边界框是目标检测中使用的矩形区域，用于识别和定位图像或视频中的目标。 它们提供了一种通过坐标来定义目标的空间位置的方法，通常表示为 (x_min, y_min, x_max, y_max)，对应左上角和右下角，或者表示为 (center_x, center_y, width, height)。 这使得检测模型不仅可以识别目标的存在（分类），还可以精确定位其位置（定位）。 例如，在自动驾驶汽车系统中，边界框帮助模型区分行人和汽车，并确定它们相对于车辆的确切位置。
从技术角度来看，边界框是训练和评估目标检测模型的基础。 在训练期间，像 YOLO 或 Faster R-CNN 这样的模型通过将它们的输出与真实标注进行比较来学习预测框坐标和类别标签。 诸如 Intersection over Union (IoU) 或 Smooth L1 等损失函数量化了预测框相对于实际目标边界的准确性。 诸如非极大值抑制 (NMS) 之类的后处理技术使用这些框来通过过滤重叠区域来消除冗余预测。 例如，如果一个模型检测到同一辆车的两个重叠框，NMS 会保留置信度最高的那个。 这些步骤确保最终输出精确且计算效率高。
边界框还通过将模型输出转化为可操作的数据来实现实际应用。 在零售业中，库存系统使用它们通过分析货架图像来计算货架上的产品数量。 在医疗保健领域，它们有助于定位医学扫描中的异常情况。 当目标在比例、方向或遮挡方面发生变化时，就会出现挑战，这可能导致不准确的框预测。 为了解决这个问题，现代架构使用锚框（作为参考模板的预定义框形状）来改进各种场景中的检测。 例如，针对行人（高大的矩形）与车辆（宽大的矩形）量身定制的锚框有助于模型适应目标比例。 通过平衡精度和灵活性，边界框仍然是鲁棒目标检测系统的核心组成部分。