半监督目标检测（SSOD）旨在利用大量的未标记数据，促进目标检测器的训练和部署。虽然目前已经提出了各种基于自训练和基于一致性正则化的SSOD方法，但大多数都是基于锚框的检测器，而忽略了在许多现实应用中对无锚框检测器的要求更高的事实。
在本文中，作者打算弥补这一差距，并提出一种基于Dense Learning的无锚SSOD算法。
具体来说，作者引入了几个新技术，包括：1、自适应过滤（Adaptive Filtering）策略分配多层的准确的密集像素级伪标签；2、聚合教师（Aggregated Teacher）用于产生稳定和精确的伪标签；3、