语义分割在机器人视觉中起着非常重要的作用,可用于众多现实世界的应用程序中,例如虚拟现实和增强现实,机器人技术和自动驾驶技术。最近,在全卷积网络(FCNs)中的不同层中探索多个特征图以捕获上下文信息已经引起了广泛的关注。本文针对语义分割任务,本文提出了两项工作:(1)针对FCN、U-net网络的不足,本文提出了一种新颖的编码器-解码器结构,称之为稠密反卷积聚合网络(Dense Deconvolution Aggregating Network,DDANet)。此网络通过将编码端深层的卷积特征稠密上采样到解码端来聚合上下文信息。融合在一起的特征图相互补充,使网络能更充分的探索包含在图像中的全局信息。DDANet通过端到端的训练,以匹配输入图像的分辨率。本文在自动驾驶数据集City Scapes上评估了提出的DDANet,实验结果显示,DDANet的方法优于之前提出的全卷积网络(FCNs)和编码器-解码器网络(EDNs)。在其他的数据集上,DDANet也取得了优异的成绩,例如PASCAL VOC 2012数据集和ISBI 2012数据集,分别是针对室内/室外场景解析和医学细胞分割的挑战。(2)本文继续对DDANet做了改进,提出了R-DDANet(Refine Dense Deconvolution Aggregating Network)。该网络整体上还是一种编码器-解码器结构。在编码端中,R-DDANet把之前的VGG-16换成ResNet-34。解码端部分新加入了MSC模块,编码端同层的特征图由直接复制到解码端改为先经过MSC模块再送入解码端,这样能够学习到编码端不同尺度的上下文信息。本文分别在Cityscapes和PASCAL VOC2012这两个数据集上对R-DDANet进行了评估。实验证明R-DDANet中的改进确实有效。