近年来随着深度学习的发展,人工智能的应用场景已经逐渐贴近我们的生活,城市街道场景、监控场景理解均要求对视频图像具有精确的语义分割,该问题已成为当前研究热点之一。本文通过研究基于深度学习的语义分割方法,提出了一种基于Deep Labv3+改进的语义分割模型,来改善城市街景语义分割精度,并将算法在城市级监控质量评价系统平台进行了尝试。主要的工作内容及创新点如下:（1）解决Cityscapes数据集的数据不平衡问题。通过调整模型损失函数,达到了优化模型分割精度的目的。本文首先通过为原模型的交叉熵损失函数加权来解决数据集类别数量不平衡问题,经过对比试验后,最终利用focal loss替换交叉熵损失函数,达到同时解决数据集类别数量与训练难度不平衡的目的。实验结果表明加权的focal loss的训练效果优于加权的CE loss,两者较CE loss性能上均所有提升。（2）针对Decoder输入特征做出调整。本文首先将Decoder输入的浅层特征由1个调整为3个,分别是来自Xception＿65网络中的entry＿flow/block2、entry＿flow/block3与exit＿flow/block1的深度可分离卷积层输出,随后利用ASFF将三个浅层特征进行自适应融合后再与Encoder输出在通道方向进行concat。实验结果表明使用ASFF融合的特征作为Decoder的输入在一定程度上起到了提高分割精度的作用。（3）加强主干网络的特征提取能力。利用通道注意力机制对主干网络残差结构中的addition过程进行优化,在addition操作前对residual分支使用SE-block进行重新标定,来实现加强主要特征,抑制次要特征的功能。实验结果表明,利用SE-block改进后的主干网络进行特征提取能有效地提高分割精度。综上所述,本文通过利用focal loss作为损失函数、利用ASFF优化解码器结构、使用SEblock结构优化残差结构等方式,使改进后的Deep Labv3+模型在Cityscapes评估集上的miou达到了85.20%,最后,该算法在城市级监控质量评价系统平台项目中进行了尝试,测试效果良好。