一、个人基本情况
王慰，男，博士，教授，博士生导师，国家级人才计划特聘专家。1992年于北京航空航天大学获计算机控制学士学位，2002年于加拿大康科迪亚大学获微电子博士学位。曾任美国西北大学电子系客座教授、美国纽约州立大学纳米学院教授、博士生导师，美国国家纳米科研机构SRC、NRI和Sematech的主要负责成员，国际工程师总会IEEE纳米电子协会主席等。曾任中国科学院海外创新团队的海外专家、中科院物联网中心柔性传感器研究室主任、大连理工大学和北京航空航天大学的客座教授、北京印刷学院首席科学家等。2017.05至今在郑州轻工业大学电气信息工程学院工作，先后被遴选为河南省高层次人才、郑州市国家级领军人才以及河南省高等学校特聘教授等，期间兼任国际柔性电子协会委员、北京市绿色印刷与出版技术协同创新中心专家委员会/学术委员会/咨询委员会主任等学术职务。
主要从事人工智能与模式识别、计算机视觉、触觉感知和柔性电子技术等方面的研究工作。先后主持美国国家自然科学基金、美国微电子中心、美国纳米中心等项目8项，经费达540万美元。主持北京市科委重大项目1项、河南省省级项目2项；获加拿大纳米新技术CFI奖、美国普渡大学科技创新奖、IBM教授奖等5项。在国内外重要期刊和国际会议上发表SCI/EI论文130余篇，授权发明专利13项，出版学术专著2部。
邮箱：wangwei-zzuli@zzuli.edu.cn
二、承担课程
本科生：《电气工程导论》
研究生：《智能检测系统与数据融合》《新能源并网发电技术》
三、研究方向
人工智能与模式识别、计算机视觉、触觉感知和柔性电子技术
四、近年科研项目、代表性论著、发明专利、荣誉与获奖
1.科研项目
[1] 郑州市创新创业团队项目（高端创业团队项目），复杂场景下高灵敏度火灾移动智能探测系统关键技术及装备研发，2024.07-2026.07，150万元，主持
[2] 国网河南省电力公司电力科学研究院（横向项目），新型台区智能融合终端分布式电源监测功能检测能力完善，2022.09-2022.12，26.34万元，主持
[3] 河南省重点研发与推广专项项目，基于半监督深度学习和视觉显著性的太阳能电池片缺陷在线检测技术研究，2019.12-2021.12，10万元，主持.
[4] 河南众智电力工程设计有限公司（横向项目），基于机器视觉和深度学习的缺陷电路板拣选系统研发，2019.05-2020.12，148万元，主持.
[5] 苏州纳度新材料贸易有限公司（横向项目），柔性传感器测试系统研发，2018.11-2020.11，105万元，主持.
[6] 北京市科委重大项目，千万级类脑计算处理器功能芯片及相关核心技术研究，2015.04-2017.12，200万元，主持.
[7] 美国半导体中心项目，Reconfigurable RF/Digital Interconnects for 3D IC Core-Core and Core-Package Connectivity，2010.03-2013.02，160万美元，主持.
[8] 美国微电子中心项目，3D IC fabrication, testing and reliability study，2009.09-2011.08，35万美元，主持.
[9] 美国微电子中心项目，Resistive memory fabrication and its integration with CMOS，2009.09-2011.08、30万美元，主持.
[10] 美国纳米中心项目，Exploring graphene device and circuit architecture，2009.06-2012.05,30万美元，主持.
[11] 美国国家自然科学基金会项目，EMT/NANO: Hybrid CMOS-Nano-CMOS Architectures and CAD Tools for Nanoelectronic and Bio-Inspired Applications，2008.09-2009.08，9.9998万美元，主持.
[12] 美国创新中心项目，Development of emerging interconnect evaluator，2018.06-2012.05，38.5万美元，主持.
[13] 美国国防部项目，CMOS-Memristor Hybrid Nanoelectronics for AES Encryption，2010.11-2013.10，170万美元，主持.
[14] 美国空军项目，Crossbar Nanocomputer Development，2009.11-2012.10，70万美元，主持.
