rPman

Например
1. отключаешь display manager - lightdm (или что у тебя там для меню авторизации и выбора DE)
2. минимум что необходимо для работы графического режима - это xserver, для его запуска достаточно запустить утилиту X (кстати кажется до сих пор требует root), будет запущен графический сервер без Desktop Environment, но нужно понимать что DE отвечает за управление окнами, а точнее управление их размерами, положением на экране и вообще сокрытие/минимизация. Т.е. без этого, если твое приложение ожидает что пользователь будет перемещать его окна (а это к примеру диалоговое окно открытия/сохранения файлов) то он уже это сделать не сможет, все окна будут без заголовков и бордюра для изменения их размеров.
И кстати, чтобы графическое приложение запустилось и отображалось на X нужно устанавливать переменную окружения DISPLAY, значение смотреть либо в конфиге X либо в логах (скорее всего будет что то типа :0, это имя сервера и номер xserver, запущенного на нем, напоминаю, что linux из коробки умеет multiseat)
3. чтобы появился хоть какой то интерфейс взаимодействия, нужно установить DE, из минималистичных, идеальных для kiosk mode - я бы рекомендовал awesome, в нем к примеру можно настроить чтобы все открываемые окна сразу разворачивались на весь экран.

Кстати со всеми xserver обычно идет древний дефолтный twm, настолько примитивный что даже смешно, но если бы при открытии любого окна он не требовал от пользователя указать расположение и размер, им можно было бы пользоваться (не удивлюсь если это настраивается но никогда этим вопросом не задавался).

Из минималистичных и вполне функциональных DE можно предложить еще какой-нибудь openbox, его можно настроить так чтобы вообще никаких 'пуск' и списка задач не было, а только иконки и приложение на весь экран. Но пользователь сможет добраться до редактирования меню и запустить любое приложение, т.е. это не для kiosk mode

Чтобы запустить xserver с DE автоматически можно либо настроить автозагрузку в lightdm (это правильно) либо просто запускать утилиту startx, которая смотрит в пользовательском каталоге .xinitrc и запускает DE от туда.

На самом деле процесс запуска DE стал очень замудреный, его запутали несколько поколений разработчиков и выпутывать не желают, но обычно все это критично для тяжелых DE типа KDE, а что то простое и легкое с приложениями на gtk работает и так

Собственно как запускать приложения автоматически при включении компьютера тоже вопрос очень интересный, способов много, минимум три могу предложить
* правильный - настроить службу и прописать ей зависимости и автозапуск,
* так же до сих пор есть устаревший способ настройки службы без зависимостей sysvinit - /etc/init.d
* ну еще есть /etc/rc.local

конечно, но чисто нейросетью наверное будет дорого
сначала нужно очистить изображение от мусора, очевидно что убрав сначала все черные точки, заменив их на белые, затем белые, заменив их на черные, а затем убрать черные области, в которые можно вписать окружность больше определенного радиуса, после этого удаляешь оставшиеся объекты чья площадь ниже некоторого порога,.. после чего останутся цифры и длинные полоски (а может и большая часть и их уйдет)

угол поворота цифр смотришь, найдя прямоугольник выше определенного размера, в который вписаны объекты, угол наклона длинной стороны будет искомым, содержимое прямоугольника поворачиваешь и скалишь к константному размеру и дальше обрабатываешь (цифры будут не повернуты но со случайным смещением)

дальше уже можно цифры выделять, по минимальной и максимальной их ширине, выискивая минимальное количество черных точекна вертикальной бегущей сканирующей линии.

обучить нейросеть определять уже обработанные цифры не будет сложно, и кстати нейросеть тут даже не понадобится, если у тебя есть прямоугольник со вписанной цифрой, делишь его на области, смотришь наличие в них черных или белых точек, чего больше, и уже их сравниваешь с заранее подготовленным списком вариантов

lvm? lvextend

на картинке-запросе изображена девушка в юбке. Программа в этом случае должна выдать фотографии девушек в юбке

очевидно что задача в поиске именно девушек в юбке или универсальнее?
пример, как алгоритм должен понять что пользователь ищет девушек в юбке, а не столы, рядом с которыми стоит девушка?

Гугли задачу - image annotation
с помощью нейронных сетей (именно эта технология сейчас бурно развивается в разрезе работы с фото и изображениями)

добавление в поисковую базу изображения должно начинаться с его анализа и получения списка тегов, объектов, которые нейронная сеть может на нем найти, и уже после ищешь по этим ключевым словам