ConvNets haben in der Fußgängererkennung kürzlich erhebliche Fortschritte ermöglicht, es gibt jedoch weiterhin offene Fragen hinsichtlich geeigneter Architekturen und Trainingsdaten. Wir überarbeiten die CNN-Designs und weisen auf wichtige Anpassungen hin, die es dem einfachen Faster R-CNN ermöglichen, auf dem Caltech-Datensatz erstklassige Ergebnisse zu erzielen.Um durch mehr und bessere Daten weitere Verbesserungen zu erreichen, führen wir CityPersons ein, eine neue Reihe von Personenannotierungen basierend auf dem Cityscapes-Datensatz. Die Vielfalt von CityPersons ermöglicht es uns zum ersten Mal, ein einzelnes CNN-Modell zu trainieren, das sich bei mehreren Benchmarks gut verallgemeinert. Darüber hinaus erhalten wir mit zusätzlicher Trainingsschritten unter Verwendung von CityPersons erstklassige Ergebnisse mit Faster R-CNN auf dem Caltech-Datensatz, insbesondere bei schwierigeren Fällen (starker Verdeckung und kleinem Maßstab), wobei wir eine höhere Lokalisationsqualität bieten.