2.科技奖励
[1] IBM Faculty Award，2010，第一完成人
[2] IBM Faculty Award，2008，第一完成人
[3] Exploring Quantum-Dot Cellular Automata Design and Simulation Technology，2004-2005 Research Initiative Award of Purdue University，2005，第一完成人
[4] New Opportunities Fund Award，Canda Foundation for Innovation Fondation Canadienne Pour Innovation，2004，第一完成人
[5] Co-saliency Detection Guided by Group Weakly Supervised Learning，河南省教育厅优秀科技论文奖，一等奖，2024，第三完成人
[6] Object Detection in Remote Sensing Images Based on Improved Bounding Box Regression and Multi-Level Features Fusion，河南省教育厅优秀科技论文奖，一等奖，2023，第四完成人
[7] Micro-cracks detection of solar cells surface via combining short-term and long-term deep features，河南省教育厅优秀科技论文奖，一等奖，2022，第四完成人
3.代表性论文
[1] Co-saliency Detection Guided by Group Weakly Supervised Learning, IEEE Transactions on Multimedia, 2023, 25: 1810-1818. (通讯作者, IF=8.4, 中科院一区Top, ESI高被引)
[2] Building a Bridge of Bounding Box Regression Between Oriented and Horizontal Object Detection in Remote Sensing Images, IEEE Transactions on Geoscience and Remote Sensing, 2023, vol. 61, pp. 1-9, Art no. 5605209. (通讯作者, IF=8.2, 中科院一区Top, ESI高被引)
[3] Mining High-quality Pseudoinstance Soft Labels for Weakly Supervised Object Detection in Remote Sensing Images, IEEE Transactions on Geoscience and Remote Sensing, 2023, vol. 61, pp. 1-15, Art no. 5607615. (通讯作者，IF=8.2, 中科院一区Top, ESI高被引)
[4] Semantic Segmentation Guided Pseudo Label Mining and Instance Re-Detection for Weakly Supervised Object Detection in Remote SensingImages, International Journal of Applied Earth Observation and Geoinformation, 2023, volume 119, Art no. 103301, pp. 1-11. (通讯作者，IF=7.6, 中科院一区Top, ESI高被引)
[5] Complete and Invariant Instance Classifier Refinement for Weakly Supervised Object Detection in Remote Sensing Images, IEEE Transactions on Geoscience and Remote Sensing, 2024, 62: 1-13, Art no. 5627713. (通讯作者，IF=7.5, 中科院一区)
[6] Device Characteristics of CZTSSe Thin-Film Solar Cells with 12.6% Efficiency[J]. Advanced Energy Materials, 2014,4(7): 403-410. (IF=27.8,中科院一区Top, 第一作者)
[7] Micro-cracks detection of solar cells surface via combining short-term and long-term deep features, Neural Networks, 2020, 127: 132-140. (通讯作者，IF=9.657, 中科院一区Top)
[8] Establishment of a deep learning network based on feature extraction and its application in gearbox fault diagnosis[J]，Artificial Intelligence Review, 2019,52:125-149.(通讯作者，IF=12，中科院二区Top)
[9] Multi-Scale Image Splitting Based Feature Enhancement and Instance Difficulty Aware Training for Weakly Supervised Object Detection in Remote Sensing Images, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2023, 16: 7497-7506. (通讯作者，IF=5.5，中科院二区Top)
[10] Incorporating the Completeness and Difficulty of Proposals into Weakly Supervised Object Detection in Remote Sensing Images, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2022, 15: 1902-1911. (通讯作者，IF=5.5，中科院二区Top)
[11] Generating and Sifting Pseudolabeled Samples for Improving the Performance of Remote Sensing Image Scene Classification, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2020, 13: 4925-4933. (通讯作者，IF=5.5，中科院二区Top)
[12] Object Detection in Remote Sensing Images Based on Improved Bounding Box Regression and Multi-Level Features Fusion, Remote Sensing, 2020,12(1): Article 143, 1-21. (通讯作者，IF=5.0, 中科院二区Top)
[13] Smooth GIoU Loss for Oriented Object Detection in Remote Sensing Images, Remote Sensing, 2023, 15(5): Article 1259, 1-21. (通讯作者，IF=5.0, 中科院二区Top)
[14] SAM-Induced Pseudo Fully Supervised Learning for Weakly Supervised Object Detection in Remote Sensing Images, Remote Sensing, 2024, 16(9): 1-19, Article 1532. (通讯作者，IF=5.0, 中科院二区Top)
[15] Multiple Instances Complementary Detection and Difficulty Evaluation for Weakly Supervised Object Detection in Remote Sensing Images, IEEE Geoscience and Remote Sensing Letters, 2023, vol. 20, pp. 1-5, Article 6006505. (通讯作者，IF=4.8, 中科院二区)
[16] Hardness Recognition of Robotic Forearm Based on Semi-supervised Generative Adversarial Networks, Frontiers in Neurorobotics, 2019, 13: Article 73, page 1-10. (通讯作者，IF=3.1, 中科院二区)
[17] 协同视觉显著性检测方法综述，电子学报，2019，47(6): 1352-1365. (EI，通讯作者)
[18] A study of residue-to-binary converters for three-moduli sets[J].IEEE Transactions on Circuits and Systems I-regular Papers, 2003,40: 235-243. (IF=5.1,中科院二区, 第一作者)
[19] An efficient residue-to-binary converter[J].IEEE Transactions on Circuits and Systems II-express Briefs, 2002,49:230-230. (IF=4.4,中科院二区, 第一作者)
[20] A high-speed residue-to-binary converter for three-moduli RNS and a scheme of its VLSI implementation[J].IEEE Transactions on Circuits and Systems II-express Briefs, 2000,47: 1576-1581.(IF=4.4, 中科院二区, 第一作者)
4.发明专利
[1] 基于高斯混合噪声生成式对抗网络的物体硬度识别方法, 发明专利，专利号：ZL 201811328795 .3, 授权时间：2019.08，第一发明人
[2] 电阻型存储器的制备方法，发明专利，专利号：ZL201110221864.2，授权时间：2011.08，第一发明人
[3] 弱监督学习引导的协同显著性检测方法，发明专利，专利号：ZL202210375572.2，授权时间：2023.01，第四发明人
[4] 融合短时和长时深度特征的太阳能电池片缺陷检测方法，国家发明专利，专利号：ZL201910511774.3，授权时间：2020.05，第五发明人
[5] 基于生成式对抗网络的半监督高分辨率遥感图像场景分类方法，国家发明专利，专利号：ZL201910948951.4，授权时间：2020.09，第六发明人