近期研究表明，深度生成对抗网络（GAN）在不同的计算机视觉应用中展现出巨大潜力，如图像编辑、合成高分辨率图像、生成视频等。这些网络及其相应的学习方案能够处理各种视觉空间映射。我们提出了一种新的训练方法和学习目标，以发现三种情况下的多个对象实例：1）在杂乱场景中合成特定对象的图片；2）在弱监督对象检测中定位图像中的不同类别；3）改进对象检测流水线中的对象发现。我们的方法的一个关键优势在于它学会了新的深层相似性度量，以便在同一图像中区分多个对象。我们展示了该网络可以作为编码器-解码器生成包含对象的图像部分，或者作为修改后的深度卷积神经网络（CNN），用于在有监督和弱监督方案中表示图像以进行对象检测。我们的排序GAN提供了一种新颖的方法来搜索图像中的特定对象模式。我们针对不同场景进行了实验，并使用MS-COCO和PASCAL VOC数据集展示了该方法在对象合成及弱监督对象检测和分类方面的性能。