강사님 귀찮게 해드려 죄송합니다.

안녕하십니까, 

괴롭히다뇨, 천만의 말씀입니다. 질문은 언제나 환영입니다. 

딥러닝(머신러닝 포함)은 기본적으로 문제와 답을 가지고 학습한 뒤에 예측은 문제가 가지고 예측을 합니다. 

일반적으로 어떤 문제가 있다면 그 문제를 해결할 수 있는 식이 있고, 그 식에 문제를 대입해서 답을 구합니다. 

딥러닝은 문제와 답만 가지고 학습을 계속하면서 이 문제를 해결할 수 있는 최적의 식을 찾는 것입니다. 

이 최적의 식은 매우 복잡합니다.  선형 회귀의 경우 이 최적식을 w0x0 + w1x1 + ..... 와 같은 선형식으로 학습을 하면서 유추합니다. 마찬가지로 딥러닝도 선형회귀와 같은 식을 찾아냅니다. 물론 선형회귀보다 매우 복잡한 식입니다. 

가령 이미지를 판별하는 딥러닝 모델을 만든다고 하면 이미지와 해당 이미지의 클래스값을 계속 학습 시킵니다. 그러면 어떤 최적의 식이 도출되고 이제 학습 된 모델을 가지고 이미지만 입력하면 최적의 식에서 클래스 값을 예측합니다. 

그리고 말씀하신대로 학습시에 좌표도 학습되지만 동시에 CNN과 같은 필터도 같이 학습됩니다. 그래야만 최적의 식이 도출됩니다.

object detection model을 이미지와 annotation을 가지고 모델에 있는 다양한 cnn filter들을 학습 시킵니다. 이렇게 filter들이 학습되면 여기에 기반해서 최적식이 도출되고 이 최적식에 이미지를 입력하면 개별 anchor box들이 값을 예측합니다. cnn filter와 anchor box 모두 최적식을 위한 인자들(즉 weight)을 가지고 있어서, 어떤 이미지를 입력하든 그들이 내놓는 값은 object detection에 최적화된 값을 내놓습니다. 즉 모델이 배운게 좌표값을 예측 할 수 있도록 학습한 것 밖에 없으니까, 학습된 모델에 이미지만 넣으면 어떤 값을 예측해 내는게 그게 바로 오브젝트의 좌표값과 클래스 값인 것입니다.