Para mejorar aún más la precisión de segmentación semántica de métodos de aprendizaje profundo en imágenes complejas de escenas urbanas, este artículo propone una red de segmentación semántica de imágenes de escenas urbanas (MDFNet) basada en la red PointRend que fusiona características multidimensionales (Multi-Dimensional Features, MDF). Primero, mediante la construcción de un módulo de mejora de área objetivo se optimiza la subred de extracción de características, refinando adaptativamente los mapas de características intermedias en cada bloque convolucional de la red profunda, fortaleciendo así la extracción detallada de la información de características multidimensionales de las imágenes complejas de escenas urbanas; luego, durante la fusión de características se introduce una red piramidal de características que utiliza diferentes núcleos convolucionales para procesar imágenes de escenas urbanas en diferentes escalas, obteniendo así de manera más integral características de diferentes resoluciones de varios objetivos en imágenes complejas de escenas urbanas; finalmente, se utiliza una doble cabeza de decodificación para una recuperación más detallada de los detalles de la imagen, obteniendo resultados de clasificación por píxel. Los resultados experimentales muestran que la red propuesta logra una mayor precisión de segmentación en el conjunto de datos complejo Cityscapes en comparación con otras redes de segmentación excelentes como DeepLabV3 y SegFormer, alcanzando un índice de intersección sobre unión promedio del 80.11%, con una mejora de más del 3.51% respecto a otras redes, ofreciendo una mejor comprensión de las imágenes complejas de escenas urbanas.

segmentación semántica;mejora de área objetivo;mecanismo de atención;red piramidal de características;características multidimensionales