本研究提出了一种新的上下文感知弱监督学习方法，通过两阶段深度网络结合精细化物体和实体关系建模，提高物体表述和匹配准确性。实验结果显示，该方法在Flickr30K和ReferItGame数据集上的准确度分别达到59.27％和37.68％。

该研究提出了一种基于图像强度的层次稀疏采样编码位置信息的查询点描述符，用于匹配医学图像之间的解剖位置。通过层次搜索操作，可以在毫秒级时间尺度内找到相似描述符的对应点。该算法在深度病变跟踪数据集上测试，结果显示匹配更准确且速度快24倍。同时，还对CT和MR模态的匹配准确性进行了调查，并与多名放射科医生的真实值进行了比较。