Das Lernen der Objektlokalisation unter minimalem Aufsicht ist ein wichtiges Problem in der Computer Vision, da große vollständig annotierte Datensätze extrem kostspielig zu erstellen sind. In dieser Arbeit schlagen wir eine neue Methode vor, die dieses Ziel nur mit bildbasierten Labels erreicht, die angeben, ob Objekte vorhanden sind oder nicht. Unser Ansatz kombiniert ein diskriminatives submodulares Überdeckungsproblem zur automatischen Entdeckung einer Menge positiver Objektfenster mit einer geglätteten latenten SVM-Formulierung (Smoothed Latent SVM). Letztere ermöglicht es uns, effiziente quasi-newtonsche Optimierungstechniken zu nutzen. Unsere Experimente zeigen, dass der vorgeschlagene Ansatz im Vergleich zum aktuellen Stand der Technik auf dem PASCAL VOC 2007-Datensatz eine relative Verbesserung des mittleren Durchschnittspräzisions um 50 % bietet.