În ultimii ani aplicațiile informatice s-au transformat dramatic de la simpla procesare a datelor la machine learning, datorită disponibilității și accesibilității unui volum uriaș de date colectate prin senzori și internet. Ideea de învățare automată demonstrează și propagă faptele conform cărora calculatorul are capacitatea de a se îmbunătăți pe sine odată cu trecerea timpului. Țările occidentale au manifestat un mare interes față de subiectul învățării automate, al viziunii computerizate și al recunoașterii modelelor prin organizarea de conferințe, ateliere de lucru, discuții colective, experimente și implementare în viața reală. Acest studiu privind învățarea automată și viziunea computerizată explorează și evaluează analitic aplicațiile învățării automate în domeniul vederii computerizate și prezice perspectivele viitoare. Studiul a constatat că strategiile de învățare automată în domeniul vederii computerizate sunt supravegheate, nesupravegheate și semisupravegheate. Algoritmii utilizați în mod obișnuit sunt rețelele neuronale, gruparea k-means și mașina vectorială de suport. Cele mai recente aplicații ale învățării automate în domeniul vederii computerizate sunt detectarea obiectelor, clasificarea obiectelor și extragerea de informații relevante din imagini, documente grafice și videoclipuri. În plus, fluxul Tensor, modelul Faster-RCNN-Inception-V2 și mediul de dezvoltare software Anaconda utilizate pentru a identifica mașini și persoane în imagini.

.