该文章介绍了一种基于时空一致的显著性检测的非刚性物体跟踪框架，利用定制的完全卷积神经网络建模图像区域的本地显著性先验，并通过多尺度多区域机制生成本地显著性地图。该框架在显著性检测和视觉跟踪方面表现出竞争性的性能。

该论文使用地球观测和深度学习方法，利用完全卷积神经网络实现多类建筑物实例分割，成功产生了黎巴嫩的综合性国家建筑物足迹地图，准确率达84%。