| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 常见术语或缩略语解释 | 第10-11页 |
| 1.绪论 | 第11-18页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 研究现状 | 第13-16页 |
| 1.3 本文工作安排 | 第16-18页 |
| 2.生成对抗网络GAN的原理与应用 | 第18-31页 |
| 2.1 生成对抗网络GAN的基本原理 | 第18-22页 |
| 2.2 GAN的改进和应用 | 第22-28页 |
| 2.3 PIX2PIXGAN用于行人检测的数据增强 | 第28-29页 |
| 2.4 本章小结 | 第29-31页 |
| 3.用于行人检测数据增强的PS-GAN | 第31-39页 |
| 3.1 生成器G的网络结构 | 第32-33页 |
| 3.2 判别器D_P的网络结构 | 第33-35页 |
| 3.3 判别器D_B的网络结构 | 第35-36页 |
| 3.4 模型参数训练优化方法 | 第36-37页 |
| 3.5 本章小结 | 第37-39页 |
| 4.真实场景数据中的实验和评估 | 第39-57页 |
| 4.1 在CITYSCAPES数据集上的实验结果 | 第39-48页 |
| 4.2 在TSINGHUA-DAIMLER数据集上的实验结果 | 第48-54页 |
| 4.3 用预训练的行人检测器评估生成行人效果 | 第54-55页 |
| 4.4 本章小结 | 第55-57页 |
| 5.结论 | 第57-59页 |
| 5.1 论文的主要贡献 | 第57页 |
| 5.2 进一步工作建议 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录1 攻读硕士学位期间的研究成果 | 第64-65页 |
| 附录2 攻读硕士学位期间参与的科研项目 | 第65页 |