تعتمد معظم مُكتشفات الكائنات القائمة على التعلم العميق على آلية المُربّعات المرجعية (anchor mechanism)، وتعتمد على معامل التداخل على التداخل (Intersection over Union (IoU)) بين المربعات المرجعية المُحددة مسبقًا والمربعات الحقيقية (ground truth) لتقييم جودة التوافق بين المربعات المرجعية والكائنات. في هذه الورقة، نُشكك في استخدام IoU هذا، ونُقدّم معيارًا جديدًا لتوافق المربعات المرجعية، يُوجَّه أثناء مرحلة التدريب من خلال تحسين مهام التحديد المكاني والتصنيف معًا: حيث تُستخدم التنبؤات المتعلقة بمهمة واحدة لتعيين عينات من المربعات المرجعية ديناميكيًا وتحسين الأداء في المهمة الأخرى، والعكس صحيح. وعلى الرغم من بساطة الطريقة المقترحة، تُظهر تجاربنا باستخدام مختلف الهياكل العميقة المتطورة في مجموعتي بيانات PASCAL VOC وMS COCO فعالية وشمولية استراتيجية التوجيه المتبادل (Mutual Guidance) التي نقترحها.