تقدير وضع اليد من صور العمق الأحادية البؤرة هو مشكلة مهمة وصعبة في مجال التفاعل بين الإنسان والحاسوب. مؤخرًا، تم استخدام شبكات التحويل العميقة ذات التصميم المعقد (ConvNet) لحل هذه المشكلة، ولكن التحسين على الطرق التقليدية ليس واضحًا جدًا. لتعزيز أداء التناظر المباشر للإحداثيات ثلاثية الأبعاد، نقترح شبكة تجميع المناطق ذات البنية الشجرية (Region Ensemble Network - REN)، والتي تقوم بتقسيم مخرجات التحويل إلى مناطق ودمج النتائج من عدة متنبئات على كل منطقة. بالمقارنة مع تجميع النماذج المتعددة، فإن نموذجنا يتم تدريبه بشكل كامل من البداية إلى النهاية (end-to-end). تظهر النتائج التجريبية أن نهجنا يحقق أفضل الأداء بين أحدث الأساليب على قاعدتي بيانات عامتين.