语义分割是近年来计算机视觉领域的热门研究方向,实质是对图像中不同的像素点进行类别划分,以达到计算机自主识别物体的目的。该研究在机器人自主感知、遥感影像处理、医疗、自动驾驶、视频监控等方面有着广泛的应用。在大数据时代,海量图像数据的分析处理对语义分割方法研发提出了新的迫切需求。但是,图像数据的构成复杂,图像中包含不同尺度,轮廓复杂的物体,现有的语义分割方法难以高度概括性的表达多类物体的语义特征,预测结果中常存在小目标丢失、物体轮廓不完整、目标误匹配等问题。针对上述问题,本文以多尺度特征融合为指导思想,结合多尺度特征提取、注意力机制、特征融合等方法,以提高图像分类精度为目标,开展如下研究:（1）针对图像语义分割分类中,存在小目标丢失、物体轮廓缺失等问题,提出一种基于注意力机制与特征融合的双路径语义分割网络（Double Paths Feature Fusion Network,DPF-Net）。该网络主要进行了以下工作:一是使用Res2Net作为特征提取的主干网络,多尺度地融合残差模块的不同细粒度特征,提高网络的图像识别能力;二是在低层特征的提取部分加入了位置注意力模块,提高通道之间的相关性,解决分割物体轮廓缺失的问题;三是在特征融合的部分加入了自适应金字塔池化模块,融合多尺度特征,解决预测结果中小目标物体缺失的问题。通过以上方法对模型的分割精度起到积极的效果。通过实验,本文提出的模型在PASCAL VOC数据集上分割精度达到79.5%的平均交并比（Mean Intersection over Union,MIo U）,验证了本方法的有效性。（2）虽然DPF-Net在一定程度上解决了图像语义分割中小目标与分割物体轮廓的问题,但在实际场景中语义分割网络对于实时性也有硬性要求,因此提出了一种基于改进BiSeNet的实时语义分割网络。首先使用改进的轻量级特征提取网络Res Net-18作为主干网络以简化模型架构,额外加入一个空间特征分支保证提取模型的空间细节;其次使用双边特征融合模块（Double Feature Fusion Module,DFFM）融合两个分支的特征,生成预测结果。通过实验,本文提出的模型在Cityscapes数据集上分割精度达到了70.3%的MIo U与63的帧率（Frames Per Second,FPS）,满足实时性语义分割模型的速度与精度要求。（3）为了检验本文提出模型的泛化结果,自建校园内数据集验证DPF-Net的泛化效果;采用Cam Vid数据集与自建街景数据集验证基于改进BiSeNet的实时语义分割网络的泛化效果。