Han är för närvarande postdoktor vid Institutet för analytisk sociologi (IAS) vid Linköpings universitet. Hans arbete inriktar sig på djupinlärning för fattigdomsprognoser, kartläggning av bosättningar och kvantifiering av osäkerhet med hjälp av multispektrala satellitbilder och radarsatellitbilder. Hans övergripande forskningsvision är att skapa tillförlitliga AI-EO-system som stöder de globala utvecklingsmålen (SDG), förbättrar beslutsfattandet och ger robusta, tolkbara insikter utifrån storskaliga satellitdata.
Mohammad Kakooei
Postdoktor
Mina forskningsintressen ligger inom maskininlärning, artificiell intelligens och jordobservation med omfattande erfarenhet av att använda satellitbilder och databaserad modellering för att hantera globala miljömässiga och socioekonomiska utmaningar.
Presentation
Dr Mohammad Kakooei är forskare inom maskininlärning (ML), artificiell intelligens (AI) och jordobservation (EO) och har omfattande erfarenhet av att använda satellitbilder och datadriven modellering för att hantera globala socioekonomiska och miljömässiga utmaningar.
Korta texter
[2025 – nu ]
- Forskare, Linköpings universitet, Institutet för analytisk sociologi (IAS), Göteborg, Sverige.
[2026 – nu ]
- Universitetslektor, Karlstads universitet, Geomatik, Institutionen för miljö- och livsvetenskaper, Sverige.
[2021 – 2025 ]
- Postdoktor, Chalmers tekniska högskola, Avdelningen för datavetenskap och artificiell intelligens, Göteborg, Sverige.
[2020 – 2021 ]
- Postdoktor, Babol Noshirvani University of Technology, Babol, Iran.
[2017 – 2018 ]
- Gästdoktorand, KTH (Kungliga Tekniska högskolan), Avdelningen för geoinformatik, Stockholm, Sverige.
Utbildning
[2014 – 2020 ]
- Doktorsexamen i elektronik vid Babol Noshirvani University of Technology, Babol, Iran.
Avhandlingens titel: Bedömning av byggnadsskador efter naturkatastrofer genom sammanställning av jordobservationsbilder.
[2011 – 2014 ]
- Magisterexamen i elektronik vid Iran University of Science and Technology, Teheran, Iran.
Avhandlingens titel: Förslag till algoritm för klustring av parallella dataströmmar baserad på GPU.
[2006 – 2011 ]
- Kandidatexamen i elektronik vid Shahid Beheshti University, Teheran, Iran.
Publikationer
2026
Vidare till DOI
Mer om min forskning
Jordobservation och fjärranalys
- Storskalig kartläggning av stads- och landsbygdsområden med hjälp av multispektrala (Landsat/Sentinel) och radarbaserade (Sentinel-1) bilder.
Utveckling av deep learning-processer för:
- Sammanställning av jordobservationsbilder för bedömning av katastrofskador.
- Tidsserieanalys av jordobservationsdata, kvantifiering av osäkerhet och djupa tidsseriemodeller.
- Skalbar databehandling med hjälp av Google Earth Engine, molnberäkning och GPU-baserad acceleration.
Utveckling av automatiserade arbetsflöden för:
Datorseende och maskininlärning
Utveckling av ML-modeller för:
- Uppskattning av fattigdom
- Analys av stadsstruktur
- Kartläggning av våtmarker och grödor
- Detektering av förändringar i marktäcke
Expertis inom design och träning av:
- Konvolutionella neuronnätverk (CNN)
- Självövervakad inlärning för jordobservationsdata
- Bayesianska och probabilistiska modeller
- Wavelet-baserade och tidsseriemodeller för maskininlärning
Erfarenhet av:
- Semantisk märkning av VHR-bilder
- Spektral upplösning
- Random Forest, SVM, K-means
- Segmentering baserad på neuronnätverk
- GPU-programmering och högpresterande databehandling med CUDA för skalbar maskininlärning.
GIS och geospatial datavetenskap
- Kartläggning av markanvändning och marktäcke på kontinental och nationell nivå.
Statistisk rumslig analys av:
- Stadsmiljövariabler
- Fördelning av byggnadshöjder
- Markegenskaper
- Skapande av stora EO-datamängder, integration av flera dataströmmar och hantering av geo-big-data.
- GIS-arbetsflöden för policyrelevanta tillämpningar (t.ex. miljöövervakning, socioekonomiska datamängder).
