تمثّل كشف الظلال مهمة أساسية وصعبة، نظرًا لاحتياجها إلى فهم دلاليات الصورة الشاملة، إلى جانب التنوّع الكبير في الخلفيات المحيطة بالظلال. تقدّم هذه الورقة شبكة جديدة لكشف الظلال من خلال تحليل سياق الصورة بطريقة مُوجّهة اتجاهيًا. ولتحقيق ذلك، نُصاغ آلية الانتباه المُوجّهة اتجاهيًا داخل شبكة عصبية متكررة فضائية (RNN) من خلال إدخال أوزان انتباه عند تجميع ميزات السياق الفضائي داخل الشبكة. وباستخدام التدريب لتعلم هذه الأوزان، يمكن استرجاع سياق فضائي مُوجّه اتجاهيًا (DSC) للكشف عن الظلال. وقد تم تطوير هذا التصميم ليصبح وحدة DSC، والتي تم دمجها داخل شبكة تلافيفية عميقة (CNN) لاستخلاص ميزات DSC على مستويات مختلفة. علاوةً على ذلك، تم تصميم دالة خسارة موزونة لتعزيز فعالية التدريب. وقد استخدمنا مجموعتي بيانات شائعتين لاختبار كشف الظلال، وقمنا بإجراء تجارب متنوعة لتقييم الشبكة. وأظهرت النتائج التجريبية تفوق شبكتنا على أحدث الطرق المُعتمدة، حيث حققت دقة تبلغ 97%، وخفضت معدل الخطأ المتوازن بنسبة 38%.