여기서 t_x, t_y, t_w, t_h는 바운딩 박스 회귀를 통해 얻고자 하는 보정된 값을 나타냅니다. 이 값들은 실제 객체의 경계 상자의 위치와 사이즈를 예측하기 위해 사용됩니다. 바운딩 박스 회귀의 학습 목표는 t_x, t_y, t_w, t_h 값들을 예측하는 것입니다. 네트워크가 이 값을 올바르게 예측하면, 제안된 경계 상자를 보정하여 실제 객체의 위치 및 사이즈와 더욱 일치하게 만들 수 있습니다. 이러한 보정을 통해 최종적인 객체 탐지의 정확도가 크게 향상됩니다. 또한 바운딩 박스 회귀는 이렇게 생성된 영역 제안들을 더 정확하게 조정하여 실제 객체를 더 잘 포함하도록 합니다. 예를 들어 선택적 검색으로 생성된 영역 제안이 실제 객체를 조금 벗어난 경우, 이를 보정하여 객체의 경계를 더 정확하게 추정합니다.