MAEDA Keisuke Maeda


Assistant Professor of Corporate Strategy Division, Office of Institutional Research
Keisuke Maeda

Engaged in research on multimodal signal processing and machine learning using heterogeneous data such as images, text, and biological information, and its applications. He promotes interdisciplinary collaboration with information science by handling a wide variety of data, such as data acquired in social infrastructure maintenance and multispectral images taken on the surface of Mars. He is a member of IEEE and IEICE. Ph.D. (Information Science)

E-mail: maeda {at} lmd.ist.hokudai.ac.jp

Biography　Paper　International Conference　Domestic Conference　Lecture　Awards　Research Projects　Academic Activities

BIOGRAPHY

EDUCATION

  • B. S. 2015 Faculty of Engineering, Hokkaido University, Sapporo
  • M. S. 2017 Graduate School of Information Science and Technology, Hokkaido University, Sapporo
  • Ph. D. 2019 Graduate School of Information Science and Technology, Hokkaido University, Sapporo
  • Feb. 2019 Research Fellowship for Young Scientists (PD) of Japan Society for the Promotion of Science
  • 〜Currently, Assistant Professor of Office of Institutional Research, Hokkaido University

RESEARCH ACHIEVEMENTS

PAPER

  1. K. Hirasawa, K. Maeda, T. Ogawa and M. Haseyama, “Detection of Important Scenes in Baseball Videos via Bidirectional Time Lag Aware Deep Multiset Canonical Correlation Analysis,” IEEE ACCESS, vol. 9, pp. 84971–84981, 2021. (2020 IF=3.367)  [paper]
  2. N. Ogawa, K. Maeda, T. Ogawa, M. Haseyama: “Distress Image Retrieval for Infrastructure Maintenance via Self-trained Deep Metric Learning Using Experts’ Knowledge,” IEEE Access, vol. 9, pp. 65234–65245, 2021. (2020 IF=3.367)  [paper]
  3. R. Togo, N. Saito, K. Maeda, T. Ogawa, M. Haseyama, “Rubber Material Property Prediction Using Electron Microscope Images,” Sensors, vol. 21, no. 6, 2088, 2021. (2020 IF=3.576)  [paper]
  4. K. Hirasawa, K. Maeda, T. Ogawa and M. Haseyama, “Detection of Important Scenes in Baseball Videos via Time-lag Aware Multimodal Variational Autoencoder,” Sensors, vol. 21, no. 6, 2045, 2021. (2020 IF=3.576)  [paper]
  5. M. Matsumoto, N. Saito, K. Maeda, T. Ogawa, M. Haseyama: “Supervised Fractional-order Embedding Multiview Canonical Correlation Analysis via Ordinal Label Dequantization for Image Interest Estimation,” IEEE Access, vol.9, pp.21810–21822, 2021. (2020 IF=3.367) [paper]
  6. Y. Moroto, K. Maeda, T. Ogawa, M. Haseyama: “Human-Centric Emotion Estimation Based on Correlation Maximization Considering Changes with Time in Visual Attention and Brain Activity,” IEEE Access, vol. 8, pp. 203358–203368, 2020. (2020 IF=3.367) [paper]
  7. K. Maeda, S. Takahashi, T. Ogawa and M. Haseyama, “Deterioration Level Estimation via Neural Network Maximizing Category-based Ordinally Supervised Multi-view Canonical Correlation,” Multimedia Tools and Applications, pp. 1–22, 2020. (2020 IF=2.757) [paper]
  8. 前田圭介, 斉藤僚汰, 髙橋翔 小川貴弘, 長谷山美紀, “視線データと点検データの正準相関に基づく道路橋点検のための類似データ検索,” 土木学会論文集F3(土木情報学), vol. 76, no. 1, pp. 74–86, 2020. [paper]
  9. T. Ogawa, K. Maeda and M. Haseyama, “Inpainting via Sparse Representation Based on a Phaseless Quality Metric,” IEICE Transactions on Fundamentals of Electronics, Communications and Computer Sciences, vol. 103, no. 12, pp. 1541–1551, 2020. (2020 IF=0.338) [paper]
  10. K. Maeda, K. Horii, T. Ogawa and M. Haseyama, “Multi-task Convolutional Neural Network Leading to High Performance and Interpretability via Attribute Estimation,” IEICE Transactions on Fundamentals of Electronics, Communications and Computer Sciences, vol. 103, no. 12, pp. 1609–1612, 2020. (2020 IF=0.338) [paper]
