密集したシーンにおける物体検出は、標準的な物体検出器が十分に学習できない新しい分野です。RetinaNetなどの密集物体検出器は、大規模で密集したデータセットで学習することで優れた性能を示します。私たちは、通常の密度の小さなデータセットとデータ拡張技術を使用して、標準的な物体検出器を学習させました。このデータセットは、アノテーション数に関して標準的なデータセットの265分の1のサイズです。この低データベースラインは、標準的なIoU（Intersection over Union）0.5において満足できる結果（mAP=0.56）を達成しました。また、複数の公開データセットに対して完全なアノテーションを提供することで、汎用SKU製品検出用の多様なベンチマークを作成しました。このベンチマークは以下のURLからアクセスできます: https://github.com/ParallelDots/generic-sku-detection-benchmark。私たちは、このベンチマークが異なる野外環境設定でも信頼性のある堅牢な検出器の開発に貢献することを期待しています。