图像理解是人类智慧的核心部分,也是人工智能的重要组成部分。近年来,深度学习的巨大进步带来了图像理解的重大突破,例如图像分割、图像分类、物体探测。其中图像分割又可以细分为图像语义分割、图像实例分割和图像全景分割。在图像语义分割中,图像中的每一个像素都被分类为一个语义类别。在图像实例分割中则只关注图像中的可计数实例,例如行人和车辆。而图像全景分割则是前两者的结合,图像中的所有内容均被分割并区分实例。图像分割是许多计算机视觉任务的基础,自动驾驶、医学图像诊断、城市规划都需要高效准确的图像分割进行辅助。作为一个重要的研究方向,图像分割所面临的挑战是巨大的。本文关注的是图像语义分割这一基础同时又极具挑战性的计算机视觉任务。图像语义分割可以分为有监督分割和无监督分割两种,其中有监督分割指训练过程中有与图像对应的标注分割图可用于判断分割结果,而无监督则是没有对应的标注分割图介入训练过程。本文解决的是无监督图像语义分割问题。相较于有监督分割,无监督的图像分割更有实际意义。因为现实场景中通常不具有对应的标注图像,因此无监督图像分割技术被看作是图像分割在现实场景中应用的关键。数据的缺乏极大的限制了模型的性能,为了解决这一问题,借助生成图像来训练模型的无监督图像分割方法被提出。但是直接将在生成数据上训练的神经网络模型应用到实际场景中会导致严重的性能下降,这一现象被称为“域转移”。为了克服“域转移”导致的性能下降,本文提出了以下不同的方法来解决该问题:(1)我们提出了一个创新的生成对抗网络来进行无监督的图片风格迁移,在图像层级对图片进行风格迁移使图片在外观上趋于一致,这对域转移具有重大意义。(2)利用对抗的思想让网络输出的分割特征无法被判别器判别,以此达到域转移的目的。我们使用两个生成对抗网络从图像和特征两个层级来缩小两个域之间的差异。(3)我们深入分析出现“域转移”现象的根源并提出了多样性学习方法。多样性学习方法通过在多种图像风格的数据上训练使模型摆脱了对图像纹理的倾向性,更多地利用形状来分割使得模型在面对“域转移”时更加健壮。大量的实验表明,我们的方法在常见数据集上达到了当前的最优效果。