  11. K. Maeda, T. Kushima, S. Takahashi, T. Ogawa and M. Haseyama, “Estimation of Interest Levels from Behavior Features via Tensor Completion Including Adaptive Similar User Selection,” IEEE ACCESS vol. 8, pp. 126109-126118, 2020. (2020 IF=3.367) [paper]
  12. K. Maeda, Y. Ito, T. Ogawa and M. Haseyama, “Supervised Fractional-order Embedding Geometrical Multi-view CCA (SFGMCCA) for Multiple Feature Integration,” IEEE ACCESS, vol. 8, pp. 114340–114353, 2020. (2020 IF=3.367)  [paper]
  13. K. Maeda, S. Genma, T. Ogawa and M. Haseyama, “Image Retrieval Based on Supervised Local Regression and Global Alignment with Relevance Feedback for Insect Identification,” ITE Transactions on Media Technology and Applications, vol.8, no.3, pp. 140–150, 2020.  [paper]
  14. Y. Moroto, K. Maeda, T. Ogawa and M. Haseyama, “Few-shot Personalized Saliency Prediction Based on Adaptive Image Selection Considering Object and Visual Attention,” Sensors, vol.20, no.8, pp. 2170-2184, 2020. (2020 IF=3.576)  [paper]
  15. Y. Moroto, K. Maeda, T. Ogawa and M. Haseyama, “Tensor-Based Emotional Category Classification via Visual Attention-Based Heterogeneous CNN Feature Fusion,” Sensors, vol.20, no.7, pp. 2146-2160, 2020. (2020 IF=3.576)  [paper]
  16. K. Horii, K. Maeda, T. Ogawa and M. Haseyama, “Interpretable Convolutional Neural Network Including Attribute Estimation for Image Classification,” ITE Transactions on Media Technology and Applications, vol. 8, no. 2, pp. 111–124, 2020.  [paper]
  17. K. Maeda, S. Takahashi, T. Ogawa and M. Haseyama, “Convolutional Sparse Coding-based Deep Random Vector Functional Link Network for Distress Classification of Road Structures,” Computer-Aided Civil and Infrastructure Engineering, vol. 34, pp. 654-676, 2019. (2020 IF=11.775)  [paper]
  18. K. Horii, K. Maeda, T. Ogawa and M. Haseyama, “Human-centered Image Classification via a Neural Network Considering Visual and Biological Features,” Multimedia Tools and Applications, pp. 1-21, 2019. (2020 IF=2.757)  [paper]
  19. T. Ogawa, Y. Sasaka, K. Maeda and M. Haseyama, “Favorite Video Classification Based on Multimodal Bidirectional LSTM,” IEEE ACCESS, vol. 6, pp. 61401-61409, 2018. (2020 IF=3.367)  [paper]
  20. K. Maeda, S. Takahashi, T. Ogawa, and M. Haseyama, “Estimation of Deterioration Levels of Transmission Towers via Deep Learning Maximizing Canonical Correlation between Heterogeneous Features,” IEEE Journal of Selected Topics in Signal Processing, vol. 12, no. 4, pp. 633-644, 2018. (2020 IF=6.856)  [paper]
  21. K. Maeda, S. Takahashi, T. Ogawa, and M. Haseyama, “Distress Classification of Class-imbalanced Inspection Data via Correlation Maximizing Weighted Extreme Learning Machine,” Elsevier Journal of Advanced Engineering Informatics, vol. 37, pp. 79-–87, 2018. (2020 IF=5.603)  [paper]
  22. K. Maeda, S. Takahashi, T. Ogawa, and M. Haseyama, “Distress Classification of Road Structures via Adaptive Bayesian Network Model Selection,” ASCE Journal of Computing in Civil Engineering, American Society of Civil Engineers, vol. 31, no. 5, pp. 04017044-1 – 04017044-13, 2017. (2020 IF=4.640)  [paper]
  23. K. Maeda, T. Ogawa, and M. Haseyama, “Automatic Martian Dust Storm Detection from Multiple Wavelength Data Based on Decision Level Fusion,” IPSJ Transactions on Computer Vision and Applications, Information Processing Society of Japan, vol. 7, pp. 79-83, 2015.  [paper]

