Recientemente, en el campo del seguimiento visual de objetos, los algoritmos de seguimiento visual de objetos combinados con la segmentación de objetos visuales han logrado resultados impresionantes al utilizar máscaras para etiquetar objetivos en el conjunto de datos VOT2020. La mayoría de los rastreadores obtienen la máscara del objeto aumentando la resolución a través de múltiples módulos de sobremuestreo y gradualmente obtienen la máscara sumando las características en la red base. Sin embargo, esta vía de refinamiento no considera completamente la información espacial de las características de la red base y, por lo tanto, los resultados de segmentación no son perfectos. En este artículo, se propone el módulo de cruce de etapas y cruce de resolución (CSCR) para optimizar el efecto de segmentación. Este módulo hace pleno uso de la información semántica de las características de alto nivel y de la información espacial de las características de bajo nivel, y las fusiona mediante conexiones de salto para lograr un efecto de segmentación muy preciso. Se realizaron experimentos en el conjunto de datos VOT, y los resultados experimentales superaron a otros rastreadores excelentes y verificaron la efectividad del algoritmo en este artículo.