基于深度神经网络的图像语义分割在自动驾驶、自主导航等应用中有着很重要的作用。在过去的几年里,卷积神经网络(Convolutional Neural Networks,CNNs)在语义分割任务中显示出巨大的潜能并引起了广泛的关注。本文研究深度卷积神经网络在城市道路场景语义分割方面的应用,致力于借助双目图像提高城市道路场景图像语义分割的准确性,同时针对城市道路场景的视频序列语义分割任务中存在的问题进行了研究,主要工作如下:(1)提出了一个新颖的场景图像语义分割模型。它采用双目图像作为网络的输入,使用由双目图像得到的深度特征去弥补传统神经网络中由于池化等操作缺失掉的场景结构信息。另外,为了生成更加准确的解析图,模型中采取对抗训练的思想以进一步优化语义分割网络的生成结果。在流行的城市道路场景的语义分割数据集中的实验证明,我们提出的模型能有效提升传统图像语义分割网络的性能,尤其在一些小的类别上,比如电线杆、行人等效果更明显。(2)为视频序列提出了一个深度嵌入的循环预测语义分割网络。这个网络也采用双目图像作为输入,因为双目图像能捕捉到更多的帧与帧之间的动态变化,从而确保序列特征间的时空一致性。同时,模型将长短型记忆网络(Long-short Term Memory,LSTM)的预测能力应用到连续的的视频序列特征中从而预测出视频下一帧的特征,并使用这个预测特征生成预测语义分割结果。另外,得到的预测特征可以与由传统图像语义分割模型得到的特征相结合以进一步提升传统图像语义分割网络在视频场景语义分割任务中的性能。实验证明我们的方法能生成具有指导性的预测语义分割结果,并能有效地提升传统图像语义分割模型在视频序列上的语义分割性能。