知识引导的图联合推理目标检测方法

来源：计算机工程与应用杂志2025年第18期北京时间：

作者：谢斌红, 王文博, 张睿

单位：太原科技大学 计算机科学与技术学院，太原 030024

摘要：主流的目标检测方法通常局限于单独处理每个区域，忽视了重要的全局上下文信息和物体类别之间的关联。提出一种知识引导的图联合推理目标检测方法（knowledge-guided graph conjoint reasoning object detection method，GCRKG），其包括全局关系推理（global relational reasoning，GRR）模块和全局知识映射（global knowledge mapping，GKM）模块，旨在通过模仿人类推理过程来提高目标检测性能。GRR模块通过综合考虑类别的特征、共现和语义相关性知识之间的相对重要性，利用图联合注意力网络（graph conjoint attention networks，GCAT）完成类别关系推理。GKM模块利用多标签图像分类概率和目标检测分类器类别概率，将类别关联知识有效地映射到视觉区域。将映射特征与原始视觉区域特征做拼接增强，以预测出更合理的结果。在VOC和COCO两个数据集上与基线模型的对比结果表明了该方法的有效性和优越性。

关键词：目标检测,知识引导,图联合注意力,多标签图像分类