画像レベルのアノテーションのみを使用して物体検出器を訓練する弱教師付き物体検出（Weakly Supervised Object Detection: WSOD）は、物体認識においてますます重要となっています。本論文では、新しい深層ネットワークを提案します。従来のネットワークは、複数インスタンス学習（Multiple Instance Learning: MIL）を使用して物体検出問題を画像分類問題に変換していましたが、我々の戦略は反復プロセスによって提案クラスターを生成し、より洗練されたインスタンス分類器を学習します。同じクラスター内の提案は空間的に隣接しており、同一の物体に関連付けられています。これにより、ネットワークが全体的な物体ではなく部分的な物体に集中しすぎることを防ぎます。まず、提案クラスターに基づいてインスタンスに直接物体または背景ラベルを割り当てることで、インスタンス分類器の改良が可能であることを示します。次に、各クラスターを小さな新しいバッグとして扱うことで、直接ラベル割当方法よりも少ない曖昧性が生じることを示します。反復的なインスタンス分類器の改良は、畳み込みニューラルネットワークにおける複数ストリームを使用してオンラインで実装されます。最初のストリームはMILネットワークであり、その後のストリームは前段階のものによって監督されるインスタンス分類器の改良のために使用されます。PASCAL VOC、ImageNet検出、およびMS-COCOベンチマークデータセットでWSODに関する実験を行いました。結果は、我々の手法が従来の最先端技術を大幅に上回っていることを示しています。