小样本语义分割旨在通过少量标注样本实现新类别的精准分割,但现有方法因特征压缩导致的空间信息丢失、跨尺度对齐偏差及背景干扰等问题限制了其性能.为此,提出了一种基于多层多尺度查询-支持点积注意力的小样本语义分割框架.首先,支持图像和查询图像通过多尺度特征提取模块,从主干网络中提取多尺度特征.接着,利用Transformer的缩放点积注意力机制,充分挖掘支持图像中前景与背景像素的信息.最后,通过跳跃连接将多尺度特征与中间掩码进行融合,逐步细化分割边界.该模型在PASCAL-5i数据集上进行了实验,在1-shot设定下取得了62.1%的平均交并比和73.6%的前景-背景交并比,验证了方法的有效性.