使用极其有限但准确的训练数据进行对象检测

如何解决使用极其有限但准确的训练数据进行对象检测

快速总结：

我正在尝试训练一个对象检测算法来检测大量不同的对象（200 多个），训练数据极其有限，希望通过一个极其简单的输入范围可以抵消这个问题的难度。

我有每个对象的单个图像，然后我需要在输入图像中找到这个确切的子图像存在的位置。

我一直在尝试让 YOLOv5 正常工作，但在 Windows 上运行时遇到了很多问题，在我开始尝试让它在 docker 容器中运行之前，我想确认一下我实际上是使用正确的工具完成工作。

更深入的解释：

我玩一个游戏（逃离塔科夫），其 UI 如下所示：

右边网格中的物品在游戏物品中。我希望对象检测算法截取屏幕截图并返回清单中的项目列表，然后由我的程序的另一部分使用。

我拥有的训练数据只是每个类的 onje 图像，它是每个项目的游戏内表示，看起来像这样（这是我拥有的库存顶部 Cord 的训练数据）：

我担心这是尝试使用错误的工具来完成这项工作，但我不确定什么会更好。我以为我使用了简单的子图像检测，但是 a) 我不确定哪些库对这个用例有好处，b) 我担心随着战利品范围的增加，检测速度会下降（我希望这尽可能接近实时）。使用基于机器学习的方法的原始计划是以 ONNX 格式导出网络，以便通过 ML.Net 将网络包含到 .net 应用程序中。任何建议都会非常有帮助。