Semantische Klassifizierung und Instanzsegmentierung sind zwei Aufgaben, die besonders kostspielige Annotationen erfordern. Ausgehend von schwacher Überwachung in Form von Annotations für Begrenzungsrahmen (bounding box detection annotations), schlagen wir einen neuen Ansatz vor, der keine Änderungen des Segmentierungs-Trainingsprozesses benötigt. Wir zeigen, dass durch sorgfältiges Design der Eingabelabel aus den gegebenen Begrenzungsrahmen bereits eine einzelne Trainingsrunde ausreicht, um die bisher gemeldeten schwach überwachten Ergebnisse zu verbessern. Insgesamt erreicht unser Ansatz der schwachen Überwachung etwa 95 % der Qualität des vollständig überwachten Modells, sowohl für semantische Klassifizierung als auch für Instanzsegmentierung.