视频目标分割（VOS）旨在自动分割视频中的目标，广泛应用于多个领域。现有方法在复杂场景中面临挑战。本文提出逐帧和逐段时空交互记忆网络（FSSTIM），通过整合多粒度时空信息，提升分割准确性和效率，尤其在处理遮挡和相似目标时表现优异。实验结果表明，FSSTIM在多个数据集上超越现有方法，具有重要应用价值。