Python 3.x YOLO输出图像数组中的最后一个维度对应于什么？

我在读一篇文章时发现：

第一次检测由第82层进行。对于前81层，网络对图像进行下采样，使得第81层的跨距为32。如果我们有一个416x416的图像，那么生成的特征图的大小将是13x13。这里使用1 x 1检测内核进行了一次检测，为我们提供了13 x 13 x255

在实现YOLO算法、构建模型并将图像作为输入传递到Conv net时，我对这段代码有一个疑问：

output_vec = model.predict(img)
print([squeeze(a).shape for a in output_vec])

[（13,13，255），（26,26，255），（52,52，255）]

---

我明白（13,13）；(26, 26); （52，52）是三种不同比例的图像形状，但255对应于什么？

输出通道的数量对应于以下方程式Bx（5+C）

输出特征图中的每个点将预测B边界框，其中每个边界框由5个数字组成：4个用于边界框预测，第五个数字用于此边界框的置信度。 以及它所训练的每个C类的分类置信度

---

在用椰子训练的YLOV3中，B=3和C=80->3*（5+80）=255。。。谢谢