室内场景通常构成要素复杂、目标多元,实例分割技术通过准确地识别目标并为每一个前景对象分配像素化实例掩膜,从而对室内场景进行内容解析与环境感知,在智能消防、安防视频监控和服务机器人视觉等智能建筑应用领域具有广泛的实用价值。目前,室内场景实例分割技术存在室内场景目标多尺度变化、大型目标边界分割模糊和模型复杂难以轻量化部署等问题。因此,本文在两阶段实例分割框架Mask R-CNN的基础上,从增强目标多尺度上下文信息、掩膜多阶段迭代细化和轻量化网络模型构建等角度进行改进,提高不同尺度目标识别、分割的准确性和大型目标边界掩膜的精准度,以及降低模型参数量和计算成本以便后续算法移植在端侧平台上部署,满足不同室内场景的多元化应用需求。主要研究工作如下:（1）提出了融合多尺度上下文信息的室内场景实例分割方法。多尺度上下文信息对区分不同尺度目标至关重要,而FPN通过插值和元素相加对邻层特征进行交互,未能有效挖掘不同尺度目标的上下文语义特征。因此,本文设计了邻层特征自适应融合模块优化FPN邻层特征融合方式,缓解多尺度目标间的语义混叠;其次,利用多尺度通道注意力设计了注意力特征融合模块和全局上下文模块来提取目标多尺度特征,增强了分类回归和掩膜预测分支的多尺度特征表示。实验定量结果表明,MS COCO 2017数据集上,本文算法相较于Mask R-CNN在主干网络为Res Net50/101时分别提高了2.7%和3.0%;ADE20K数据集上,以Res Net50为主干网络,在验证集上进行评估,比Mask R-CNN提高了3.4%。可视化结果显示,所提算法显著改善了中小尺度目标错检或漏检的问题,有效提升了多尺度目标在密集分布和存在遮挡情况下的掩膜分割质量。（2）提出了掩膜迭代细化的室内场景实例分割方法。由于分割网络在卷积和池化过程中输出分辨率不断下降且目标边界像素占比极低,目标边界周围的细节信息容易丢失,导致目标边界定位模糊和掩膜预测粗糙。因此,本文通过语义信息融合模块补充实例卷积和池化过程中丢失的细节信息;然后,利用边界上下文编码器区分目标前景和背景特征之间的差异性,提高边界定位性能;最后,采用掩膜多阶段细化策略,迭代使用上述两个模块来提高实例掩膜预测精度。实验定量结果表明,以Res Net50为主干网络,本文算法在MS COCO 2017和ADE20K两个数据集上分别比Mask RCNN提高了2.9%和3.8%。可视化结果显示,所提算法有效提高了不同尺度目标的边界掩膜质量,尤其是大型目标。（3）提出了轻量化的室内场景实例分割方法。两阶段实例分割算法Mask R-CNN在模型体积、计算复杂度和运行速度上均达不到在端侧平台上的部署要求,而室内场景的实际应用中有环境感知实时交互的需求。因此,引入轻量化网络Mobile Net V2替换重量级网络Res Net可以有效减少模型参数、提高运行速度,同时使用二维动态卷积改进常规卷积层,通过卷积核两个维度的注意力弥补轻量化网络特征提取和表达能力的不足;其次,提出多尺度特征增强模块并采用PANet的路径传播方式,进一步增强了不同层特征的语义和细节信息融合。MS COCO 2017和ADE20K两个数据集上的实验结果表明,所提算法在保持基线模型分割精度的基础上显著减少了计算成本并提高了推理速度,为两阶段方法在端侧平台轻量化部署提供了可能。上述三种室内场景实例分割方法提升了不同尺度目标的分割精度和大型目标的边界掩膜质量,并减少了计算成本、提高了分割效率,可以满足不同室内场景的多样化应用需求。