إزالة الظل من صورة واحدة ما زالت مشكلة مفتوحة بشكل عام. تستخدم معظم الطرق القائمة على التعلم المشرف (التعلم الإشرافي) وتحتاج إلى عدد كبير من الصور المزدوجة (الصور ذات الظل والصور المقابلة بدون ظل) للتدريب. ومع ذلك، فإن طريقة غير مشرفة حديثة، Mask-ShadowGAN~\cite{Hu19}، تعالج هذا القيد. ولكنها تتطلب قناعًا ثنائيًا لتمثيل المناطق الظليلة، مما يجعلها غير قابلة للتطبيق على الأظلة الناعمة. لمعالجة هذه المشكلة، نقترح في هذا البحث شبكة إزالة ظل غير مشرفة تُوجه بواسطة تصنيف المجالات، وهي DC-ShadowNet. بصفة خاصة، نقترح دمج تصنيف المجالات بين الظل والمنطقة الخالية من الظل في الجينيراتور (المولد) وديسكريمينتور (المميز)، مما يمكّنهما من التركيز على المناطق الظليلة. لتدريب شبكتنا، نقدم خسائر جديدة تعتمد على اللون الخالي من الظل المستند إلى الفيزياء، والميزات الحسية المتينة ضد الظل، وسلاسة الحدود. بالإضافة إلى ذلك، نوضح أن شبكتنا غير المشرفة يمكن استخدامها للتدريب في وقت الاختبار مما يحسن النتائج بشكل أكبر. تظهر تجاربنا أن جميع هذه المكونات الجديدة تسمح لطريقتنا بمعالجة الأظلة الناعمة، وكذلك أداء أفضل على الأظلة القاسية كمياً وكيفياً مقارنة بالطرق الحالية الأكثر تقدماً لإزالة الظل. رمز البرمجيات الخاص بنا متاح على الرابط:\url{https://github.com/jinyeying/DC-ShadowNet-Hard-and-Soft-Shadow-Removal}.