近年来，多层卷积神经网络在许多高级任务上表现出色，例如图像分类、目标检测，最近还包括语义分割。特别是在语义分割领域，通常采用两阶段过程。首先，卷积网络被训练以提供良好的局部像素级特征，然后这些特征被用于传统的更为全局的图模型中。在这项工作中，我们将这一两阶段过程统一为一个单一的联合训练算法。我们在语义图像分割任务上展示了我们的方法，并在具有挑战性的PASCAL VOC 2012数据集上取得了令人鼓舞的结果。