以往的场景文本检测方法通常依赖于手动定义的滑动窗口。本研究提出了一种直观的两阶段基于区域的方法，无需任何关于文本形状的先验知识即可检测多方向文本。在第一阶段，我们通过检测并连接角点而非滑动一组预设锚框来估计文本实例的可能位置。四边形候选框具有几何自适应性，使本方法能够应对各种文本长宽比和方向。在第二阶段，我们设计了一种名为双RoI池化 (Dual-RoI Pooling) 的新型池化层，该层将数据增强嵌入区域子网络中，从而对这些候选框进行更鲁棒的分类和回归。公开基准测试的实验结果证实，所提方法能够达到与最先进方法相当的性能。代码公开于 https://github.com/xhzdeng/crpn。

视觉注意力并不总能捕获到鲁棒预测所需的关键物体表征。注意力模块不仅会突出目标物体，还会强调模块认为对训练有帮助的常见共现上下文。该问题源于上下文混杂效应导致物体与预测间错误因果关联，而视觉注意力进一步放大了这种效应。本文提出一种名为干预双重注意力 (Interventional Dual Attention, IDA) 的新颖注意力模块，用于学习对上下文偏置具有鲁棒性的因果物体特征。具体而言，IDA采用双重注意力层配合多重采样干预机制，通过补偿注意力来对抗混杂上下文。我们的方法具有模型无关性，可适配多种骨干网络。大量实验表明，该模型以更低计算量在分类和检测任务中取得显著提升，尤其在MS-COCO和PASCAL-VOC多标签分类任务中实现了最先进性能。

前景分割是计算机视觉中的基础任务，涵盖多种细分任务。先前研究通常为每个任务设计特定架构，导致缺乏统一性。此外，这些方法主要关注前景对象识别，未能有效区分前景与背景。本文重点探讨背景的重要性及其与前景的关系，提出FOCUS（Foreground ObjeCts Universal Segmentation）框架，可处理多种前景任务。我们利用物体边缘信息构建多尺度语义网络以增强图像特征。为实现边界感知分割，提出一种新型蒸馏方法，结合对比学习策略在多模态特征空间中优化预测掩码。我们在5类任务的13个数据集上开展大量实验，结果表明FOCUS在多数指标上持续优于当前最先进的专用模型。