ここ数年、センサーやインターネットを通じて集められた膨大なデータを利用できるようになったおかげで、コンピュータアプリケーションは単なるデータ処理から機械学習へと劇的な変化を遂げました。 機械学習の考え方は、コンピュータが時間の経過とともに自己を改善する能力を持っているという事実を示し、広めている。 欧米諸国では、機械学習、コンピュータビジョン、パターン認識のトピックについて、会議、ワークショップ、集団討論、実験、実生活への実装を組織することで大きな関心を示している。 この研究では、機械学習とコンピュータビジョンについて、コンピュータビジョンにおける機械学習の応用を調査・分析評価し、将来の展望を予測する。 本研究では、コンピュータビジョンにおける機械学習の戦略には、教師あり、教師なし、半教師ありの3種類があることを明らかにした。 一般的に使用されるアルゴリズムは、ニューラルネットワーク、k-meansクラスタリング、サポートベクターマシンである。 コンピュータビジョンにおける機械学習の最も新しい応用例は、物体検出、物体分類、画像、グラフィックドキュメント、ビデオからの関連情報の抽出である。 また、テンソルフロー、Faster-RCNN-Inception-V2モデル、Anacondaソフトウェア開発環境は、画像中の車や人物を識別するために使用されている

。