近年、セマンティックセグメンテーションにおけるRGB熱画像（RGB-T）情報の活用が広く研究されている。しかし、既存の多数のRGB-Tセマンティックセグメンテーション手法は、リアルタイム推論速度を実現するために空間解像度を犠牲にしており、その結果、性能が低下する傾向にある。詳細な空間情報の効果的な抽出を図るため、本研究では、RGB-Tセマンティックセグメンテーションタスク向けに二段階型の特徴強化注意ネットワーク（FEANet）を提案する。具体的には、チャネルおよび空間的視点の両面から多段階特徴を掘り起こし、強化するための特徴強化注意モジュール（FEAM）を導入する。提案するFEAMモジュールの恩恵により、FEANetは空間情報を良好に保持するとともに、融合されたRGB-T画像から高解像度特徴により注目を向けることができる。都市シーンデータセットを用いた広範な実験の結果、本手法は、客観的評価指標および主観的視覚比較において、他の最先端（SOTA）RGB-T手法を上回ることが示された（全体mAccで+2.6%、全体mIoUで+0.8%の向上）。また、480×640解像度のRGB-Tテスト画像に対して、NVIDIA GeForce RTX 2080 Ti GPU上でリアルタイム速度での推論が可能であることが確認された。