弱监督语义分割能够从类别标签中实现像素级定位，然而，基于此类标签训练的分类器往往仅关注目标物体中的局部判别性区域。我们基于信息瓶颈原理对这一现象进行解释：深度神经网络的最终层在使用Sigmoid或Softmax激活函数激活后，会产生信息瓶颈效应，导致仅有部分与任务相关的信息被传递至输出层。我们首先通过一个模拟的简化实验验证了该观点，随后提出一种方法，通过移除最后一层的激活函数来缓解信息瓶颈问题。此外，我们引入一种新型池化策略，进一步促进非判别性区域信息向分类任务的传递。实验结果表明，这一简单改进显著提升了在PASCAL VOC 2012和MS COCO 2014数据集上的定位图质量，实现了弱监督语义分割的新最先进性能。代码已开源，地址为：https://github.com/jbeomlee93/RIB。