目标检测怎么训练，理解了输入是图片对应的label标注了之后是怎么获取标注信息的

[ccccdy。]

如图标注了是人，train的时候是如何获取这个框是人以及框的大小的信息的呢？
train中返回的数据形式 长，宽，x，y，类别的概率 这个是理解的，但是这些信息是怎么从label中得来的？