نُقدّم نموذجًا جديدًا للتحليل السريع والدقيق لكائنات الفيديو. يتكون هذا النموذج من شبكتين عصبيتين تلافيفيتين: شبكة التوجيه الديناميكي (DTN) وشبكة تحسين القناع (MRN). تقوم شبكة التوجيه الديناميكي (DTN) بتحديد موقع الكائن من خلال التركيز ديناميكيًا على مناطق الاهتمام المحيطة بالكائن المستهدف. ويتم توقع المنطقة المستهدفة بواسطة DTN من خلال تدفقين فرعيين: تدفق انتشار المربع (BP) وتدفق إعادة تحديد المربع (BR). يمتاز تدفق BP بالسرعة، لكنه أقل فعالية في الكائنات التي تعاني من تشوهات كبيرة أو تغطية جزئية. في المقابل، يُظهر تدفق BR أداءً أفضل في السيناريوهات الصعبة، مع تكلفة حسابية أعلى. ولذلك، نقترح وحدة قرار (DM) لتحديد تلقائيًا أي من التدفقين الفرعيين يجب استخدامه في كل إطار. أخيرًا، تُستخدم شبكة تحسين القناع (MRN) للتنبؤ بالتحليل ضمن المنطقة المستهدفة. وقد أظهرت النتائج التجريبية على مجموعتي بيانات عامتين أن النموذج المقترح يتفوق بشكل ملحوظ على الطرق الحالية من حيث الدقة والكفاءة دون الحاجة إلى تدريب مباشر (online training)، ويتماشى مع الطرق القائمة على التدريب المباشر من حيث الدقة، مع سرعة تفوقها بمرتبة واحدة من حيث السرعة.