يحاول الكشف عن الكائنات ذات التدريب الضعيف تقليل كمية التوجيه من خلال التخلي عن الحاجة إلى مربعات حدودية، لكنه لا يزال يفترض وجود تسميات على مستوى الصورة بالنسبة لمجموعة التدريب بأكملها. في هذه الدراسة، نستكشف مشكلة تدريب نموذج كشف كائنات باستخدام صورة واحدة أو صور قليلة ذات تسميات على مستوى الصورة، بالإضافة إلى مجموعة أكبر من الصور التي لا تمتلك أي تسميات. يُعد هذا الحالة القصوى للتعلم شبه المراقبة، حيث تكون البيانات المُعلمة غير كافية لبدء عملية تعلم نموذج كشف كائنات. وحلنا هو تدريب نموذج كشف كائنات طالب ضعيف التدريب من خلال تسميات وهمية على مستوى الصورة التي تُولَّد على مجموعة الصور غير المُعلمة بواسطة نموذج تصنيف معلم، يتم تقويته من خلال تشابهات على مستوى المناطق مع الصور المُعلمة. مستندين إلى النموذج الرائد الأخير PCL في مجال التدريب الضعيف، يمكن لطرقنا الاستفادة من عدد أكبر من الصور غير المُعلمة لتحقيق أداءً تنافسيًا أو أفضل من العديد من الحلول الحديثة في مجال الكشف الضعيف عن الكائنات.