这只是一个想法

给定一组像素，任务是决定：

1. 哪个像素是物体的中心？
2. 边界框的大小是多少，中心是第 1 部分中的像素？

公式，考虑这是一个 2D 图像，调用$(x,y)$是水平和垂直坐标和$(w_i,h_i)$是物体边界框的大小$i$：

$\text{For }m \in[x,x+w_i] \text{ and } n\in[y,y+h_i]$

$c_i(m,n) = \begin{cases} 1, \text{if pixel at position (m,n) is belongs to object i,}\\ 0, \text{else} \end{cases}$