问yolo算法中的协调输出代表什么？

EN

我的问题类似于这主题。当我开始思考yolo算法的输出时，我正在看Andrew关于边界盒预测的这讲座。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？