اكتشاف الأشياء المموهة (COD) هو مهمة صعبة بسبب انخفاض التباين الحدودي بين الكائن والمحيط به. بالإضافة إلى ذلك، فإن مظهر الأشياء المموهة يختلف بشكل كبير، مثل حجم الكائن وشكله، مما يزيد من صعوبة اكتشافها بدقة. في هذا البحث، نقترح شبكة دمج مستويات السياق (C2F-Net) لمعالجة هذه المهمة الصعبة في اكتشاف الأشياء المموهة. تحديداً، نقترح وحدة دمج مستويات الانتباه (ACFM) لدمج الخصائص متعددة المستويات مع معاملات انتباه معلوماتية. يتم بعد ذلك تغذية الخصائص المدمجة إلى الوحدة السياقية العالمية ذات الفرعين (DGCM)، والتي توفر تمثيلات خصائص متعددة المقاييس لاستخدام المعلومات السياقية العالمية الغنية. في C2F-Net، يتم تنفيذ الوحدتين على الخصائص عالية المستوى باستخدام طريقة متسلسلة. أظهرت التجارب الواسعة على ثلاث قواعد بيانات مرجعية شائعة استخداماً أن شبكتنا C2F-Net هي نموذج فعال لاكتشاف الأشياء المموهة ويتفوق بشكل ملحوظ على النماذج الرائدة الأخرى. رمز البرمجة الخاص بنا متاح للجمهور على الرابط التالي:https://github.com/thograce/C2FNet.