La segmentación precisa de pólipos colorrectales es de gran importancia para el diagnóstico y tratamiento del cáncer colorrectal. Sin embargo, la segmentación de pólipos colorrectales enfrenta problemas complejos como el bajo contraste en la región periférica de imágenes salientes, bordes borrosos y formas diversas. Además, el número de parámetros de la red UNet tradicional es grande y el efecto de segmentación es promedio. Para superar estos problemas, en este artículo se propone una innovadora red de atención contextual de incertidumbre sin activación no lineal. Basada en la red UNet, se añade un codificador y un decodificador para predecir el mapa de saliencia de cada módulo en el flujo de abajo hacia arriba y pasarlo al siguiente módulo. Utilizamos Res2Net como la red base para extraer características de imagen, mejorar las características de imagen a través de una simple atención axial paralela, y obtener características de alto nivel con semántica global y características de bajo nivel con detalles de borde. Al mismo tiempo, se introduce una red no lineal sin activación, que puede reducir la complejidad entre bloques, mejorando así aún más la extracción de características de imagen. Este trabajo realizó experimentos en cinco conjuntos de datos de segmentación de pólipos comúnmente utilizados, y las métricas de evaluación experimental, como la intersección media sobre la unión, el coeficiente de Dice medio y el error absoluto medio, mejoraron, lo que demuestra que nuestro método tiene ciertas ventajas sobre los métodos existentes en términos de rendimiento de segmentación y rendimiento de generalización.