我有一个关于输出检测的建模是否会影响神经网络能力的问题。就我而言，我想训练一个用于对象识别和分类的 CNN。作为输出，我想获得对象分类和它在图像中大致所在的边界框。所以我的想法是将输出建模为一系列向量：

c = 用于对象分类的向量的长度为 o（要分类的对象总数）
l = 带有 x、y、宽度、高度的边界框的向量

所以完整的序列看起来像：

输出 = (c + l) x N
其中 N 是我想检测的最大对象数

子序列的顺序是否(c + l)会影响训练的有效性？我是否必须指定一个顺序，例如序列按大小排序？

其次，我有另一个问题，对于特定的输出格式，我在向量 c 中得到范围从 0-1 的数字，但范围从 0 的数字 - 边界框向量 l 中图像的大小。如果激活设置为“relu”，这是否也会影响训练？将边界框向量归一化为图像宽度和高度或输入宽度和高度会更好吗？那么所有数字都有相同的范围吗？

在标记数据集时，我想到了这些问题？所以我不想浪费时间以错误的方式标记数据集：/

非常感谢您的帮助！