该论文介绍了一种用于少量数据情况下目标检测的伪标注方法，可以从训练数据中找到高质量伪标注，显著增加训练实例数量，降低类别不平衡问题，并通过验证技术和训练一个专门的模型来纠正盒子边框的质量。该算法在 PASCAL VOC 和 MS-COCO 数据集上表现优异，与现有方法相比获得了最优状态或次优状态。