本文介绍了一种弱监督标签统一流程，用于合并多个训练在异构数据集上的目标检测模型的伪标签，构建统一的标签空间，纠正偏见并提高泛化能力。通过微调多个数据集上的目标检测模型，并验证伪标签，重新训练一个在动态交通场景中表现出色的模型，展示了该方法的有效性。该方法在目标检测性能方面取得了显著提升，得到了对领域变化具有更高抵抗力的模型。