التفتيش المكاني للأجسام، كمهمة خاصة من مهام التجزئة الدلالية، يواجه دائمًا تباينًا على نطاق أوسع، وتباينًا داخليًا أكبر للخلفية، وعدم توازن بين المقدمة والخلفية في صور الاستشعار عن بعد ذات الدقة المكانية العالية (HSR). ومع ذلك، فإن طرق التجزئة الدلالية العامة تركز بشكل أساسي على التباين في الحجم في المشاهد الطبيعية، مع عدم اعتبار كافٍ للمشكلتين الأخريين اللتين تحدثان غالبًا في مشهد مراقبة الأرض على نطاق واسع. في هذا البحث، نجادل بأن المشكلات تنبع من نقص في نمذجة المقدمة ونقترح شبكة علاقات واعية بالمقدمة (FarSeg) من وجهتي نظر نمذجة المقدمة القائمة على العلاقات والتحسين القائم على الأمثلة، لحل المشكلتين أعلاه. من وجهة النظر المتعلقة بالعلاقات، تعزز FarSeg تمييز خصائص المقدمة عبر سياقات مرتبطة بالمقدمة يتم ربطها بتعلم علاقة المشهد بالمقدمة. وفي الوقت نفسه، من وجهة النظر المتعلقة بالتحسين، تم اقتراح تحسين واعٍ بالمقدمة يركز على أمثلة المقدمة وأمثلة الخلفية الصعبة أثناء التدريب لتحقيق تحسين متوازن. النتائج التجريبية التي تم الحصول عليها باستخدام مجموعة بيانات كبيرة تقترح أن الطريقة المقترحة أفضل من أفضل الطرق العامة للتجزئة الدلالية وأنها تحقق توازنًا أفضل بين السرعة والدقة. تم توفير الكود في: \url{https://github.com/Z-Zheng/FarSeg}.