图像语义分割技术是计算机视觉领域一项相对基础且具有挑战性的工作,其任务是为图像中每个像素分配相对应的类别标签。现如今,深度卷积神经网络已经成为图像语义分割的主流方法,基于深度神经网络的语义分割算法大多通过堆叠大量卷积层来提高模型分割精度,但面临分割算法参数量大、分割延迟等问题,不适用于实时分割场景。同时,很多实时语义分割算法为追求速度提升,致力于减少网络参数导致分割效果难以达到应用要求。本文基于深度语义分割算法Deep Labv3进行优化,主要做了以下几方面的工作:首先,将Deep Labv3模型轻量化。基于Deep Labv3进行优化,首先在编码阶段使用轻量化网络结构Res Net34和Mobile Netv2来降低计算量,然后通过特征金字塔网络增加解码结构以减少空洞金字塔池化网络的参数量,进而大幅减少高分辨率特征图所需的大量的点积运算,从而提升模型整体的分割速度。然后,优化non-local注意力模型使其适用于实时任务,并将其应用于深浅层特征融合阶段。因为浅层特征含有较多位置轮廓信息,但语义信息不明确;深层特征含有较强的语义信息,而缺乏轮廓位置信息;准确的分割需要深浅层信息的结合,一个问题是浅层信息中存在大量分类错误信息。因此,本文在编码器与解码器之间增加适用于实时分割任务的跨级注意力模块,实现更加高效的深浅层特征融合,从而帮助模型更加准确地恢复特征图分辨率。最后,引进多标签损失函数辅助监督训练网络模型。在解码阶段特征图中每个特征点都与图像中多种类别像素点形成映射,直接上采样会损失很多信息导致类别分割模糊。基于此,本文在训练阶段引入多标签分类损失函数辅助监督训练,该损失函数可以使得模型在恢复特征图分辨率过程中学习到一对多的映射关系,从而使得模型可以更加精确地恢复特征图分辨率。本文提出一种基于跨级注意力机制和多标签分类的实时语义分割模型。在Cityscapes数据集和Cam Vid数据集上进行了实验,该算法的分割精度在两个数据集上分别达到了67.8%和65.9%,分割速度分别为42帧/s和55帧/s,在实时性与准确性之间达到较好的平衡,达到实时语义分割算法要求。总体而言,本文算法在实时语义分割算法中取得了较好的精度,分割效率也能够达到实时分割要求。