本文介绍了一种名为HUWSOD的弱监督目标检测网络，利用自我训练框架生成候选区域，无需外部模块或额外监督。通过自我监督的候选生成器和自编码器候选生成器，以及多速率重采样金字塔，取代传统目标候选提案，实现了端到端的弱监督目标检测训练和推断。实验证明，HUWSOD与最先进的方法相媲美，消除了离线提案和额外数据的需求。

本文介绍了一种基于点注释的弱监督目标检测方法，使用Point DETR模型训练。实验结果显示，该方法在MS-COCO数据集上使用20%的样本标注数据时，性能达到33.3 AP，比FCOS强基线模型高出2.0 AP。点注释还能提高各类AR指标10个点以上。