نُقدّم نهجًا شبه مُراقب للكاشفات الحديثة للأشياء، وذلك ضمن إطار نموذج التدريس-الطلاب. يتميّز منهجنا بثلاثة عناصر رئيسية: 1) استخدام استراتيجية التدريجية التناقصية الأسية لتحديث المُدرّس بناءً على المُتعلّم بشكل مباشر، 2) استخدام عدد كبير من المقترحات الإقليمية والعلامات الوهمية الناعمة كأهداف تدريب للمُتعلّم، و3) توظيف تجميع بيانات خفيف الوزن ومُخصص للكشف في المُدرّس، بهدف إنتاج علامات وهمية أكثر موثوقية. مقارنةً بالحالة المتطورة حديثًا — STAC — التي تستخدم علامات صارمة على عينات وهمية صعبة ومختارة بشكل متباعد، فإن المُدرّس في نموذجنا يُقدّم لمُتعلّمه معلومات أكثر غنىً من خلال علامات ناعمة على عدد كبير من المقترحات. حقق نموذجنا مؤشر AP بنمط COCO قدره 53.04% على مجموعة التحقق VOC07، أي بزيادة نسبتها 8.4% مقارنةً بـ STAC، وذلك عند استخدام VOC12 كبيانات غير مُعلّمة. كما تفوق نموذجنا على الأعمال السابقة على مجموعة MS-COCO، حتى عند أخذ نسبة صغيرة فقط من البيانات كمُعلّمة. وبلغ مؤشر AP 53.8% على مجموعة MS-COCO test-dev، بزيادة قدرها 3.1% مقارنةً بالنموذج المُدرّس بالكامل (ResNet-152 Cascaded R-CNN)، وذلك بفضل الاستفادة من بيانات غير مُعلّمة بحجم مشابه للبيانات المُعلّمة.