INTERNATIONAL CONFERENCE

  1. Y. Ye, Y. Moroto, K. Maeda, T. Ogawa, M. Haseyama, “Visual Sentiment Prediction Using Few-Shot Learning via Distribution Relations of Visual Features,” IEEE Global Conference on Consumer Electronics (GCCE), 2021. (Accepted)
  2. J. Zhang, K. Maeda, T. Ogawa, M. Haseyama, “Defense Against Image Captioning Attacks via A Robust and Stable Recurrent Neural Network,” IEEE Global Conference on Consumer Electronics (GCCE), 2021. (Accepted)
  3. K. Watanabe, K. Maeda, T. Ogawa, M. Haseyama, “Movie Rating Estimation Based on Weakly Supervised Multi-Modal Latent Variable Model,” IEEE Global Conference on Consumer Electronics (GCCE), 2021. (Accepted)
  4. N. Onodera, K. Maeda, T. Ogawa, M. Haseyama, “Graph Analysis-Based Recommendation via Entity Embeddings Using Wikipedia,” IEEE Global Conference on Consumer Electronics (GCCE), 2021. (Accepted)
  5. Y. Watanabe, R. Togo, K. Maeda, T. Ogawa, M. Haseyama, “Text-Guided Image Manipulation for Desired Region Using Referring Image Segmentation,” IEEE Global Conference on Consumer Electronics (GCCE), 2021. (Accepted)
  6. K. Hirasawa, K. Maeda, T. Ogawa, M. Haseyama, “A Trial of Fine-Grained Classification of Expert-Novice Level Using Bio-Signals While Inspecting Subway Tunnels,” IEEE Global Conference on Consumer Electronics (GCCE), 2021. (Accepted)
  7. T. Hirakawa, K. Maeda, T. Ogawa, S. Asamizu, M. Haseyama, “Analysis of Social Trends Related to COVID-19 Pandemic Utilizing Social Media Data,” IEEE Global Conference on Consumer Electronics (GCCE), 2021. (Accepted)
  8. Z. Lan, K. Maeda, T. Ogawa, M. Haseyama, “Multi-Label Image Recognition Based on Multi-Modal Graph Convolutional Networks Using Captioning Features,” IEEE Global Conference on Consumer Electronics (GCCE), 2021. (Accepted)
  9. Y. Liang, K. Maeda, T. Ogawa, M. Haseyama, “Deep Metric Network via Heterogeneous Semantics for Image Sentiment Analysis,” IEEE International Conference on Image Processing (ICIP), pp. 1039-1041, 2021.
  10. T. Haruyama, R. Togo, K. Maeda, T. Ogawa, M. Haseyama, “Segmentation-aware Text-guided Image Manipulation,” IEEE International Conference on Image Processing (ICIP), pp. 2433-2437, 2021.
  11. K. Hirasawa, K. Maeda, T. Ogawa, M. Haseyama, “Time-lag Aware Multi-modal Variational Autoencoder Using Baseball Videos and Tweets for Prediction of Important Scenes,” IEEE International Conference on Image Processing (ICIP), pp. 2678-2682, 2021.
  12. K. Kamikawa, K. Maeda, T. Ogawa, M. Haseyama, “Interest Level Estimation via Multi-modal Gaussian Process Latent Variable Factorization,” IEEE International Conference on Image Processing (ICIP), pp. 1209-1213, 2021.
  13. N. Ogawa, K. Maeda, T. Ogawa, M. Haseyama, “Correlation-aware Attention Branch Network Using Multi-modal Data for Deterioration Level Estimation of Infrastructures,” IEEE International Conference on Image Processing (ICIP), pp. 1014-1018, 2021.
  14. T. Hirakawa, K. Maeda, T. Ogawa, S. Asamizu, M. Haseyama, “Cross-Domain Recommendation Method Based on Multi-layer Graph Analysis with Visual Information,” IEEE International Conference on Image Processing (ICIP), pp. 2688-2692, 2021.
  15. Y. Moroto, K. Maeda, T. Ogawa, M. Haseyama, “Few-shot Personalized Saliency Prediction Using Person Similarity Based on Collaborative Multi-output Gaussian Process Regression,” IEEE International Conference on Image Processing (ICIP), pp. 1469-1473, 2021.
  16. N. Ogawa, K. Maeda, T. Ogawa, M. Haseyama, “Degradation level estimation of road structures via attention branch network with text data,” IEEE International Conference on Consumer Electronics – Taiwan (ICCE-TW), pp. 1–2, 2021.
  17. Y. Moroto, K. Maeda, T. Ogawa, and M. Haseyama, “Human emotion estimation using multi-modal variational autoencoder with time changes,” IEEE Global Conference on Life Sciences and Technologies (LifeTech), pp.82-83, 2021.
  18. Y. Akamatsu, K. Maeda, T. Ogawa, and M. Haseyama, “Classification of Expert-Novice Level Using Eye Tracking and Motion Data via Conditional Multimodal Variational Autoencoder,” IEEE International Conference on Acoustics Speech and Signal Processing (ICASSP), pp. 1360-1364, 2021.
  19. Y. Liang, K. Maeda, T. Ogawa, and M. Haseyama, “Cross-Domain Semi-Supervised Deep Metric Learning for Image Sentiment Analysis,” IEEE International Conference on Acoustics Speech and Signal Processing (ICASSP), pp. 4140-4144, 2021.
  20. T. Higashi, K. Maeda, T. Ogawa, and M. Haseyama, “Estimation of Visual Features of Viewed Image from Individual and Shared Brain Information Based on fMRI Data Using Probabilistic Generative Model,” IEEE International Conference on Acoustics Speech and Signal Processing (ICASSP), pp. 1335-1339, 2021.
