边界框是什么？用矩形框标出物体在图中的位置和大小

边界框（Bounding Box），也称为包围框，是用来描述目标在图像中位置和范围的矩形框。在目标检测任务中，模型通过预测物体的边界框来实现对目标的定位：不仅要判断图中有什么，还要用一个框把它准确地框出来。

怎么表示一个边界框

二维图像中最常用的是与图像边缘平行的矩形框，只需要四个数字就能确定。常见的表示方法有几种：用左上角和右下角两个点的坐标表示，也就是 x 的最小值、y 的最小值、x 的最大值、y 的最大值，PASCAL VOC 数据集采用这种格式；用左上角的坐标加上框的宽度和高度表示，COCO 数据集采用这种格式；用框的中心点坐标加上宽度和高度表示，YOLO 系列模型常采用这种格式，而且通常会把坐标除以图像的宽高，归一化到 0 到 1 之间。不同的数据集和工具使用的格式不同，在转换数据时很容易出错，需要特别注意。

边界框的变体

旋转边界框：普通的边界框只能横平竖直，对于倾斜的物体，比如遥感图像中斜停的船只、斜放的文字，会框进大量的背景。旋转框多了一个角度参数，可以紧贴着倾斜的物体。三维边界框：在自动驾驶等场景中，需要知道物体在三维空间中的位置、大小和朝向，通常用一个立方体来表示，包括中心点的三维坐标、长宽高和朝向角，常用于激光雷达点云中的目标检测。

在目标检测中的作用

边界框是目标检测任务的核心：在训练时，人工标注的真实边界框告诉模型物体在哪里；模型预测出边界框后，用交并比（IoU）来衡量它与真实框的重叠程度，判断检测是否准确；模型往往会对同一个物体预测出多个重叠的框，需要用非极大值抑制来去除重复，只保留最好的那一个。很多目标检测模型会先预设一组不同大小和比例的“锚框”，再预测相对于锚框的偏移量来得到最终的边界框；也有不使用锚框、直接预测边界框的方法。

局限

边界框简单、高效、标注成本低，是最常用的物体定位方式。但它也有局限：矩形框无法精确地描述物体的形状，框里总会包含一部分背景，对于形状不规则的物体尤其明显。需要精确轮廓的任务，就要使用像素级的图像分割。此外，在多模态大模型中，边界框也被用来实现“视觉定位”：根据一句文字描述，在图中框出对应的物体。