تُشكِّل التصنيف الدقيق تحديًا أكبر مقارنة بالتصنيف الأساسي للصور نظرًا لتشابه الأصناف الفرعية من حيث المظهر البصري. ولتمييز الأنواع المُربكة، نقدِّم إطارًا جديدًا يعتمد على تعزيز القنوات المميزة للميزات وحذف الانتباه. من جهة، نصمم وحدة خفيفة الوزن تستخدم كلاً من الانتباه القناتي والانتباه المكاني، بهدف تعزيز تعبير الميزات في المناطق المهمة بشكل تكيفي، والحصول على متجهات مميزة أكثر دقة. ومن الجهة الأخرى، ندمج طرقًا لحذف الانتباه، مما يجبر الشبكة على التركيز على المناطق الأقل بروزًا، وبالتالي تعزيز مرونة الشبكة. يمكن دمج طريقة التصنيف لدينا بسلاسة في مختلف الشبكات الأساسية (backbone networks). وأخيرًا، نُجري تقييمًا لطريقتنا على مجموعة متنوعة من مجموعات البيانات العامة، مصحوبًا بتحليل مقارن شامل مع الأساليب الرائدة حاليًا. وتدل النتائج التجريبية على فعالية وقابلية تطبيق طريقتنا في السياقات الواقعية، مما يُبرز تقدمًا ملحوظًا في مهام التصنيف الدقيق المعقدة.