影の検出は、画像全体の意味的理解を要するため、また影の周囲に多様な背景が存在するため、基本的かつ困難なタスクである。本論文では、方向に依存する文脈情報を分析する新たなネットワークを提案する。この目的を達成するために、空間的再帰型ニューラルネットワーク（RNN）において、空間的文脈特徴を統合する際に注目重みを導入することで、方向に依存する注目メカニズムを定式化する。この重みは学習によって自動的に獲得され、影の検出に適した方向に依存する空間的文脈（Direction-aware Spatial Context: DSC）を復元可能となる。本設計はDSCモジュールとして構築され、CNNに統合されて、異なるレベルでDSC特徴を学習する。さらに、訓練の効率を高めるために重み付き交差エントロピー損失関数を設計した。本手法は一般的な2つの影検出ベンチマークデータセットを用いて評価し、多数の実験を実施した。実験結果から、本ネットワークは最先端手法を上回り、97%の精度とバランスエラーレート38%の低減を達成した。