الشبكات العصبية المتشابكة (CNNs) محدودة بطبيعتها في نمذجة التحولات الهندسية بسبب الهياكل الهندسية الثابتة في وحدات البناء الخاصة بها. في هذا البحث، نقدم وحدتين جديدتين لتعزيز قدرة الشبكات العصبية المتشابكة على نمذجة التحولات، وهما التوافقي المرن (deformable convolution) والتوافقي المرن لمنطقة الاهتمام (deformable RoI pooling). كلتا الوحدتين تعتمدان على فكرة زيادة مواقع العينات الفضائية في الوحدات بمواقع إضافية مع تعلم هذه المواقع من المهام المستهدفة دون الحاجة إلى إشراف إضافي. يمكن للوحدات الجديدة أن تحل محل الوحدات البسيطة في الشبكات العصبية المتشابكة الحالية ويمكن تدريبها بسهولة بطريقة شاملة باستخدام الانتشار الخلفي القياسي، مما ينتج عنه شبكات عصبية متشابكة مرنة. تم إجراء تجارب واسعة النطاق لتأكيد فعالية أسلوبنا في مهام الرؤية المعقدة مثل اكتشاف الأشياء والتقسيم الدلالي. سيتم إطلاق الكود.