随着互联网和数字媒体的高速发展,图像和短视频以其视觉效果上的优势,逐渐成为信息的主要传播形式,引起网络上的图像数量呈现爆炸式的增长。在浩如烟海的图像中,用户需要快速地筛选出有用的信息,对图像内容分析的需求应运而生。图像分割作为计算机视觉和媒体数据处理领域重要的研究主题之一,能够为更高层次的图像内容理解与分析任务,提供研究基础。在过去的几年中,很多图像分割的应用需求从单幅图像转向图像间公共对象的分割方向发展,如图像检索、视频跟踪、3D重建的剪影分割等。而图像协同分割作为一种弱监督的图像语义分割方法,目的在于分割出图像间的公共对象,为挖掘图像间协同信息的需求提供解决方案。图像协同分割领域已经发展了十余年的时间,存在很多的传统方法和基于深度学习的方法,并取得了一定的进展。这些方法一般包含特征表示、协同关系建模和模型求解三个过程。传统方法一般采用低层手工特征,对区域或图像进行特征表示,并基于单幅图像内部信息和图像间的全局约束进行建模和求解,在面对前背景复杂、具有遮挡、模糊等场景的图像时,存在一定的不足。而深度学习的方法,利用其提取高层语义特征的优势,建立端到端的可训练模型,可以较好地改善这一问题。因此,本文提出了两种基于深度学习的图像协同分割方法,根据现有方法的不足进行改进,在建模图像间协同关系上进行探索,提高了分割效果。本文的主要工作如下:第一,针对图像协同分割的相关研究工作进行整理和分析,并从五个方面归纳了国内外研究现状。综合深度学习技术、注意力机制和互相关思想,开展本文的研究工作。第二,提出一种基于通道域和空间域注意力机制改进的图像协同分割方法。通过总结发现,现有的基于注意力机制的深度图像协同分割方法主要基于全局平均池化的操作来获得注意力权重,且仅对高层的语义特征使用注意力机制选择性地突出公共对象的语义特征。一方面,由于平均池化的操作会使权重偏小,对语义特征有一定的削弱,特别是在背景区域较大、对象偏小的情况下,会更明显。针对这一不足,本方法通过添加全局最大池化操作对注意力机制进行扩展,全局最大池化操作则不存在削弱特征的问题,但存在一定的不稳定性。因此,通过学习相关参数将两种操作的结果融合,综合二者的优点,一定程度上改善了平均池化对特征通道的削弱问题。另一方面,本方法还探索了改进后的注意力机制对不同层次语义特征的突出效果。在生成分割结果的解码过程中,融入注意力机制处理后的低层语义特征,进而提高分割效果。通过对比实验验证了本方法在图像对的协同分割任务中的有效性。消融实验表明这两个方面对提升整体效果是不可或缺的。第三,提出一种基于金字塔特征互相关的图像协同分割方法。基于注意力机制的方法,操作简单,计算复杂度低,但在挖掘特征间的联系上,还不够深入,存在瓶颈,效果有一定的限制。本方法使用VGG16网络结构提取特征,基于特征间的互相关操作,对图像的协同信息进行建模,提高分割效果。首先,基于高层特征图,建立金字塔特征。其次,在不同层次的特征中,使用基于depth-wise卷积的互相关操作,挖掘特征间的联系,在公共语义特征通道中,突出对象特征的相对位置信息。最后,结合低层语义特征,补充细节信息,生成最终的分割结果。本方法在核心的互相关操作中,几乎不引进训练参数,构建金字塔特征,一定程度上解决对象多尺度问题。在几个公开的协同分割数据集上,通过与同类方法进行对比,本方法取得了更好的分割效果。在消融实验中,比较不同超参数下的模型分割效果,进而确定每层金字塔特征的尺寸。