从图片中找到几十种物体用什么python模型

这个任务可以使用计算机视觉中的目标检测模型来实现。常见的目标检测模型有 Faster R-CNN、YOLO、SSD 等。这些模型都是基于深度学习的神经网络，在训练过程中学习如何检测图片中的不同类别物体。

具体实现时，可以使用开源的目标检测框架，如 TensorFlow Object Detection API 或者 PyTorch Object Detection API。这些框架提供了训练好的模型和预处理代码，可以方便地进行物体检测任务。

在使用这些框架进行物体检测时，需要先准备好训练数据集和测试数据集。训练数据集包含了图片和对应的标注信息，标注信息是指每张图片中所包含的物体类别和位置信息。测试数据集只包含图片，没有标注信息。

在训练过程中，模型会根据训练数据集进行学习，并不断地更新自己的参数，以达到更好的物体检测效果。在训练完成后，可以使用训练好的模型对测试数据集进行检测，得到每张图片中物体的类别和位置信息。

最后，可以将得到的检测结果可视化，以便于观察模型的检测效果。