التفتيش المُشرف عليه بشكل ضعيف للعناصر باستخدام تسميات الصور بدلاً من الأقنعة البكسلية المكلفة لم يتم استكشافه بعد. في هذا البحث، نتطرق إلى هذه المشكلة الصعبة من خلال الاستفادة من استجابات القمم الفئوية لتمكين شبكة التصنيف لاستخراج أقنعة العناصر. مع إشراف يقتصر على تسميات الصور فقط، يمكن للتصنيفات CNN بأسلوب التحويل الكامل إنتاج خرائط الاستجابة الفئوية، والتي تحدد درجة الثقة في التصنيف لكل موقع في الصورة. لاحظنا أن القمم المحلية، أي النقاط العظمى، في خريطة الاستجابة الفئوية عادة ما تتوافق مع المؤشرات البصرية القوية الموجودة داخل كل عنصر. مستوحدين من هذا الملاحظة، صممنا أولاً عملية لتحفيز ظهور القمم من خريطة الاستجابة الفئوية. ثم يتم انتقال هذه القمم الناشئة بالعكس ورسمها بشكل فعال إلى المناطق المعلوماتية العالية لكل عنصر، مثل حدود العنصر. نشير إلى الخرائط المُنتجة من استجابات القمم باسم خرائط استجابة القمة (Peak Response Maps - PRMs). توفر PRMs تمثيلًا مفصلًا على مستوى العنصر، مما يسمح باستخراج أقنعة العناصر حتى باستخدام بعض الطرق الجاهزة. حسب علم us، نقدم لأول مرة نتائج للمهمة الصعبة المتعلقة بالتفتيش المُشرف عليه على مستوى الصورة. تظهر التجارب الواسعة أن طريقتنا تعزز أيضًا التوطين النقطي المُشرف عليه بشكل ضعيف وأداء التقسيم الدلالي، وتحقق أفضل النتائج على مقاييس شائعة مثل PASCAL VOC 2012 و MS COCO.请注意，最后一句中的"us"可能是原文的一个笔误，根据上下文我将其理解为"we"（我们）。如果需要保留"us"，请告知我以便进行调整。