Afin d'améliorer davantage la précision de la segmentation sémantique par apprentissage profond sur des images de scènes urbaines complexes, cet article propose un réseau de segmentation sémantique d'images de scènes urbaines (MDFNet) basé sur le réseau PointRend et intégrant des caractéristiques multidimensionnelles (Multi-Dimensional Features, MDF). Tout d'abord, en construisant un module de renforcement de zone cible pour optimiser le sous-réseau d'extraction de caractéristiques, les cartes de caractéristiques intermédiaires sont affinées de manière adaptative à chaque bloc convolutionnel du réseau profond, renforçant ainsi l'extraction détaillée des informations de caractéristiques multidimensionnelles des scènes de rue complexes; ensuite, lors de la fusion des caractéristiques, un réseau pyramidal de caractéristiques est introduit, utilisant différentes tailles de noyaux convolutifs pour traiter les scènes urbaines à différentes échelles, permettant une acquisition plus complète des caractéristiques à différentes résolutions des différents objets des scènes complexes; enfin, une double tête de décodage est utilisée pour une restauration plus détaillée des détails de l'image, obtenant ainsi un résultat de classification pixel par pixel. Les résultats expérimentaux montrent que le réseau proposé offre une précision de segmentation supérieure sur le jeu de données complexe Cityscapes par rapport à d'autres réseaux performants tels que DeepLabV3 et SegFormer, atteignant un indice de Jaccard moyen de 80,11 %, soit une amélioration de plus de 3,51 % par rapport aux autres réseaux, avec une meilleure compréhension des images de scènes urbaines complexes.

segmentation sémantique;renforcement de la zone cible;mécanisme d'attention;réseau pyramidal de caractéristiques;caractéristiques multidimensionnelles