  21. M. Matsumoto, K. Maeda, N. Saito, T. Ogawa, and M. Haseyama, “Multi-modal Label Dequantized Gaussian Process Latent Variable Model for Ordinal Label Estimation,” IEEE International Conference on Acoustics Speech and Signal Processing (ICASSP), pp. 3975-3979, 2021.
  22. K. Kamikawa, K. Maeda, T. Ogawa, and M. Haseyama, “Feature Integration via Semi-supervised Ordinally Multi-modal Gaussian Process Latent Variable Model,” IEEE International Conference on Acoustics Speech and Signal Processing (ICASSP), pp. 4120-4124, 2021.
  23. T. Hirakawa, K. Maeda, T. Ogawa, S. Asamizu and M. Haseyama, “Cross-domain Recommendation Based on Multilayer Graph Analysis Using Subgraph Representation,” International Workshop on Advanced Image Technology (IWAIT), vol. 11766, p. 1176635, 2021.
  24. K. Hirasawa, K. Maeda, T. Ogawa, M. Haseyama, “Important Scene Prediction of Baseball Videos Using Twitter and Video Analysis Based on LSTM,” IEEE Global Conference on Consumer Electronics (GCCE), pp. 636–637, 2020.
  25. Y. Moroto, K. Maeda, T. Ogawa, M. Haseyama, “Estimation of User-Specific Visual Attention Considering Individual Tendency Toward Gazed Objects,” IEEE Global Conference on Consumer Electronics (GCCE), pp. 745–746, 2020.
  26. Y. Liang, K. Maeda, T. Ogawa, M. Haseyama, “Estimation of Images Matched with Audio-Induced Brain Activity via Modified DGCCA,” IEEE Global Conference on Consumer Electronics (GCCE), pp. 940–941, 2020.
  27. T. Hirakawa, K. Maeda, T. Ogawa, S. Asamizu, M. Haseyama, “Cross-Domain Recommendation via Multi-Layer Graph Analysis Using User-Item Embedding,” IEEE Global Conference on Consumer Electronics (GCCE), pp. 714–715, 2020.
  28. T. Higashi, K. Maeda, T. Ogawa, M. Haseyama, “Estimation of Viewed Images Using Individual and Shared Brain Responses,” IEEE Global Conference on Consumer Electronics (GCCE), pp. 716–717, 2020.
  29. K. Kamikawa, K. Maeda, T. Ogawa, M. Haseyama, “Interest Level Estimation Based on Feature Integration Considering Distribution of Partially Paired User’s Behavior, Videos and Posters,” IEEE Global Conference on Consumer Electronics (GCCE), pp. 944–945, 2020.
  30. K. Maeda, S. Takahashi, T. Ogawa, M. Haseyama, “Feature Integration via Geometrical Supervised Multi-view Multi-label Canonical Correlation for Inconplete Label Assignment,” IEEE International Conference on Image Processing (ICIP), pp. 46–50, 2020.
  31. K. Hirasawa, K. Maeda, T. Ogawa, M. Haseyama, “Important Scene Detection of Baseball Videos via Time-lag Aware Deep Multiset Canonical Correlation Maximization,” IEEE International Conference on Image Processing (ICIP), pp. 1236–1240, 2020.
  32. K. Hirasawa, K. Maeda, T. Ogawa, M. Haseyama, “Important Scene Detection Based on Anomaly Detection using Long Short-Term Memory for Baseball Highlight Generation,” IEEE International Conference on Consumer Electronics – Taiwan (ICCE-TW), pp. 1–2, 2020.
  33. Y. Moroto, K. Maeda, T. Ogawa, and M. Haseyama, “Estimation of Person-Specific Visual Attention via Selection of Similar Persons,” IEEE International Conference on Consumer Electronics – Taiwan (ICCE-TW), pp. 1–2, 2020.
  34. K. Hirasawa, K. Maeda, T. Ogawa, and M. Haseyama, “MvGan Maximizing Time-lag Aware Canonical Correlation for Baseball Highlight Generation,” IEEE International Workshop of Artificial Intelligence in Sports (AI-Sports), pp.1-6, 2020.
  35. N. Ogawa, K. Maeda, T. Ogawa, and M. Haseyama, “Distress Level Classification of Road Infrastructures via CNN Generating Attention Map,” IEEE Global Conference on Life Sciences and Technologies (LifeTech), pp.97-98, 2020.
  36. G. Suzuki, K. Maeda, T. Ogawa, and M. Haseyama, “Quantitative Analysis of Engineer’s Skill Using Wearable Sensor Data while Inspecting Highway Bridge,” IEEE Global Conference on Life Sciences and Technologies (LifeTech), pp.111-112, 2020.
  37. K. Hirasawa, K. Maeda, T. Ogawa, and M. Haseyama, “Semantic Shot Classification in Baseball Videos Based on Similarities of Visual Features,” IEEE Global Conference on Consumer Electronics (GCCE), pp. 689–690,2019.
  38. N. Ogawa, K. Maeda, T. Ogawa, and M. Haseyama, “Region-based Distress Classification of Road Infrastructures via CNN Without Region Annotation,” IEEE Global Conference on Consumer Electronics (GCCE), pp. 790-791, 2019.
  39. Y. Moroto, K. Maeda, T. Ogawa, and M. Haseyama, “Estimation of User-Specific Visual Attention Based on Gaze Information of Similar Users,” IEEE Global Conference on Consumer Electronics (GCCE), pp. 486–487, 2019.
