نقترح نهجًا جديدًا يُسمى التكيف النطقي الهرمي الذاتي الدافع (PyCDA) لتسهيل تكيف شبكات التجزئة الدلالية من المجالات المصدر الصناعية إلى المجالات الهدف الحقيقية. يستند نهجنا على رؤية تربط بين عمليتين موجودتين مسبقًا: التكيف النطقي والتدريب الذاتي. مستوحى من الأولى، يقوم PyCDA ببناء منهج هرمي يحتوي على خصائص مختلفة حول المجال الهدف. هذه الخصائص تتعلق بشكل أساسي بتوزيعات العلامات المرغوبة على صور المجال الهدف، المناطق في الصورة، والبكسلات. من خلال فرض مراقبة الشبكة لهذه الخصائص، يمكننا تحسين قدرة الشبكة على التعميم في المجال الهدف. مستوحى من التدريب الذاتي، نستنتج هذا المنهج الهرمي للخصائص بالرجوع إلى شبكة التجزئة الدلالية نفسها. على عكس الأعمال السابقة، لا نحتاج إلى الحفاظ على أي نماذج إضافية (مثل الانحدار اللوجستي أو شبكات التمييز) أو حل مشاكل الأمثلة الدنيا والعليا التي غالبًا ما تكون صعبة التحسين. نقدم نتائجًا متقدمة للتكيف من كلٍ من GTAV وSYNTHIA إلى Cityscapes، وهما إعدادان شائعان في التكيف النطقي غير المشرف للتجزئة الدلالية.