AC米兰(中国·中文)官方网站 - 世界一流

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：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。

☆ 学术背景与工作经历 

刘进超，AC米兰中文官网入口教授，博士生导师，天津市高层次青年人才。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。作为核心成员研发了英国基于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近年拍摄的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，参与国家重大重点科研项目2项。相关论文发表在IEEE Transactions on Pattern Analysis and Machine Intelligence, IEEE Transactions on Image Processing, IEEE Transactions on Automation Science and Engineering, IEEE Transactions on Industrial Electronics, IEEE Transactions on Medical Imaging, Light: Science & Applications, Analytical Chemistry, Aging Cell等人工智能、机器人、物理、化学、医学等领域顶级期刊，包括 ESI高被引论文等。其中单篇最高（Google学术）引用500+次。以智能科技教师团队成员身份入选全国高校黄大年式教师团队。

☆ 实验室简介

⊙ 组建“机器学习与智能系统实验室（MlisLab，昵称米粒实验室，寓意小而精）”，目前主要研究方向为空间智能和AI for Science，涉及机器学习/深度学习、机器视觉/图像处理与分析、科学人工智能/医疗人工智能等。近期研究聚焦的方法与技术包括垂域基座模型训练、视觉语言大模型（VLM）、扩散模型等。长期合作伙伴包括丹麦哥本哈根大学、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中国人民解放军总医院、首都医科大学附属北京天坛医院、天津市眼科医院、天津医科大学总医院等。

⊙ 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。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。

『2025年4月6日更新！本广告长期有效』
由于科研需要，本实验室招收本校及周边高校本科实习生，
方向：深度学习、大模型、图像处理等
目标：1. 高质量学术成果；2. 真实应用的算法
待遇：1. 提供工位与GPU计算资源；2. 实验室教师、资深工程师等深度指导； 3. 实验室高年级硕博研究生手把手带教；4. 有竞争力的实习津贴；5. 优先考虑在本实验室升学深造
要求：1. 保证充足的精力和时间投入实习工作；2. 对科研及R&D有浓厚兴趣；3. 编程能力好；4. 熟悉深度学习、机器学习及图像处理等基础知识
联系方式：感兴趣的同学，请发邮件至 liujinchao(at)nankai.edu.cn。

『2025年12月23日更新！』
由于科研需要，招科研助理1名。在深度学习、图像处理、大模型等领域有较丰富的经验，发表高水平论文者优先。待遇优厚，详情面议。欢迎电联 liujinchao(at)nankai.edu.cn

⊙ 实验室成员

博士生：
李恩*， 2024级，本科毕业于兰州大学，lienyi@mail.nankai.edu.cn
沈*  ，   2023级，本科毕业于南开大学，shenjia1116_ynwa@mail.nankai.edu.cn
王双* ，2025级，硕士毕业于贵州大学
唐*  ，   2025级，硕士毕业于北京化工大学
王旭*， 2026级，本科毕业于南开大学，wangxh613@mail.nankai.edu.cn

硕士生：
龙高*，2023级，本科毕业于南开大学，lgrs@mail.nankai.edu.cn
董世*，2025级，本科毕业于重庆大学
黄乃*，2025级，本科毕业于中国海洋大学
张禹*，2026级，本科南开大学
袁逸*，2026级，本科南开大学
张*，    2026级，本科郑州大学

工程师：
冯**，  算法工程师，硕士毕业于伦敦大学国王学院（KCL）

本科生：
白佳*，2025级，南开大学人工智能伯苓班
李*，    2025级，南开大学人工智能伯苓班 

毕业生：
牛*，    2021级，硕士毕业，人大高瓴AC米兰中国官网读博
吴**，  2021级，硕士毕业，国家电网工作（大模型等相关研究开发）
赵**，  2022级，硕士毕业，央企工作

◇ 近期代表论文：    

1. 通讯作者，DeepQA: a Unified Transcriptome-Based Aging Clock Using Deep Neural Networks,Aging Cell, 2025. （医学/衰老生物学顶级期刊，IF=8.0，PDF）#该论文入选Wiley出版社为庆祝2024年诺贝尔奖及表彰AI在加速科学发现中的变革性作用而推出的一个AI in Action虚拟特刊。此特刊汇集了Wiley出版社旗下多个顶级期刊的AI for Science的杰出成果（exceptional contributions）。这些论文充分彰显了人工智能推动创新与变革的巨大潜力（出自AI in Action官方介绍）#
   

2. 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#
   

3. 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#
   

4. 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)

5. 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）
   

6. 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#

7. 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#

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500+#

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）          

◇ 部分会议论文：

1. G. Long, J. Liu, B. Liu, J. Liu, X. Hu, A Brain-Inspired Deep Separation Network for Single Channel Raman Spectra Unmixing. International Joint Conference on Neural Networks (IJCNN2026), Maastricht, the Netherlands, 2026
   

2. H. Zhao and J. Liu, Removing Batch Effect and Clustering Single-Cell RNA-seq data Using a Cross-modal Encoder-Decoder Model. The 37th Chinese Control and Decision Conference (CCDC 2025), Xiamen, China, 2025

3. X. Niu and J. Liu, Knowledge Transfer for Few-Shot Vibrational Spectrum Recognition via Learning Unified Representations, The 42nd Chinese Control Conference (CCC 2023), Tianjin, China, 2023, pp. 8622-8626

4. J. Shen, H. Zou, Y. Wang, J. Liu and N. Yu, Fundus-Image-Based Retinal Vascular Analysis in Myopic Eyes, The 42nd Chinese Control Conference (CCC 2023), Tianjin, China, 2023, pp. 7924-7929

 

※ 近期专利(已授权)

1. 一种单通道拉曼光谱解混方法，中国专利，2025
   

2. 一类确定材料光学常数的人工智能方法，中国专利，2023年
   

3. 一类确定材料光学常数的人工智能方法，美国专利，2022年

4. 一类确定材料光学常数的人工智能方法，日本专利，2022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。