我想解决在图像中检测相似对象的问题。为了说明问题，请考虑这张乐高积木的照片作为我的“输入”：
检测例程应识别相似的对象。因此，对于给定的输入，它应该例如识别以下输出：
因此，一个对象可能在输入图像中多次出现。例如，只有两块标有蓝色十字的砖块，但有三块标有红色十字的砖块。
可以假设所有对象都是相似的，例如只有乐高积木或一堆糖果。
我最初的想法是采用两阶段的方法：
提取输入图像中的所有对象。
比较那些提取的对象并找到相似的对象。
这是一种有效的方法还是已经有一些解决这类问题的标准方法？你能给我一些指示如何解决这个问题吗？