在人工智能行业快速发展的时代,自动驾驶技术也越来越贴近人们的生活。基于传统算法的自动驾驶技术首先通过各种传感器采集周围环境的数据,然后通过传统算法进行数据分析,最后做出决策对车辆进行控制。因此传统算法存在效率低下、无法端到端执行、精度低等缺点。而基于深度学习的自动驾驶技术首先通过摄像头采集周围环境数据,然后利用深度学习算法把特征提取、图像分割以及车辆决策端到端执行,提高处理速度的同时也大大地提升了精度。相对于昂贵的激光雷达传感器来说,价格低廉的摄像头采集到的图片可以大幅度降低成本,进一步推进自动驾驶技术落地。为保证车辆行驶安全,自动驾驶技术对周围环境有较高的精度要求。图像的语义分割在自动驾驶中有着重要地位,利用图像语义分割的结果可以使车辆的可行驶区域的判断更加精准、物体类别和形状判断更加精准,现如今自动驾驶领域的主要场景是城市场景,因此城市场景语义分割是一个重要的领域。在深度学习飞速发展的几年内,有很多像FCN、Deep Lab这样的端到端的图像语义分割网络。本文主要在Py Torch框架上使用Cityscapes数据集,从以下三个方面进行场景语义分割方法研究。1.融合双注意力机制的场景语义分割。分别对特征图的通道和空间两个维度提取注意力信息,其中通道注意力机制可以得到特征图不同通道的权重,空间注意力机制可以得到特征图不同位置的权重。本文在骨干网络中以串联和并联两种方式嵌入双注意力机制模块,提高模型的目标分割精度。2.融合多尺度自适应注意力机制的场景语义分割。本文提出将多尺度自适应模块和注意力机制进行融合,其中多尺度自适应模块可以根据输入信息自适应调整接受域的尺寸,避免采用固定尺寸的空洞卷积时小目标信息丢失的问题。而融合注意力机制的多尺度自适应模块可以给不同尺寸的目标赋予不同的权重从而对特征图进行重标定,提高了小目标的语义分割性能。3.结合注意力机制与边缘检测的多任务场景语义分割。本文采用多任务学习共享特征并防止过拟合,本文提出一种将边缘检测和双注意力机制的语义分割网络结合的基于多任务的双流网络结构,其中边缘检测子网络可以根据输入的图像得到图像边缘,提取小目标的物体边缘信息。双流网络结构不仅可以提高小目标精度而且对大目标同样有效,优化语义分割网络的分割效果。