Непонятно. Что должно быть результатом т.н. "выделения"?

Текст? Координаты прямоугольника?

OpenCV это сегодня уже промышленная библиотека машинного зрения.
Для обучения она не годится.

А приведи пример картинки.

Что делать если на бетонной стене - капча?

Не совсем так.

Нейронная сеть тоже обладает ограниченной емкостью. Тоесть - не бесконечной.
Правда формула там не такая прямая как количество байт посчитать. Вобщем
если упрощённо то НС не различает сфетофоры. А скорее классифицирует
картинки по классам. И объём этих классов - коррелирует с топологией скрытых слоёв.

Сколько надо синапсов в каждом слое и сколько самих слоёв - я не знаю к сожалению.
Я учил СРО в 90х и много чего забыл. Но попробую вспомнить популярные кейсы.

Как правило (в 99%) случаев никто не ставит перед НС задачу запоминать образы.
Задача-прим - обобщать образы. Вот на это она и заточена. Правда тут есть проблемы.

Представим некую гипотетическую 2х-3х слойную сетку с обычной функцией активации
типа сигмы и стандартные правила back-propagation errors.

После первых 100 000 светофоров - сеть обучается. Обратная ошибка летает назад
и корректирует неправильные синапсы. Но после 100 000 синапсы могут не устаканится
а продолжать вибрировать. Это называется - переобучение. И здесь уже ничего нельзя
сделать. Сеть достигла своего предела и дальше до миллиарда светофоров - будет
просто шумом. Сеть не сможет обобщить новые факты. Здесь нужно менять что-то
кардинально. Либо топологии либо количественные характеристики сети. И сеть
не одинакова. Помимо классической многослойной есть еще свёрточные сети
и сети Хопфилда и Гроссберга. У них разные свойства и их можно комбинировать.

Грубо говоря у НС нет такого параметра как "количество светофоров".

Поэтому как хитро вы ее не обучаете а на контрольной выборке всё равно прилетит
какой-то хитрый светофор в кавычках который не принадлежит ни к какому классу
светофоров.

С человеком может такое случиться, были прецеденты :) Вопрос про капчу был, выше рассказали, действительно интересно именно с исторической точки зрения. Ваше же объяснение не раскрывает, уж извиняйте.

PS На sql ru нет специалиста по технологиям капчи. Караул. Формошлепы не одобрят.
Скорее ... никто не хочет руки марать..

Капча - это аналог теста Тьюринга. И потому она и работает.

Я-бы постарался избежать этого. Извините но это мой грех. Я в техническом задании
пытаюсь понять видение следующего шага. Тоетсь зачем. С какой целью заказчик просит
меня сделать капчу.

Сегодня капча это часть технического процесса заведения учотной записи в соц-сетях. Что в свою
очередь несет смысл аутентификации. Если ты аутентифицирован в соц-сети то 99% - ты человек
а не робот.

И если стоит задача - создать аутентификацию на сайте - то я скорее всего предложу отказаться
от этого и делегировать это возможность таким сервисам как google, OpenId, FaceBook, LinkedIn e.t.c.

Я считаю что это - нормальная практика и мы все к этому придем. А капча и кустарные формы регистрации
где нужно всегда указывать email - уйдут в прошлое.

Я не очень понял какая польза от комментария.

Где совет или пожелание - как дальше нам быть? Как быть та?

Для нейронной сети - пофигу пересекаются они или нет. Но мне кажется перспективным
поиграть в биологические свойства глаза.

Например.
- рисовать цифры и буквы муаром. (на фильтре низких частот картинка будет просто серым фоном)
- рисовать не в базисе Y а в цветовом (Saturation)
- рисовать стереоскопическую картинку (помните на обложках тетрадок такие были) их видно только 2 глазами
под определённым расстоянием.
- рисовать контуры и контуры муаром.

Здесь 99% распознавалок обломаются. Но когда их создатель увидит этот эффект - он его починит.
И здесь мы просто выиграем некоторое время. А он - поставит if-чик.