複雑な街並み画像における深層学習ベースの意味的セグメンテーション手法のセグメンテーション精度向上を目的として、本稿ではPointRendネットワークに基づき、多次元特徴（Multi-Dimensional Features、MDF）を融合した街並み画像意味セグメンテーションネットワーク（MDFNet）を提案する。まず、ターゲット領域強化モジュールを構築して特徴抽出サブネットワークを最適化し、深層ネットワークの各畳み込みブロックで中間特徴マップを適応的に細分化することで、複雑な街並み画像の多次元特徴情報の精緻な抽出を強化する。次に、特徴融合時に特徴ピラミッドグリッドを導入し、異なる畳み込みカーネルを用いて異なるスケールの街並み画像を処理することで、複雑な街並み画像に含まれる各種ターゲットの異なる解像度の特徴をより包括的に取得する。最後に、二重のデコーダヘッドを用いて画像の詳細をより細かく復元し、ピクセル単位の分類結果を得る。実験結果は、本稿のネットワークがDeepLabV3、SegFormerなど他の優れたセグメンテーションネットワークと比較して、Cityscapesの複雑な街並みデータセット上で優れたセグメンテーション精度（平均交差率80.11%）を示し、他のネットワークよりも3.51%以上の改善を達成し、複雑な街並み画像の理解力がより高いことを示している。

意味セグメンテーション;ターゲット領域強化;注意機構;特徴ピラミッドグリッド;多次元特徴