计算机应用

作者：樊跃波, 陈明轩, 汤显, 高永彬, 李文超

单位：上海工程技术大学 电子电气工程学院，上海 201620

关键词：人物交互检测,目标检测,相对位置编码,频域特征,离散余弦变换

人物交互（HOI）检测任务的目标是检测图像中所有人与物体之间的交互关系。目前的研究大多采用编码器-解码器结构进行端到端的训练，依赖绝对位置编码（APE），且在复杂的多对象交互场景中表现欠佳。针对现有方法依赖APE，难以有效捕捉人与物体之间的相对空间关系，以及在复杂多对象交互场景中局部与全局信息整合不足的问题，提出一种结合跨维度交互特征提取与频域特征融合的HOI检测模型。首先，改进传统的Transformer编码器，额外引入一种相对位置编码（RPE），并通过融合RPE与APE，使模型能够对人与物体之间的相对关系进行建模；其次，引入一种新的特征提取模块加强图像信息的整合，即通过跨维度交互捕捉图像中通道、空间和特征维度的交互特征，提升信息表达能力，同时利用离散余弦变换（DCT）提取频域特征，从而捕捉更丰富的局部与全局信息；最后，使用Wise-IoU损失函数提升检测精度与类别区分能力，使模型可以更灵活地处理不同类别的目标。实验在HICO-DET和V-COCO两个公开数据集上进行，结果表明，与GEN-VLKT（Guided Embedding Network Visual-Linguistic Knowledge Transfer）模型相比，所提模型在HICO-DET数据集全部种类上的平均精度均值（mAP）提升了0.95个百分点，在V-COCO数据集场景1上的AP提升了0.9个百分点。

来源：2026年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2026年第2期