申省梅，女，现任澎思科技（PENSEES）首席科学家、新加坡研究院院长，前松下新加坡研究院副院长。作为计算机视觉与深度学习领域顶级科学家，领导超40人的算法研究团队，获得十余项计算机视觉领域国际顶级竞赛冠军，累计专利300余项，致力于监控与安全、智慧城市、自动驾驶、智能机器人以及AI 工厂自动化解决方案等领域的相关技术的开发部署和落地。

本页面主要目录有关于申省梅的：人物履历、研究领域、团队获奖记录、学术著作等介绍

外文名

Ms.Shen Sheng Mei

主要成就

澎思科技（PENSEES）首席科学家、新加坡研究院院长，前松下新加坡研究院副院长。

简介

曾联合新加坡国立大学LV组参加PASCAL VOC（视觉物体分类）连续三年获奖，在美国国家技术标准局（NIST）主办的非受限条件下人脸识别竞赛IJB-A获得了人脸验证（verification）与人脸辨认（identification）的双项冠军，在微软百万名人识别竞赛MS-Cele-1M人脸挑战赛获双项冠军。

毕业于西安电子科技大学电子工程系，获电子信息工程硕士学位。

人物履历

2019年，加入澎思科技，担任公司首席科学家及澎思新加坡研究院院长；

2016年，担任新加坡松下研究院副院长；

1992年，加入松下，在新加坡松下研究院担任高级主任工程师和研发主管；

1984年，毕业于西安电子科技大学，获电子工程系电子信息工程硕士学位。

研究领域

主要的研究领域是AI和深度学习，拥有计算机视觉的全栈技术能力，技术面横跨多个应用领域。技术包括人脸识别，目标跟踪、行人检测、行人再识别（RE-ID）,目标检测、图像分割、图像分类，交通异常检测、自动驾驶，自动情感识别，智能机器人等，致力于监控与安全、智慧城市、自动驾驶、智能机器人以及AI工厂自动化解决方案等领域的落地。

团队获奖记录

1.2018年12月，获NIPS的自动驾驶比赛AI-DO（AI Driverless Car Olympic）大赛冠军。

2.2018年10月，在机器人学术会议IROS上获得“移动操作机器人竞赛”冠军。

3.2018年7月，获得CVPR智慧城市挑战赛“无监督交通异常检测”任务冠军。

4.2017年3月和2018年2月，参加美国国家技术标准局（NIST）主办的非受限条件下人脸识别竞赛IJB-A，获得了人脸验证（verification）与人脸辨认（identification）的双项冠军。

5.2017年7月，获得微软百万名人识别竞赛MS-Cele-1M人脸挑战赛第一名。

6.2010-2012年，与新加坡国立大学颜水成教授联携，三年连续赢得了PASCAL VOC竞赛大奖（ImageNet的前身）。

学术著作

·Scale-Aware Fast R-CNN for Pedestrian Detection.IEEE Trans. Multimedia 20(4): 985-996 (2018)

·Dual-Mode Vehicle Motion Pattern Learning for High Performance Road Traffic Anomaly Detection. CVPR Workshops 2018: 145-152

·Towards Pose Invariant Face Recognition in the Wild. CVPR 2018: 2207-2216

·ThinNet: An Efficient Convolutional Neural Network for Object Detection. ICPR 2018: 836-841

·3D-Aided Deep Pose-Invariant Face Recognition. IJCAI 2018: 1184-1190

·Person re-identification with fusion of hand-crafted and deep pose-based body region features. CoRR abs/1803.10630 (2018)

·Look Across Elapse: Disentangled Representation Learning and Photorealistic Cross-Age Face Synthesis for Age-Invariant Face Recognition. CoRR abs/1809.00338 (2018)

·Detecting The Objects on The Road Using Modular Lightweight Network. CoRR abs/1811.06641 (2018)

·Intention-Net: Integrating Planning and Deep Learning for Goal-Directed Autonomous Navigation. CoRL 2017: 185-194

·High Performance Large Scale Face Recognition with Multi-cognition Softmax and Feature Retrieval. ICCV Workshops 2017: 1898-1906

·Know You at One Glance: A Compact Vector Representation for Low-Shot Learning. ICCV Workshops 2017: 1924-1932

·Audio-visual emotion recognition using deep transfer learning and multiple temporal models. ICMI 2017: 577-582

·Dual-Agent GANs for Photorealistic and Identity Preserving Profile Face Synthesis. NIPS 2017: 65-75

·Driver Head Analysis Based on Deeply Supervised Transfer Metric Learning with Virtual Data. PCM (2) 2017: 286-295

·A Good Practice Towards Top Performance of Face Recognition: Transferred Deep Feature Fusion. CoRR abs/1704.00438 (2017)

·Intention-Net: Integrating Planning and Deep Learning for Goal-Directed Autonomous Navigation. CoRR abs/1710.05627 (2017)

·Optimal depth recovery using image guided TGV with depth confidence for high-quality view synthesis. J. Visual Communication and Image Representation 39: 24-39 (2016)

·Robust Face Recognition with Deep Multi-View Representation Learning. ACM Multimedia 2016: 1068-1072

·Scale-aware Fast R-CNN for Pedestrian Detection. CoRR abs/1510.08160 (2015)

·Combining high resolution color and depth images for dense 3D reconstruction. ICCE-Berlin 2014: 331-334

·Novel edge preserve and depth image recovery method in RGB-D camera systems. ICCE-Berlin 2014: 346-349

·Directional adaptive hole filling for new view synthesis. ICCE 2012: 610-611

·CFA-based motion blur removal using long/short exposure pairs. IEEE Trans. Consumer Electronics 56(2): 332-338 (2010)