摘要

最先进的行人检测模型在许多基准测试中取得了显著的成功。然而，这些模型需要大量的注释信息，而标注过程通常耗时且费力。本文提出了一种生成带标签的行人数据并将其适应于支持行人检测器训练的方法。所提出的框架基于具有多个判别器的生成对抗网络（GAN），旨在同时合成逼真的行人图像并学习背景上下文。为了处理不同尺寸的行人，我们在判别器中采用了空间金字塔池化（Spatial Pyramid Pooling, SPP）层。我们在两个基准数据集上进行了实验，结果表明，我们的框架能够在背景图像的各种变化和不同细节层次上平滑地合成行人图像。为了定量评估我们的方法，我们将生成的样本添加到基线行人检测器的训练数据中，并展示了合成图像能够提高检测器的性能。