我有一个数据集，其中包含来自 20 个不同类别的对象的信息。这些对象在 100 个图像上手动标记。对象位于正方形图像上的 3 行中，同一类对象可以有多个实例。对于给定的对象，我有以下数据：

• 它的类
• 边界框中心坐标
• 边界框大小
• 对象是否在正确位置的信息

最终目标是有一个分类器，它可以确定检测到的物体的位置是否正确。我不确定是否应该将标签或“正确性”视为输出，您有什么建议？此外，在这些数据的情况下，分类器的最佳候选者是什么，考虑到以下情况：

• 每个训练图像（带有标记的对象）都被小角度、透视、平移等扭曲。
• 图像上有一种正确的对象排列

请查看以下数据的简化说明：数字 - 标签，粗体 - 位置不正确

====================

1 1 1 3 3 5

6 7 1 1 4 4

9 5 5 5 9 7 7 7

====================