| 研究課題/領域番号 |
21K14261
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分22050:土木計画学および交通工学関連
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
郭 直霊 東京大学, 空間情報科学研究センター, 客員研究員 (40897716)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2023年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2022年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
2021年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
|
|---|
| キーワード | Deep Learning / Geoscience / Post-disaster Monitoring / Remote Sensing / Computer Vision / Change Detection |
|---|
| 研究開始時の研究の概要 |
This research addresses the challenge of achieving high performance recovery monitoring and related tasks based on inexact and inadequate training dataset. The weak-supervised learning, multi-task learning, transfer learning is proposed.
This research sets up an architecture which makes connecting between the research fields of urban mapping, change detection, and recovery monitoring.
Based on this research, more interdisciplinary datasets and methods are expected to for post-disaster recovery monitoring optimization to promote the efficiency and accuracy.
|
| 研究成果の概要 |
災害後の復旧の監視の改善は重要であり、特に日本では自然災害が頻繁に大きな損失を引き起こしています。最近では、機械学習とリモートセンシングデータが災害リスク管理のさまざまな側面で成功裏に活用されています。しかし、復旧フェーズにおける監視は経験的な研究に十分な注目がされておらず、高性能な監視は依然として困難な課題です。この研究では、物理的な復旧の観点に焦点を当て、複数のリモートセンシング画像と深層学習の手法に基づいた正確で迅速かつ費用効果の高い災害後の復旧の監視を実現することを提案しています。
|
| 研究成果の学術的意義や社会的意義 |
この研究は、日本における災害後の復旧監視を向上させるため、多元なリモートセンシングとディープラーニングを応用して正確で迅速かつ費用効果の高い解決策を提供します。新しい3段階の手法を用いて、復旧フェーズに取り組み、災害復興計画と管理を改善します。
|
