Para melhorar ainda mais a precisão da segmentação semântica de métodos de aprendizado profundo em imagens complexas de cenas urbanas, este artigo propõe uma rede de segmentação semântica de imagens de cenas urbanas (MDFNet) baseada na rede PointRend que integra características multidimensionais (Multi-Dimensional Features, MDF). Primeiramente, através da construção de um módulo de reforço da região-alvo, a sub-rede de extração de características é otimizada, refinando adaptativamente os mapas de características intermediárias em cada bloco convolucional da rede profunda, fortalecendo a extração detalhada das informações de características multidimensionais das imagens complexas de cenas urbanas; em seguida, na fusão de características, é introduzida uma grade de pirâmide de características, utilizando diferentes núcleos convolucionais para processar imagens de cenas urbanas em diferentes escalas, possibilitando uma obtenção mais abrangente das características de diferentes resoluções dos vários objetos nas imagens complexas; por fim, utiliza-se uma dupla cabeça de decodificação para uma restauração mais detalhada dos detalhes da imagem, obtendo-se resultados de classificação por pixel. Os resultados experimentais mostram que a rede proposta alcança maior precisão de segmentação no conjunto de dados complexo Cityscapes em comparação com outras redes de segmentação de destaque como DeepLabV3 e SegFormer, atingindo uma média de Interseção sobre União (IoU) de 80,11%, com melhoria superior a 3,51% em relação a outras redes, demonstrando maior compreensão das imagens complexas de cenas urbanas.

segmentação semântica;reforço da região-alvo;mecanismo de atenção;grade de pirâmide de características;características multidimensionais