建立支持图像和查询图像中目标对象的特征信息之间的联系是现有小样本语义分割的主流方法.然而这类方法大多没有通过挖掘背景信息辅助前景目标信息的预测，因此提出了一种前景与背景特征交互的小样本分割网络.具体来说，在传统的基于目标信息的双分支小样本分割网络中添加一条新分支用于显式地预测查询图像的背景区域，之后预测出的背景区域被用于修正预测出的前景目标区域.同时，在K-shot情景下，通过自适应调整单张支持图像在支持原型中的贡献比例缓解支持偏置.最后，在标准小样本分割数据集上进行了实验：在PASCAL-5i数据集1-shot设置下的测试结果mIoU分别比NTRENet和MMNet提高了0.4%和2.8%.
