图像语义分割是街道场景理解中一项基础且具有挑战性的视觉感知任务,其目的是对输入图像的每个像素点进行分类,将属于同一类别的像素点划分为一个区域,并输出带有语义信息的标签。感知街道场景信息对于自动驾驶车辆做出正确的判断和规划至关重要,因此语义分割作为场景理解的关键技术成为了研究热点。近年来,卷积神经网络的发展给语义分割技术带来了新契机,语义分割技术在医疗诊断、视频监控等领域得到了广泛应用,但是还存在一些问题亟待解决:语义分割网络在提取特征增大感受野的同时丢失了大量的空间细节信息,需要充分利用特征图的细节信息来提高语义分割的精度;现阶段大多数语义分割算法追求较高的精度,无法满足实时性需求,需要在保证精度的前提下,提高模型的推理速度,满足实时场景下的应用。本文将从分割精度和模型推理速度两个方面展开研究,具体研究内容如下:（1）针对特征提取过程中无法充分提取和利用细节特征,导致细节信息丢失和语义分割不连续问题,提出了一种基于坐标注意力和条形池化的语义分割模型。该模型以Deep Labv3+作为基网络,在编码器中,为了增强特征提取能力,在主干网络Res Net中嵌入坐标注意力模块。为了捕获具有长距离依赖的多尺度上下文信息,设计了条形池化和空洞卷积并行模块。在解码器中,利用语义聚合模块将空间位置信息和语义信息进行跨层特征融合,从而获得更全面的特征信息,充分利用图像原始特征来提升语义分割精度。在语义聚合模块中,提出了特征融合模块为拼接后的特征分配权重。在Cityscapes和Camvid数据集上进行了验证。实验表明,所提方法有效地解决了街景语义分割中的小物体漏分割、边缘分割模糊等问题,在Cityscapes和Camvid数据集上平均交并比分别达到了77.2%和70.2%。（2）为了满足语义分割的准确性和实时性需求,提出一种基于金字塔池化和校正融合的实时语义分割模型。现有的实时语义分割方法多采用特征融合来提高分割精度,但这些方法没有充分利用不同分辨率的特征,同时网络的感受野也相对受限。本文首先采用轻量级的残差网络Res Net18进行特征提取;其次,为了增强高级语义信息表示,将改进的金字塔池化模块与特征提取网络相结合。在解码中,设计了一个特征校正融合模块,用于在不同层次特征融合前减少冗余信息。先对不同层次的特征消除噪声,然后逐层与空间特征信息丰富的浅层特征进行融合,以解决细节信息丢失的问题。最后,采用基于难例挖掘的交叉熵损失函数解决样本不均衡的问题。在公开街景数据集Cityscapes上对模型进行验证。实验表明,所提方法以71帧/秒的前向推理速度取得了76.15%的平均交并比,在减少模型参数量的同时有效地平衡了分割精度和推理速度。