Bounding Box

边界框是一个由坐标定义的矩形区域，用于包围图像或视频帧中的特定对象。在计算机视觉 (CV)领域中，这些边界框是教导人工智能 (AI)系统如何定位和识别不同物体基础标注。边界框不仅是简单地将整张图像分类为“包含一辆汽车”，还能让模型精确定位汽车的位置和空间范围，将其与背景及其他实体隔离开来。这种定位能力对于目标检测任务至关重要，其目标是以高精度同时识别多个对象。

核心概念与坐标#

为了有效地处理视觉数据，机器学习 (ML)模型依赖特定的坐标系来以数学方式表示边界框。所选的格式通常决定了如何为模型训练准备数据，以及模型如何输出其预测结果。

• **XYXY 坐标：**此格式使用左上角和右下角的绝对像素值来定义边界框。对于使用OpenCV或Matplotlib等可视化工具直接在图像上绘制矩形而言，这种方式非常直观。
• **XYWH 格式：**这种方法在COCO等数据集中很常见，它指定了对象的中心点，随后是边界框的宽度和高度。这种表示形式对于在学习过程中计算损失函数至关重要。
• **归一化坐标：**为了确保在不同分辨率图像之间的可扩展性，坐标通常会缩放到 0 到 1 之间的范围。这有助于模型在分析不同尺寸的输入时获得更好的泛化能力。

实际应用#

边界框是跨多个行业无数 AI 解决方案的构建基块。通过实现精确的定位，它们使系统能够与物理世界进行智能交互。

• **自动驾驶汽车：**自动驾驶汽车使用边界框来实时检测和跟踪行人、其他车辆、交通标志和障碍物。这种空间意识对于导航和安全系统做出瞬时决策至关重要。
• **零售分析：**在智能商店中，边界框帮助监控货架上的库存，并跟踪顾客与商品的互动。这些数据可以自动补货，并在无需人工清点的情况下深入了解购物者的行为。

边界框的应用实践#

在使用像YOLO26这样的现代架构时，模型会预测边界框以及类标签和置信度分数。以下示例演示了如何对图像运行推理并使用 ultralytics 包访问边界框坐标。

from ultralytics import YOLO

# Load the YOLO26 model
model = YOLO("yolo26n.pt")

# Run inference on an image
results = model("https://ultralytics.com/images/bus.jpg")

# Access bounding box coordinates (xyxy format) for the first detected object
boxes = results[0].boxes
print(boxes.xyxy[0])  # Output: tensor([x1, y1, x2, y2, ...])

相关术语与区别#

虽然边界框是常规检测的标准，但它们与用于更细粒度任务的其他标注类型有所不同。

• **实例分割：**与矩形边界框不同，分割会创建像素级的掩码，勾勒出对象的精确轮廓。当精确形状比大致位置更重要时，这非常有用。
• **旋转边界框 (OBB)：**标准的边界框是轴对齐的（正立的矩形）。OBB 可以旋转以适应有角度的对象，例如卫星图像中的船只或传送带上的包裹，从而提供更紧密的贴合度并减少背景噪声。
• **关键点：**关键点不是包围整个对象，而是识别特定的标志，例如用于姿态估计的人体关节。

标注与管理工具#

创建高质量的边界框标注是 ML 管道中的关键一步。Ultralytics 平台通过提供用于数据标注和数据集管理的工具简化了此过程。正确的标注可确保模型学会准确区分对象，从而最大限度地减少过拟合或背景混淆等错误。像非极大值抑制 (NMS)这样的高级技术在推理过程中用于通过移除重叠的框来精炼这些预测，确保每个对象只保留最准确的检测结果。