Сколько данных нужно, чтобы обучить модель для стройки?

[ToxaBes]

необходимо примерно 3-4 тысячи размеченных изображений. 

В теории - да, на практике - нет.

От 100-200 до 500 в запущенных случаях. Это из личной практики по современным YOLO и RF-DETR моделям.