1.一种用于图像中的环境的自动视觉推断的方法，包括：
接收环境的图像的全尺寸图像；
识别所述图像的环境特征集，所述环境特征集描述了捕获所述全尺寸图像的环境；
基于所述图像的所述环境特征集，在所述全尺寸图像内选择区域以用于自动视觉推断；以及
通过将所述图像的所选择的区域应用于视觉推断模型来确定关于所述图像中的所述环境的语义信息。
2.根据权利要求1所述的方法，还包括：将所述图像的所选择的区域调整尺寸为用于所述视觉推断模型的预定尺寸。
3.根据权利要求1所述的方法，其中，所述图像的所述环境特征集包括以下中的一个或更多个：
根据所述环境的先前图像确定的语义信息；
道路结构信息，其描述了基于所述图像的所述环境中的道路的曲率；以及
从其捕获所述图像的车辆的控制信息或运动信息。
4.根据权利要求1所述的方法，其中，基于所述图像的所述环境特征集来选择所述图像的区域包括：对所述环境特征集应用规则集、对所述环境特征集应用权重集、或者对所述环境特征集应用经训练的计算机模型。
5.根据权利要求1所述的方法，其中，所确定的关于所述环境的语义信息包括在所述环境中识别的对象集以及所述图像中的针对所述对象集的边界范围。
6.根据权利要求1所述的方法，其中，所述全尺寸图像被调整尺寸为减少分辨率的图像，并且还通过将所述减少分辨率的图像应用于所述视觉推断模型来确定关于所述图像中的所述环境的语义信息。
7.根据权利要求1所述的方法，其中，所述视觉推断模型是机器学习的神经网络模型。
8.根据权利要求1所述的方法，其中，基于所述图像的所述环境特征集来选择所述图像的另一区域，并且基于所述图像的其他部分进一步确定所述语义信息。
9.一种非暂态计算机可读介质，包括可由处理器执行的指令，所述指令使所述处理器执行以下步骤：
接收环境的图像的全尺寸图像；
识别所述图像的环境特征集，所述环境特征集描述了捕获所述全尺寸图像的环境；
基于所述图像的所述环境特征集，在所述全尺寸图像内选择区域以用于自动视觉推断；以及
通过将所述图像的所选择的区域应用于视觉推理模型来确定关于所述图像中的所述环境的语义信息。
10.根据权利要求9所述的非暂态计算机可读介质，所述指令还使所述处理器执行以下步骤：将所述图像的所选择的区域调整尺寸为用于所述视觉推断模型的预定尺寸。
11.根据权利要求9所述的非暂态计算机可读介质，其中，所述图像的所述环境特征集包括以下中的一个或更多个：
根据所述环境的先前图像确定的语义信息；
道路结构信息，其描述了基于所述图像的所述环境中的道路的曲率；以及
从其捕获所述图像的车辆的控制信息或运动信息。
12.根据权利要求9所述的非暂态计算机可读介质，其中，基于所述图像的所述环境特征集来选择所述图像的区域包括：对所述环境特征集应用规则集、对所述环境特征集应用权重集、或者对所述环境特征集应用经训练的计算机模型。
13.根据权利要求9所述的非暂态计算机可读介质，其中，所确定的关于所述环境的语义信息包括在所述环境中识别的对象集以及所述图像中的针对所述对象集的边界范围。
14.根据权利要求9所述的非暂态计算机可读介质，其中，所述全尺寸图像被调整尺寸为减少分辨率的图像，并且还通过将所述减少分辨率的图像应用于所述视觉推断模型来确定关于所述图像中的所述环境的语义信息。
15.根据权利要求9所述的非暂态计算机可读介质，其中，所述视觉推断模型是机器学习的神经网络模型。
16.根据权利要求9所述的非暂态计算机可读介质，其中，基于所述图像的所述环境特征集来选择所述图像的另一区域，并且基于所述图像的其他部分进一步确定所述语义信息。
17.一种系统，包括：
处理器；以及
计算机可读介质，其包括可在所述处理器上执行以便执行以下操作的指令：
接收环境的图像的全尺寸图像；
识别所述图像的环境特征集，所述环境特征集描述了捕获所述全尺寸图像的环境；
基于所述图像的所述环境特征集，在所述全尺寸图像内选择区域以用于自动视觉推断；以及
通过将所述图像的所选择的区域应用于视觉推断模型来确定关于所述图像中的所述环境的语义信息。
18.根据权利要求17所述的系统，所述指令还可在所述处理器上执行以用于将所述图像的所选择的区域调整尺寸为用于所述视觉推断模型的预定尺寸。
19.根据权利要求17所述的系统，其中，所述图像的所述环境特征集包括以下中的一个或更多个：
根据所述环境的先前图像确定的语义信息；
道路结构信息，其描述了基于所述图像的所述环境中的道路的曲率；以及
从其捕获所述图像的车辆的控制信息或运动信息。
20.根据权利要求17所述的系统，其中，基于所述图像的所述环境特征集来选择所述图像的区域包括：对所述环境特征集应用规则集、对所述环境特征集应用权重集、或者对所述环境特征集应用经训练的计算机模型。