أصبحت الشبكات العصبية العميقة الطريقة الشائعة لتقسيم التفاعلية. كما نوضح في تجاربنا، بينما توفر شبكة مدربة نتائج تقسيم دقيقة باستخدام عدد قليل من النقرات في بعض الصور، إلا أنها لا تحقق نتائج مرضية حتى مع كمية كبيرة من الإدخال من المستخدم في حالة بعض الكائنات غير المعروفة. وقد قدمت الطريقة الأخيرة المسمّاة "تحسين التغذية العكسية" (BRS) مشكلة تحسين تؤدي إلى أداء محسّن بشكل كبير في الحالات الصعبة. في المقابل، تتطلب BRS تنفيذ مرور أمامي وخلفي عبر الشبكة العميقة عدة مرات، ما يؤدي إلى زيادة كبيرة في الميزانية الحسابية لكل نقرة مقارنة بالطرق الأخرى. نقترح طريقة f-BRS (مخطط التحسين عبر التغذية العكسية للسمات)، التي تحل مشكلة التحسين بالنسبة لمتغيرات مساعدة بدلًا من إدخالات الشبكة، وتتطلب تنفيذ المرور الأمامي والخلفي فقط لجزء صغير من الشبكة. أظهرت التجارب على مجموعات بيانات GrabCut وBerkeley وDAVIS وSBD تحقيق أداء قياسي جديد، بزمن أقل بعشرة أضعاف لكل نقرة مقارنة بالطريقة الأصلية BRS. يمكن الوصول إلى الكود والنموذج المدرب عبر الرابط: https://github.com/saic-vul/fbrs_interactive_segmentation.