图像分割类应用（包括语义分割、实例分割、显著物体检测等）既要提取图像细节信息计算高质量分割掩码图，又依赖于图像的全局信息以实现场景识别。最近提出的基于视觉Transformer结构方法依靠自注意力机制的全局建模能力，显著提高了图像分割的准确率。但是视觉Transformer结构存在计算复杂度高、缺少细节信息等局限性，难以获得像素级分割结果。

文章针对基于Transformer结构图像分割领域存在的上述问题，利用特征筛选方法，筛选出重要特征并增强重要特征在网络中的权重，解决了现有Transformer分割方法计算复杂，结果不够准确的问题。同时将Transformer特征与卷积神经网络特征融合，进一步精炼分割结果。实验结果表明，此方法在不同的图像分割数据集上都取得了显著的性能提升。

该研究得到了国家自然科学基金的资助，论文链接：https://ieeexplore.ieee.org/document/10474206