本書針對不同性質(zhì)的視覺數(shù)據(jù)進行特征表達和學(xué)習(xí)方法的論述，在不同的視覺任務(wù)上設(shè)計特征表達模型，在RGB視頻數(shù)據(jù)和人體骨架關(guān)鍵點視頻數(shù)據(jù)的特征提取和表達方面，闡述了協(xié)同時空注意力、多維特征激勵融合、多維動態(tài)拓?fù)鋵W(xué)習(xí)圖卷積等一系列新穎的特征提取和表達方法；基于圖像數(shù)據(jù)進行視覺特征提取和表達方面，結(jié)合目標(biāo)檢測、顯著性目標(biāo)檢測、深度估計和語義分割等基于單個圖像信息的視覺任務(wù)，闡述了一系列細(xì)節(jié)特征和語義特征增強和融合的方法，利用注意力指導(dǎo)模塊集成多尺度、跨維度特征，設(shè)計交互模塊以促進上下文語義信息和空間信息的交互學(xué)習(xí)，完成不同級別的圖像識別任務(wù)；在集成多任務(wù)的特征表達學(xué)習(xí)方法方面，闡述了利用有限的訓(xùn)練數(shù)據(jù)學(xué)習(xí)通用視覺特征，同時結(jié)合生成對抗的訓(xùn)練學(xué)習(xí)方法，通過共享特征的學(xué)習(xí)和任務(wù)特定特征的學(xué)習(xí)，實現(xiàn)多視覺任務(wù)平均性能的提升。