本研究提出CFMD，解决了传统特征金字塔网络在显著物体检测中的效率和边界准确性问题。通过引入新模块，CFMD显著提升了特征表示效率和边界结构，实验结果表明其在复杂场景中表现优异。

本研究提出了TipSegNet模型，结合ResNeXt-101和特征金字塔网络(FPN)，有效提升了无接触指纹识别中的指尖检测与分割精度。

本研究提出了一种新架构QTSeg，结合特征金字塔网络与多查询掩码解码器，解决医学图像分割中的长范围依赖性问题。QTSeg在低计算复杂度下实现了更高的分割精度，实验结果表明其优于现有方法。

本研究提出了一种新框架，通过高分辨率图像结合特征金字塔网络（FPN）和切分图像的方法，提高钢箱梁裂纹检测的准确性和效率。

最近，一种高效的基于原型的Transformer架构（PEM）在图像分割领域取得了令人印象深刻的成果。PEM利用视觉特征的冗余性来限制计算并提高效率，同时引入了高效的多尺度特征金字塔网络，能够高效地提取具有高语义内容的特征。在测试和评估中，PEM架构表现出色，优于特定任务的架构，并且与计算代价较高的基准模型相媲美甚至更优。

本研究提出了多尺度关注金字塔模块（mAPm），将扩张卷积集成到特征金字塔网络（FPN）中，以增强多尺度信息提取能力。mAPm 在平均精度（AP）上取得了显著提升，在处理尺度变化方面有效。展示了推进目标检测技术的潜力。

基于事件的传感器具有高时间分辨率和动态范围，适用于高速平台。脉冲神经网络在表示基于事件的数据方面非常适用，可以增强稀疏输入的特征。研究开发了一种高效的用于基于事件的目标检测的脉冲特征金字塔网络，取得了显著的成绩。