كشف الظل مهمة مهمة وصعبة في فهم المشهد. وعلى الرغم من النتائج الواعدة التي حققتها الطرق القائمة على التعلم العميق الحديثة، تظل الدراسات الحالية تعاني من حالات غامضة حيث تتشابه المظاهر البصرية بين مناطق الظل ومناطق غير الظل (والمُسمّاة "التشويش" في سياقنا). في هذه الورقة، نقترح شبكة كشف الظل القائمة على التمييز ضد التشويش (DSDNet) من خلال تعلّم ودمج معاني مناطق التشويش البصرية بشكل صريح ضمن إطار عمل متكامل ومتسلسل. وتمثّل الوحدة الجديدة المستقلة القابلة للتفاضل، المُسمّاة "وحدة الظل المُستشعرة للتشويش" (DS)، العمود الفقري ل框架نا، والتي تتيح لنا تعلّم ميزات متميزة ومستشعرة للتشويش، بهدف كشف الظل بشكل موثوق، من خلال التنبؤ بشكل صريح بالنتائج الخاطئة الإيجابية والسلبية. قمنا بإجراء تجارب واسعة على ثلاث مجموعات بيانات شهيرة لكشف الظل: SBU وUCF وISTD، لتقييم طريقة عملنا. وأظهرت النتائج التجريبية أن نموذجنا يمكنه تعزيز أداء كشف الظل، من خلال كبح فعّال للكشف عن النتائج الخاطئة الإيجابية والسلبية، مما يحقق نتائج متميزة على مستوى التقنيات الحالية.