---
title: "邊界框偵測（Bounding Box）"
slug: bounding-box
language: zh-TW
source: https://aiterms.tw/terms/bounding-box
updated_at: 2026-07-29
tags: [電腦視覺, 深度學習, 模型訓練, AI應用, 神經網路]
ipas_term: false
---

# 邊界框偵測（Bounding Box）

> **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。

### 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。

### 記住這句就好
> 先看它要解決的是什麼問題，再看它是不是最合適的方法。

### 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。

### 算法與應用
> | 面向 | 重點 |
> |---|---|
> | 核心 | 模型要同時做分類和定位，通常會輸出類別與座標。 |
> | 評估 | 常用 IoU、Precision、Recall、mAP 來看效果。 |
> | 注意 | 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 | 出現場合 |
| --- | --- |
| 邊界框 | 台灣與中國大陸通用譯名 |
| 边界框 | 簡體寫法 |
| Bounding Box | 英文原名 |
| bbox | 程式碼與標註檔案裡最常見的縮寫 |
| 定界框、外接矩形 | 較少見的變體 |

### 三種常見的座標格式

| 格式 | 四個數字代表 | 出現在哪 |
| --- | --- | --- |
| xyxy | 左上角 x、左上角 y、右下角 x、右下角 y | PASCAL VOC、多數推論輸出 |
| xywh | 左上角 x、左上角 y、寬、高 | COCO 標註檔 |
| cxcywh | 中心點 x、中心點 y、寬、高 | YOLO 系列，且數值多半已正規化到 0 到 1 |

> 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。

### 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：
>
> | 項目 | 計算 | 結果 |
> | --- | --- | --- |
> | 交集區域 | x 從 5 到 10、y 從 5 到 10 | 5 × 5 = 25 |
> | A 面積 | 10 × 10 | 100 |
> | B 面積 | 10 × 10 | 100 |
> | 聯集面積 | 100 + 100 − 25 | 175 |
> | IoU | 25 ÷ 175 | 0.143 |
>
> 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。

### 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
> **Q：邊界框和 mAP 有什麼關係？**
> 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。
>
> **Q：為什麼會有重複框？**
> 模型可能對同一物體預測出多個候選框，所以要做 NMS。
>
> **Q：框越大越好嗎？**
> 不一定，太大會吃掉背景，IoU 也可能變差。

### 相關術語
> - **物件偵測**：先讀這個，能幫你把主題放進更大的脈絡裡。
> - **電腦視覺**：先讀這個，能幫你把主題放進更大的脈絡裡。
> - **圖像識別**：先讀這個，能幫你把主題放進更大的脈絡裡。
> - **加速區域卷積網路**：先讀這個，能幫你把主題放進更大的脈絡裡。
> - **你只看一次**：先讀這個，能幫你把主題放進更大的脈絡裡。

---

來源：https://aiterms.tw/terms/bounding-box
快查頁：https://aiterms.tw/terms/bounding-box
最後更新：2026/07/29
深度解說：https://aiterms.tw/learning/what-is-bounding-box