في تحليل الإنسان (Human Parsing)، تعاني خسارة التصنيف البكسلية من عيوب في عدم التناسق المحلي على المستوى المنخفض وعدم التناسق الدلالي على المستوى العالي. يعالج مقدمو الشبكة المعادية (Adversarial Network) هذين المشكلتين باستخدام مميز واحد (Discriminator). ومع ذلك، يتم إنتاج نوعي عدم التناسق من آليات مختلفة، مما يجعل من الصعب على مميز واحد حل كلاهما. لمعالجة هذين النوعين من عدم التناسق، تقترح هذه الورقة شبكة العداء الكروية والدقيقة (Macro-Micro Adversarial Net - MMAN). تحتوي هذه الشبكة على مميزين: المميز الأول، Macro D، يعمل على خريطة التسمية ذات الدقة المنخفضة ويفرض عقوبات على عدم التناسق الدلالي، مثل أجزاء الجسم الموضعية بشكل غير صحيح. أما المميز الثاني، Micro D، فيركز على عدة شرائح من خريطة التسمية ذات الدقة العالية لمعالجة عدم التناسق المحلي، مثل الضبابية والثقوب.مقارنةً بالشبكات المعادية التقليدية، فإن MMAN لا تقتصر فقط على فرض التناسق المحلي والدلالي بشكل صريح، بل تتجنب أيضًا مشكلة التقارب السيء التي تعاني منها الشبكات المعادية عند التعامل مع الصور ذات الدقة العالية. في تجربتنا، أثبتنا أن المميزين يكملان بعضهما البعض في تحسين دقة تحليل الإنسان. الإطار المقترح قادر على تحقيق أداء تحليلي تنافسي مقارنة بالطرق المتقدمة حاليًا، حيث حقق نسبة تقاطع فوق الاتحاد (mIoU) قدرها 46.81% و59.91% على قاعدة بيانات LIP وPASCAL-Person-Part على التوالي. وعلى مجموعة البيانات الأصغر نسبيًا PPSS، أظهر نموذجنا المدرب مسبقًا قدرة عامّة متميزة. الرمز البرمجي متاح للعموم في الرابط https://github.com/RoyalVane/MMAN.