تُعزز التطورات الحديثة في كشف الكائنات المُشَجَّعة شبهًا (SSOD) بشكل كبير من خلال طرق توليد التسميات الوهمية القائمة على الاتساق لمهام تصنيف الصور، حيث تُستخدم التسميات الوهمية كإشارات توجيهية. ومع ذلك، عند استخدام التسميات الوهمية، يُهمل غالبًا دقة التحديد المكاني، وتتفاقم مشكلة عدم التوازن بين الفئات، وهما عاملان بالغان الأهمية في مهام الكشف. في هذه الورقة، نقدّم تسميات وهمية واعية بالثقة مُصممة خصيصًا للكشف عن الكائنات، والتي يمكنها تقدير جودة التصنيف والتحديد المكاني للتوسيم الوهمي الناتج بشكل فعّال. يتم ذلك من خلال تحويل مهمة التحديد المكاني التقليدية إلى مهمة تصنيف، تليها عملية تحسين. معتمدين على درجات جودة التصنيف والتحديد المكاني، نُعدّل بشكل ديناميكي الحدود المستخدمة لتوليد التسميات الوهمية، ونُعيد وزن دوال الخسارة لكل فئة لتخفيف مشكلة عدم التوازن بين الفئات. تُظهر التجارب الواسعة أن طريقة العمل هذه تحسّن أداء SSOD الأفضل حالياً بنسبة 1-2% في مقياس AP على مجموعتي بيانات COCO وPASCAL VOC، مع أنّها متعامدة ومتكمّلة مع معظم الطرق الحالية. وفي ظل ظروف محدودة للبيانات المُعلَّمة، تُحسّن طريقة العمل لدينا الأسس المُعلَّمة بنسبة تصل إلى 10% في مقياس AP، باستخدام فقط 1-10% من البيانات المُعلَّمة من COCO.