黎浩俊

辽宁对外经贸学院

摘要(Abstract)：

随着人工智能与视觉感知技术的高速迭代，计算机视觉已从简单静态场景识别，逐步转向复杂动态场景的精细化感知。目 标检测与语义分割作为计算机视觉两大核心底层任务，是实现机器视觉场景理解、智能决策的关键支撑。相较于常规场景，复杂环 境存在光线干扰、目标遮挡、尺度混杂、背景冗余、动态突变等多重干扰因素，传统视觉算法存在检测精度不足、像素分割模糊、 鲁棒性薄弱等问题。本文立足复杂场景视觉识别痛点，系统梳理目标检测与语义分割的核心理论框架，针对性提出图像预处理优化、 多尺度模型改良、分层语义分割等技术改良方案，结合城市交通、工业质检、野外勘测三大典型场景落地应用展开分析，最后探讨 轻量化部署、多模态融合、动态实时感知等可持续拓展方向。研究旨在突破传统视觉技术的场景适配瓶颈，为复杂工况下计算机视 觉技术的创新落地与迭代升级提供理论参考与实践支撑。

关键词(KeyWords)：

计算机视觉；复杂场景；目标检测；语义分割；多尺度融合；视觉感知优化

参考文献(References)：

［1］何恺明，孙剑.深度学习目标检测算法研究进展［J］.计 算机学报，2021，44（05）：923-950. 

［2］张磊，王浩宇.复杂场景下语义分割算法优化与应用研 究［J］.计算机工程与应用，2022，58（12）：1-9. 

［3］李建国，陈曦.轻量化 YOLO 模型在工业视觉质检中的 应用［J］.制造业自动化，2023，45（03）：112-115.