检测框（边界框）

目标检测中框住物体的矩形，用几个坐标标出物体在图里的位置。

检测框是目标检测模型最常见的输出：一个把物体框住的矩形，通常附带类别和置信度。常见表示有两种：左上角加右下角坐标 (x1, y1, x2, y2)，或中心点加宽高 (cx, cy, w, h)；不同数据集格式约定不同，混用是常见 bug。预测框准不准用交并比（IoU，两框交集面积除以并集面积）衡量，重复框用非极大值抑制去掉。扩展形式有带角度的旋转框和三维的 3D 检测框。在具身智能里它多是中间结果：先用开放词汇检测器按文字找到目标框，再交给 SAM 出掩码或裁出区域做抓取。它和物理引擎里做碰撞检查的「包围盒」不是一回事。

例子指令是「拿起红色杯子」，Grounding DINO 在图中给出一个框和 0.6 左右的置信度，后续模块只在这个框内分割物体、找抓取点。

也叫

边界框、包围框、检测框

相关

目标检测、交并比、非极大值抑制、3D目标检测、Grounding DINO、掩码

来源

Dive into Deep Learning: Object Detection and Bounding Boxes