우리는 HetNet (다중 수준 \textbf{Het}eroogeneous \textbf{Net}work)를 제시합니다. 이는 매우 효율적인 거울 검출 네트워크입니다. 현재의 거울 검출 방법들은 성능에 더 중점을 두어 효율성을 간과하고 있어, 실시간 응용 프로그램(예: 드론)에서의 활용이 제한적입니다. 이러한 비효율성은 다양한 수준의 특징 간 차이를 무시하는 동질 모듈을 사용하는 일반적인 설계로 인해 발생합니다. 반면, HetNet은 초기에 저수준 이해(\textit{예를 들어}, 강도 대비)를 통해 잠재적인 거울 영역을 감지한 후, 고수준 이해(문맥 불연속성 등)와 결합하여 최종 예측을 완료합니다. 정확하면서도 효율적인 거울 검출을 수행하기 위해, HetNet은 다양한 단계에서 특정 정보를 얻어 거울을 검출하는 효과적인 아키텍처를 따릅니다. 우리는 또한 저수준 이해를 통해 잠재적인 거울 영역을 예측하고, 고수준 이해를 통해 시나리오에서 의미 논리를 분석하기 위한 다중 방향 강도 기반 대비 모듈(MIC; Multi-Orientation Intensity-based Contrasted Module)과 반사 의미 논리 모듈(RSL; Reflection Semantic Logical Module)을 제안하여 HetNet에 적용하였습니다. 최신 기술과 비교했을 때, HetNet은 664\% 더 빠르게 실행되며, 두 개의 거울 검출 벤치마크에서 MAE 평균 성능 향상률 8.9\%, IoU 3.1\%, F-measure 2.0\%를 기록하였습니다.