ظاهرة تراكب الانعكاسات معقدة وموزعة على نطاق واسع في العالم الحقيقي، مما أدى إلى اشتقاق صيغ مبسطة مختلفة للمسالة خطية وغير خطية. في هذا البحث، استنادًا إلى دراسة نقاط الضعف في النماذج الحالية، نقترح صيغة أكثر عمومية لنموذج التراكب من خلال إدخال حد بقايا قابل للتعلم، والذي يمكنه التقاط المعلومات الباقية بكفاءة أثناء التحليل، مما يوجه الطبقات المنفصلة لأن تكون كاملة. للاستفادة الكاملة من مزاياه، قمنا أيضًا بتصميم بنية الشبكة بدقة، بما في ذلك آلية تفاعل ثنائية التيار جديدة وشبكة تحليل قوية مع كودير هرمي دلالي. تم إجراء تجارب ودراسات تقليص مكثفة لتأكيد تفوقنا على الأساليب الأكثر تقدمًا في عدة مجموعات بيانات مرجعية حقيقية. رمزنا متاح بشكل عام على https://github.com/mingcv/DSRNet.