问只需一幅训练图像的二维目标检测

EN

对象检测需要同一类的大量标记数据才能很好地进行泛化，在您的设置中，只使用单个实例就不可能训练一个网络。

我假设在您的情况下，在线对象跟踪器可以工作，至少尝试一下。有些复杂的对象跟踪器可以像暹罗这样工作得很好。代码在github是开源的，您可以查看这段视频来查看它的性能。

在线对象跟踪：给定视频帧中目标对象的初始化状态(例如位置和大小)，跟踪的目的是估计后续帧中目标的状态。-来源-

您可以尝试使用传统的基于特征的图像处理算法，这可能使真正的正模板匹配达到下降的精度。

给定模板图像，如问题中所示：

1. 首先，放大图像，将所有紧密相连的部件连接起来。
2. 找到上面得到的连通物体的凸包，这会给你一个多边形。
3. 使用上面的多边形边缘长度信息，如(最大长度/分钟长度)比率作为模板的特征。
4. 同时发现多边形中的像素密度作为第二特征。

我们现在有两个特征。

场景图像特征向量：

同样地，在场景图像中，使用扩展后的连通分量识别，定义每个连接对象周围的凸包(多边形)，并为每个对象定义特征向量(边缘信息，像素密度)。

现在，像往常一样，在场景图像特征向量数据中搜索具有最小特征距离的模板特征向量(也可以使用一定的上限距离阈值来避免虚假的正匹配)。

这应该提供真实的正匹配，如果在现场图像可用。

异常：此方法不适用于被遮挡的对象。