Învățarea profundă a devenit o metodă revoluționară în domeniul vederii computerizate, permițând modelelor să extragă caracteristici complexe din date brute de imagini. Arhitecturi precum rețelele neuronale convoluționale (CNN) au obținut rezultate excepționale în sarcini de clasificare a imaginilor, detecție de obiecte și segmentare. Aceste modele sunt antrenate pe seturi mari de date, cum ar fi ImageNet, și pot fi fin-ajustate pentru aplicații specifice. Progresele recente includ utilizarea transformatorilor pentru sarcini de vedere computerizată, demonstrând noi posibilități în acest domeniu.