تهدف التصنيف الشمولي القليل العينات إلى تعلُّم تقسيم كائن هدف من صورة استعلام باستخدام عدد قليل جدًا من الصور الداعمة المُعلَّمة لفئة الكائن المستهدفة. يتطلب هذا المهمة الصعبة فهمًا لمختلف المستويات من المؤشرات البصرية وتحليل العلاقات الدقيقة بين الصورة الاستعلامية والصور الداعمة. ولحل هذه المشكلة، نقترح شبكة تسمى "شبكة التماسك الفائق (HSNet)"، التي تعتمد على التماسك متعدد المستويات للسمات والانسيابيات الـ 4D الفعالة. حيث تستخرج الشبكة سمات متنوعة من مستويات مختلفة من الطبقات التلافيفية الوسطية، وتنشئ مجموعة من التنسورات الـ 4D، والمعروفة بـ "التماسك الفائق". وباستخدام انسيابيات 4D فعالة تعتمد على المحور المركزي ضمن بنية هرمية، تُقلِّص الطريقة تدريجيًا الملامح الشكلية عالية المستوى والملامح الهندسية منخفضة المستوى من التماسك الفائق إلى أقنعة تقسيم دقيقة بطريقة من الخشنة إلى الدقيقة. وتوحي النتائج المُحسَّنة بشكل كبير على معايير التصنيف الشمولي القليل العينات القياسية مثل PASCAL-5i وCOCO-20i وFSS-1000 بفعالية المنهج المقترح.