本发明公开了一种基于多接受野的交替更新网络的场景分割方法，包括以下步骤：S1、将输入图像通过一个预训练好的卷积神经网络，进行特征图的提取；S2、通过预训练好的集合网络空洞金字塔模块，得到包含高层语义信息的特征图；S3、在步骤S2中得到的特征图的基础上对逐个像素计算分类的损失，获得分割热图。本发明的方法使用空洞金字塔池化网络进行场景的语义分割，集合网络空洞金字塔模块一方面能对特征图进行充分利用，改善网络中信息的流动，减少模型参数，从而达到压缩模型的效果，另一方面又结合扩张卷积的方法，从而增加了卷积核的接受野尺寸，以实现对场景图里面不同大小目标的分割，具有鲁棒性强、计算效率高等特性。