总结几个细节点：
1、置信度计算：
训练时：
测试时置信度，这里网络输出仍然是
以上是各大博文讲解时列出的也是论文中提到的公式，但其实最清楚的是下面这段文字讲出的：
说白了：
网络输出三个东西：confidence、bbox信息、类别预测概率
（1）在训练阶段：网络中输出的confidence值指的是Pr(objectiveness)*IOU（pred、groundtruth），同时由于我们训练时有一个预先标注好的框groundtruth，所以这时候对于有物体的grid cell来说我们目标confidence肯定就是1，我们希望网络输出的confidence是1（Pr（objectiveness）=1且IOU=1），这样就说明网络能输出一个预测框（这个grid cell 里有物体），同时预测框和标注的框（groundtruth）重合了，这时网络太牛逼了！
（2）在训练阶段，其实没区别，只是说，我们已经训练出来一个觉得不错的网络了，这时候来预测，那预测得到的confidence其实还是说：我网络认为这个grid cell对应是否有一个物体，如果有，我网络预测得到的bbox信息你画出来，大概和真实物体的IOU也反映在我输出的confidence里。
比如给一张图片，训练好的网络，我直接预测，某一个grid cell输出了一个confidence值，比如说confidence=0.7。那就是说，网络告诉你，我认为这个grid cell有物体，且我给出了一个bbox位置信息，你画出来的话跟你图片实际的物体边框重合情况差不多是0.7那意思。
后续就是你自己判断，你觉得confidence>0.5就可以画出来，认可网络预测，那这个时候confidence=0.7了，我就画出来就行了。
