弱教師付き物体位置特定（WSOL）技術は、位置注釈なしで画像レベルのラベルのみを使用して物体の位置を学習します。これらの技術の一般的な制約は、物体の最も識別力のある部分のみをカバーし、全体を捉えられないことです。この問題に対処するために、我々は自己注意機構を用いてモデルの特徴マップを処理するアテンションベースドロップアウト層（ADL）を提案します。提案手法は以下の2つの主要な構成要素から成ります：1) 物体の最も識別力のある部分をモデルから隠すことで、物体の全体的な範囲を捉えること、および 2) 情報量が多い領域を強調することで、モデルの認識能力を向上させることです。広範な実験に基づき、我々は提案手法がWSOLの精度向上に効果的であることを示し、CUB-200-2011データセットにおいて新たな最先端の位置特定精度を達成しました。また、提案手法が既存技術よりもパラメータ数と計算負荷面で遥かに効率的であることも示しています。