تلعب الميزات المفيدة دورًا حاسمًا في مهمة تحسين دقة الصورة الفردية. وقد أُثبتت فعالية الانتباه القنوي في الحفاظ على الميزات الغنية بالمعلومات في كل طبقة. ومع ذلك، يتعامل الانتباه القنوي مع كل طبقة تلافيفية على أنها عملية منفصلة، مما يؤدي إلى تجاهل الارتباطات بين الطبقات المختلفة. ولحل هذه المشكلة، نقترح شبكة انتباه شاملة جديدة تُسمى HAN، والتي تتكون من وحدة انتباه طبقي (LAM) ووحدة انتباه قنوي-مكاني (CSAM)، بهدف نمذجة الاعتماديات الشاملة بين الطبقات، والقنوات، والمواقع. وبشكل خاص، تُعزز وحدة LAM الميزات الهرمية تلقائيًا من خلال أخذ الارتباطات بين الطبقات بعين الاعتبار. وفي الوقت نفسه، تتعلم وحدة CSAM درجة الثقة عند جميع المواقع ضمن كل قناة، بهدف التقاط الميزات الأكثر إفادة بشكل انتقائي. وأظهرت التجارب الواسعة أن الشبكة المقترحة HAN تتفوق على أحدث الطرق المطروحة في مجال تحسين دقة الصورة الفردية.