本发明公开了一种基于注意力的联合图像与特征自适应的语义分割方法，首先利用图像自适应器将源域图像X_s转换为与目标域图像X_t相近的类目标域图像X_s‑t，从图像外观层面缩小源域和目标域之间的领域差异；然后利用特征自适应器分别从语义预测空间和图像生成空间对齐X_s‑t和X_t之间的特征，以捕获到领域不变特征，以缩小X_s‑t和X_t之间的领域差异。另外本发明在特征自适应器中引入了一个注意力模块，以帮助特征自适应模块重点关注值得关注的图像区域。最后，使用端到端的方式将图像自适应器和特征自适应器协同融合在一起。本发明有效解决了跨模态图像语义分割中存在的领域差异问题，提升了语义分割模型的性能，在多个公开数据集中实现了最优的效果。