卫星图像中的车辆检测已经引起了广泛的研究兴趣，具有广泛的应用潜力。 主要挑战在于难以在卫星图像的所有分辨率和成像条件下标记足够的训练实例（车辆矩形），这会降低相应训练的车辆检测器的性能。 为了解决这一挑战，在本文中，我们提出了一种智能且省力的照明方案，用于车辆检测器的大规模培训。 我们的方案仅需要区域级别的组注释，即该区域是否包含车辆，而无需显式标记车辆的边界框。 为此，设计了一种新颖的弱监督，多实例学习算法，以从此类“弱标签”中学习实例化的车辆检测器。 特别地，首先采用密度估计器从正区域估计车