摘要：針對(duì)圖像語義分割方法預(yù)測(cè)出的目標(biāo)大多存在邊緣模糊和準(zhǔn)確度較低的問題,提出多類別邊緣感知的圖像分割方法.首先設(shè)計(jì)一種用于多目標(biāo)分割的Multi-sigmoid 損失函數(shù),結(jié)合COCO 數(shù)據(jù)集預(yù)訓(xùn)練的FCN+CRF 網(wǎng)絡(luò),建立可優(yōu)化類別邊界的語義分割模型;然后在全局嵌套邊緣檢測(cè)(HED)模型的基礎(chǔ)上,增加自底向上的信息解碼部分,利用亞像素(subpixel)的圖像增強(qiáng)算法實(shí)現(xiàn)上采樣以及相鄰尺度之間的特征融合,構(gòu)建出可用于邊緣檢測(cè)的深度多尺度編解碼模型(MSDF);最后將FCN+CRF 提取到的分割信息作為一元?jiǎng)? MSDF 檢測(cè)到的邊緣特征作為二元?jiǎng)?設(shè)計(jì)全局能量函數(shù)并計(jì)算最小值,實(shí)現(xiàn)分割結(jié)果的進(jìn)一步優(yōu)化.在2 個(gè)標(biāo)準(zhǔn)數(shù)據(jù)集Pascal context 和SIFT Flow 上進(jìn)行了實(shí)驗(yàn),結(jié)果表明,該模型的總體性能較為優(yōu)越,可應(yīng)用在圖像語義分割和顯著性目標(biāo)檢測(cè)等相關(guān)領(lǐng)域.