Wir schlagen ein neues Modell zur Szengraphenerzeugung vor, das Graph R-CNN genannt wird und sowohl effektiv als auch effizient bei der Detektion von Objekten und ihren Beziehungen in Bildern ist. Unser Modell enthält ein Relations-Vorschlagsnetzwerk (RePN), das die quadratische Anzahl potenzieller Beziehungen zwischen den Objekten in einem Bild effizient verarbeitet. Des Weiteren schlagen wir ein aufmerksamkeitsbasiertes Graphik-Konvolutionsnetzwerk (aGCN) vor, das die kontextuellen Informationen zwischen Objekten und Beziehungen effektiv erfasst. Schließlich führen wir eine neue Evaluationsmetrik ein, die umfassender und realistischer ist als bestehende Metriken. Wir berichten über Spitzenleistungen in der Szengraphenerzeugung, wie durch sowohl bestehende als auch unsere vorgeschlagene Metriken bewertet.