Schwach überwachte Methoden erzeugen in der Regel Lokalisierungsergebnisse basierend auf Aufmerksamkeitskarten, die von Klassifikationsnetzen produziert werden. Allerdings zeigen diese Aufmerksamkeitskarten die am stärksten diskriminierenden Teile des Objekts, die klein und spärlich sind. Wir schlagen vor, Selbstgenerierte Leitungs- (Self-produced Guidance, SPG) Masken zu erstellen, die den Vordergrund, das Objekt von Interesse, vom Hintergrund trennen, um den Klassifikationsnetzen räumliche Korrelationsinformationen der Pixel bereitzustellen. Ein stufenweiser Ansatz wird vorgeschlagen, um hochsichere Objektbereiche in das Lernen der SPG-Masken einzubeziehen. Die hochsicheren Bereiche innerhalb der Aufmerksamkeitskarten werden genutzt, um die SPG-Masken schrittweise zu lernen. Die Masken dienen dann als zusätzliche pixelbasierte Überwachung zur Unterstützung des Trainings von Klassifikationsnetzen. Umfangreiche Experimente auf ILSVRC zeigen, dass SPG effektiv ist bei der Erstellung hochwertiger Objekt-Lokalisierungskarten. Insbesondere erreicht das vorgeschlagene SPG eine Top-1-Lokalisierungsfehlerrate von 43,83 % im ILSVRC-Validierungssatz, was einen neuen Stand der Technik darstellt.