# 2D 矩形框标注 (Bounding Box)<no value>

## 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](./video-tracking.md) 模版，利用算法自动追踪物体路径，可提升约 60% 的标注效率。