本研究提出了一种可变长度标记表示学习方法，解决了视觉系统对图像固定长度表示的限制。通过递归编码-解码架构，自适应调整标记数量，展示了在对象和部分发现方面的潜力。

本文提出了一种基于弱监督的学习方法，将图像视为一个包中的实例，融入深度神经网络中，实现对象分类和发现任务。在PASCAL VOC数据集上测试，该方法在对象分类和发现方面表现出色，且速度更快。