论文标题：Robust pedestrian detection in thermal imagery using synthesized images 论文链接：https://arxiv.org/abs/2102.02005 作者单位：佛罗伦萨大学 本文利用GAN对热成像的行人检测进行数据增广，并提出一种新的训练机制，将真实和合成图像进行混合，涨点明显！在KAIST数据集上获得了最佳的单模态检测结果！

在本文中，我们提出了一种通过两阶段来改进热红外行人检测的方法：首先，使用生成数据增强方法，然后使用生成的数据的域自适应方法适应RGB行人检测器。我们基于最小二乘生成对抗网络的模型经过训练，可以合成输入RGB图像的逼真的热红外版本，然后将其用于增加可训练的有限数量的标记热行人图像。为了使预训练的YOLOv3行人检测器适合仅在热域中的检测，我们应用了生成数据增广策略。实验结果证明了我们方法的有效性：使用不到50％的可用实际热训练数据，并依靠我们的模型在域适应阶段生成的综合数据，我们的探测器能够获得最新的结果。KAIST多光谱行人检测基准；即使有更多真实的热数据可用，将GAN生成的图像添加到训练数据中也可以提高性能，从而表明这些图像可以作为数据增强的有效形式。据我们所知，我们的检测器相对于最新技术在KAIST上获得了最佳的单模态检测结果。

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