المسار يُعد عنصراً حاسماً في نظام التوجيه البصري للمركبة الذكية. وبشكل طبيعي، يُعد المسار إشارة مرورية ذات دلالة عالية المستوى، ولكنه يمتلك نمطاً محلياً محدداً يتطلب ميزات منخفضة المستوى مفصلة لتحديد موقعه بدقة. إن استخدام مستويات مختلفة من الميزات يُعد أمراً بالغ الأهمية للكشف الدقيق عن المسارات، لكنه ما زال يُعد مجالاً غير مستكشف بشكل كافٍ. في هذا العمل، نقدّم شبكة التحسين عبر الطبقات (CLRNet) التي تهدف إلى الاستفادة الكاملة من الميزات عالية المستوى ومنخفضة المستوى في الكشف عن المسارات. وبشكل خاص، تقوم الشبكة أولاً بالكشف عن المسارات باستخدام ميزات دلالية عالية المستوى، ثم تُجري عملية التحسين بناءً على الميزات منخفضة المستوى. وبهذه الطريقة، يمكننا الاستفادة من معلومات سياقية أوسع للكشف عن المسارات، مع الاستفادة من الميزات التفصيلية المحلية للمسارات لتحسين دقة التحديد المكاني. كما نقدّم تقنية ROIGather لجمع المعلومات السياقية الشاملة، والتي تعزز بشكل إضافي تمثيل الميزات الخاصة بالمسارات. وبالإضافة إلى تصميم الشبكة الجديد، نُقدّم خسارة Line IoU التي تُعدّل الخط المساري كوحدة متكاملة لتحسين دقة تحديد الموضع. تُظهر التجارب أن الطريقة المقترحة تتفوّق بشكل كبير على أحدث الأساليب المطورة في مجال الكشف عن المسارات.