据我所见，大多数对象检测 NN（Fast(er) R-CNN、YOLO 等）都是根据数据进行训练的，包括指示图片中对象定位的边界框。

有没有可以用图像+标签数据（没有边界框数据）训练的模型来预测边界框？

我指的是以下论文

• 对象本地化是免费的吗？– 使用卷积神经网络进行弱监督对象识别
• 具有深度网络的自学对象定位

这些论文不是最近的，我找不到与此相关的任何最近的论文。请让我知道是否有任何其他与可用相关的资源。

提前致谢