图像语义分割是图像处理、计算机视觉和深度学习领域中十分重要的研究方向,语义分割是将图像逐像素进行分类,从而将原始图像分割为具有特定像素标记的语义分割图像,在图像处理中最具挑战性。随着自动驾驶技术的兴起,图像的语义分割可以准确分析和定位场景中的物体信息,以此进行导航与精确制导;另外,也可以通过语义分割检测植物表面的病虫害,因此,图像语义分割也越来越具有应用意义。在实际场景当中,图像语义分割也面临很多的挑战。首先,在物体层次,由于物体的交叉、形变,加上拍摄图像时的光照和距离的影响,语义分割效果就有不同;其次,在物体类别层次上,类内物体和类间物体具有的相异性和相似性也对语义分割产生影响;最后,在背景层次上,实际场景中的物体背景往往十分复杂,并不利于语义分割。本文主要研究目的为提升场景理解当中语义分割的效果及实时性,以Pascal VOC 2012数据集为对象,以广泛使用的Res Net101网络为骨架网络,提出的方法首先提升图像语义分割的效果,在此基础上提高实时性,主要研究工作如下:(1)第一种方法提出联合特征金字塔模型(Joint Feature Pyramid Networks,JFP),提升语义分割的效果,结合注意力机制设计一个辅助语义分割模型辅助神经网络进行训练,加速网络收敛。(2)第二种方法结合可分离卷积和空洞卷积为可分离空洞卷积(SDC),提出了SDC-JFP模型,提高语义分割是实时性,同时分析可分离空洞卷积中空洞卷积率对语义分割效果的影响。(3)第三种方法借鉴了SDC-JFP模型,去掉了ASPP模型和辅助网络,提高语义分割实时性,结合批量归一化和实例归一化,提出并联归一化(Parallel Batch and Instance Normalization,PBIN)和串联归一化(Cascaded Batch and Instance Normalization,CBIN)方法,提升语义分割效果。提出这三种方法的首要目的是提高语义分割的效果,在此基础上进一步提高语义分割的实时性,实验结果也表明,本文三种方法在保证语义分割效果的同时一步步提高了语义分割的实时性。