在网络最后的输出中，对于每个grid cell(网格单元)产生3个bounding box，每个bounding box的输出有三类参数：一个是对象的box参数，一共是四个值，即
box的中心点坐标（x,y）和box的宽和高（w,h）
;一个是
置信度
，这是个区间在[0,1]之间的值；最后一个是一组
条件类别概率
，都是区间在[0,1]之间的值，代表概率。
假如一个图片被分割成S∗S个grid cell，我们有B个anchor box，也就是说每个grid cell有B个bounding box, 每个bounding box内有4个位置参数，1个置信度，classes个类别概率，那么最终的输出维数是：S∗S∗[B∗(4+1+classes)]。
下面分别具体介绍这三个参数的意义。
YOLO3中grid cell理解。
yolo3中的grid cell 的数量根据三种预测尺度分别为13×13,26×26,52×52（输入图像为416×416）,每个grid cell根据3个anchor预测三个bbox, 每个bbox可以是不同的类。
随着输出的特征图的数量和尺度的变化，先验框的尺寸也需要相应的调整。YOLO2已经开始采用 K-means聚类 得到先验框的尺寸，YOLO3延续了这种方法，为每种下采样尺度设定3种先验框，总共聚类出9种尺寸的先验框。
在COCO数据集这9个先验框是：(10×13)，(16×30)，(33×23)，(30×61)，(62×45)，(59×119)，(116×90)，