---
title: "錨框（Anchor Box）"
slug: anchor-box
language: zh-TW
source: https://aiterms.tw/terms/anchor-box
updated_at: 2026-04-29
tags: [深度學習, 電腦視覺, 神經網路, 特徵工程, 模型評估, AI應用]
ipas_term: false
---

# 錨框（Anchor Box）

> **你有沒有在找車子時，先猜大概在哪個位置，再把框慢慢縮準？**
>
> 你可以把錨框想成目標檢測模型先準備好的候選框，先拿不同大小和長寬比的框去猜，之後再微調成真正物體的位置。它讓模型不用從零開始找每個物體。
>
> 這很重要，因為照片裡的物體大小和形狀差很多，先準備好幾種框，模型比較容易抓到。

### 容易混淆

> **錨框 vs 邊界框偵測**
>
> 錨框是先準備好的候選框。
>
> 邊界框偵測是最後框出物體的位置。
>
> 最關鍵的區別：錨框是起點，邊界框是結果。
>
> **錨框 vs 物件偵測**
>
> 物件偵測是整個任務。
>
> 錨框只是其中一個常用設計。
>
> 最關鍵的區別：一個是大目標，一個是工具。
>
> **錨框 vs 非極大值抑制**
>
> 錨框負責提出候選。
>
> 非極大值抑制負責把重複框刪掉。
>
> 最關鍵的區別：一個生框，一個去重。

### 記住這句就好

> 先丟很多猜測框，再把最像的那個調準。

### 實際案例

> **行人偵測**
>
> 走路的人可能很細長，也可能只露出半身，錨框提供不同長寬比的起始框，模型才比較容易抓到。
>
> **車輛偵測**
>
> 遠處小車和近處大車大小差很多，如果只用單一框型，模型很容易漏掉其中一種。

### 算法與應用

> **常見設計**
>
> 會先依資料集統計物體大小和比例，再設定多種錨框尺寸，接著用 IoU 來決定哪些錨框對應正樣本。
>
> **常見場景**
>
> 兩階段偵測器和某些單階段偵測器都會用到錨框，只是用法不同。

### 情境判斷

> **Q1（直覺題）：** 一張圖裡同時有小車和大卡車，為什麼需要多種錨框？
>
> → 因為不同大小的物體需要不同起始框，單一尺寸很容易漏掉其中一種。
>
> **Q2（判斷題）：** 只要錨框設得越多越好嗎？
>
> → 不一定，這要看情況。錨框太多會讓計算變重，也可能讓正負樣本比例更難調。

### 常見問題

> **Q：錨框大小怎麼選？**
>
> 通常會根據資料集裡物體的大小分布和長寬比來調。
>
> **Q：錨框和 IoU 有什麼關係？**
>
> IoU 常用來判斷錨框和真實框是不是夠接近，進而分配標籤。
>
> **Q：沒有錨框也能做物件偵測嗎？**
>
> 可以，有些新方法會直接預測物體位置，不靠錨框。
>
> **Q：錨框一定比較準嗎？**
>
> 不一定，它只是常見做法之一，效果還是要看任務和模型設計。

### 相關術語

> - **物件偵測**：錨框是這個任務的重要組件
> - **邊界框偵測**：了解最後要輸出的框長什麼樣
> - **加速區域卷積網路**：經典的兩階段偵測器，常和錨框一起學
> - **YOLO**：常見單階段偵測方法，理解它能幫你看懂錨框用途
> - **非極大值抑制**：和錨框常一起出現的後處理方法

---

來源：https://aiterms.tw/terms/anchor-box
快查頁：https://aiterms.tw/terms/anchor-box
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-anchor-box