我正在使用称为 YOLO 的单次检测器进行交通标志检测的学士论文。这些单次检测器可以对图像中的物体进行检测，因此它们具有特定的训练方式，即。对完整图像进行训练。这对我来说是个很大的问题，因为具有完整交通标志图像的最大真实数据集是比利时的一个，它有 210 个类别的 9000 张图像，不幸的是，这不足以训练好的检测器。

为了克服这个问题，我创建了DatasetGenerator，它在生成合成数据集方面做得很好，你可以在results directory中看到。

最近我遇到了可以（除其他外）生成或扩展现有数据集的 GAN，我想使用这些网络与我的数据集生成器进行比较。我已经成功地尝试了对 GAN 的介绍。

问题是它是无监督学习，所以没有注释。这意味着它能够扩展我的交通标志数据集，但生成的数据集根本不会被注释，这是个问题。

所以我的问题是：有什么方法可以使用 GAN 来扩展我的完整交通标志图像数据集，并带有交通标志类别和位置的注释？其实班级并不重要，因为我可以为每个班级单独做，但重要的是交通标志在生成图像中的位置。