本文基于深度卷积神经网络构建了遥感图像分类基准测试集，包含256×256和128×128像素的子数据集。研究了遥感图像中的密集物体计数，构建了大规模计数数据集，并设计了新型神经网络生成密度图。此外，通过与OpenStreetMap连接，创建了包含260万个图像-文本对的视觉-语言数据集SkyScript，提升了模型在多模态任务中的表现。

本研究构建了大规模视觉语言数据集Quilt-1M，包含100万个图像和文本样本，提升了多模态组织病理学问答系统的性能。提出的PathLDM模型在生成组织病理学图像方面表现优异，并推动了医学图像分析的进展。