场景理解作为计算机视觉领域中一项极其重要的基础性任务,其各个子任务如场景分类、目标检测、场景分割等都已取得了突破性进展。目前学者们对于场景理解的研究,主要分为两种:一种是基于神经网络模型,一种是基于概率图模型。基于神经网络模型的场景理解一般需要大量的数据监督信息支持,其认知过程是一个CNN前向传播的过程,没有类似于人类大脑的反馈机制,而且对于存在遮挡的物体只是基于像素点做分类,没有考虑物体间的遮挡关系。概率图模型在关系推理方面有优势,但对于很多复杂的场景无法建模,而且准确率较低。本文的出发点是设计能够模拟人类认知方式来进行场景理解的神经网络模型,利用高层知识反馈推理物体间的遮挡关系,以实现更高层次的场景理解。本文着眼于场景理解中的遮挡物体分割问题,针对已有研究中的不足,提出了基于深度学习和遮挡推理的遮挡物体分割方法。具体工作如下:第一,提出了一种遮挡推理方法,可以推理出场景中遮挡物体之间的深度次序,即谁挡住了谁。本文提出的遮挡推理方法将深度排序表示为排列问题,将深度排序的求解转化为了数学中的组合优化问题,并利用分支定界算法将组合优化转换为树形搜索,从而找出最优的深度次序排序。第二,利用上述遮挡推理方法对现有的深度学习分割网络Mask RCNN进行改进,改进后的网络考虑了物体间的遮挡关系。该网络结构特点为:1)在FCN(Fully Convolutional Networks,全卷积网络)分支网络的反卷积层之前添加了遮挡推理,可以利用高层反馈的掩码(mask)信息推理遮挡物体之间的深度次序关系,试图模拟人类大脑利用先验知识进行推理反馈的认知方式;2)在FCN分支网络原有的反卷积层引入一混合因子,将推理得到的深度次序考虑进来,并将混合后的反卷积结果作为网络最终的分割结果。本文提出的融合了遮挡推理的物体分割网络,能够实现以“端到端”的方式进行训练,且由于显式地考虑了遮挡推理,无须提供各种遮挡情况下的训练样本,与现有的深度学习语义分割方法相比,所需要的训练样本更少,同时可以推理出遮挡物体之间的深度次序关系。实验结果证实了本文的物体分割网络的性能。