图像的语义分割作为计算机视觉的三大基础任务之一,应用范围广泛。研究初期主要利用卷积网络获取图像的上下文信息和图像抽象语义特征,产生语义分割的稠密预测。但是由于卷积的感受野有限需要堆积多层卷积才能获得较好的效果,使用卷积来获取图像上下文信息的网络结构参数量大,同时难以训练。近年来由于Transformer在计算机视觉领域的应用获得较好的效果,其独特的结构使得网络模型在处理初期就能获取图像的全局感受野,而不需要堆叠很多层才能获得整张图片的感受野,因此Transformer在图像语义分割领域表现较好,但在分割精度方面还不够理想,需要较深的网络层才能表现良好,仍然存在较大的提升空间。本文以图像语义分割网络为研究对象,在提高语义分割精度、减少网络模型参数为主要目标的研究中,提出了基于Seg Former网络的模型改进,本文具体研究内容如下:（1）通过对DenseNet和SegFormer网络模型的研究,本文将密集连接架构融入到Seg Former模型编码器阶段,使得多尺度特征图能够弥补深层网络位置信息的丢失和浅层网络抽象语义信息不够的问题。该架构能够减少编码器在不断下采样过程中丢失较多原图语义信息的问题。（2）针对需要较多参数量才能表现良好的问题,本文提出在密集连接的基础上减少编码器每层输出通道的数量。（3）对于语义信息还原不足问题,提出在通道融合模块加入多层转置卷积。转置卷积可以对特征图作上采样,帮助网络融合多尺度特征图,同时还原图像语义信息。实验在ADE20K语义分割数据集上进行训练和测试,结果显示,本文提出的融合了密集连接和转置卷积Dense-Seg Former与改进前的Seg Former网络比较,能够在减少网络模型参数量的情况下获取更高的平均像素交并比（mIoU）,提高模型推理速度等。