秦晓飞，何玉帅，孙 越，严浩通，林 轩

（1．上海理工大学 光电信息与计算机工程学院，上海 200093；2．上海理工大学 机械工程学院，上海 200093）

引 言

图像语义分割就是机器自动从图像中分割对象区域、识别其中的内容，对该图像像素按照类别标签进行标注。随着计算机网络的发展，越来越多的应用场景需要高精度、高效率的图像语义分割技术作为核心，尤其在自动驾驶、无人机应用及穿戴式设备应用中图像语义分割技术起着重要的作用。图像语义分割属于图像场景解析，是在像素层面上对场景进行解析。

近年来，深度学习取得了重大突破，能够提高图像语义分割精度。具有代表性的深度学习网络有 AlexNet[1]、GoogleNet[2]、VGGNet[3]等，这些网络在近年的ImageNet图像分类大赛中已成为主流。Long等[4]提出了基于全卷积网络（FCN）的语义分割算法，该网络使用VGG-16作为基准网络，在当前图像分类的标准CNN网络中对输出层添加了上采样，恢复输入图像的空间分辨率。此法可接受任意大小的输入图像，FCN方法是在网络的输入端输入原始图像，经过具有5次卷积和池化操作的编码器后，将提取到的语义信息经过3个全连接层输出，得到最终的预测图。但得到的结果不够精细和敏感，没有充分考虑像素与像素间的关系，缺乏空间一致性，导致边缘信息缺失。

针对该问题，本文提出了一种基于多路径网络的权值调整图像语义分割算法。该算法优点是改善了边缘信息的缺失情况，模型收敛快，泛化能力强。通过跳跃连接的方式，将输入端信息传递至输出端，以反向传播的形式弱化损失函数，更新网络参数。……