图像分割是计算机视觉和图像处理领域的核心研究问题之一。语义图像分割,作为其中一个重要的研究分支,其目标是将给定图像中的每个像素分类到某个已知的语义类别。近年来,基于深度卷积神经网络的语义图像分割方法取得了快速的发展,使用像素级标注的全监督方法在多个公开数据集上都取得了不错的表现。然而,这些方法的良好表现尤其依赖于大量的人工标注的图像分割数据。由于人工标注像素类别的成本较高,实际应用中通常难以获得大量的像素级标注数据。为了降低模型对于全像素标注数据的依赖,使用稀疏标注(例如目标边界框、图片类别等)的弱监督语义图像分割方法受到越来越多的关注。目前,针对基于图片类别标注的弱监督语义图像分割问题,主流方法大多采用了一个两阶段的训练框架来解决训练中监督缺失的问题。在这一框架中,第一阶段利用了图片的类别标注来训练一个图像分类模型,用以提取图像中目标对象的粗略定位;第二阶段中粗略的定位信息被转化为图像的伪像素分割标注,用以训练语义分割模型。在这当中,类别激活图(CAM)方法常被用于从图像分类模型中提取图像中语义目标的关注图,以反映目标的大致定位。目标关注图的质量会影响伪像素分割标注的精确度,从而影响语义分割模型的训练效果。因此,如何提升CAM方法提取高质量的目标关注图,成为一个重要的问题。目前基于CAM的伪像素标注生成方法存在的一个明显问题是,由于CAM方法需要从主干网络输出的高层特征图上提取目标关注图,目标关注图的分辨率通常很低。考虑到实际图像场景中目标物体的形态、颜色、纹理等特征的复杂变化,当应用低分辨率CAM目标关注图定位图像中的目标区域时,通常不能获得较为精细的目标捕捉。为了提高基于CAM方法的语义分割性能,本文提出了扩大CAM目标关注图分辨率的改进思路。受到多尺寸特征金字塔模型的启发,本文首先提出了基于多尺寸特征融合的改进思路。为了进一步改善大尺寸CAM目标关注图的精细化定位能力,后续的改进方法融入了基于注意力机制的特征增强。为了实现图像尺寸的高分辨率CAM生成,最终的改进方法放弃了传统的基于固定计算模式的CAM提取方法,而是采用了基于编码-解码网络的端到端CAM生成模型。针对三种改进方法的CAM生成及分割网络训练的实验表明,基于高分辨率CAM生成的方法相比基于传统CAM提取的方法有效提升了模型在弱监督语义图像分割任务上的性能。