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。

本文提出了一种基于频域卷积和双边谱感知的特征金字塔网络（AugFPN），用于遥感目标检测，尤其在小目标检测中表现优异。通过分析现有特征金字塔结构的问题，AugFPN 显著提高了检测精度。此外，文中还介绍了动态 FPN 和旋转密集特征金字塔网络等方法，以优化目标检测性能。

该文综述多种特征金字塔网络改进，包括AugFPN、MLFPN、S²-FPN、FaPN、A²-FPN、FPN、MSSDMPA-Net、图形FPN、放大缩小网络及AFPN，这些方法分别提升目标检测、语义分割与实例分割精度，并在COCO等基准取得领先结果。

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。