Durante gli ultimi anni le applicazioni informatiche si sono trasformate drasticamente dalla semplice elaborazione dei dati al machine learning, grazie alla disponibilità e all’accessibilità di enormi volumi di dati raccolti tramite sensori e internet. L’idea del machine learning dimostra e diffonde i fatti che il computer ha la capacità di migliorarsi con il passare del tempo. I paesi occidentali hanno mostrato un grande interesse sul tema dell’apprendimento automatico, della visione del computer e del riconoscimento dei modelli attraverso l’organizzazione di conferenze, workshop, discussioni collettive, sperimentazione e implementazione nella vita reale. Questo studio sull’apprendimento automatico e la visione del computer esplora e valuta analiticamente le applicazioni di apprendimento automatico nella visione del computer e prevede le prospettive future. Lo studio ha scoperto che le strategie di apprendimento automatico nella visione artificiale sono supervisionate, non supervisionate e semi-supervisionate. Gli algoritmi comunemente usati sono le reti neurali, il clustering k-means e la support vector machine. Le applicazioni più recenti del machine learning nella computer vision sono il rilevamento di oggetti, la classificazione di oggetti e l’estrazione di informazioni rilevanti da immagini, documenti grafici e video. Inoltre, Tensor flow, il modello Faster-RCNN-Inception-V2 e l’ambiente di sviluppo software Anaconda sono stati utilizzati per identificare auto e persone nelle immagini.