本研究提出了一种多尺度跨模态融合网络（MSFNet-CPD），旨在提高农业害虫识别的准确性。该方法结合视觉和文本特征，并构建了两个新数据集（CTIP102和STIP102）。实验结果表明，MSFNet-CPD在多个检测基准上优于现有技术，展现出良好的应用潜力。

RMFN是一种用于多模态任务的循环多阶段融合网络，可用于情感分析、情感识别和说话人特征识别。该网络通过多个阶段递归地融合特定的信号子集，结合了循环神经网络以建模时间和模态内交互、建模跨模态交互。实验证明，RMFN可以达到最先进的性能，并通过可视化方法证明了每个融合阶段都集中于不同的多模态信号子集上。