Las pinturas de Año Nuevo Haipai chinas son una parte importante del patrimonio cultural inmaterial del país, y su preservación digital tiene una gran importancia. Este artículo propone PSE-Net (Red de Expansión de Escala Piramidal), un método de segmentación basado en aprendizaje profundo diseñado específicamente para manejar las texturas complejas y las composiciones intrincadas de estas obras de arte. Al construir un conjunto de datos a gran escala dedicado, entrenamos PSE-Net para lograr una segmentación de alta precisión incorporando mecanismos de atención y fusión de características a múltiples escalas para capturar mejor los detalles. Los resultados experimentales demuestran que el método propuesto supera a los enfoques existentes (como ResNet) en términos de rendimiento de segmentación, obteniendo resultados superiores en la preservación de bordes. Este trabajo establece la primera herramienta automatizada para el análisis a nivel de píxel de las pinturas de Año Nuevo Haipai, facilitando así la digitalización de museos, la investigación en historia del arte y la educación. Además, ofrece nuevas perspectivas para el procesamiento de imágenes y la preservación digital de otras obras de arte tradicionales.