图像语义分割是计算机视觉领域一个非常活跃的研究方向,它在视频监控、场景分析、人机交互以及行为分析等方面有着巨大的应用潜力。由于卷积神经网络在计算机视觉领域的优异表现,基于卷积神经网络的语义分割方法已经成为完成图像语义分割任务的主流方法。对于这种像素级别的分类任务而言,卷积神经网络捕获像素上下文信息的能力直接影响分割结果的准确性。与此同时,作为深度学习领域的研究热点,注意力机制能够使深度神经网络模型有选择性地关注较重要的输入特征。因此,本文对基于注意力机制的语义分割方法展开研究,将注意力机制引入至现有的语义分割模型之中以提升模型捕获上下文信息的能力。本文研究工作主要包括以下两个方面:第一,针对现有的语义分割方法中的特征融合方法的不足,本文提出一种基于注意力机制的跨层空间特征融合模块,简称CSFF模块。该模块基于注意力机制,根据特征图之间的语义相似性对特征进行自适应融合。这种自适应融合过程将关联性较强的语义特征聚合在一起,使融合特征图上的特征能够有选择性地获取与自身关联性较强的上下文信息。CSFF模块相关实验结果表明该模块能够有效提升语义分割网络的分割准确度,进而验证了CSFF模块的有效性。第二,为了捕获高分辨率特征图中的上下文信息,本文提出一种自注意力解码器,并在此基础上进一步提出一种基于自注意力解码器的双路语义分割网络。该网络包含了两种空间自注意力模块,用于捕获两种不同分辨率的特征图中的上下文信息。同时,为了保证两种空间自注意力模块捕捉到的上下文信息不会因为互相覆盖而丢失,该网络使用一种双路并行的结构将两种空间自注意力模块提取的上下文信息分离。使该网络能够获取比一般的单路网络更为丰富的上下文信息。该网络在公开数据集Cityscapes和Pascal-Context均取得了较好的语义分割结果,进而验证了这种网络结构的有效性。总体上看,本文提出的两种基于注意力机制的图像语义分割方法能够显著地增强语义分割网络捕获上下文信息的能力,提升模型的语义分割表现。