---
title: "物件偵測（Object Detection）"
slug: object-detection
language: zh-TW
source: https://aiterms.tw/terms/object-detection
updated_at: 2026-04-29
tags: [電腦視覺, 深度學習, 模型評估, AI應用, 神經網路]
ipas_term: false
---

# 物件偵測（Object Detection）

> **你有沒有想過，AI 不只知道照片是什麼，還要知道物件在哪裡？**
> 你可以把它想成在圖片上把每個目標框出來，再告訴你那是什麼類別。
> 物件偵測同時做分類和定位，所以比單純看整張圖難很多。 這也讓它很適合先拿到可用答案，再慢慢把精度往上推。 這種寫法常用在需要先把問題定義清楚，再逐步提升模型品質的場景。
>
### 容易混淆

> **物件偵測 vs 影像分類**
> 物件偵測：找出物件位置和類別
> 影像分類：只判斷整張圖屬於哪一類
> 最關鍵的區別：先看它是在比什麼，再看它怎麼做。
>
> **物件偵測 vs 影像分割**
> 物件偵測：用框標位置
> 影像分割：逐像素標出物件範圍
> 最關鍵的區別：先看它是在比什麼，再看它怎麼做。
>
### 記住這句就好

> 不只判斷是什麼，還要知道在哪裡。
>
### 實際案例

> **交通監控**
> 系統在路口找出車、人、腳踏車，再幫忙做流量統計。
>
> **零售貨架**
> 相機拍到貨架後，模型找出缺貨商品和擺放位置。
>
### 算法與應用

> 物件偵測通常會產生候選框，再對每個框做分類與回歸。
> 訓練和評估時，IoU、mAP、和後處理都很關鍵。
> 它是電腦視覺裡很實用的一類任務，從監控到自駕都會用。
>
### 情境判斷

> **Q1（直覺題）：你要找出照片裡有幾台車，而且每台車在哪裡，這屬於什麼？**
> → 物件偵測。
>
> **Q2（判斷題）：如果你只知道這張圖裡有狗，但不知道牠在哪，這算物件偵測嗎？**
> → 不算，那只是影像分類。
>
### 常見問題

> **Q：物件偵測和分類差在哪？**
> 分類只給類別，偵測還給位置。
>
> **Q：它一定要用 CNN 嗎？**
> 不一定，但 CNN 和其後代是很常見的視覺骨架。
>
> **Q：它最常卡在哪裡？**
> 小物件、遮擋、和密集場景都很難。
>
### 相關術語

> - **邊界框偵測**：物件偵測最直接的輸出單位。
> - **電腦視覺**：物件偵測就是這個領域的一部分。
> - **影像分割**：是最常拿來比較的更細粒度任務。
> - **YOLO**：最知名的物件偵測模型家族之一。
> - **交並比**：評估偵測框好不好的核心指標。

---

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