我想创建一个简单的对象检测工具。因此，基本上将向工具提供图像，然后它必须检测对象的数量。
例如
一张餐桌的图像，上面有某些物品，例如盘子、杯子、叉子、勺子、瓶子等。
该工具必须只识别对象的数量，而与对象的类型无关。识别后它应该返回对象的位置及其大小，以便我可以在它上面画一个边框。
我不想使用任何现有的库或 API，例如 Tenser Flow、OpenCV 等。
如果在不使用 API 的情况下很难创建该过程，那么将其视为对象的对象的数量/类型也可能会受到限制，但由于该项目将用于我的教育/学习目的，任何人都可以帮助我理解使用哪个逻辑可以实现？例如，它可以忽略表中存在的餐巾纸以将其计为对象。
首先，你必须有一个物体检测器来识别不同的物体。之后，您必须对检测器的结果进行后处理以计算数字。基本上，由于检测器发现的标签数量有限，您无法识别所有对象。我强烈建议您在您提到的库中使用内置模型，因为训练检测器模型非常耗时并且需要适当的硬件。如果您想学习一些东西，请查看已经存在的论文并尝试实施它们。对于这种情况，有许多研究我以这种方式将它们分开。
这是一个普遍的分类，可能没有任何共识，但它向您展示了主流方向。
我猜 ImageNet 数据集包含标签clock。在实现您想要的模型后，尝试将它们与另一个标签一起使用。不要使用所有标签来训练你的模型，这需要很长时间。
这取决于您的教育程度和您正在寻找的准确性。让我来定义两种不同类型的对象检测算法： 1. 基于提案的对象检测这些算法由两部分组成，提案生成和对象分类。这种方法的例子是fast rcnn和faster rcnn ....等。 2. 基于像素/区域的对象检测这些算法将图像划分为单元格/网格，然后对每个部分进行分类，然后处理所有这些识别。Yolo 就是这个类别的一个例子。
一般来说，当我们评估目标检测时，我们关心的是性能和速度现有的 Proposal 生成，我推荐 Edge Box 2- 训练一个分类模型来对提议的区域进行分类