voc,如上图

x1 ,y1 ,x4, y4    bbox的坐标格式是，x,y的最大最小值，也就是box的左上角和右下角的坐标

coco

x,y,w,h       box左上角的坐标以及宽、高

图像送入网络之前通常进行的一步预处理，减去图像的均值，目的是去掉类似部分，突出本图像的特征。