التعلم النقل هو طريقة مستخدمة على نطاق واسع لبناء نماذج رؤية حاسوبية ذات أداء عالي. في هذا البحث، ندرس فعالية التعلم النقل من خلال فحص كيف يؤثر اختيار البيانات على الأداء. نجد أن زيادة بيانات التدريب الأولي لا تساعد دائمًا، وأن أداء النقل يعتمد على اختيار مُحكم لبيانات التدريب الأولي. تعتبر هذه النتائج مهمة في ظل الزيادة المستمرة في أحجام المجموعات البيانات. بالإضافة إلى ذلك، نقترح التعلم النقل التكيفي مع المجال، وهو طريقة بسيطة وفعالة للتدريب الأولي باستخدام أوزان الأهمية التي يتم حسابها بناءً على مجموعة البيانات المستهدفة. تأتي طرقنا لحساب أوزان الأهمية من أفكار في التكيف مع المجال، ونوضح تطبيقًا جديدًا للتعلم النقل. تحقق طرقنا نتائج رائدة في مجالها على عدة مجموعات بيانات تصنيف دقيقة وهي مناسبة جيدًا للاستخدام العملي.