是的，有一些模型可以做到这一点。这个链接指向我相信的第一批论文之一。主要思想称为弱监督目标检测。

这篇论文基本上做了三个修改。

1. 他们将典型的隐藏全连接层视为卷积层。这是有效的，因为卷积层可以被认为是对图像的相同全连接网络进行卷积。

2. 他们稍后在这个卷积层的末尾添加了一个全局最大池。这个操作符将“突出显示”这个最终卷积层的区域，该区域已经学习了它试图分类的对象的模式。在这个全局最大值的权重上使用一个阈值将确保一个区域是显着的。然后，他们使用一种算法从该区域创建一个边界框。

3. 他们提出了一种新的损失函数，该函数适用于对象是否存在。我认为他们假设每个类都有一个伯努利，这适合于多重逻辑回归而不是 softmax。

看一看，因为它非常可爱，并且已被许多其他令人兴奋的新论文引用。

另一种方法是“仅使用人工验证训练对象类检测器”

我们提出了一种用于训练目标检测器的新方案，它只需要注释器来验证由学习算法自动生成的边界框。我们的方案在重新训练检测器、重新定位训练图像中的对象和人工验证之间进行迭代。我们使用验证信号来改进重新训练并减少重新定位的搜索空间，这使得这些步骤不同于通常在弱监督设置中完成的步骤