شهد الكشف عن الكائنات تقدماً هائلاً في السنوات الأخيرة. ومع ذلك، لا تُظهر الخوارزميات الحالية أداءً جيداً في التعميم عند اختبارها على توزيعات بيانات متنوعة. نعالج مشكلة التعلم التدريجي في الكشف عن الكائنات باستخدام مجموعة بيانات القيادة الهندية (IDD). يعتمد نهجنا على استخدام تصنيفات متعددة مخصصة للمجالات، إلى جانب تقنيات فعّالة للنقل التعلّمي تركز على تجنّب النسيان الكارثي. قُمنا بتقييم نهجنا على مجموعة بيانات IDD وBDD100K. وتُظهر النتائج فعالية نهجنا المُعدّل حسب المجال في حالات الانزياحات المجالية في البيئات.