手術器具の位置特定は内視鏡映像の自動解析において重要な課題である。既存の文献では、器具の位置特定、追跡、セグメンテーションを行うための手法が完全にアノテーションされた訓練データを必要としており、これにより使用可能なデータセットの規模が制限され、手法の汎化能力も限定されている。本研究では、アノテーションデータ不足を弱監督で克服することを目指す。画像レベルでのみアノテーションされたデータで訓練される深層構造を提案し、このモデルは手術映像における器具存在検出と位置特定の両方に使用可能である。当該構造はエンドツーエンドで訓練される完全畳み込みニューラルネットワーク（FCN）に基づいており、明示的な空間的なアノテーションなしで手術器具を位置特定できる。我々は大規模な公開データセット Cholec80 を用いて当該手法の利点を示す。このデータセットには二値の器具存在情報が完全にアノテーションされており、評価のために5つのビデオがバウンディングボックスと器具中心座標で完全にアノテーションされている。