YOLO中每一个grid cell 的两个 bounding box 是如何初始化的呢？

我是先学习的 faster RCNN, 刚刚开始学习YOLO。
请问YOLO中是不是像 faster RCNN 那样 给 每个格子分配 几个anchor 呢？

在faster RCNN中，进入RPN的feature map上每一个点对应9个anchor，它们就是固定尺寸的bbox, 在训练时 这些anchor （假设是positive anchor）就是regression的启示值，最后目标是越来越接近Ground truth.

但是YOLO中似乎没有这个RPN和这个feature map的概念, 文章中也没有提到anchor。那么我就糊涂了，”每一个grid cell 对应 2个bbox“ 到底是什么意思呢？ 这两个bbox（x,y,h,w, c）的初始值不像是anchor那样事先定好的啊，那他们是怎么被初始化的呢？（如果初始化得不好，用线性方法学不出来啊）