董立红，李宇星，符立梅

西安科技大学 计算机科学与技术学院，西安710600

图像语义分割是计算机视觉领域中的一项基本任务。其主要目标是通过某个特定的算法，将输入的整幅图像分割成多个具有特定含义的像素区域块，并对每个像素区域标注特定的语义标签，最终得到一幅像素级的语义分割图像[1]。目前，在图像语义分割方面的研究特别广泛，自动驾驶、遥感测绘、人机交互和医疗影像分割等领域都有深入的研究与应用[2-3]。例如，在自动驾驶领域，车体配备有图像采集装置，通过对采集到的图像进行语义分割，精确定位车辆、道路、建筑物等目标，辅助驾驶系统做出正确的决策，从而提高驾驶之安全性。

随着深度学习的兴起，基于卷积神经网络（Convolutional Neural Network，CNN）的图像语义分割方法取得了突破性的成就。卷积神经网络能够自动地从图像中学习像素的特征表示，有效减少了人工提取特征的工作量。通过在大量的图像样本中反复训练，可以学到深层的语义特征。近年，基于全卷积的图像语义分割算法得到了快速的发展[4-7]，为计算机视觉领域的发展带来了新的契机。

2015年，Long等人[4]提出的全卷积神经网络（Fully Convolutional Networks，FCN）用卷积层替换了分类网络的全连接层，然后通过上采样将特征图扩展到原始尺寸，实现了像素到像素的类别预测，然而经过多次连续的卷积池化操作后使得特征图的分辨率降低，导致上下文信息丢失。Kendall等人[8]提出的SegNet网络是一种基于“编码器—解码器”的结构。……