由于没有实例级类别标注，对于弱监督目标检测网络要精确的预测目标的位置具有挑战性。大多数现有的方法倾向于通过使用双阶段的学习过程来解决该问题，即多实例学习检测器，然后是具有边界框回归的强监督学习检测器。根据论文《Towards Precise End-to-end Weakly Supervised Object DetectionNetwork》的观察，此过程可能会导致某些目标类别检测结果是局部最小。因此，论文提出以端到端的方式联合训练两个阶段，以解决这个问题。具体来说，论文提出了一个具有多实例学习和共享同一主干网络的边界框回归分支的端到端网络。同时，将使用分类损失的引导注意力模块添加到主干，以有效的提取特征中的隐式位置信息。在公开数据集的测试结果表明，论文提出的方法达到了SOAT效果。