一、个人基本情况
2004年获西安工业大学电子信息工程学院学士学位，2007和2013年分获西北工业大学自动化学院硕士和博士学位。2013.09至2014.03在西安理工大学自动化与信息工程学院工作，2014.04至今工作于18新利直播 电气信息工程学院。邮箱：qxl_sunshine@163.com。
兼任中国电工技术学会高级会员，IEEE会员，中国计算机学会、中国图象图形学学会和中国自动化学会会员，河南省电工技术学会、河南省人工智能学会和河南省仪器仪表学会理事。担任IEEE Transactions on Multimedia, IEEE Transactions on Geoscience and Remote Sensing, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，IEEE Signal Processing Letter, IEEE Access，Artificial Intelligence Review，Neurocomputing， International Journal of Remote Sensing，Neural Processing Letters，EURASIP Journal on Advances in Signal Processing，Optik，HELIYON，工程科学学报，吉林大学学报（工学版），遥感学报等国际/国内期刊的审稿专家。
先后主持国家自然科学基金面上项目和青年科学基金项目各1项，河南省科技攻关计划、河南省高等学校重点科研项目各2项。主持完成河南省科学技术进步奖二等奖、河南省教育厅科技成果奖一等奖、以及河南省教育厅优秀科技论文奖一等奖各1项，参与完成河南省科学技术进步奖二等奖、三等奖各1项。作为第一作者发表学术论文30篇，其中，SCI收录17篇(含中科院一区/二区论文5/6篇)，EI收录10篇。作为第一发明人授权发明专利9项。作为第一著作人出版学术专著2部。
二、承担课程
本科生：《传感器与检测技术》、《专业导论与工程伦理》
研究生：《图像处理与模式识别》
三、研究方向
人工智能、计算机视觉、高分辨率遥感影像解译、目标检测、机器视觉检测及其在新能源发电设备质量检测中的应用
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]国家自然科学基金面上项目，基于协同视觉显著性和渐进式标注的半监督高分遥感图像有向目标检测，2021.01-2024.12，59万元，主持.
[2]国家自然科学基金青年科学基金项目，基于自学习对比度视觉注意模型和自适应深度特征的无分类目标检测，2016.01-2018.12，19万元，主持.
[3]河南省重点研发与推广专项（科技攻关）项目，小样本条件下基于深度学习的高分遥感图像有向目标检测技术研究，2023.01-2024.12，10万元，主持.
[4]河南省重点研发与推广专项（科技攻关）项目，机械手柔性抓取中基于半监督GAN和多深度特征LSTM的物体硬度识别技术研究，2020.01-2021.12，10万元，主持.
[5]河南省高等学校重点科研项目，基于视觉显著性的太阳能电池片表面缺陷在线检测技术的研究，2015.01-2016.12，3万，主持.
[6]河南士土多电力科技有限公司（横向项目），基于深度学习和机器视觉的太阳能电池缺陷检测系统研发，2021.08-2023.07，102万，主持.
[7]河南士土多电力科技有限公司（横向项目），安防监控中基于深度学习的目标检测系统研发，2019.05-2020.12，98万，主持.
[8]郑州丰嘉科技有限公司（横向项目），基于人工智能的超脑模型训练系统开发，2021.01-2023.01，29万，主持.
