制御理論・応用, 学習・記憶, 制御・システム工学 +8
- 工学Tomoyoshi Ito 研究室千葉大学論文 100 件·共通: 振動・動力学, 機械ダイナミクス, 機械力学・設計, 学習・記憶 +8
- 材料科学Sergei Manzhos 研究室東京工業大学論文 100 件·共通: 振動・動力学, 機械ダイナミクス, 機械力学・設計, 学習・記憶 +8
- 社会科学Kazutoshi Sasahara 研究室東京工業大学論文 100 件·共通: 振動・動力学, 機械ダイナミクス, 機械力学・設計, 学習・記憶 +8
研究成果（40 件）
- DOI: https://doi.org/10.20965/jaciii.2026.p0034
- DOI: https://doi.org/10.20965/jaciii.2026.p0024
- DOI: https://doi.org/10.1371/journal.pone.0346937
- DOI: https://doi.org/10.1109/icassp55912.2026.11463031
- DOI: https://doi.org/10.1145/3726302.3730010
- DOI: https://doi.org/10.23919/sicefes67750.2025.11236636
- DOI: https://doi.org/10.1038/s41598-025-30285-x
- DOI: https://doi.org/10.23919/sicefes67750.2025.11236594
- DOI: https://doi.org/10.1109/smc58881.2025.11343551
- DOI: https://doi.org/10.1109/access.2025.3588267
続きを表示（残り 30 件）閉じる
- DOI: https://doi.org/10.1109/access.2025.3564165
- [2025] High-Precision Feature Point Matching and Stereo-Depth Estimation Using Rotation-Invariant CNNDOI: https://doi.org/10.20965/jaciii.2025.p0547
- DOI: https://doi.org/10.1109/access.2024.3448307
- DOI: https://doi.org/10.20965/jaciii.2024.p1284
- DOI: https://doi.org/10.20965/jaciii.2024.p1210
- DOI: https://doi.org/10.1016/j.micpro.2024.105063
- DOI: https://doi.org/10.1109/icce59016.2024.10444287
- DOI: https://doi.org/10.1109/access.2024.3362639
- DOI: https://doi.org/10.1109/access.2024.3408252
- DOI: https://doi.org/10.1145/3711542.3711603
- DOI: https://doi.org/10.1038/s41598-023-32167-6
- DOI: https://doi.org/10.20965/jaciii.2023.p0173
- DOI: https://doi.org/10.1109/smc53992.2023.10394566
- DOI: https://doi.org/10.1109/smc53992.2023.10394641
- [2023] Crack Severity Classification from Timber Cross-Sectional Images Using Convolutional Neural NetworkDOI: https://doi.org/10.3390/app13031280
- DOI: https://doi.org/10.20965/jaciii.2022.p0776
- DOI: https://doi.org/10.2139/ssrn.4053448
- DOI: https://doi.org/10.1109/scisisis55246.2022.10001954
- DOI: https://doi.org/10.3390/app12168250
- DOI: https://doi.org/10.1109/smc53654.2022.9945277
- DOI: https://doi.org/10.1109/smc53654.2022.9945232
- DOI: https://doi.org/10.1080/01691864.2022.2137430
- DOI: https://doi.org/10.1109/scisisis55246.2022.10002066
- [2022] Transfer learning considering the impact of data augmentation on each layer of the source modelDOI: https://doi.org/10.1109/scisisis55246.2022.10002153
- DOI: https://doi.org/10.1109/scisisis55246.2022.10002156
- DOI: https://doi.org/10.1109/icdew53142.2021.00007
- DOI: https://doi.org/10.1109/gcce53005.2021.9621767
- DOI: https://doi.org/10.1109/gcce53005.2021.9622026
- [2021] Automatic layer selection for transfer learning and quantitative evaluation of layer effectivenessDOI: https://doi.org/10.1016/j.neucom.2021.10.051
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）。