اختيار الكائنات التفاعلي هو مشكلة بحثية مهمة للغاية ولديه العديد من التطبيقات. تتطلب الخوارزميات السابقة تفاعلات مستخدم كبيرة لتقدير توزيعات المقدمة والخلفية. في هذا البحث، نقدم خوارزمية جديدة تعتمد على التعلم العميق والتي لديها فهم أفضل بكثير لمفهوم "الكائنية" (objectness)، مما يمكنها من تقليل تفاعلات المستخدم إلى مجرد بضع نقرات. تقوم خوارزميتنا بتحويل النقرات الإيجابية والسالبة التي يوفرها المستخدم إلى خرائط مسافات أوروبية ثم يتم دمجها مع قنوات RGB للصور لإنشاء أزواج (صورة، تفاعلات المستخدم). نولد العديد من هذه الأزواج عن طريق الجمع بين عدة استراتيجيات عينة عشوائية لنمذجة أنماط نقرات المستخدم ونستخدمها لتغريم شبكات العصبونات الكاملة التلافيفية (FCNs) بشكل دقيق. وأخيرًا، يتم دمج خرائط الاحتمالات النهائية لنموذج FCN 8s الخاص بنا مع تقنية القطع الرسومي (graph cut) لتحسين مقاطع الحدود. تم تدريب نموذجنا على مجموعة بيانات تقسيم PASCAL وتقييمه على مجموعات بيانات أخرى تحتوي على فئات كائنات مختلفة. تظهر النتائج التجريبية لكل من الكائنات المعروفة وغير المعروفة بوضوح أن خوارزميتنا لديها قدرة تعميم جيدة وهي أفضل من جميع الأساليب الحالية لاختيار الكائنات التفاعلية.