1.一种基于区域和深度残差网络的图像语义分割方法，包括以下步骤：步骤(1)：在使用Selective Search在图像上生成候选区域的基础上，将每个候选区域缩放为四种不同的尺度，每个候选区域由三部分进行描述：边界框、前景掩膜、前景大小；

步骤(2)：在原残差网络ResNet‑50的基础上，在第四层与第五层卷积层中加入扩张因子，并将这两层的步长设为1；

步骤(3)：将图像输入到由步骤(2)得到的带扩张卷积的深度残差网络中进行特征提取，得到特征图；

步骤(4)：将由步骤(1)得到的候选区域与步骤(3)得到的特征图输入到ROI池化层中，得到区域特征；结合前景掩膜得到区域前景特征，将区域特征与区域前景特征进行串联；

步骤(5)：将步骤(4)中串联后特征通过全局平均池化层进行逐像素分类，得到每个像素的类别预测值；

步骤(6)：对步骤(1)中每个尺度的候选区域，保持模型中其他参数不变，分别进行训练最终得到四个模型；

步骤(7)：将测试集图像分别通过这四个模型，并将其在分类层中得到的特征进行融合，使用融合后的特征进行预测，对分割效果进行分析。