yolo算法的坐标输出代表什么？

Question

我的问题类似于本主题。当我开始考虑yolo算法的输出时，我正在观看Andrew Ng关于边界框预测的演讲。让我们考虑这个示例，我们使用19x19网格和只有一个2类的接收场，因此我们的输出将为=> 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的大小还是正好接受域（过滤器）的边界框。在视频中，边界框被表示为接受域的一部分，但逻辑上的接受域比边界框小得多，而且人们可能会修改过滤器的大小，因此将边界框相对于过滤器放置是没有意义的。

那么，基本上，图像边界框的坐标代表什么？

Answer 1

来自Understanding YOLO帖子@黑客中午：

  

每个网格单元都预测B边界框以及C类   概率。边界框预测具有5个成分：（x，y，w，   h，信心）。 （x，y）坐标表示   框，相对于网格单元位置（请记住，如果中心   框不不属于网格单元，否则该单元不   对此负责）。这些坐标被标准化为介于   0和1。（w，h）框的尺寸也被标准化为[0，1]，   相对于图像尺寸。让我们看一个例子：