我们提出了一种通过学习反卷积网络来实现的新型语义分割算法。该网络基于从VGG 16层网络中采用的卷积层进行训练。反卷积网络由反卷积层和上采样层组成，能够识别像素级别的类别标签并预测分割掩码。我们将训练好的网络应用于输入图像中的每个候选区域，并通过简单地合并所有候选区域的结果来构建最终的语义分割图。所提出的算法通过整合深度反卷积网络和基于候选区域的预测，缓解了现有全卷积网络方法的局限性；我们的分割方法通常能够识别详细的结构，并自然地处理多尺度对象。我们的网络在PASCAL VOC 2012数据集上表现出色，通过与全卷积网络结合使用，我们在未使用外部数据的方法中达到了最高的精度（72.5%）。