完整定義
邊界框偵測 (Bounding Box Detection) 是一種電腦視覺技術,旨在影像或影片中識別和定位物體。它通過在物體周圍繪製矩形框(邊界框)來表示物體的位置和範圍。邊界框通常由左上角和右下角的座標定義。
白話說明
你想知道圖片裡的物體不只在哪一類,還要在哪個位置時,你會怎麼判斷它真正的作用?
你可以把它想成 邊界框偵測是一種電腦視覺技術,用於在影像或影片中定位和識別物體,並使用矩形框標示出物體的位置。
在 你想知道圖片裡的物體不只在哪一類,還要在哪個位置時 這種情境裡,這個概念會直接影響你怎麼設計、怎麼評估、怎麼上線。
比喻
邊界框偵測就像在照片上用奇異筆把人或物品圈起來一樣 -- 當你看到一張照片,你用一個方框把裡面的貓、狗或人框起來,並寫上「這是貓」、「這是狗」,這樣電腦就知道畫面中哪裡有什麼東西,就像畫重點一樣。
容易混淆
邊界框 vs 圖像分類
分類只回答有沒有,邊界框還要回答物體在哪裡。
邊界框 vs 語義分割
邊界框只畫矩形,分割則要描出更精細的輪廓。
邊界框 vs 追蹤
邊界框是單張影像的定位,追蹤是跨時間維持同一物體的軌跡。
實際案例
案例 1:行車影像
系統先框出車、人、腳踏車,才能再做距離或風險判斷。
案例 2:賣場盤點
貨架上哪一格缺貨,可以先靠邊界框標出商品位置。
演算法與應用
- 面向
- 核心
- 重點
- 模型要同時做分類和定位,通常會輸出類別與座標。
- 面向
- 評估
- 重點
- 常用 IoU、Precision、Recall、mAP 來看效果。
- 面向
- 注意
- 重點
- 框得準不代表一定適合後續任務,還要看速度和穩定性。
中英對照與常見說法
- 說法
- 邊界框
- 出現場合
- 台灣與中國大陸通用譯名
- 說法
- 边界框
- 出現場合
- 簡體寫法
- 說法
- Bounding Box
- 出現場合
- 英文原名
- 說法
- bbox
- 出現場合
- 程式碼與標註檔案裡最常見的縮寫
- 說法
- 定界框、外接矩形
- 出現場合
- 較少見的變體
三種常見的座標格式
格式搞錯是物件偵測最常見的低級錯誤,症狀是框全部歪掉或縮在左上角。看到座標值都在 0 到 1 之間,代表已經除以影像寬高做過正規化,畫圖前要乘回去。
另外要注意影像座標系的 y 軸向下為正,原點在左上角,跟數學課的座標系相反。
- 格式
- xyxy
- 四個數字代表
- 左上角 x、左上角 y、右下角 x、右下角 y
- 出現在哪
- PASCAL VOC、多數推論輸出
- 格式
- xywh
- 四個數字代表
- 左上角 x、左上角 y、寬、高
- 出現在哪
- COCO 標註檔
- 格式
- cxcywh
- 四個數字代表
- 中心點 x、中心點 y、寬、高
- 出現在哪
- YOLO 系列,且數值多半已正規化到 0 到 1
IoU 怎麼算
IoU(Intersection over Union,交併比)是判斷兩個框重疊程度的標準指標,也是評估偵測結果對錯的依據。
IoU = 交集面積 ÷ 聯集面積
實際算一次。框 A 是 (0, 0, 10, 10),框 B 是 (5, 5, 15, 15),都用 xyxy 格式:
值域 0 到 1,0 代表完全不重疊,1 代表完全重合。評估時常用 0.5 當作「算對」的門檻。
- 項目
- 交集區域
- 計算
- x 從 5 到 10、y 從 5 到 10
- 結果
- 5 × 5 = 25
- 項目
- A 面積
- 計算
- 10 × 10
- 結果
- 100
- 項目
- B 面積
- 計算
- 10 × 10
- 結果
- 100
- 項目
- 聯集面積
- 計算
- 100 + 100 − 25
- 結果
- 175
- 項目
- IoU
- 計算
- 25 ÷ 175
- 結果
- 0.143
標註品質的實務要點
框要貼緊物件的可見範圍。 太鬆會讓模型學到背景,太緊會切掉邊緣特徵。
被遮擋的物件要有一致的規則:只框看得見的部分,還是連推測的完整輪廓一起框,整個資料集必須統一,否則模型學到的是矛盾的訊號。
邊界框的先天限制是它裝不下形狀。 一條斜放的長桿子,它的邊界框裡大部分是背景。需要精確形狀時要改用實例分割(instance segmentation)或旋轉框(oriented bounding box),後者在遙測影像與文件版面分析上很常用。
情境判斷
Q1(判斷題): 如果模型只說照片裡有狗,卻沒說狗在哪,算邊界框偵測嗎?
不算,那只是圖像分類。
Q2(判斷題): 如果兩個物體重疊得很厲害,邊界框就一定夠用嗎?
不一定,這時可能要更細的分割或更好的後處理。
常見問題
mAP 是常用評估指標,用來看不同類別和不同 IoU 門檻下的整體表現。
模型可能對同一物體預測出多個候選框,所以要做 NMS。
不一定,太大會吃掉背景,IoU 也可能變差。
出現在這些考古題
官方公告試題的逐題解析裡,這 1 題把邊界框偵測列為延伸術語。
相關術語
來源
這個術語目前沒有標註外部來源。
其他格式:Markdown 版本