  40. K. Maeda, S. Takahashi, T. Ogawa, and M. Haseyama, “Neural Network Maximizing Ordinally Supervised Multi-view Canonical Correlation for Deterioration Level Estimation,” IEEE International Conference on Image Processing (ICIP), pp. 919–923, 2019.
  41. Y. Moroto, K. Maeda, T. Ogawa, and M. Haseyama, “Estimation of Emotion Labels via Tensor-based Spatiotemporal Visual Attention Analysis,” IEEE International Conference on Image Processing (ICIP), pp. 4105–4109, 2019.
  42. Y. Moroto, K. Maeda, T. Ogawa, and M. Haseyama, “User-Specific Visual Attention Estimation Based on Visual Similarity and Spatial Information in Images,” IEEE International Conference on Consumer Electronics – Taiwan (ICCE-TW), pp. 479-480, 2019.
  43. Y. Moroto, K. Maeda, T. Ogawa, and M. Haseyama, “Estimation of Visual Attention via Canonical Correlation between Visual and Gaze-based Features,” IEEE 1st Global Conference on Life Sciences and Technologies (LifeTech), pp. 229–230, 2019.
  44. K. Maeda, S. Takahashi, T. Ogawa, and M. Haseyama, “Multi-feature fusion based on supervised multi-view multi-label canonical correlation projection,” IEEE International Conference on Acoustics Speech and Signal Processing (ICASSP), pp. 3936-3940, 2019.
  45. Y. Moroto, K. Maeda, T. Ogawa, and M. Haseyama, “User-centric Visual Attention Estimation Based on Relationship Between Image and Eye Gaze Data,” IEEE Global Conference on Consumer Electronics (GCCE), pp. 44–45, 2018.
  46. K. Horii, K. Maeda, T. Ogawa, and M. Haseyama, “A Human-centered Neural Network Model with Discriminative Locality Preserving Canonical Correlation Analysis for Image Classification,” IEEE International Conference on Image Processing (ICIP), pp. 2366–2370, 2018.
  47. K. Maeda, S. Takahashi, T. Ogawa, and M. Haseyama, “Distress Classification via Neural Network Maximizing Canonical Correlation between Multi-modal Features,” GI-CoRE GSQ, GSB & IGM Joint Symposium, 2018.
  48. K. Maeda, T. Ogawa, and M. Haseyama, “Automatic Martian Dust Storm Detection via Decision Level Fusion Based on Deep Extreme Learning Machine,” IEEE International Conference on Image Processing (ICIP), pp. 435-439, 2017.
  49. K. Maeda, S. Takahashi, T. Ogawa, and M. Haseyama, “Automatic Estimation of Deterioration Level on Transmission Towers via Deep Extreme Learning Machine Based on Local Receptive Field,” IEEE International Conference on Image Processing (ICIP), pp. 2379-2383, 2017.
  50. K. Horii, K. Maeda, T. Ogawa, and M. Haseyama, “Image Classification for Trend Prediction Based on Integration of fNIRS and Visual Features,” IEEE Global Conference on Consumer Electronics (GCCE), pp. 301-302, 2017.
  51. K. Maeda, S. Takahashi, T. Ogawa, and M. Haseyama, “Deterioration Level Estimation on Transmission Towers Based on Machine Learning,” GI-CoRE GSQ, GSB & IGM Joint Symposium, pp. 5-6, 2017.
  52. K. Maeda, S. Takahashi, T. Ogawa, and M. Haseyama, “Deterioration Level Estimation on Transmission Towers via Extreme Learning Machine based on Combination Use of Local Receptive Field and Principal Component Analysis,” International Technical Conference on Circuits/Systems, Computers and Communications (ITC-CSCC), pp. 457-458, Busan, Korea, July, 2017.
  53. K. Maeda, S. Takahashi, T. Ogawa, and M. Haseyama, “Distress Classification of Class Imbalanced Data for Maintenance Inspection of Road Structures in Express Way,” International Conference on Civil and Building Engineering Informatics in conjunction with Conference on Computer Applications in Civil and Hydraulic Engineering (ICCBEI & CCACHE), pp. 182-185, 2017.
  54. K. Maeda, S. Takahashi, T. Ogawa, and M. Haseyama, “Distress Classification of Road Structures via Decision Level Fusion,” IEEE International Conference on Digital Signal Processing (DSP), pp. 589-593, 2016.
  55. K. Maeda, S. Takahashi, T. Ogawa, and M. Haseyama, “Distress Classification of Road Structures via Multiple Classifier-based Bayesian Network,” International Workshop on Advanced Image Technology (IWAIT), pp. P.1, B-11, 2016.
  56. K. Maeda, T. Ogawa, and M. Haseyama, “Automatic Detection of Martian Dust Storms from Heterogeneous Data Based on Decision Level Fusion,” IEEE International
    Conference on Image Processing (ICIP)    , pp. 2246-2250, 2015.
  57. K. Maeda, S. Takahashi, T. Ogawa, and M. Haseyama, “Bayesian Network-based Distress Estimation Using Image Features in Road Structure Assessment,” IEEE Global Conference on Consumer Electronics (GCCE), pp. 169-170, 2014.

