معظم النهج المعاصرة لتقسيم الحالات تستخدم أنابيب معقدة تتضمن حقول العشوائية الشرطية (Conditional Random Fields)، شبكات العصب المتكررة (Recurrent Neural Networks)، اقتراحات الأشياء، أو مخططات التوافق القالب. في ورقتنا البحثية، نقدم شبكة عصبية تقنية بسيطة ومع ذلك قوية تعمل من البداية إلى النهاية لمعالجة هذه المهمة. يجمع نهجنا بين الحدس المستمد من تحويل الفيض الكلاسيكي والتعلم العميق الحديث لإنتاج خريطة طاقة للصورة حيث يتم تمثيل حالات الأشياء بشكل لا لبس فيه كحوض في خريطة الطاقة. ثم نقوم بإجراء قطع على مستوى طاقة واحد مباشرةً للحصول على المكونات المتصلة التي تتوافق مع حالات الأشياء. يزيد أداء نموذجنا بأكثر من الضعف عن أفضل الأداء الحالي في مهمة تقسيم الحالات على مستوى الشيء في مدينة سكيبس (Cityscapes Instance Level Segmentation).