姓名：刘进超

性别：男

所属部门：机器人与信息自动化研究所

行政职务：

职称：副教授

学历：博士

所学专业：  

办公电话：022-23505706-810

电子邮件：liujinchao(at)nankai.edu.cn

研究方向：机器学习/深度学习、机器视觉、图像处理与分析、交叉学科中的人工智能 (AI for Science) 等。

☆ 刘进超，副教授，博士生导师。2012年博士毕业于丹麦科技大学（Danmarks Tekniske Universitet - DTU），获哲学博士学位（PhD），专业方向为机器视觉，同时获得丹麦政府科学创新高教部（The Danish Ministry of Science, Innovation and Higher Education）工业博士学位（Industrial PhD）。本硕毕业于武汉理工大学（自动化、控制科学与控制工程）。拥有十多年学术界和工业界一线研究经验，先后在丹麦知名跨国技术咨询与服务公司从事机器视觉相关研究工作，在英国领先的生物识别公司从事计算机视觉和机器学习相关研究工作。作为核心成员研发英国基于AI的新一代人脸建模辨识系统，新系统占英国国内市场的80%, 同时被美国、加拿大、澳大利亚、法国等二十多个国家的警察局及其他执法机关广泛采用。BBC近年拍摄热门犯罪剧中有该系统在实际应用场景中的精彩演示。作为技术负责人(Tech Lead)参与英国国家科研与创新署、丹麦科技创新局等资助的多项研究项目，包括基于先进机器学习和光谱分析的管制物品如爆炸物、有毒有害品等检测和高价值制药过程优化等，总额合计近两千万人民币。主持国家自然科学基金面上项目两项、国家重点研发计划子课题等。相关论文发表在IEEE TPAMI, TIP, TASE, TIE, TMI，Light: Science & Applications，Analytical Chemistry，Analyst，Aging Cell等人工智能、机器人、物理、化学、医学等领域高水平期刊，包括 ESI高被引论文等。

☆ 组建“机器学习与智能系统实验室（MlisLab，昵称米粒实验室）”，主要方向为机器学习/深度学习、机器视觉/图像处理与分析、科学人工智能/医疗人工智能 (AI for Science)、工业大模型等。长期合作伙伴包括以色列海法大学计算机系、丹麦哥本哈根大学、丹麦科技大学、清华大学、中科院自动化所、中科院沈阳自动化所等，有多种定期交流合作及交换机制。医工结合合作伙伴包括天津市眼科医院，中国人民解放军总医院等。

☆ 欢迎保研或者考研的同学咨询攻读研究生，也欢迎对研究和开发机器学习及其他相关系统感兴趣的本科同学咨询联系。NEW! 欢迎校内外推免同学联系攻读硕博研究生（2025年入学）。实验室经费充足，诚邀感兴趣的小伙伴们一起做出最尖端的研究成果和有一定社会影响力的技术产品。

☆ 实验室成员

牛*，    2021级，硕士毕业，本科毕业于中国石油大学，人大高瓴人工智能学院读博
吴**，  2021级，硕士毕业，本科毕业于南开大学，国家电网工作

李恩*，2022级，博士生，本科毕业于兰州大学，lienyi@mail.nankai.edu.cn
沈*  ，  2023级，博士生，本科毕业于南开大学，shenjia1116_ynwa@mail.nankai.edu.cn
赵泓*，2022级，硕士生，本科毕业于华北电力大学，hongchen@mail.nankai.edu.cn
沈纪*，2022级，硕士生，本科毕业于南开大学，shenjichen@mail.nankai.edu.cn，（co-supervised with Prof. Ningbo Yu）
龙高*，2023级，硕士生，本科毕业于南开大学，lgrs@mail.nankai.edu.cn
王旭*，2024级，硕士生，本科毕业于南开大学
姬*，    2024级，硕士生，本科毕业于吉林大学

