نقدّم "ReCo"، إطار عمل للتعلّم التمييزي مصمم على المستوى الإقليمي لمساعدة التعلّم في التجزئة الدلالية. يقوم ReCo بتنفيذ التعلّم التمييزي على مستوى البكسل (Pixel-level) شبه المُراقب أو المُراقب على مجموعة نادرة من البكسلات السلبية الصعبة، مع استهلاك حدّ أدنى من المساحة الإضافية في الذاكرة. يتميز ReCo بسهولة التنفيذ، حيث يُبنى على شبكات تجزئة جاهزة للاستخدام، ويعزز الأداء بشكل ثابت في كل من منهجيات التجزئة الدلالية شبه المُراقبة والمُراقبة، مما يؤدي إلى حدود تجزئة أكثر سلاسة وانطلاقًا أسرع نحو التقارب. ويكون التأثير الأقوى في التعلّم شبه المُراقب عند توفر عدد قليل جدًا من العلامات. وباستخدام ReCo، نحقق نماذج تجزئة دلالية عالية الجودة، مع اعتماد 5 أمثلة فقط لكل فئة دلالية. يمكن الوصول إلى الكود من خلال: https://github.com/lorenmt/reco.