图像语义分割是计算机视觉领域的一个研究主题,它能够对给定图像的每个像素赋予预定义的类别,从而实现比图片分类、目标检测更精确的场景解析。这使得其在自动驾驶、增强现实和医学图像处理等领域得到广泛的应用。近年来,随着全卷积神经网络（FCN）的提出,基于深度卷积神经网络的语义分割研究取得了极大的进展。然而,分割精度的提高往往伴随着网络的规模、计算复杂度和运行延迟的增大。这限制着语义分割模型在实际工程中的应用。本文面向车载场景下的图像语义分割方法展开研究。车载场景下的图像语义分割主要存在以下挑战。首先,车载场景下的目标具有尺度多样性,常规的标准卷积往往具有固定的感受野,导致不能很好地解决目标多尺度问题。其次,很难同时实现模型的高精度和高效率（参数量、浮点计算量等）。最后,车载场景下采集的数据是视频数据,单帧图像分割方法忽略了时序信息。本文针对上述问题展开研究,具体的研究内容如下:1)针对车载场景目标多尺度的问题,本文提出了一个级联膨胀卷积模块,用于在骨干网的各层中提取多尺度特征。同时,为了在骨干网的高层汇聚更多的上下文信息,基于级联膨胀卷积模块和通道注意力机制构建了上下文聚集模块。提出空间细节模块,该模块将网络低层带有丰富细节信息的特征传播到网络高层与语义信息融合,使得分割结果更精细。基于以上模块,本文构建了能实时运行的多层多尺度特征聚集网络。2)为了权衡模型的精度和效率,本文利用深度卷积和卷积分解设计策略减少网络参数量和计算量。具体地,本文对构建的多层多尺度特征聚集网络的各个模块中的卷积进行轻量化。通过大量的实验分析了轻量化技术对模型精度和效率影响。为不同的精度和速度要求下选择合适的网络模型提供了参考。3)本文基于TDNet（Temporally Distributed Networks）视频语义分割模型进行优化,利用视频帧的时序上下文信息来提高精度和减少计算量。通过分析TDNet的结构发现该模型存在着骨干网相对复杂和速度慢的问题。提出利用级联膨胀卷积模块替换骨干网高层的基本残差块并减少该模块的特征通道容量,将计算量至少减少了86%。同时,本文设计隔帧特征提取算法,该算法结合上一步的改进将速度至少提升了5.7倍。