معظم النهج الحالية للتوضيع المراقب بشكل ضعيف (WSL) تتعلم الكاشفات من خلال العثور على صناديق حصرية إيجابية بناءً على الخصائص التي تم تعلمها باستخدام الإشراف على مستوى الصورة. ومع ذلك، فإن هذه الخصائص لا تحتوي على معلومات مرتبطة بالمكانة المكانية وتقدم عادةً عينات إيجابية ذات جودة منخفضة لتدريب الكاشف. لتجاوز هذه المشكلة، نقترح نهجًا للتعلم الذاتي العميق، يتيح للكاشف تعلم خصائص المستوى الكائن التي يمكن الاعتماد عليها للحصول على عينات إيجابية دقيقة ومن ثم إعادة تدريب نفسه بناءً عليها. نتيجة لذلك، يحسن الكاشف قدرته على الاكتشاف بشكل تدريجي ويحدد عينات إيجابية أكثر معلوماتية. لتنفيذ هذا التعلم الذاتي، نقترح طريقة للحصول على عينات بذور عبر نقل الصورة إلى الكائن واكتشاف الرسم البياني الكثيف للعثور على عينات إيجابية موثوقة لتوفير بداية للكاشف. بالإضافة إلى ذلك، تم اقتراح مخطط حصاد العينات الداعمة عبر الإنترنت لاختيار العينات الإيجابية الأكثر ثقة بدقة بطريقة ديناميكية وتدريب الكاشف بطريقة تعزيز متبادل. لمنع الكاشف من الوقوع في نقاط أمثل سيئة بسبب الانسياق الزائد، نقترح تقنية جديدة للتحسين النسبي لنسب التوقعات التي ينتجها الشبكة العصبية التلافيفية (CNN) لإرشاد عملية التعلم الذاتي. أظهرت التجارب الواسعة على PASCAL 2007 و 2012 أن نهجنا يتفوق على أفضل التقنيات الحالية، مما يؤكد فعاليته بشكل قوي.