个人简介
2012年于丹麦科技大学（Danmarks Tekniske Universitet - DTU）取得机器视觉方向博士学位，同时获得丹麦政府科学创新高教部（The Danish Ministry of Science, Innovation and Higher Education）工业博士证书。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。作为技术主持人(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技术和光谱分析的管制物品如爆炸物、毒品等检测和高价值制药过程优化等，总额合近两千万人民币。
☆ 入选天津市人才计划。目前作为项目负责人主持国家自然科学基金面上项目等。研究方向为机器学习、深度学习、机器视觉、智能检测、AI+交叉学科 (AI for Science)等。长期合作伙伴包括以色列海法大学计算机系(http://rita.osadchy.net/)、丹麦哥本哈根大学、丹麦科技大学、中科院自动化所等，有多种定期交流合作及交换机制。
科研项目、成果、获奖、专利
1. 国家自然科学基金面上项目 (NSFC, General Program)， 2021 - 2024，项目负责人
2. 英国国家科研与创新署项目 (UKRI - Innovate UK) ：基于先进机器学习和拉曼光谱学的高价值制药过程优化， 2017 - 2019，技术负责人
3. 英国国家科研与创新署项目 (UKRI - Innovate UK) ：基于先进机器学习和拉曼光谱学的管制物品检测，2016 - 2017，技术负责人
4. 英国国家科研与创新署项目 (UKRI - Innovate UK) ：基于压缩感知的超分辨率光谱仪， 2015 - 2016，技术负责人
※ 典型商(工)业化应用：
人脸建模合成与异质人脸识别系统。此系统占英国市场的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采用。
管制物品智能检测系统。
制药过程智能检测系统。
教学、讲授课程等
讲授课程：
数据结构（本科），机器学习（硕博）
研究领域
机器学习、深度学习、机器视觉、智能检测、交叉学科中的人工智能 (AI for Science) 等
近期论文
查看导师最新文章
（温馨提示：请注意重名现象，建议点开原文通过作者单位确认）
Liu, J.(刘进超，一作)*, Zhang, D.*, Yu, D., Ren, M., Xu, J., Machine learning powered ellipsometry, Light: Science & Applications, 2021.（Nature旗下物理/光学权威期刊，IF=17.782，PDF）
Liu, J.(刘进超，一作), Gibson, Stuart J., Mills, J., and Osadchy, M., Dynamic spectrum matching with one-shot learning, Chemometrics and Intelligent Laboratory Systems, vol.184, pp.175-181, 2019.（化学信息学知名期刊，IF=3.491，PDF）
Liu, J.(刘进超，一作), Osadchy, M, Ashton, L., Foster, M., Solomon, C. J., and Gibson, S. J., 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=4.616，PDF）
Liu, J.(刘进超，一作), Fan, Z., Olsen, S., Christensen, K., and Kristensen, J., 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.（IEEE自动化科学与工程汇刊，IF=5.083，PDF）
Bai, F., Liu, J.*(刘进超，通讯), Liu, X., Osadchy M., Wang C., and Gibson S.J., 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=5.719，PDF）
◇ 近期合作论文：
1. 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.（医学图像处理权威期刊，IF=10.048，PDF）
2. 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）
京公网安备 11010802027423号