特征图C0的输出通道数为什么这么多 1024.。。。
因为特征图和候选区域的通道数不一样，所以多特征图进行一系列卷积，使其降低通道数与候选区域一致。（但是不清楚怎么操作的使通道数降低？？？）
P0前4个通道表示location，第5个表示objectness，接下来的7个通道表示预测框类别。（这个信息很重要，后面要用！！！）后面的图片是先讲的objectness 。后面的P0[t,0:4,i,j]0:4是指0 1 2 3 不包括4！！！（这属于python列表内容）
上图通过将NUM_CLASSES取为4（为什么取为4，因为特征图P0中的相关参数为4），就把objectness的坐标信息全部取出来了。然后做sigmoid计算objectness=1的概率。
蓝框画错了，应该是红色箭头的指向。通过特征图P0中给出的维度来计算location的维度（location维度包含的信息是预测框位置相关的值，通过这个可以计算出预测框坐标）
特征图P0中[t,5:12,i,j]中的5:12表示通道，不同的通道对应不同的信息，0对应objectness，0:4对应location