DOMESTIC CONFERENCE

  1. 小川 直輝, 前田 圭介, 小川 貴弘, 長谷山 美紀, “Attention Map を用いた道路構造物の変状画像分類におけるテキストデータの導入に基づく高精度化に関する検討,” 映像情報メディア学会技術報告, vol.45, no.4, pp.17-21 (2021)
  2. 梁 鋆, 前田 圭介, 小川 貴弘, 長谷山 美紀, “Image Captioningの導入による画像の感情推定の高精度化に関する検討,” 映像情報メディア学会技術報告, vol.45, no.4, pp.65–69 (2021)
  3. 赤松 祐亮, 前田 圭介, 小川 貴弘, 長谷山 美紀, “地下鉄トンネル点検時の技術者から取得される視線およびモーションデータに基づく熟練度の推定に関する検討,” 映像情報メディア学会技術報告, vol.45, no.4, pp.7-12 (2021)
  4. 平川 泰成, 前田 圭介, 小川 貴弘, 浅水 仁, 長谷山 美紀, “画像特徴を用いた多層グラフ解析に基づくクロスドメイン推薦に関する検討,” 映像情報メディア学会技術報告, vol.45, no.4, pp.59-63 (2021)
  5. 平澤 魁人, 前田 圭介, 小川 貴弘, 長谷山 美紀, “Twitterと映像を用いたMVAEに基づく野球映像の重要シーン予測に関する検討,” 映像情報メディア学会技術報告, vol.45, no.4, pp.71-75 (2021)
  6. 春山 知生, 前田 圭介, 藤後 廉, 小川 貴弘, 長谷山 美紀, “地下鉄トンネルの維持管理支援を目的とした深層学習に基づく変状検出の高精度化に関する検討 ～壁面の施工方法に注目した精度検証〜,” 映像情報メディア学会技術報告, vol.45, no.4, pp.1-6 (2021)
  7. 諸戸 祐哉, 前田 圭介, 小川 貴弘, 長谷山 美紀, “路面画像を用いた異常検知に基づく路面状態の識別に関する検討,” 令和2年度 電気・情報関係学会北海道支部連合大会, pp.118-119 (2020)
  8. 春山 知生, 前田 圭介, 藤後 廉, 小川 貴弘, 長谷山 美紀, “RICAPに基づくデータ拡張による地下鉄トンネルにおける変状検出精度の向上に関する検討,” 令和2年度 電気・情報関係学会北海道支部連合大会, pp.116-117 (2020)
  9. 梁 鋆, 前田 圭介, 小川 貴弘, 長谷山 美紀, “Multi-level Deep Metric Netに基づく画像の感情推定に関する検討,” 令和2年度 電気・情報関係学会北海道支部連合大会, pp.81–82 (2020)
  10. 東 孝明, 前田 圭介, 小川 貴弘, 長谷山 美紀, “画像注視時のfMRIデータを用いた注視画像の推定に関する検討ー確率的生成モデルに基づく複数被験者の共通応答の導入ー,” 令和2年度 電気・情報関係学会北海道支部連合大会, pp.75-76 (2020)
  11. 上川 恭平, 前田 圭介, 小川 貴弘, 長谷山 美紀, “m-SimGPを用いた特徴統合に基づくユーザの関心度推定に関する検討,” 令和2年度 電気・情報関係学会北海道支部連合大会, pp.83-84 (2020)
  12. 平川 泰成, 前田 圭介, 小川 貴弘, 浅水 仁, 長谷山 美紀, “多層グラフ解析に基づくクロスドメイン推薦に関する検討 – 埋め込み特徴量の次元数の変化による精度検証 -,” 令和2年度 電気・情報関係学会北海道支部連合大会, pp.85-86 (2020)
  13. 堀井 風葉, 前田 圭介, 小川 貴弘, 長谷山 美紀, “道路構造物の維持管理効率化に向けた変状画像分類における信頼性の向上に関する検討,” 映像情報メディア学会技術報告, vol. 44, no. 6, pp. 51-56, 2020.
  14. 九島 哲哉, 前田 圭介, 小川 貴弘, 長谷山 美紀, “地下鉄トンネル点検時の生体信号に基づいた熟練および若手技術者の分類に関する検討,” 映像情報メディア学会技術報告, vol. 44, no. 6, pp. 101-105, 2020.
  15. 松井 太我, 前田 圭介, 小川 貴弘, 長谷山 美紀, “道路構造物の変状評価における技術者の視線データと熟練度の分析に関する一考察,” 映像情報メディア学会技術報告, vol. 44, no. 6, pp. 97-100, 2020.
  16. 松本 有衣, 前田 圭介, 小川 貴弘, 長谷山 美紀, “地下鉄トンネル維持管理支援を目的とした類似画像の検索に関する検討-技術者の評価を反映可能な距離計量学習の導入-,” 映像情報メディア学会技術報告, vol. 44, no. 6, pp. 47-50, 2020.
  17. 諸戸 祐哉, 前田 圭介, 小川 貴弘, 長谷山 美紀, “画像注視時のヒトの感情推定のための視線特徴の推定に関する検討,” 映像情報メディア学会技術報告, vol. 44, no. 6, pp. 85-89, 2020.
  18. 平澤 魁人, 前田 圭介, 小川 貴弘, 長谷山 美紀, “Twitterを用いた異常検知に基づく野球映像の重要シーン検出に関する検討,” 令和元年度 電気・情報関係学会北海道支部連合大会, pp. 116-117, 2019.
  19. 諸戸 祐哉, 前田 圭介, 小川 貴弘, 長谷山 美紀, “Sparse Bayesian Learning に基づく注視領域の時間変化を考慮したヒトの感情推定に関する検討,” 令和元年度 電気・情報関係学会北海道支部連合大会, pp. 149-150, 2019.
  20. 小川 直輝, 前田 圭介, 小川 貴弘, 長谷山 美紀, “変状分類における Grad-CAM++ に基づいた CNN の注目領域の可視化に関する検討,” 令和元年度 電気・情報関係学会北海道支部連合大会, pp. 153-154, 2019.
