تقدم هذه الورقة منهجية للكشف عن الكائنات الخارجة عن السياق (OOC) في الصورة. بالنظر إلى صورة تحتوي على مجموعة من الكائنات، فإن الهدف هو تحديد ما إذا كان كائن ما غير متناسق مع سياق المشهد، والكشف عن الكائن الخارج عن السياق باستخدام مربع حدودي. في هذه الدراسة، نأخذ بعين الاعتبار العلاقات السياقية الشائعة التي تم استكشافها سابقًا، مثل علاقات التواجد معًا، والحجم النسبي للكائن مقارنةً بالكائنات الأخرى، وموقع الكائن داخل المشهد. نفترض أن المؤشرات السياقية مفيدة لتحديد أسماء الكائنات داخل السياق، بينما تكون المؤشرات السياقية غير متناسقة ضارة في تحديد أسماء الكائنات الخارجة عن السياق. لتطبيق هذه الفرضية، نقترح شبكة استدلال سياقيّة رسمية (GCRN) للكشف عن الكائنات الخارجة عن السياق. تتكوّن GCRN من رسمين منفصلين للتنبؤ بأسماء الكائنات بناءً على المؤشرات السياقية في الصورة: 1) رسم تمثيلي لتعلم خصائص الكائنات بناءً على الكائنات المجاورة، و2) رسم سياقي لالتقاط المؤشرات السياقية بشكل صريح من الكائنات المجاورة. تعزز GCRN التقاط المؤشرات السياقية بشكل صريح لتحسين كشف الكائنات داخل السياق، وتحديد الكائنات التي تنتهك العلاقات السياقية. ولتقييم منهجنا، قمنا بإنشاء مجموعة بيانات كبيرة الحجم عن طريق إضافة حالات كائنات خارجة عن السياق إلى صور COCO. كما قمنا بالتقييم على معيار OCD الحديث. تُظهر النتائج أن GCRN تتفوّق على النماذج التنافسية في كشف الكائنات الخارجة عن السياق، وفي الكشف الصحيح عن الكائنات داخل السياق.