王 嘉，张 楠，孟凡云，王金鹤

青岛理工大学 信息与控制工程学院，山东 青岛 266000

语义分割是计算机视觉中一个重要的分支领域，其目的是为图像当中每个像素标记类别标签，从而表示该像素的语义信息，采用学习到的算法模型预测同分布新图像的每个像素标签，将不同类别的对象分割出来。语义分割在自动驾驶、遥感图像分析、机器人传感、医疗图像等方面有着广泛的应用[1-2]。对于这一类问题，如何在预测图像中具有良好的推理精度，有效区分易混淆的类别，以及图像中边缘轮廓的细化是要解决的问题关键。

在早期，传统分割任务由于计算能力有限，只能处理一些灰度图，经历了一段时间的发展之后开始能够处理RGB 三通道图，此时主要通过提取图片的低级特征来进行分割，出现了Ostu[3]、N-Cut[4]等方法，但是它们分割出来的结果并没有语义的标注。伴随着计算机计算能力的提高，图像的语义分割成为了研究的重要课题之一。全卷积神经网络（Fully Convolutional Networks，FCN）[5]的出现，使得图像语义分割领域取得了巨大的进步，当前最先进的语义分割框架大多数是基于FCN 实现的，如PSPNet[6]、Deeplabv2[7]、Deeplabv3[8]等。PSPNet引入金字塔池化模块，加强了对局部信息的利用，Deeplabv2 通过使用不同空洞率的空洞卷积进行采样，多尺度的捕捉图像上下文，并采用条件随机场增强细节捕获的能力，Deeplabv3 在Deeplabv2 基础上继续改进了空洞卷积部分结构。这三个结构识别精度较FCN均有明显提升，但对图像中对象边界轮廓的处理仍是要关注的问题。……