近年来,深度学习技术在目标检测领域取得了显著的突破,并催生了许多视觉场景理解的任务。其中,场景图（物体表示节点,物体间的关系表示边）由于其强大的语义表示能力一直是计算机视觉领域的研究热点。与图像相比,场景图具有更加抽象的结构化的语义表征能力,具有处理其他视觉任务的潜力。它不仅可以为基础的识别任务提供上下文线索,而且还为解决高层次的视觉理解问题提供更有价值的替代方案,包括图像字幕,视觉问答,基于内容的图像检索和图像生成等。场景图生成是指将图像自动解析成一个结构化的语义场景图,目标是检测出图像中的物体及其视觉关系。视觉关系往往用三元组的形式来表示,即“主语-关系-宾语”。场景图生成可以看成两阶段的语义检索过程,首先使用目标检测算法生成物体节点,然后检测物体间的视觉关系得到边。现有的方法在预测关系的时候,使用两个物体的联合区域的特征作为关系特征,然后执行分类任务来预测关系。然而在一个给定的场景中,两个物体间是否存在关系,不仅与两个物体本身的形态以及相对空间位置有关,还取决于两个物体的类别;此外两个物体之间形成何种关系,不仅与场景的特定属性,如时间、地点等有关,甚至还与周边其他物体的特征有关。因此,本文提出了基于语义连通图的场景图生成算法,将关系检测过程分成关系建议和关系推理两步。以目标检测算法得到的候选对象为节点集合,构建一个全连接的图,然后使用物体的类别信息和相对空间关系计算物体之间的存在关系的概率,通过设置阈值来删除图中大量的无效的连接,得到稀疏的语义连通图。基于语义连通图上的连接关系,使用图神经网络对图节点的特征进行聚合,以融合物体的上下文信息。最后结合更新后的主语和宾语特征以及两个物体联合区域的特征构建关系特征,预测图中的每条边对应得关系类别。视觉关系具有偶然性,在不同的场景中,物体之间的形成的关系是不确定的,关系组合的种类繁多,其次,视觉关系又服从幂律分布,不同类型的关系三元组出现的概率差异很大,这就要求关系检测模型不仅能学习到关系的特征表示,还要学习关系的分布,因此,本文提出了基于概率图的场景图生成算法。以候选关系的主-客体对为基础构建一种概率图结构。用图节点的信号来编码数据集中关系的概率分布,使用图神经网络对图节点的信号做更新,同时使用语义信息监督学习。因此,不仅可以在概率图上学习到关系的分布状态,同时也能学习到关系三元组中物体和关系的语义共现概率。最后,我们通过实验在Visual Genome数据集上验证本文提出的两种算法的性能。与现有的方法相比,两种算法都取得了竞争性的结果。对比本文设定的基线方法都有明显的提升。