用于城市场景数据集增强的人工假人

现有的用于训练图像中行人检测器的数据集在外观和姿态变化上较为有限。最具挑战性的场景很少被包含，因为它们由于安全原因难以采集，或者发生的可能性极低。辅助驾驶和自动驾驶应用对安全性有严格要求，也需要在这些罕见情况下达到极高的检测精度。能够生成任意姿态、任意外观并嵌入不同背景场景（具有不同光照和天气条件）的人物图像，是此类应用开发与测试的关键环节。本文的贡献有三方面。首先，我们描述了一种用于受控合成包含行人的城市场景的增强方法，从而生成罕见或从未出现的情况。这是通过一个对姿态、外观和目标背景场景进行解耦控制的数据生成器（称为 DummyNet）实现的。其次，所提出的生成器依赖于一种新颖的网络架构及相应的损失函数，该函数考虑了前景人物的分割及其向背景场景的合成。最后，我们证明了由我们的 DummyNet 生成的数据提升了多个现有行人在各种数据集以及具有挑战性情况（如仅可获得有限训练数据的夜间条件）下的检测器性能。在仅有白天数据可用的设置中，相较于仅用白天数据训练的检测器，我们将夜间检测器的对数平均漏检率降低了 $17\%$。