  21. K. Maeda, S. Takahashi, T. Ogawa, and M. Haseyama, “Multi-feature fusion based on semi-supervised multi-view multi-label canonical correlation projection,” 第22回 画像の認識・理解シンポジウム (MIRU), pp. 1-4, 2019.
  22. 諸戸 祐哉, 前田 圭介, 小川 貴弘, 長谷山 美紀, “視線情報を考慮した画像のテンソル表現に基づく感情ラベル推定に関する検討 – 複数ユーザの推定結果の統合に基づく高精度化–,” 第22回 画像の認識・理解シンポジウム (MIRU), pp. 1-4, 2019.
  23. 諸戸 祐哉, 前田 圭介, 小川 貴弘, 長谷山 美紀, “画像の視覚的および空間的特徴に基づくユーザに特化した注視領域推定の高精度化に関する検討 ～ 視覚的特徴の類似度と推定精度の関係性に関する一考察～,” イメージ・メディア・クオリティ研究会 (IMQ), pp. 13-16, 2019.
  24. 前田 圭介, 高橋 翔, 小川 貴弘, 長谷山 美紀, “異種特徴を用いた深層学習に基づく送電鉄塔の劣化レベル分類の高精度化に関する検討,” 映像情報メディア学会技術報告, vol. 43, no. 5, pp. 361-364, 2019.
  25. 堀井 風葉, 前田 圭介, 小川 貴弘, 長谷山 美紀, “畳み込みニューラルネットワークにおける解釈性向上のための画像の属性分類に関する一検討,” 映像情報メディア学会技術報告, vol. 43, no. 5, pp. 275-279, 2019.
  26. 斉藤 僚汰, 前田 圭介, 小川 貴弘, 長谷山 美紀, “地下鉄トンネルの変状画像を用いた 技術者の注視領域推定のための初期検討 – 深層学習に基づく顕著領域の推定手法の適用 -,” 映像情報メディア学会技術報告, vol. 43, no. 5, pp. 281-285, 2019.
  27. 諸戸 祐哉, 前田 圭介, 小川 貴弘, 長谷山 美紀, “画像注視時の注視領域の時間変化を考慮したテンソル解析に基づく感情推定に関する検討,” 平成30年度電気・情報関係学会北海道支部連合大会, pp. 137-138, 2018.
  28. 斉藤 僚汰, 前田 圭介, 小川 貴弘, 長谷山 美紀, “地下鉄トンネルの点検における視線データを用いた熟練度の分析に関する一考察,” 平成30年度電気・情報関係学会北海道支部連合大会, pp. 14-15, 2018.
  29. 前田 圭介, 高橋 翔, 小川 貴弘, 長谷山 美紀, “Convolutional Sparse Codingを導入した深層学習に基づく変状分類手法の構築,” 第21回 画像の認識・理解シンポジウム (MIRU), pp. PS2-47, 2018.
  30. 前田 圭介, 高橋 翔, 小川 貴弘, 長谷山 美紀, “道路構造物に発生する変状の自動分類の高精度化に向けたConvolutional Sparse Coding の導入に関する検討,” 映像情報メディア学会技術報告, vol. 42, no. 4, pp. 189-194, 2018.
  31. 堀井 風葉, 前田 圭介, 小川 貴弘, 長谷山 美紀, “画像特徴量と fNIRS 特徴量の関連性に注目した画像分類の高精度化に関する検討,” 電気・情報関係学会北海道支部連合大会, pp. 114-115, 2017.
  32. 前田 圭介, 高橋 翔, 小川 貴弘, 長谷山 美紀, “正準相関最大化を導入した深層学習に基づく送電鉄塔の劣化レベル分類に関する検討,” 映像情報メディア学会技術報告, vol. 41, no. 29, pp. 11-14, 2017.
  33. 前田 圭介, 小川 貴弘, 長谷山 美紀, “深層学習を用いた道路構造物の維持管理における変状分類の高精度化に関する検討,” 映像情報メディア学会技術報告, vol. 41, no. 5, pp. 51-54, 2017.
  34. 前田 圭介, 小川 貴弘, 長谷山 美紀, “火星に発生するdust stormの自動検出に関する検討 -不均衡データを考慮した識別器の構築-,” 映像情報メディア学会技術報告, vol. 40, no. 28, pp. 47-48, 2016.
  35. 前田 圭介, 高橋 翔, 小川 貴弘, 長谷山 美紀, “道路構造物の維持管理における高精度な変状分類に関する検討 －タグデータと撮影画像に基づく分類結果の統合－,” 映像情報メディア学会技術報告, vol. 40, no. 6, pp. 181-184, 2016.
  36. 前田 圭介, 高橋 翔, 小川 貴弘, 長谷山 美紀, “個々の道路構造物に関する点検項目の導入による 道路構造物の変状推定の高精度化に関する検討,” 電気・情報関係学会北海道支部連合大会, pp. 133, 2015.
  37. K. Maeda, T. Ogawa, and M. Haseyama, “Automatic Martian Dust Storm Detection from Multiple Wavelength Data Based on Decision Level Fusion,” 第18回 画像の認識・理解シンポジウム (MIRU), pp. OS4-5, 2015.
  38. 前田 圭介, 高橋 翔, 小川 貴弘, 長谷山 美紀, “複数の画像特徴を用いたベイジアンネットワークに基づく構造物の変状の推定の高精度化に関する検討,” 電気・情報関係学会北海道支部連合大会, pp. 140, 2014.

