Objekterkennung gilt als eines der schwierigsten Probleme im Bereich der Computervision, da sie die korrekte Vorhersage sowohl der Klassen als auch der Positionen von Objekten in Bildern erfordert. In dieser Studie definieren wir ein noch anspruchsvolleres Szenario, nämlich die zero-shot-Objekterkennung (ZSD), bei dem für einige der Zielobjektklassen keine visuellen Trainingsdaten zur Verfügung stehen. Wir präsentieren einen neuen Ansatz, um dieses ZSD-Problem zu lösen, bei dem eine konvexe Kombination von Einbettungen in Verbindung mit einem Detektionsrahmen verwendet wird. Für die Bewertung von ZSD-Methoden schlagen wir einen einfachen Datensatz vor, der aus Fashion-MNIST-Bildern konstruiert wurde, sowie eine benutzerdefinierte zero-shot-Split für die Pascal VOC-Detektionsausforderung. Die experimentellen Ergebnisse deuten darauf hin, dass unsere Methode vielversprechende Resultate für ZSD liefert.