Bounding Box Regression

定义（中文） / Definition (ZH)

Bounding box regression（边界框回归）：计算机视觉中用于把目标框的位置与大小“调准”的一种回归学习方法。它根据模型预测与标注（ground truth）之间的差异，学习对边界框的中心点坐标与宽高（或其偏移量）进行修正，从而提高目标定位精度。（该术语也常泛指“预测边界框坐标”的回归分支。）

发音（IPA） / Pronunciation (IPA)

/ˈbaʊndɪŋ bɑːks rɪˈɡrɛʃən/

例句 / Examples

The model uses bounding box regression to refine the predicted rectangles.
模型使用边界框回归来细化预测的矩形框。

In a two-stage detector, bounding box regression is trained with a localization loss to adjust proposals toward ground-truth boxes.
在两阶段检测器中，边界框回归通常配合定位损失进行训练，把候选框朝真实标注框方向校正。

词源与构词（中文） / Etymology (ZH)

这是一个现代技术短语，由三部分组成：bounding（“限定/界定的”）+ box（“框”）+ regression（“回归”——统计与机器学习中预测连续数值的方法）。在目标检测领域，“bounding box”指包围目标的矩形框；“regression”则指学习输出框的坐标/偏移量。该说法随着基于 CNN 的目标检测方法（如 R-CNN 系列）普及而广泛固定下来。

相关词 / Related Words

• Object Detection
• Localization
• Regression
• Anchor
• Region Proposal
• RoI
• IoU
• Smooth L1 Loss
• Loss Function
• Non-Maximum Suppression
• Ground Truth

文献与作品中的用例 / Notable Works

• Girshick et al. (2014), “Rich feature hierarchies for accurate object detection and semantic segmentation (R-CNN)”：提出/使用对候选框进行回归以提升定位精度的经典做法。
• Girshick (2015), “Fast R-CNN”：将分类与边界框回归作为联合训练的关键组件之一。
• Ren et al. (2015), “Faster R-CNN”：在两阶段框架中延续并强化边界框回归的定位分支。
• Liu et al. (2016), “SSD: Single Shot MultiBox Detector”：在单阶段检测中用回归直接预测多尺度框的偏移。
• Redmon et al. (2016), “You Only Look Once (YOLO)”：以回归形式直接预测边界框坐标，推动端到端检测范式。