半教師あり物体検出(SSOD)の一つに、少量のデータで初期モデルを学習し、そこから画像のみのデータも活用し、teacher-student学習や擬似ラベル学習によってモデルを更新するやり方がある。最初の学習に用いるデータは最終性能への影響が大きく、どう選別するかは重要である。提案手法では、初期データの質に注目し、少ないアノテーションコストで学習効果を最大化できるように工夫している。