本研究解决了使用多个部分注释数据集时的注释不完整和特征异质性问题。提出了注释不完整多数据集检测问题，并构建了一个多任务学习架构，能够准确检测各种对象类别。实验结果表明，该方法在COCO和VOC数据集上分别提升了2.17%和2.10%的平均精度(mAP)，展示了其有效性。