图像语义分割算法是计算机视觉领域的关键技术之一,是指对图像上每一个像素点进行预测,推断其所属标签,从而对图像中不同类别的像素加以标记并分割。得益于深度学习和全卷积神经网络的提出,图像语义分割算法得以快速发展,相较于传统图像分割算法,其分割精度和速度都有了极大改善,可以满足一些复杂场景的实际需求。目前广泛应用于无人驾驶、医疗诊断、机器导航等多个领域。本文详细介绍了卷积神经网络和图像语义分割算法的发展过程及基本原理,其中,Deeplabv3+算法是目前分割精度较高的算法之一。本文主要研究该算法的模型结构,找出其中的不足并提出改进方案,进行实验验证。首先,针对Deeplabv3+算法在获取图像全局信息时容易丢失局部细节的问题,提出了一种新的图像语义分割算法Dv3p-SA,将自注意力机制与Deeplabv3+算法相融合。自注意力机制通过计算任意两个像素之间的关系,在不丢失图像局部细节的情况下获取密集的像素级上下文信息,弥补了原Deeplabv3+算法对图像上相距较远的两个关联像素的识别能力较弱的缺陷,增强了算法的表征能力。其次,针对Deeplabv3+算法对个别类的细节信息学习不充分导致对该类分割精度较低的问题,提出了将多分类模型和多个二分类模型相融合的方法。其中,多个二分类模型由多分类任务拆解并分别训练而成。融合后的模型可以结合两者优势,既可以通过多分类模型获取全局信息,又可以使用二分类模型对各类别细节进行优化,最终提升图像语义分割精度。本文主要使用Pascal VOC 2012数据集进行实验,实验结果表明无论是Dv3p-SA或融合后的模型,相较于原Deeplabv3+算法分割精度都有了明显提高,同时在CityScapes数据集上也进行了对比实验,进一步证明算法改进的有效性与通用性。