2D 矩形框标注 (Bounding Box)

1. 模版概述

2.D 矩形框标注主要用于物体检测 (Object Detection) 任务。标注员通过绘制与目标边缘紧密贴合的四边形框，确定物体在图像中的位置（坐标）和类别（标签）。

适用场景

• 自动驾驶：车辆、行人、交通标志检测。
• 智慧安防：人脸识别、违禁品检测。
• 新零售：货架商品识别、客流分析。
• 医疗影像：病灶区域初筛。

2. 核心交互功能

据吉网的 2D 矩形框模版集成了多项提效工具：

智能辅助与快捷键

• 十字准星辅助：提供全屏十字参照线，确保框选边缘与像素精准对齐。
• 快速缩放：支持鼠标滚轮以光标为中心实时缩放，方便处理远端微小目标。
• 快捷键作业：
  • N：创建新矩形框。
  • Delete：删除选中框。
  • Ctrl + Z：撤销上一步操作。
  • 方向键：微调选中框的像素位置。

属性关联机制

支持为每个矩形框配置多级属性。例如，在标注“车辆”时，可联动弹出：

• 遮挡程度：无遮挡 / 部分遮挡 / 严重遮挡。
• 截断状态：完整 / 边缘截断。
• 颜色/车型：白色 / 轿车。

3. 标注规范 (Best Practices)

为了保证 AI 模型的训练质量，请引导标注员遵循以下原则：

1. 紧密贴合：矩形框应包含目标的全部可见像素，且边缘不留多余空白。
2. 重叠处理：当两个目标重叠时，应分别标注出各自的完整矩形框（包括被遮挡的部分）。
3. 最小尺寸限制：系统支持设定最小像素阈值，自动过滤无效的微小噪点。

4. 数据产出格式

据吉网支持导出多种主流深度学习框架格式：

• JSON (Standard)：包含 xmin, ymin, xmax, ymax 及属性字典。
• COCO 格式：适用于大部分开源检测算法。
• YOLO 格式：.txt 格式，包含类别索引与归一化后的中心坐标。
• XML (Pascal VOC)：兼容经典的通用检测数据集格式。

专家建议： 如果您的项目涉及连续帧视频，建议配合使用我们的 视频插帧标注 模版，利用算法自动追踪物体路径，可提升约 60% 的标注效率。