图像语义分割指利用图像中高级语义信息对图像中的每一个像素点进行分类,高级语义信息是图像区域中所包含对象的类别信息。传统图像分割算法使用颜色、纹理等低级语义信息进行图像分割,简单场景下能够达到不错的效果,但在复杂场景中分割效果不理想。利用图像中高级语义信息在复杂场景下使分割结果更加准确。本文提出自注意力机制与深度学习相结合的图像语义分割算法,主要工作有以下两点:1)提出一种自注意力机制与卷积神经网络相结合的图像语义分割算法。针对卷积神经网络算法中存在三个不足做出改进,（1）针对不断叠加的卷积层与池化层导致特征分辨率尺寸降低和空间位置信息丢失,使用跳跃连接的思想将编码器中特征信息与解码端上采样的特征信息相融合,一定程度上弥补了卷积网络卷积过程中造成空间信息丢失的问题。（2）针对卷积神经网络中的卷积核只能获得局部上下文信息,无法获得全局的上下文信息。使用扩张卷积替代部分传统卷积,扩大感受野的同时不会增加卷积核参数;使用金字塔池化模块和扩张卷积金字塔模块获取更多全局上下文信息,同时应对图像中存在不同尺度物体的问题。（3）针对卷积神经网络无法直接捕获较长距离的像素点之间的依赖关系,使用自注意力机制捕捉长距离像素点之间的依赖关系。实验证明,本文提出的算法使得图像语义分割性能有了较大的提升,分割指标均交并比（Mean IOU）在PASCAL VOC 2012数据集和CITYSPACE数据集分别达到80.90%和79.3%。2)提出一种弱监督下的语义分割算法。强度监督下语义分割精准度已经得到长足发展,但是其需要像素级类标签,获得这样的密集型标签的工作量十分巨大,并且在训练过程中使用密集型标签需要强大的硬件设备支持。弱监督只利用图像级类标签便可以进行图像分割任务,但弱监督下语义分割准确度还欠佳。在CAM算法的启发下通过仿射变换构建一个共享权值的孪生网络架构,对同一图像不同仿射变换下生成的类激活图进行一致性正则化处理。同时使用自注意力机制模块,利用全局上下文信息对相似像素做判定以修正类激活图错误激活区域,进一步提高算法的准确度。在PASCAL VOC 2012数据集上的Mean IOU达到了60.46%,与强监督下经典的FCN算法的性能相近。