本文提出了一种基于人眼视觉感知的三阶段模型，可以在单次迭代中进行粗到细的分割。采用了多尺度特征增强和边界增强模块，使用掩码引导并结合了粗略预测图与高分辨率特征图来生成细致的结果。网络表现优于现有CNN模型，降低了计算开销并减轻了背景噪声干扰。