结肠镜检查是一种常见且实用的用于检测和治疗息肉的方法。从结肠镜图像中分割出息肉对诊断和手术进程具有重要意义。然而，由于息肉在形状、颜色、形态及与周围组织边界不明显等特性，实现优异的分割性能仍具挑战性。本文提出一种新型网络架构——面向息肉分割中不确定区域的语义自适应网络（Adaptation of Distinct Semantics for Uncertain Areas in Polyp Segmentation, ADSNet），该架构能够修正误分类细节，并恢复易消失、难以在最终阶段被检测到的弱特征。该网络结构包含一个互补的三路解码器，用于生成早期全局特征图；同时引入连续注意力模块，对高层特征的语义进行动态调整，以分析早期全局图中的两种独立语义信息。所提出的方法在多个息肉分割基准数据集上进行了学习能力与泛化能力的验证，实验结果表明，该方法在特征修正与恢复方面表现出显著优势，相较于现有最先进的方法，在息肉图像分割任务中取得了更优的分割性能。尤其值得注意的是，该架构具有良好的灵活性，可适配多种基于CNN的编码器、基于Transformer的编码器以及不同的解码器主干网络。