يمكن أن تكون المشاهد المصنوعة من قبل الإنسان مكتظة للغاية، تحتوي على العديد من الأشياء، غالبًا ما تكون متطابقة، موضوعة بقرب شديد من بعضها البعض. نوضح أن الكشف الدقيق عن الأشياء في مثل هذه المشاهد يظل تحديًا كبيرًا حتى للمنشآت الرائدة في مجال الكشف عن الأشياء. نقترح طريقة جديدة تعتمد على التعلم العميق للكشف الدقيق عن الأشياء، وهي مصممة لمثل هذه البيئات الصعبة. إسهاماتنا تشمل:(1) طبقة لتقدير مؤشر جاكارد كدرجة جودة للكشف؛ (2) وحدة دمج جديدة تعتمد على خوارزمية التوقع والتصحيح (EM)، والتي تستخدم درجات الجودة الخاصة بنا لحل الغموض الناجم عن تداخل الكشوفات؛ وأخيرًا، (3) مجموعة بيانات موسعة ومُشَرَّحة، SKU-110K، تمثل بيئات البيع بالتجزئة المكتظة، وقد تم إطلاقها للتدريب والاختبار في ظروف متطرفة كهذه. اختبارات الكشف على SKU-110K واختبارات العد على CARPK و PUCPR+ تظهر أن طريقتنا تتفوق على التقنيات الحالية الرائدة بمargins كبيرة. سيتم توفير الرمز والمجموعة البيانات عبر الرابط \url{www.github.com/eg4000/SKU110K_CVPR19}.