图像语义分割是计算机视觉领域中三大基本任务之一,在地理信息处理、自动驾驶、智能医疗和计算摄影等领域发挥着重要作用。近年来,随着高质量标注数据的产生与计算机GPU硬件的发展,大规模卷积神经网络成为语义分割任务中主流的解决方案。然而,大规模卷积神经网络结构复杂、参数数量多,限制了其在计算和存储资源有限的低功耗移动设备上的应用。研究轻量化的实时语义分割网络,使其在分割精度、网络规模和运行速度上达到更好的平衡具有重要的现实意义。因此,本文基于卷积神经网络对城市场景下的实时语义分割方法进行了深入研究,主要工作如下:（1）针对轻量化主干网络对全局信息表示能力不足的问题,提出一种采用编码器-解码器架构的快速卷积注意力网络。编码器中,引用短期密集拼接网络作为主干网络,增强对特征的表示能力。解码器中,引入快速卷积注意力模块,对主干网络中每阶段的输出特征平面进行全局信息增强,学习其中通道、宽度和高度3个维度两两之间的关系。通过级联的方式逐级对各阶段的特征平面进行上采样并恢复分辨率。在城市场景数据集Cityscapes上的实验表明,快速卷积注意力网络在单个RTX 2080Ti GPU上达到112帧/s的运行速度,在平均交并比的评价指标上达到71.9%,在分割精度和运行速度上达到了较好的平衡。（2）针对Mobile Netv2模块在轻量化主干网络中性能下降和参数数量多的问题,提出一种空洞Mobile Net模块。其通过额外的空洞深度可分离卷积层,使模块在保持低参数数量的同时增强对特征的表示能力。在城市场景数据集Cityscapes上的实验表明,空洞Mobile Net模块在轻量化主干网络中相较于Mobile Netv2模块具有更好的分割精度,更小的网络规模和更快的运行速度。（3）针对轻量化卷积神经网络中一般不考虑融合特征之间的关系,常使用线性方式进行特征融合,导致网络分割精度有限的问题,提出一种用于实时语义分割采用编码器-解码器架构的轻量化卷积注意力特征融合网络。编码器中,使用空洞Mobile Net模块作为主干网络的基础模块。解码器中,引入一种卷积注意力特征融合模块,学习2个待融合特征平面之间的关系并分别分配权重,提高轻量化卷积神经网络中的特征融合效果。轻量化卷积注意力特征融合网络仅有0.68m参数,使用单个RTX 2080Ti GPU在城市场景数据集Cityscapes和Cam Vid上进行实验,在平均交并比的评价指标上分别达到了72.7%和67.9%,运行速度分别为86帧/s和105帧/s,在分割精度、网络规模与运行速度之间达到了较好的平衡。