yolo算法的坐标输出代表什么？

Question

我的问题类似于这个话题。当我开始思考yolo算法的输出时，我正在看这个由Andrew做的关于边界盒预测的非常直接的演讲。让我们考虑这个例子，我们使用19x19网格，只有一个带有两个类的接收字段，所以我们的输出将是=> 19x19x1x5。最后一个维度(大小为5的数组)表示以下内容：

1) The class (0 or 1)  
2) X-coordinate  
3) Y-coordinate  
4) height of the bounding box  
5) Width of the bounding box

我不明白X，Y坐标是代表整个图像大小的边界框，还是表示接受域(Filter)。在视频中，边框被表示为接收域的一部分，但逻辑上，接收域比边界框小得多，而且人们可能会修改过滤器的大小，因此，相对于过滤器定位边界框是没有意义的。

那么，基本上，图像的边界框的坐标代表什么？

Answer 1

来自了解YOLO post @ Hacker正午：

每个网格单元预测B包围盒和C类概率。边界盒预测有5个分量：(x，y，w，h，置信度)。(x，y)坐标表示方框的中心，相对于网格单元格位置(请记住，如果方框的中心不在网格单元格内，则此单元格不负责)。将这些坐标归一化为0到1之间。相对于图像大小，(w，h)盒的尺寸也被标准化为0，1。让我们看一个例子：