前言：
当我第一眼看到这个标题的时候，觉得很amazing，我对非监督学习的工作了解得不多，可以说是从Attention Net出来之后才开始慢慢地关注一些，所以看到有这方面的文章都会想点开读一读。同时，因为最近在follow "Person Verification"的工作，以为这里的"human verification"是一回事。但是越想越不明白，训练detector怎么会跟human verification（人物比对）联系到一起？读完之后发现，这里的human verification应该是"人工校准"的意思。（英语没学好，真丢人。。。T_T）这篇文章其实就是讲通过加入人工干预的手段，来增强非监督（或弱监督）学习的效果，并不是重点讲非监督的，所以我也不打算详细记录了。说说大意就算了。
文章链接：http://arxiv.org/pdf/1602.08405.pdf
文章概要：
这篇文章主要设计了一个框架，输入是图片和image-level的类标签。目标就是：1、训练detector，能够自动predict出比较好的bounding box；2、减小人工标注bounding box的工作量。
其实大家看看下面这张图就知道他的方法是怎样的了：
最后作者还给出了发PASCAL VOC2007上的performance：
因为我不了解其它非监督方法的performance，所以也不好评价它好不好。但从它跟有监督方法比较看来，确实不是很理想。
我的看法：
1、这种方法虽然performance不太好，但确实能大大减少标数据的时间（文章说可以降6~9倍），使用价值不可否认；
2、但我有个问题，这个框架好像局限在"图片里只有一个物体需要标注"的假设之下，对于包含多个物体的情况，应该难以实现。