我的问题是什么样的快速方法可以用来从一组图像中识别对象。例如，如果我正在编写一个程序，它有两个输入：图像数据库和对象的单个图像，例如人脸。现在，该程序的任务是查找包含该对象的所有图像。
这里的问题是，我知道大多数识别物体的分类系统都需要经过大量数据的训练才能准确，但有没有更快的方法可以进行快速扫描？在这个应用程序中出现一些点击后，用户可能会选择确认点击，这些点击可能用于进一步细化结果。
编辑：澄清一下：我要找的是系统第一次看到某个图像的地方，并从该图像中尝试匹配数据库中的其他图像。例如，在多个安全摄像头之间跟踪某人，摄像头之间有盲点：摄像头只看到一次(只有几次好的帧(被摄体，并且由此它应该能够从其他相机识别相同的被摄体。或者在一台相机上显示一个物体，然后机器人必须从环境中找到这个物体。
如果您搜索与机器/深度学习不同的东西，您应该看看">计算机视觉"。有很多相关的科学资料。参考维基百科
否则，机器学习包含学习。你的神经网络或其他任何东西都必须经过训练——这就是它的工作方式。它训练得越多，就越快、越准确。更快需要更多的训练，或者意味着牺牲准确性。
除了
在该应用程序中点击一些点击后，用户可能会选择确认点击，这些点击可能用于进一步细化结果。
这也是它的部分工作原理。