أحرزت التطورات الحديثة في الكشف عن الكائنات القابلة للتكيف نتائج مقنعة بفضل التكيف المضاد للميزات، الذي يُقلل من الانزياحات التوزيعية عبر خط أنابيب الكشف. وعلى الرغم من أن التكيف المضاد يعزز بشكل كبير قابلية نقل تمثيلات الميزات، إلا أن قابلية التمييز لهذه الميزات في كاشفات الكائنات لم تُدرس بشكل كافٍ. علاوةً على ذلك، قد تنشأ تناقضات بين قابلية النقل وقابلية التمييز في سياق التكيف المضاد، نظرًا للتركيبات المعقدة للكائنات والاختلافات في تخطيط المشاهد بين المجالات. في هذه الورقة، نقترح شبكة تسمى "HTCN" (الشبكة الهرمية لضبط قابلية النقل)، التي تقوم بضبط قابلية النقل للميزات بشكل هرمي (من مستوى المنطقة المحلية، إلى مستوى الصورة، إلى مستوى الكائن)، بهدف تحقيق التوازن بين قابلية النقل وقابلية التمييز. تتكون النموذج المقترح من ثلاث مكونات رئيسية: (1) تدريب مضاد موزون بالأهمية مع تداخل المدخلات (IWAT-I)، الذي يعزز قابلية التمييز على المستوى العالمي من خلال إعادة وزن ميزات الصورة الناتجة عن التداخل؛ (2) وحدة التماثل على مستوى الكائن المُدركة للسياق (CILA)، التي تعزز قابلية التمييز على المستوى المحلي من خلال التقاط التأثير المكمل المتأصل بين ميزة الكائن والمعلومات السياقية العالمية، بهدف تحسين التماثل على مستوى الكائن؛ (3) أقنعة الميزات المحلية التي تقوم بضبط قابلية النقل على المستوى المحلي، لتوفير دليلًا معنويًا للنمط التمييزي التالي. أظهرت النتائج التجريبية أن HTCN تتفوق بشكل ملحوظ على أحدث الطرق على مجموعات البيانات القياسية.