LECTURE

  1. 諸戸 祐哉, 前田 圭介, 小川 貴弘, 長谷山 美紀, “【特別講演】路面画像を用いた深層学習に基づく路面状態の分類に関する検討,” 映像情報メディア学会技術報告（北海道大学 数理・データサイエンス公開シンポジウム）, vol. 45, no. 4, pp. 165-169, 2021.
  2. 前田 圭介, 小川 貴弘, 長谷山 美紀, “【特別講演】社会インフラ維持管理効率化のための最先端AI技術の導入 -点検データを用いた変状分類の精度向上に向けた取り組み-,” 映像情報メディア学会技術報告（北海道大学 数理・データサイエンス公開シンポジウム）, vol. 44, no. 6, pp. 359-362, 2020.

AWARDS

  1. 2021 IEEE Sapporo Young Professionals Best Paper Award (2021年8月) (K. Maeda et al., IEEE JSTSP, 2018)
  2. 3rd Prize IEEE LifeTech 2021 Excellent Paper Award for On-site Poster Presentation (2021年3月) (Y. Moroto et al., IEEE LifeTech, 2021)
  3. 令和2年度電気・情報関係学会北海道支部連合大会若手優秀論文発表賞 (2020年11月) (諸戸ほか, 電気・情報関係学会北海道支部連合大会, 2020)
  4. 令和2年度電気・情報関係学会北海道支部連合大会若手優秀論文発表賞 (2020年11月) (平川ほか, 電気・情報関係学会北海道支部連合大会, 2020)
  5. 令和2年度電気・情報関係学会北海道支部連合大会若手優秀論文発表賞 (2020年11月) (東ほか, 電気・情報関係学会北海道支部連合大会, 2020)
  6. The 2020 IEEE GCCE Silver Prize GCCE2020 Excellent Paper Award (2020年10月) (K. Hirasawa et al., IEEE GCCE, 2020)
  7. The 2020 IEEE GCCE Bronzer Prize GCCE2020 Excellent Paper Award (2020年10月) (K. Kamikawa et al., IEEE GCCE, 2020)
  8. The 2020 IEEE ICCE-TW Honorable Mention for Best Paper Award (2020年9月) (K. Hirasawa et al., IEEE ICCE-TW, 2020)
  9. The 2019 IEEE Sapporo Section Encouragement Award (2020年2月) (K. Maeda et al., IEEE JSTSP, 2018)
  10. The 2019 IEEE Sapporo Section Student Paper Contest Encouraging Prize (2020年2月) (諸戸ほか, 電気・情報関係学会北海道支部連合大会, 2019)
  11. The 2019 IEEE Sapporo Section Student Paper Contest Encouraging Prize (2020年2月) (小川ほか, 電気・情報関係学会北海道支部連合大会, 2019)
  12. 映像情報メディア学会 優秀研究発表賞 (2019年12月) (K. Horii et al., ITE Technical report, 2019)
  13. 2nd Prize IEEE LifeTech 2019 Excellent Paper Award (2019年3月) (Y. Moroto et al., IEEE LifeTech, 2019)
  14. The 2018 IEEE Sapporo Section Encouragement Award (2019年2月) (K. Maeda et al., IEEE ICIP, 2017)
  15. 映像情報メディア学会 優秀研究発表賞 (2018年12月) (K. Maeda et al., ITE Technical report, 2018)
  16. IEEE GCCE 2018 Outstanding Paper Award (2018年10月) (Y. Moroto et al., IEEE GCCE, 2018)
  17. The 2017 IEEE Sapporo Section Encouragement Award (2018年2月) (K. Maeda et al., IEEE DSP, 2016)
  18. 平成29年度電気・情報関係学会北海道支部連合大会優秀論文発表賞 (2018年1月) (堀井ほか, 電気・情報関係学会北海道支部連合大会, 2017)
  19. 精密工学会画像応用技術専門委員会・映像情報メディア学会メディア工学研究委員会合同サマーセミナー 優秀発表賞 (2017年8月) (前田ほか, 映像情報メディア学会メディア工学研究会, 2017)
  20. 2017 IBM Ph. D. Fellowship award (2017年4月)
  21. The 2015 IEEE Sapporo Section Encouragement Award (2016年2月) (K. Maeda et al., IEEE GCCE, 2014)
  22. 平成27年度電気・情報関係学会北海道支部連合大会優秀論文発表賞 (2016年1月) (前田ほか, 電気・情報関係学会北海道支部連合大会, 2015)

OTHERS

  1. “北海道大 情報科学研究院 AI活用でインフラ点検,” 日本経済新聞, 2021/06/16. (Akamatsu, et al., ITE technical report, 2021に関して)

RESEARCH PROJECTS

  1. 日本学術振興会 科学研究費助成事業 基盤研究(B), “エッジAI時代の超低演算量・低容量化を実現する汎用深層学習理論の構築” (2021/04~) (研究分担者)
  2. 日本学術振興会 科学研究費助成事業（学術研究助成基金助成金） 若手研究, “技術者の認知・判断・行動プロセスに基づくハイパーマルチモーダル画像分類技術の構築”（2020/4～）(研究代表者)
  3. 戦略的情報通信研究開発推進事業（SCOPE） 重点領域型研究開発（ICT重点研究開発分野推進型（3年枠））, “自治体による観光情報発信支援のためサイバーフィジカルデータ解析プラットフォームに関する研究開発”（2020/4～2021/3）(研究分担者)
  4. 日本学術振興会 科学研究費補助金 特別研究員奨励費, “専門家の認知プロセスを模擬した深層学習に基づく画像分類技術の構築”（2018/4～2020/2）(研究代表者)

ACADEMIC ACTIVITY

MEMBERS OF THE MEETING

  1. IEEE Global Conference on Consumer Electronics (GCCE) 2019, Technical Program Committee Member
  2. IEEE Global Conference on Consumer Electronics (GCCE) 2020, Organized Session Co-chair (Actual Data Science and Engineering for Enhancement of Human Abilities and Social Infrastructure)
  3. IEEE Global Conference on Consumer Electronics (GCCE) 2021, Organized Session Co-chair (Actual Data Science and Engineering for Enhancement of Human Abilities and Social Infrastructure)

REVIEW EXPERIENCE

  1. IEEE Global Conference on Consumer Electronics (GCCE)
  2. IEEE Global Conference on Life Sciences and Technologies (LifeTech)
  3. IEEE International Conference on Multimedia and Expo (ICME) Workshop of Artificial Intelligence in Sports (AI-Sports)
  4. ITE Transactions on Media Technology and Applications
  5. IEEE International Conference on Pattern Recognition (ICPR)