熊轩*，2022级，本科生，物理学院
姚力*，2022级，本科生，人工智能学院
陈宏*，2022级，本科生，人工智能学院

◇ 近期代表论文：    

1. 通讯作者，DeepQA: a unified transcriptome-based aging clock using deep neural networks, Aging Cell, 2024. （医学/衰老生物学顶级期刊，IF=8.0）
   

2. 第一作者，Vibrational spectroscopy can be vulnerable to adversarial attacks, Analytical Chemistry, 2024. （分析化学顶级期刊，IF=6.7，PDF）#首次全面深入分析振动光谱分析中机器学习模型的鲁棒性#
   

3. 通讯作者，Reconstructing randomly masked spectra helps DNNs identify discriminant wavenumbers. IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 46, no. 5, pp. 3845-3861, May 2024.（人工智能顶级期刊，IF=23.6，PDF）#本文为TPAMI首次收录面向振动光谱分析的深度学习论文#
   

4. 通讯作者， Mind the gap: learning modality-agnostic representations with a cross-modality UNet. IEEE Transactions on Image Processing, vol. 33, pp. 655-670, 2024.（图像处理顶级期刊，IF=10.6，PDF）#多模态学习，涉及跨模态人脸识别，跨模态行人重识别，跨模态光谱识别等#
   

5. 通讯作者，A lightweight neural network for spectroscopic ellipsometry analysis, Advanced Optical Materials, 2023. (光学领域知名期刊，IF=9.0，PDF)

6. 第一作者，Machine learning powered ellipsometry, Light: Science & Applications, 2021.（Nature旗下光学顶级期刊，IF=20.257，PDF）#第一个基于现代AI方法的椭偏光谱智能解析方案，对比当前业界方法，解析质量和效率数量级提升#

7. 通讯作者，LSHR-Net: a hardware-friendly solution for high-resolution computational imaging using a mixed-weights neural network, Neurocomputing, vol 406, pp.169-181, 2020.（神经网络知名期刊，IF=5.779，PDF）
   

8. 第一作者，Dynamic spectrum matching with one-shot learning, Chemometrics and Intelligent Laboratory Systems, vol.184, pp.175-181, 2019.（化学信息学老牌知名期刊，IF=4.175，PDF）

9. 第一作者，Deep convolutional neural networks for Raman spectrum recognition: a unified solution, Analyst, vol. 142, pp. 4067-4074, 2017.（分析化学老牌知名期刊，IF=5.227，ESI高被引论文，PDF）#本文为最早提出面向拉曼光谱分析的深度学习方法的论文之一，截至目前Google引用450+#

10. 第一作者，Boosting active contours for weld pool visual tracking in automatic arc welding, IEEE Transactions on Automation Science and Engineering, vol. 14, pp.1096-1108, 2017.（智能控制与自动化顶级期刊，IF=6.636，PDF）

    
    

◇ 近期合作论文：

1. 合作作者，J. Wei et al., Genetic U-Net: automatically designed deep networks for retinal vessel segmentation using a genetic algorithm, IEEE Transactions on Medical Imaging, vol. 41, no. 2, pp. 292-307, Feb. 2022.（医学图像处理顶级期刊，IF=10.048，PDF）

2. 合作作者，C. K. Mididoddi et al., High-throughput photonic time-stretch optical coherence tomography with data compression, IEEE Photonics Journal, vol. 9, no. 4, pp. 1-15, Aug. 2017.（IEEE光学期刊，IF=2.443，PDF）          
   

  

※ 近期专利(已授权)

1. 一类确定材料光学常数的人工智能方法，日本专利，2022年
   

2. 一类确定材料光学常数的人工智能方法，美国专利，2022年

3. 一类确定材料光学常数的人工智能方法，中国专利，2023年
   

※ 典型商(工)业化应用：

1. 人脸建模合成与异质人脸识别系统。此系统占英国市场80%, 同时被美国、加拿大、澳大利亚、法国等二十多个国家的警察局及其他执法机关采用。BBC近年拍摄热门犯罪剧中有该系统在实际应用场景中的精彩演示。

2. 管制物品智能检测系统。

3. 制药过程智能检测系统。