Я не эксперт в этой области, но это звучит как очень сложная проблема, требующая некоторой причудливой эвристики. Прежде всего, получит ли ваша программа какие-либо подсказки о том, какое изображение она обрабатывает? Это фотография человека или изображение дерева из пещеры?
Если вы сделаете тысячи фотографий, вы сможете разделить подавляющее большинство из них на группы, которые имеют общие характеристики, которые можно обнаружить. Например, большинство фотографий людей или предметов будут иметь объект рядом с центром. Вы также можете узнать, есть ли расположение неба / земли, посмотрев на оттенки вверху и внизу изображения, и, возможно, сделать выводы на основании того, насколько размыты части изображения (скажем, контрастное отклонение или что-то в этом роде). ).
Если вы сможете собрать эти характеристики, вы сможете запустить алгоритмы трассировки, чтобы попытаться определить приблизительное описание предмета.
Кроме того, звучит очень, очень тяжело.