一种常见的对象检测场景涉及在任意场景中查找经过训练的模型。例如，我们可以通过提供过去见过的各种自行车图像来训练模型以了解“自行车”的外观。然后，我们可以检查一个繁忙的十字路口的任意场景，以确定它是否包括像我们的“自行车”这样的东西。

我试图达到完全相反的效果。在这个问题中，我有一个静态场景，如下所示：

现在，我试图通过提供如下图所示的图像来查看场景中是否有类似的东西。我可能会提供无限多的“测试”图像，但我对它们的内容一无所知：

在这种情况下，应该有接近 100% 的匹配，因为测试图像实际上是从场景中删除的。

在一般情况下，如果图像中有任何合理的紧密匹配，我想知道它的位置和置信区间：

{
  "matches": [
    {
      "id": "first_match",
      "bounds": [
        {
          "x": 345,
          "y": 955
        },
        {
          "x": 370,
          "y": 1000
        }
        {
          "x": 400,
          "y": 800
        }
      ],
      "confidence": "0.1"
    }
  ]
}

或者，直观地表示，此示例中的匹配将出现在此处：

我查看了一些工具，例如 Amazon Rekognition。但是，Rekognition 主要专注于解决逆问题（给定一些经过训练的模型，它们是否存在于任意场景中）？

我可以使用什么方法或工具来解决这个问题？