Az elmúlt néhány évben a számítógépes alkalmazások drámai átalakuláson mentek keresztül az egyszerű adatfeldolgozástól a gépi tanulásig, köszönhetően a szenzorok és az internet segítségével gyűjtött hatalmas mennyiségű adat elérhetőségének és hozzáférhetőségének. A gépi tanulás gondolata azt a tényt mutatja be és propagálja, hogy a számítógép képes arra, hogy az idő múlásával fejlessze magát. A nyugati országok nagy érdeklődést mutattak a gépi tanulás, a számítógépes látás és a mintafelismerés témája iránt konferenciák, workshopok, közös megbeszélések, kísérletezés és valós életbeli megvalósítás szervezésével. Ez a tanulmány a gépi tanulásról és a számítógépes látásról feltárja és analitikusan értékeli a gépi tanulás alkalmazásait a számítógépes látásban, és előrejelzi a jövőbeli kilátásokat. A tanulmány megállapította, hogy a gépi tanulás stratégiái a számítógépes látásban felügyelt, nem felügyelt és félig felügyelt. Az általánosan használt algoritmusok a neurális hálózatok, a k-means klaszterezés és a támogató vektorgép. A gépi tanulás legújabb alkalmazásai a számítógépes látásban a tárgyak felismerése, a tárgyak osztályozása és a releváns információk kinyerése képekből, grafikus dokumentumokból és videókból. Ezenkívül a Tensor flow, a Faster-RCNN-Inception-V2 modell és az Anaconda szoftverfejlesztő környezetet használták autók és személyek azonosítására képeken.