如何使用神经网络/TensorFlow检测光栅地图上的符号？

给定一组清晰的预定义符号，如和：显示在光栅地图上，如下所示：

如何训练模型检测光栅上的符号（类型和位置）

输入：

• 一个大型光栅地图（或相同的较小区域）和
• 一组干净的模板图像/符号

所需输出：光栅地图上图标/符号的边界框/坐标

我尝试过使用SIRF等进行OpenCV模板匹配，我希望得到更高质量的结果

注释：

• 对于某些符号-大小和旋转不变-某些符号有变化。我使用Photoshop从图表中提取了这些符号，FAA在图例部分提供了符号的库存图像
• 整个国家的光栅地图是179k x 70k的大像素，但高度和宽度约为1/10（比如17k x 9k）的小区域也可以使用，这有助于将它们放在GPU内存中。我有一个RTX 5000卡-16GB RAM，但不确定Tensorflow需要多少内存
• 我可以通过定位较小区域的10-20个符号来手动生成训练数据——使用openCV模板匹配输出作为起点。但我的地图能力有限，无法创建大量的训练数据。图像质量和标签将非常好/可靠

一些想法：

• 我知道我必须提供模板图像（每种类型的符号一个）加上10-20个匹配，我可以可靠地标记为训练集。如何做到这一点尚不清楚。您是只输入小图像，还是在光栅上标记经过培训的粘合框，并在标记的光栅上进行培训？阅读数据后，您如何进行培训

• 我知道域自适应和生成NNs可以处理少量数据，但我没有看到类似设置的工作示例。任何建议/文件/回购协议都会有所帮助