摘要：傳統(tǒng)分割方法只能對目標物體進行像素及語義信息解讀并不能確定出目標的相對位置信息,另外室內環(huán)境復雜、光線不均勻、物體尺度較多且差異較大,尤其是對于小目標的分割效果不好。提出了基于全卷積神經網絡的多任務語義分割算法,通過在檢測框架添加用于預測與現(xiàn)有分支并行的對象像素級分割,實現(xiàn)了圖像像素分割與目標物體檢測相結合的多任務分割技術。加入RoIAlign方法去除了量化操作,使原圖中的像素和特征圖中的像素完全對齊,消除了像素偏差、提高了精度,改進的梯度優(yōu)化算法加速了模型收斂。通過mAP指標評估算法在公共數(shù)據(jù)集和實際應用場景中的有效性和廣泛性,實驗結果證明該方法的準確率明顯高于傳統(tǒng)的單任務分割算法。