完全にWebで監視された検出器を学習し、ノイズを分解してクリーンなデータをモデリングすることにより、ノイズの多いラベルの悪影響を軽減する、エンドツーエンドのフレームワークで監視が弱い検出が組み込まれた残差学習構造を提案した。更に、空間に敏感なエントロピー基準とバギングミックスアップ学習が組み合わせて、誤ったラベルからのフォアグラウンドノイズの影響をそれぞれ抑制しました。

各カテゴリに約4,000枚の画像があるWebデータのみでトレーニングされたモデルは、人気のあるベンチマーク、つまりPASCAL VOCとMS COCOで最先端の方法より精度を大幅に改善しています。