在密集场景中的目标检测是一个新的研究领域，标准的目标检测器在这种场景下难以训练得当。像RetinaNet这样的密集目标检测器在大型且密集的数据集上训练时表现出色。我们使用数据增强技术在一个较小且通常密度较低的数据集上训练了一个标准的目标检测器。该数据集的注释数量仅为标准数据集的1/265。这一低数据基线在标准IoU为0.5的情况下达到了令人满意的结果（mAP=0.56）。此外，我们还通过提供多个公开数据集的完整注释，创建了一个用于通用SKU产品检测的多样化基准测试。该基准测试可访问地址为：https://github.com/ParallelDots/generic-sku-detection-benchmark。我们希望这一基准测试有助于构建在野外不同环境中均能可靠运行的鲁棒检测器。