图像语义分割旨在对图像内所有像素所属类别进行逐一密集预测,推断像素点语义信息和位置信息,完成像素分类任务,是计算机视觉场景理解中不可或缺的关键性技术。随着深度学习的兴起,基于卷积神经网络的图像语义分割成为更行之有效的方式。本文就当前基于深度学习的图像语义分割网络存在的模型分割精度低、图像类内区域误识别、小尺度目标遗失和边界模糊等问题,分别对网络的编码器和解码器部分进行设计,提升网络特征提取、特征融合和全局信息聚合能力,构建两种端到端图像语义分割网络,即融合注意力机制的图像语义分割网络与聚合上下文信息和边界优化的图像语义分割网络。主要研究工作如下:首先,综合国内外语义分割研究现状,深入研究深度学习和图像语义分割关键性技术,分析现有深度学习语义分割网络结构,总结编解码器语义分割网络通用架构和现存问题。其次,针对遮挡物体误识别和大尺度连续物体类内预测结果不一致问题,本文提出融合注意力机制的图像语义分割网络。该网络在特征提取时,设计注意力特征提取模块优化特征图关键性权重;在特征强化时,设计注意力空洞卷积金字塔模块缓解网络棋盘效应,强化特征图像素相关依赖性;在特征融合时,采用迭代注意力融合方式,对特征图进行权重软选择,解决线性聚合映射无法针对特定特征及特定对象和无法克服多尺度特征条件下语义信息不一致问题。实验结果表明,相较于Deeplab V3+网络,提出的融合注意力机制的图像语义分割网络预测结果在PASCAL VOC 2012数据集上MIo U提升2.2%,在Cityscapes数据集上的MIo U提升2.0%。最后,针对小尺度目标丢失和类别边界模糊问题,本文提出聚合上下文信息和边界优化的图像语义分割网络。在解码器中,设计上下文聚合模块对编码器输出特征图进行信息整合,丰富网络全局特征;并设计自适应上采样模块替换双线性插值上采样方式,提高上采样像素特征相似性。针对Re LU激活函数存在的激活死区问题,使用二维视觉激活函数提高非线性建模能力,增强小尺度目标语义信息;并设计类内预测边界分支对物体边界像素进行偏移映射,使预测结果图目标轮廓连贯、边界清晰。实验结果表明,相较于Deeplab V3+网络,本文提出的图像语义分割网络预测结果在PASCAL VOC 2012数据集上MIo U提升3.7%,在Cityscapes数据集上的MIo U提升3.4%,且相较目前先进的图像语义分割网络本文算法能够取得良好的语义分割结果。