Artificial Dummies for Urban Dataset Augmentation 论文链接：https://arxiv.org/abs/2012.08274 代码链接：https://github.com/vobecant/DummyNet 作者单位：CIIRC, 法雷奥(Valeo), 独立研究者 本文提出一种用于行人检测的训练数据增广新方法（可控制行人的姿态、外观和背景场景），以显著提升现有网络性能（如CSP），特别是夜间检测等情况，代码即将开源！

现有的用于在图像中训练行人检测器的数据集的外观和姿势变化有限。很少包含最具挑战性的场景，因为由于安全原因它们很难捕获，或者极不可能发生。在这些罕见的情况下，辅助和自动驾驶应用中严格的安全要求也要求更高的检测精度。能够以任意姿势生成具有任意外观的人物图像，并嵌入具有变化的光照和天气条件的不同背景场景中的能力，对于此类应用程序的开发和测试至关重要。本文的贡献是三方面的。首先，我们描述了一种增广方法，用于控制包含人的城市场景的合成，从而产生罕见或从未见过的情况。这可以通过数据生成器（称为DummyNet）来实现，该数据生成器可以对姿势，外观和目标背景场景进行控制。其次，提出的生成器依赖于新颖的网络体系结构以及相关的损失，其中考虑了前景行为的分割及其在背景场景中的组成。最后，我们证明了由DummyNet生成的数据可改善各种数据集中现有的几个行人检测器的性能，以及在挑战性的情况下（例如夜间条件下，仅提供有限数量的训练数据）的性能。在仅提供白天数据的设置中，与仅使用白天数据训练的检测器相比，我们将夜间检测器的对数平均丢失率提高了17％。

内容中包含的图片若涉及版权问题，请及时与我们联系删除