目标检测是计算机视觉领域的热点研究课题之一,在日常生活中具有广泛的应用前景。近年来,基于区域的目标检测已成为相关研究的主流方向,然而这类方法受限于复杂的现实场景。为了实现精准且鲁棒的目标检测,本文以场景与目标上下文为约束,研究了上下文信息在目标检测任务中的建模方式,在对典型算法对比分析的基础上,从有监督和无监督两个方面分别提出了对应的鲁棒目标检测算法。本文的主要工作包括:(1)提出了一种场景与目标上下文的通用建模框架。在对有监督和无监督目标检测主流算法进行对比分析的基础上,总结提出了适用目标检测任务的场景与目标上下文的通用建模框架。在此建模框架下,PASCAL VOC数据集上的实验验证了上下文关系对有监督目标检测模型的有效性,另外Cityscape to Foggy Cityscape数据集上的迁移实验也验证了上下文关系在无监督检测中的有效性,证明了在所提通用建模框架下设计目标检测模型以提高检测性能的可行性。(2)提出了一种基于图推理的残差联合注意力网络(Residual Joint Attention Network with Graph Inference,RJANet)。所提RJANet利用联合注意力机制引导网络分别从空间和通道维度选择性地调整特征,然后将目标检测问题转化为图推理问题,在场景与目标上下文的联合约束下完成推理,以得到更加鲁棒的候选区域特征。PASCAL VOC数据集上的实验结果表明,与Faster R-CNN和SIN相比,所提模型的m AP分别提升了3.4%和0.7%,证明了所提目标检测模型的有效性。(3)提出了一种域自适应的关系网络(Relation Network for Domain Adaption,RNDA)。针对不同域图像,所提RNDA使用对抗损失在选择性对齐全局特征的同时严格对齐局部特征。另外为了在无监督模式下引入更多导向信息,RNDA在捕获目标的空间位置和视觉外观信息后,利用尺度点积注意力无监督地构建所需的目标关系。PASCAL VOC to Watercolor和Cityscape to Foggy Cityscape迁移实验表明,与Faster R-CNN相比,所提模型的m AP分别提高了10.8%和14.6%,与SWDA相比,所提模型的m AP也分别提高了0.6%和0.5%,证明了所提RNDA可减小不同域之间的差异性,有效实现无监督目标检测。