Глибоке навчання стало революційним методом у галузі комп'ютерного зору, дозволяючи моделям вилучати складні ознаки з необроблених даних зображень. Архітектури, такі як згорткові нейронні мережі (CNN), показали видатні результати у задачах класифікації зображень, виявлення об'єктів та сегментації. Ці моделі навчаються на великих наборах даних, таких як ImageNet, і можуть бути донавчені для конкретних застосувань. Останні досягнення включають використання трансформерів для задач комп'ютерного зору, що демонструє нові можливості в цій галузі.