Die Szenenanalyse stellt eine große Herausforderung dar, insbesondere bei unbegrenzten, offenen Vokabularen und vielfältigen Szenen. In diesem Artikel nutzen wir die Fähigkeit zur Ausnutzung globaler Kontextinformationen durch eine kontextbasierte Aggregation über verschiedene Regionen mittels unseres Pyramiden-Pooling-Moduls in Verbindung mit dem vorgeschlagenen Pyramiden-Szenenanalyse-Netzwerk (PSPNet). Unser Ansatz zur globalen Vorwissen-Repräsentation ist effektiv, um qualitativ hochwertige Ergebnisse bei der Szenenanalyse zu erzielen, während PSPNet einen überlegenen Rahmen für Aufgaben der pixelgenauen Vorhersage bietet. Die vorgeschlagene Methode erreicht führende Leistung auf verschiedenen Datensätzen und belegte den ersten Platz beim ImageNet-Szenenanalyse-Wettbewerb 2016, im PASCAL VOC 2012-Benchmark sowie im Cityscapes-Benchmark. Ein einzelnes PSPNet erreicht dabei einen neuen Rekord bei der mIoU-Genauigkeit von 85,4 % auf PASCAL VOC 2012 und 80,2 % auf Cityscapes.