ديبلا็บ هي شبكة عصبية عميقة تُستخدم على نطاق واسع للتقسيم الدلالي، ويعود نجاحها إلى هندستها المتوازية المعروفة باسم التضخيم المكاني الهرمي (Atrous Spatial Pyramid Pooling - ASPP). يستخدم ASPP عدة عمليات تضخيم مختلفة بمعدلات تضخيم متفاوتة لاستخراج المعلومات المحلية والعالمية. ومع ذلك، يتم استخدام قيم ثابتة لمعدلات التضخيم في وحدة ASPP، مما يقيّد حجم مجال الرؤية الخاص بها. من حيث المبدأ، يجب أن يكون معدل التضخيم معلمة فائقة لتغيير حجم مجال الرؤية وفقًا للمهمة المستهدفة أو مجموعة البيانات. ومع ذلك، لا تخضع عملية تعديل معدل التضخيم لأي إرشادات. تقترح هذه الدراسة إرشادات عملية للحصول على معدل تضخيم مثالي. أولاً، تم تقديم مجال الاستقبال الفعال للتقسيم الدلالي لتحليل السلوك الداخلي لشبكات التقسيم. لوحظ أن استخدام وحدة ASPP أدى إلى نمط معين في مجال الاستقبال الفعال، والذي تم تتبعه لكشف الآلية الأساسية للوحدة. بناءً على ذلك، نشتق إرشادات عملية للحصول على معدل التضخيم المثالي، الذي يجب ضبطه بناءً على حجم الصورة الإدخال. مقارنة بالقيم الأخرى، أدت استخدام المعدل الأمثل للتضخيم إلى تحسين مستمر في نتائج التقسيم عبر عدة مجموعات بيانات، بما في ذلك مجموعات بيانات STARE وCHASE_DB1 وHRF وCityscapes وiSAID.