يمكن أن تسهل التوطين الجزئي الدلالي (semantic part localization) تصنيف الأجزاء الدقيقة من خلال عزل الاختلافات البصرية الدقيقة المرتبطة بجزء محدد من الكائن بشكل صريح. تم اقتراح طرق للتمثيلات المُعَدَّلة حسب الوضع (pose-normalized representations)، ولكنها تفترض عمومًا وجود شروط الصندوق الحدودي (bounding box annotations) في وقت الاختبار بسبب صعوبة كشف الكائنات. نقترح نموذجًا لتصنيف الأجزاء الدقيقة يتجاوز هذه القيود من خلال الاستفادة من الخصائص الشعاعية العميقة التي يتم حسابها على مقترحات المناطق من الأسفل إلى الأعلى (bottom-up region proposals). يتعلم أسلوبنا كاشفات للأجسام الكاملة والأجزاء، ويفرض قيودًا هندسية متعلمة بينهما، ويتوقع فئة دقيقة من التمثيل المعاد ضبطه حسب الوضع. تؤكد التجارب على مجموعة بيانات الطيور من كالتك-يو سي إس دي (Caltech-UCSD bird dataset) أن أسلوبنا يتفوق على أفضل الأساليب الحالية لتصنيف الأجزاء الدقيقة في تقييم شامل من النهاية إلى النهاية دون الحاجة إلى صندوق حدودي في وقت الاختبار.