方法介绍
两阶段的弱监督物体检测（WSOD），第一阶段使用OICR直接进行WSOD，提取出一些伪标签后：
- 对伪标签进行nms，并删除置信度小于阈值的标签。
- 取出尺寸最大的box，删除完全被它包含的那些box，迭代进行。
- 将重叠超过阈值的box合并。
上述称为PGE可以发现两个阈值都很重要，但是可以一定程度上互相弥补，一个物体如果因为步骤1的阈值太大，丢失了最完整的那个伪标签，还可以通过第3步合并出来。
在有了伪标签之后，还进行了一次RPN：
- 用伪标签训练一个RPN。
- 用RPN结果中和一个伪标签重叠超过阈值的那些求平均值，作为这个伪标签的box。
上述称为PGA。
第二阶段就采用之前得到的伪标签训练一个强监督网络。本文的优势在于每张图片中，每个类别可以提取多个检测框，比之前的只取置信度最大的那一个要好。
结果
