利用深度神经网络的进步，我们提出了一种新颖的弱监督实例分割方法，通过使用MaskIoU头部预测proposal的完整度得分，采用完整实例挖掘策略来显式建模冗余分割问题并生成精炼的伪标签。我们的方法在PASCAL VOC 2012和MS COCO数据集上取得了超过当前最先进方法的性能。

我们提出了一种新的弱监督手术器械实例分割方法，名为PWISeg。该方法使用基于FCN的架构，通过点到框和点到掩模分支建模特征点与边界框以及特征点与分割掩模之间的关系，联合完成手术器械的检测和分割任务。实验结果表明，PWISeg在手术器械分割任务上具有卓越性能。