陈乔松，段博邻，官暘珺，范金松，邓 欣，王 进

(重庆邮电大学 数据工程与可视计算重庆市重点实验室，重庆 400065)

0 引 言

图像语义分割技术广泛应用于人工解析、虚拟现实、自动驾驶汽车等领域。语义分割目标是区分图像场景所包含的具有不同语义的目标和区域，并对它们进行像素级别的标注，它隐含地涉及了图像分类、对象定位和边界描绘等问题，复杂场景中的分割目标种类多而且尺度变化大。因此，图像语义分割是一项需要多尺度和多层次识别的计算机视觉任务。随着卷积神经网络(convolutional neural networks，CNNs)的快速发展，一种全卷积神经网络(fully convolutional network，FCN)[1]方法逐渐代替了传统的图像分割方法，因其具有层次特征提取和实现了端到端训练结构，后来很多基于全卷积神经网络的方法在像素级别的语义分割任务中都取得了不错的效果。

语义分割任务面临的一个挑战是图像中存在多尺度的目标，神经网络需要同时学习到大尺度的显著目标和较小尺度的非显著目标，而深度卷积神经网络善于学习到整个图像的抽象特征表示，这导致图像的每个区域里更加显著的目标特征更容易被学习到，同时起主导性的作用来影响网络对邻近的微弱目标特征进行学习，从而不利于对具有很多细小尺度目标的复杂场景进行语义分割，现有的一些语义分割方法在利用编码器提取语义特征过程中，采用多尺度卷积来兼顾对大尺度和小尺度目标特征的学习，取得了不错的效果。……