2.科技奖励
[1]太阳能电池组件故障诊断中的视觉检测关键技术及应用，河南省科学技术进步奖，二等奖，2023.03，第一完成人。
[2]复杂环境下视觉检测与理解关键技术及应用，河南省教育厅科技成果奖，一等奖，2021.06，第一完成人。
[3]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，2022.06，第一完成人。
3.代表性论文
[1]Xiaoliang Qian, Yinfeng Zeng, Wei Wang, et al. Co-saliency Detection Guided by Group Weakly Supervised Learning, IEEE Transactions on Multimedia, 2022, DOI: 10.1109/TMM.2022.3167805.（IF=8.182，中科院一区Top）
[2]Xiaoliang Qian，Baokun Wu,Gong Cheng, et al. Building aBridgeof Bounding Box Regression Between Oriented and Horizontal Object Detection in Remote Sensing Images, IEEE Transactions on Geoscience and Remote Sensing, 2023,61:5605209,1-9.（IF=8.125，中科院一区Top）
[3]Xiaoliang Qian, Yu Huo, Gong Cheng, et al., Mining High-quality Pseudoinstance Soft Labels for Weakly Supervised Object Detection in Remote Sensing Images, IEEE Transactions on Geoscience and Remote Sensing, 2023, 61:5607615，1-15.（IF=8.125，中科院一区Top）
[4]Xiaoliang Qian, Jing Li, Jinde Cao, et al. Micro-cracksdetectionof solar cells surface via combining short-term and long-term deep features [J]. Neural Networks, 2020, 127: 132-140.（IF=9.657，中科院一区Top）
[5]Xiaoliang Qian, Chao Li, Wei Wang, et al. Semantic Segmentation Guided Pseudo Label Mining and Instance Re-Detection for Weakly Supervised Object Detection in Remote Sensing Images, International Journal of Applied Earth Observation and Geoinformation, 2023, 119:103301.(IF=7.672, 中科院一区)
[6]Xiaoliang Qian, Niannian Zhang, Wei Wang, Smooth GIoU Loss forOrientedObject Detection in Remote Sensing Images, Remote Sensing, 2023, 15(5): Article 1259, 1-21.（IF=5.349, 中科院二区Top）
[7]Xiaoliang Qian, Sheng Lin, Gong Cheng, et al. Object Detection in Remote Sensing Images Based on Improved Bounding Box Regression and Multi-Level Features Fusion [J]. Remote Sensing, 2020,12(1): 1-21.（IF=5.349, 中科院二区Top）
[8]Xiaoliang Qian, Xi Cheng, Gong Cheng,et al.Two-stream Encoder GAN with Progressive Training for Co-Saliency Detection[J]. IEEE Signal Processing Letter, 2021, 28: 180-184.（IF=3.201, 中科院二区）
[9]XiaoliangQian, Xiaohao Chen, Weichao Yue, et al. Generating and Sifting Pseudo Labeled Samples for Improving the Performance of Remote Sensing Image Scene Classification [J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2020, 13: 4925-4933.（IF=4.715, 中科院二区）
[10]Xiaoliang Qian, Erkai Li, Jianwei Zhang, et al. Hardness Recognition of Robotic Forearm Based on Semi-supervised Generative Adversarial Networks [J]. Frontiers in Neurorobotics, 2019, 13: 1-10.（IF=3.493, 中科院二区）
[11]钱晓亮，张鹤庆，张焕龙等.基于视觉显著性的太阳能电池片表面缺陷检测[J].仪器仪表学报，2017，38(7): 1570-1578.（中国知网高被引，杂志社年度优秀论文奖）
[12]钱晓亮，李佳，程塨等. 特征提取策略对高分辨率遥感图像场景分类性能影响的评估[J].遥感学报，2018，22(5): 758-776.（中国知网高被引，杂志社年度优秀论文奖）
[13]钱晓亮，白臻，陈渊等.协同视觉显著性检测方法综述[J].电子学报，2019，47(6): 1352-1365.
[14]钱晓亮，郭雷，韩军伟等.一种基于加权稀疏编码的频域视觉显著性检测算法[J].电子学报，2013，41(6): 1159-1165.
[15]钱晓亮，郭雷，韩军伟等.视觉显著性检测：一种融合长期和短期特征的信息论算法[J].电子与信息学报，2013，35(7): 1636-1643.
4.学术专著
[1]钱晓亮，王慰，王延峰，曾黎.视觉显著性检测方法及应用.电子工业出版社，2018.08。
[2]钱晓亮，基于深度学习的高分辨率遥感图像场景分类，电子工业出版社，2022.04。
5.发明专利
[1]钱晓亮，曾银凤等，弱监督学习引导的协同显著性检测方法，ZL202210375572.2，2023.01.
[2]钱晓亮，栗靖等，融合短时和长时深度特征的太阳能电池片表面缺陷检测方法，ZL201910511774.3，2020.05.
[3]钱晓亮，张鹤庆等，基于栅线检测的单晶硅太阳能电池片表面缺陷检测方法，ZL201710438495.X，2018.03.
[4]钱晓亮，林生等，基于新的边框回归损失函数的遥感图像目标检测方法，ZL201911340541.8，2020.10.
[5]钱晓亮，李佳等，基于生成式对抗网络的半监督高分遥感图像场景分类方法，ZL201910948951.4，2020.09.
[6]钱晓亮，李清波等，基于自适应特征和离散余弦变换的视觉显著性检测方法，ZL201610927514.0，2018.05.
[7]钱晓亮，张焕龙等，基于自学习特征和矩阵低秩复原的视觉显著性检测方法，ZL201610926623.0，2017.09.
[8]钱晓亮，白臻等，基于协同显著性生成式对抗网络的协同显著性检测方法，ZL201911368623.3，2020.10.
[9]钱晓亮，成曦等，基于双编码器生成式对抗网络的协同视觉显著性检测方法，ZL202011558989.X，2021.09.