Google Cloud Vision API Object Localization – número de objetos reconocidos.

Estoy utilizando el siguiente código de Python para detectar matrículas con la API Cloud Vision.

response = client.annotate_image({
    'image': {'source': {'image_uri': uri}},
    'features': [
        {'max_results': 1000, 'type_': vision.Feature.Type.TEXT_DETECTION},
        {'max_results': 1000, 'type_': vision.Feature.Type.OBJECT_LOCALIZATION},
    ],
})

lo_annotations = response.localized_object_annotations
for obj in lo_annotations:
    print('\n{} (confianza: {})'.format(obj.name, obj.score))
    print('Vértices de polígono normalizado:')

    for vertex in obj.bounding_poly.normalized_vertices:
        print(' - ({}, {})'.format(vertex.x, vertex.y))

Si utilizo una imagen que muestra más autos, edificios, personas, etc., obtengo alrededor de 4 a 7 objetos reconocidos. Los objetos reconocidos son los más grandes en la escena, como “Coche”, “Coche”, “Edificio”, “Edificio”, “Persona”.

Si recorto solo un coche de esta imagen y realizo la Localización de objetos con esta nueva imagen, obtengo objetos como “Coche”, “Neumático”, “Neumático”, “Matrícula”, lo cual es perfecto, porque la placa se reconoce y se muestra en la lista.

Parece que el algoritmo de Localización de objetos selecciona algunos objetos prominentes de la imagen y ignora los objetos más pequeños o menos prominentes.

Pero en mi caso, necesito localizar todas las matrículas en la imagen. ¿Hay alguna manera de obtener el modelo utilizado para listar todas las matrículas en la imagen o más objetos que solo los más prominentes?

De lo contrario, ¿cuál sería el enfoque correcto para obtener todas las placas de una imagen? ¿Debo entrenar un modelo personalizado?