语义分割是计算机视觉领域中的一项基本任务,通常根据RGB彩色图像给各像素分配对应的类别,是像素级的多分类任务。近年来的研究表明,在室内场景的语义分割任务中,深度信息的引入会在一定程度上提高分割的精度,原因是深度图像可以提供彩色图像相对匮乏的空间深度信息,能够区分视觉特征相似但深度特征差异较大的不同物体。当前主流深度神经网络均采用固有几何结构的卷积核,而真实世界中物体的形状千变万化,固定几何结构的卷积核对于不同物体的自适应能力较差。可变形卷积（deformable convolution,DC）通过对视觉特征卷积学习采样点的位置偏移,使得采样点可以自由移动。可是,彩色图像的空间深度信息相对匮乏,导致学习到的位置偏移略有不足。针对这个问题,本文提出了深度信息嵌入的可变形卷积（Depth embedded deformable convolution,DDC）网络,利用深度图像中丰富的空间深度信息增强可变形卷积的特征提取能力。该方法在NYUv2数据集上的mIoU和PA分别为50.6%和76.9%,相对于可变形卷积的mIoU与PA分别提高了3.4%和2.3%。在将深度信息用于室内场景图像语义分割时并非所有的深度信息都是有用的。对于仅依靠视觉特征网络就可以轻易区分的不同物体,这时深度信息的引入反而会画蛇添足,甚至使网络产生错误的分类结果。针对这个问题,本文提出了深度信息引导的特征选择（Depth guided feature selection,DFS）网络,可以自适应地决定深度信息引入的程度。在网络需要的情况下,引入更多的深度信息;反之,不引入或引入较少的深度信息,从而更合理地利用深度信息。该方法在NYUv2数据集上的mIoU和PA分别为51.4%和77.1%,相对于基准分别提高了5.4%和3.5%。在前述工作的基础上本文将DFS与DDC有机地组合在一起,提出了深度信息辅助的特征选择与可变形卷积网络。将含有关键深度信息的多模特征作为DDC的部输入,相比之前引入全部深度信息的多模特征,可以根据需要学习恰当的多模特征,进一步改进DDC。该方法在NYUv2数据集上的mIoU和PA分别为51.9%和77.6%,相对于基准分别提高了5.9%和4.0%,实现了最好的分割结果。本文主要针对室内图像语义分割的方法进行研究,提出的改进算法为深度信息的利用提供了一种新的思路,可以应用于SLAM、室内机器人导航等领域,对RGB-D（彩色图像与深度图像）语义分割的研究具有重要的意义。