深度学习：论文self-trainsfer learning for weakly supervised lesion localization

self-training learning: 自我训练学习

weakly supervised ：弱监督学习

主要关注三种弱监督类型：

• 第一种是不完全监督，即只有训练数据集的一个（通常很小的）子集有标签，其它数据则没有标签。
• 第二种是不确切监督，即只有粗粒度的标签。又以图像分类任务为例。我们希望图片中的每个物体都被标注；然而我们只有图片级的标签而没有物体级的标签。
• 第三种是不准确监督，即给定的标签并不总是真值。出现这种情况的原因有，标注者粗心或疲倦，或者一些图像本身就难以分类。

已知数据和其一一对应的弱标签，训练一个智能算法，将输入数据映射到一组更强的标签的过程。标签的强弱指的是标签蕴含的信息量的多少，比如相对于分割的标签来说，分类的标签就是弱标签，如果我们知道一幅图，告诉你图上有一只猪，然后需要你把猪在哪里，猪和背景的分界在哪里找出来，那么这就是一个已知弱标签，去学习强标签的弱监督学习问题