Computer vision 如何使用视觉识别api获取自定义对象在图像上的位置

我知道有很多视觉识别API，如Clarifai、Watson、Google Cloud vision、Microsoft认知服务，它们提供图像内容识别。例如，这些服务的响应是包含不同标记的简单json

{ 
   man: 0.9969295263290405,
   portrait: 0.9949591159820557,
   face: 0.9261120557785034
}

问题是我不仅需要知道图像上是什么，还需要知道物体的位置。其中一些API具有这样的功能，但仅用于人脸检测

那么有人知道是否有这样的API，或者我需要在OpenCV上为每个对象训练自己的haar级联吗

---

我非常乐意分享一些信息。

你可以看看Wolfram Cloud/Mathematica

它能够检测图片中的物体位置

一些例子

• ---

这对我来说太复杂了。此外，我想与Java支持的东西，因为我的项目是在Java。不过还是要谢谢你）Wolfram和Mathematica都支持Java。哦，对不起，我没看到。我会再看一次，你可能会发现有用的。它可以对图像和视频进行对象识别（免责声明我运行了它）。