近年来,随着视频监控、短视频社交等领域的蓬勃发展,产生了海量的视频数据。视频目标分割算法的发展促进了视频内容理解技术的广泛应用,对于智能安防、视频存储和自动驾驶等任务具有重要意义。视频目标分割旨在将某些特定的、显著的目标从视频背景中分离出来,本质上是一种像素级分类任务。然而,由于视频内容的多样性和复杂性,使得视频中存在大量前景背景混淆、目标形态变化、目标尺度变化等诸多问题,给视频目标分割算法带来了巨大的挑战。本文沿着从无监督设定下的视频单目标分割,到半监督设定下的视频多目标分割的技术路线,做了以下的研究工作:（1）在无监督设定下构建了基于外观与运动度量视频单目标分割算法。针对视频中目标会发生较大形变或者目标运动过快导致的分割不准确问题,构建了外观与运动度量模块:使用时空期望最大化自注意单元（Spacetime EMAU）对目标的外观建模,使用ConvLSTM对目标的运动建模。外观与运动度量模块的引入,使得视频目标分割算法可以较好的适应不同目标在视频中的运动变化,面对不同幅度的变化时有着较高的鲁棒性。由于无监督设定下不提供任何待分割目标的先验信息,视频目标分割算法难以处理复杂背景的场景。为此,我们设计了区域约束损失函数,即通过在模型的训练过程中添加Centerness损失函数,对待分割的前景目标区域加以约束。最后,本文通过在DAVIS 2016数据集上进行实验,验证了该算法的有效性,分割精度达到了68.7%,达到了较高的水准。（2）在半监督设定下构建了基于相似性度量和自注意力的视频多目标分割算法。半监督是指仅在视频第一帧中提供了待分割目标的掩模的基础上,在视频的后续帧中对目标进行精确分割。本文参考了基于转导（transduction）的视频目标分割（TVOS）的算法框架,并做了自注意力机制单元的嵌入,构建了基于相似性度量和自注意力的视频多目标分割算法模型。在保证了视频目标分割算法的高效性和实时性的同时,使分割精度得到了进一步的提升。最后,本文通过在DAVIS2017数据集上的实验,验证了自注意力机制的嵌入,丰富了待分割目标的细节信息,优化了目标的轮廓信息,分割精度也达到了72.7%,速度达到了17FPS,充分说明了该算法的有效性。