التمييز الدلالي (semantic segmentation) هو مهمة تعيين تصنيف لكل بكسل في الصورة. نقترح إطارًا عملًا مبنيًا على المناطق يتعامل مع الإشراف الكامل والضعيف، ويحل ثلاث مشاكل شائعة: (1) تظهر الأشياء بمقاييس متعددة، ولذلك يجب استخدام مناطق بمقاييس متعددة. ومع ذلك، فإن هذه المناطق تتداخل مما يخلق توقعات تصنيفية متعارضة على مستوى البكسل. (2) تكون ترددات التصنيفات غير متوازنة بشكل كبير في المجموعات البيانات الواقعية. (3) يمكن تعيين كل بكسل إلى تصنيف واحد فقط، مما يخلق منافسة بين التصنيفات. نعالج جميع هذه المشاكل باستخدام طريقة تنسيق مشتركة (joint calibration method) تقوم بتحسين دالة خسارة متعددة التصنيفات معرفة على التسمية النهائية لمستوى البكسل، بدلاً من مجرد تصنيف المنطقة. أثبتت طريقتنا أنها أفضل من أفضل الطرق الحالية في مجموعة البيانات الشهيرة SIFT Flow [18] في كلا الإعدادين الإشرافي الكامل والضعيف بمقدار هام (+6% و+10% على التوالي).