Pedestrian-Synthesis-GAN：在真实场景及之外生成行人数据

最先进的行人检测模型已在许多基准上取得巨大成功。然而，这些模型需要大量标注信息，而标注过程通常耗时费力。本文中，我们提出一种生成带标注行人数据并使其适配以支持行人检测器训练的方法。所提框架构建于带多个判别器的生成对抗网络（GAN）之上，试图同时合成逼真行人与学习背景上下文。为处理不同尺寸的行人，我们在判别器中采用空间金字塔池化（SPP）层。我们在两个基准上开展实验。结果表明我们的框架能够在具有变化及不同细节程度的背景图像上平滑合成行人。为定量评估我们的方法，我们将生成的样本加入基线行人检测器的训练数据中，并显示合成图像能够提升检测器的性能。