本研究は、自動運転車両向けの街路シーン画像のセマンティックセグメンテーションに取り組み、本論文で新たに提案されたRGB-熱赤外（Thermal）データセットを活用している。自動運転車両に対する関心の高まりに伴い、セマンティックセグメンテーション技術の自動運転システムへの適用が注目されている。しかし、近年のセマンティックセグメンテーションに関する研究の多くは、夜間や悪天候時における視認性が低下する状況で取得されたRGB画像に依拠しており、その多くは性能の向上にのみ焦点を当て、処理時間の削減には十分な配慮がなされていない。このような問題を踏まえ、リアルタイム処理下でも高いセグメンテーション精度を維持可能な新たなマルチスペクトル画像セグメンテーション用畳み込みニューラルネットワーク（CNN）アーキテクチャの提案を試みた。本手法の有効性を検証するために、熱赤外画像とRGB画像を統合したRGB-熱赤外データセットを構築し、ベンチマーク評価を実施した。その結果、熱赤外情報の追加により、セマンティックセグメンテーションの精度が顕著に向上することが明らかになった。