【摘要】数字图像处理在公安领域的应用十分广泛，其中对单色图像分割预处理，在人脸识别、车辆识别和指纹识别等方面有着十分重要的作用。本文提出一种改进的Ｕ⁃ｎｅｔ，选取交叉损失函数（ｃｏｎｓｔｉｔｕｅｎｔ ｅｒｒｏｒ，ＣＥ） 与Ｄｉｃｅ Ｌｏｓｓ 组合作为损失函数，提高网络模型对小目标的分类精度；添加批量归一化ＢＮ 层（ｂａｔｃｈ ｎｏｒｍａｌｉｚａｔｉｏｎ）模块和ＬａｙｅｒＳｃａｌｅ 模块提高网络在训练时的收敛速度和稳定性，抑制无用特征并且突出有效特征；选取视觉几何组（ｖｉｓｕａｌ ｇｅｏｍｅｔｒｙ ｇｒｏｕｐ， ＶＧＧ）作为主干网络提高采样过程中对特征的重复利用率；选用两倍双线性插值上采样的方式，提高网络模型对特征的重复利用率。本文基于自制的单色图像数据集，利用改进的Ｕ⁃ｎｅｔ 对单色图像进行语义分割，在像素准确率、类别平均像素准确率、平均交并比方面比原始的Ｕ⁃ｎｅｔ 分别提高了１. ４３％、１. ５７％、８.７５％，取得了良好的语义分割效果。