像素级预测任务,包括语义分割、深度预测等任务,是计算机视觉领域的热门研究方向,被广泛应用在机器人导航、自动驾驶汽车及增强现实等实际应用中。目前,在基于卷积神经网络的方法中,用于逐像素预测的网络被编解码结构所统治。可以将编解码结构的网络分为两个部分,分别是编码器和解码器,其中编码器用于提取图像的语义信息并生成高维特征,解码器则利用编码器编码出的高维特征解码出所需的输出。由于编码器编码出的特征一般分辨率较小（典型分辨率为输入分辨率的322分之一）,这限制了这一逐像素预测网络的应用。为此,跳跃连接结构被提出用于将编码器中间的含有空间细节信息的特征恢复解码器的输出尺度。注意到跳跃连接结构事实上并未生成更高层级语义特征,因此不宜将跳跃连接结构看作是编码通路。本文提出一种新的网络结构,名为分形金字塔网络,对图像进行像素级的处理。分形金字塔网络,顾名思义,其由分形结构和金字塔结构融合而成。金字塔结构为网络中的神经元提供广阔的感受野,因此提出的网络能捕获到更多全局上下文信息;将金字塔结构融入分形提供了另一种与编解码网络不同的信息编码方式。与上述编解码结构不同,输入的信息不再由编码器编码为单一的特征,而是由多条信息处理通道编码为多个单独的特征。在这一网络中,每一个节点上的特征在经过不超过设定尺度的常数倍卷积层后都可以参与生成下游的任何特征,因此网络生成的中间特征信息能得到更为充分的利用。本文在自监督单目深度估计和语义分割两个任务上对提出的分形金字塔网络进行有效性验证。在自监督单目深度估计任务中,相比现有的其它基于编解码结构的自监督单目深度估计网络,本文提出的网络具备以下优势:（1）具备更少的参数量;（2）即使没有额外数据集进行预训练,在深度估计主要指标上仍然达到了目前的先进水平;（3）在同样不利用额外数据集的公平比较下,性能大大超过基于ResNet 18主干网的编解码深度估计网络;以及（4）在处理来自视频的图像序列时,具备更好的时域一致性。除了自监督单目深度估计任务,我们还在语义分割任务上对模型进行了测试。为了同时测试模型的域泛化性能,我们将模型在GTA5数据集上训练,并直接在Cityscapes数据集上测试。实验显示相较于其它专门用于语义分割的网络,提出的网络能够取得更好的域泛化指标;定性结果也显示了分形金字塔网络能够在保持良好全局结构的情况下保留更多的细节。