本文提出了一种新颖的多尺度特征压缩方法，结合可学习的压缩器和多尺度特征融合网络，实现了端到端优化，显著提升了对象检测性能，并在保留极少未压缩特征的情况下接近无损性能。

研究者提出了基于编码器-解码器网络的联合注意力引导特征融合网络（JAFFNet）用于面部缺陷的显著性检测，实现了每秒66帧的实时缺陷检测速度。

DCFFNet是一种新型分阶段深度相关性和特征融合网络，用于优化可视化跟踪的特征提取。该网络基于孪生网络架构构建，利用多个大规模数据集进行端到端训练。实验结果表明，该方法在准确性和精度方面与许多领先的跟踪器相比具有竞争力，同时满足应用的实时要求。