Nous proposons un nouveau cadre fondé sur le matching pour la segmentation d'objets vidéo en mode semi-supervisé (VOS). Récemment, les algorithmes basés sur le matching ont permis d'atteindre les performances les plus élevées dans le domaine du VOS, en créant des banques de caractéristiques afin de stocker des représentations pour le matching régional et la classification. Toutefois, la manière d'organiser efficacement les informations dans ces banques de caractéristiques en croissance continue reste peu explorée, ce qui entraîne une conception inefficace de ces banques. Nous introduisons une stratégie d'actualisation adaptative de la banque de caractéristiques, permettant de capturer dynamiquement de nouvelles caractéristiques tout en éliminant celles devenues obsolètes. Par ailleurs, nous concevons une nouvelle fonction de perte de confiance ainsi qu'un module de segmentation à haute précision afin d'améliorer la précision de segmentation dans les régions incertaines. Sur des benchmarks publics, notre algorithme surpasser les états de l'art existants.