视频目标分割是机器视觉中最基本的任务之一,在实际应用中发挥着重要作用。根据是否有人为的参与,可以分为无监督视频目标分割和半监督视频目标分割。本工作旨在研究半监督场景下的视频目标分割任务,即根据人为标注的视频首帧的目标掩码注释,来完成后续帧中的目标掩码预测。当前,基于时空记忆的方法由于其优异的性能,受到了广泛欢迎。其基本思想是通过构建一个外部记忆库来记忆历史帧中目标对象的信息,然后将查询帧中的像素与记忆库中的目标对象信息进行相似度匹配,进而选择有利于查询帧目标对象建模的信息完成预测。这类方法虽然可以有效地处理遮挡、形变等问题,但仍存在以下两个问题:1)无法在精度和效率间达到平衡,即短时空记忆效率高,但性能有限;长时空记忆性能好,但效率低。2)无法处理同类语义物体带来的干扰,容易出现错误预测。为了解决上述问题,本工作进行了深入研究,主要贡献可以概括为:（1）针对无法平衡算法精度与效率问题,本工作提出了一种时空压缩的半监督视频目标分割算法,通过降低记忆中的时空冗余,来提高算法效率。在时间上,该算法自适应地选择有着明显变化的视频帧用于记忆更新。在空间上,该算法不再存储视频帧中所有像素信息,而是只存储与记忆中已有像素相似度较低的像素信息。此外,该算法通过丢弃被较少使用的旧像素信息以进一步降低空间冗余。最后,该算法提出了一种更为高效的记忆读取机制,以更低的内存占用和计算成本来达到同等的读取效果。本工作在多个基准数据集上对该算法进行了实验,实验结果证明了该算法在降低时空冗余,提高算法效率方面的有效性。最后,大量的消融实验也表明了该算法各组成部分所起到的作用。（2）针对无法处理同类语义物体带来的干扰问题,本工作提出了一种时空场景学习的半监督视频目标分割算法,通过利用周围场景信息来避免干扰物体,消除目标候选区域,避免错误分割。具体地,该算法将周围场景信息编码成密集的知识向量,并以视频序列的形式传播,然后与目标外观模型的输出相结合,共同指导查询帧的目标对象建模。此外,该算法引入了一种知识更新策略来更新知识向量,该策略可以标记新进入场景的干扰物或纠正被错误传播的知识。本工作在多个基准数据集上对该算法进行了实验,结果表明,该算法可以捕获丰富的场景信息,并且这些信息可以与目标外观模型的输出形成互补。最后,大量的消融实验也表明了该算法各组成部分所起到的作用。