يهدف تقسيم الأشياء المموهة (COS) إلى تحديد الأشياء التي "تندمج بشكل مثالي" في بيئتها، وهو ما له تطبيقات قيمة واسعة النطاق. التحدي الرئيسي لـ COS هو وجود تشابهات جوهرية عالية بين الأشياء المرشحة والخلفية الضوضائية. في هذا البحث، نسعى للتعامل مع التحديات نحو تحقيق COS فعال وكفؤ. لهذا الغرض، طورنا إطارًا مستوحى من الطبيعة يُطلق عليه شبكة التموضع والتركيز (PFNet)، والتي تحاكي عملية الصيد في الطبيعة. بصفة خاصة، تحتوي شبكتنا PFNet على وحدتين رئيسيتين، وهما وحدة التموضع (PM) ووحدة التركيز (FM). تم تصميم الوحدة PM لمحاكاة عملية الكشف في الصيد بهدف تحديد الأهداف المحتملة من وجهة نظر عامة، ثم يتم استخدام الوحدة FM لأداء عملية التعرف في الصيد بهدف تحسين التوقعات الخشنة تدريجيًا عبر التركيز على المناطق الغامضة. وبشكل ملحوظ، في الوحدة FM، طورنا استراتيجية جديدة لاكتشاف وإزالة التشتيت لتعزيز أداء التقدير. أثبتت التجارب الواسعة أن شبكتنا PFNet تعمل بشكل فعلي (72 صورة في الثانية) وتتفوق بشكل كبير على 18 نموذجًا متقدمًا على ثلاثة مجموعات بيانات صعبة تحت أربعة مقاييس قياسية.