Lokale Objekt Detektion in Bildern mit .NET – ja wo liegen sie denn?

Wie mache ich lokales Objekt Detektion in Bilder/Video-Bildern mit .NET?

Was kann ich dafür an Libraries/Tools aus dem .NET-Werkzeugkasten benutzen?
Wie müssen die Bilder aussehen von den Objekten, die ich detektieren möchte?
Wie viele Bilder brauche ich?
Wie erweitere ich bestehende Modelle, um ans Ziel zu kommen, damit ich nicht selbst so viel trainieren muss?
Was steckt generell dahinter?

Und ist es in Zeiten von Chat GPT und Co das Thema einfacher geworden? – Das sind einige der Fragen, die mich umtreiben und ich werde versuchen diese in meinem Vortrag zu beantworten.