随着社会的发展、人工智能技术的不断进步,研发与生产搭载辅助驾驶系统的智能汽车已经成为汽车制造业未来的发展方向。辅助驾驶系统可有效提升行车安全性,保障人们的生命财产安全。目标检测和语义分割技术是辅助驾驶系统中十分重要的感知手段,因此对其进行研究具有一定的意义。目前,深度学习方法在计算机视觉领域取得了巨大成功。因此,本文决定运用深度学习技术实现相关感知算法。在目标检测方面,本文提出了一个全新的基于多尺度特征的目标检测网络。该模型以RetinaNet为基础,并引入三个不同的模块(高度并行化特征金字塔模块、特征增强模块、基于多尺度信息融合的头部分支结构),这三个模块增强了模型中不同部分的性能;因此整个模型的检测能力也得以提升。在语义分割方面,本文实现了基于上下文语境信息建模的语义分割网络。该模型以ResNet为骨干网络,使用联合金字塔上采样模块抽取用于后续分割的特征图,该特征图输入到末端的头部分支结构即可得到最终的分割结果。本文为语义分割模型设计了两种可以建模上下文语境信息的头部分支结构,分别是基于多尺度语境信息的头部分支结构和基于注意力机制的头部分支结构。同时,本文还以上述两个模型为基础,提出了一个多任务模型。该模型减少了网络低层的冗余计算,可以加快系统处理速度、减少内存占用。