Semantisk segmentering tildeler hver enkelt pixel i et billede en klasse, f.eks. vej, køretøj, person eller himmel. Resultatet er en slags farvekodet kort over billedets indhold. I modsætning til instanssegmentering skelnes der ikke mellem objekter af samme type: tre biler behandles samlet som »bil«. Det bruges f.eks. i selvkørende biler, i medicinsk billeddannelse til at afgrænse væv og i analyse af luft- og satellitbilleder.
Instanssegmentering er en computer vision-teknik, der registrerer hvert enkelt objekt i et billede og optegner det pixel for pixel. I modsætning til semantisk segmentering skelner den også mellem objekter af samme klasse: Tre personer får tre separate masker i stedet for ét fælles område. Den bruges f.eks. i kvalitetskontrol, medicinsk billeddannelse, robotteknologi eller til at tælle produkter på en hylde.
Computer vision er et område inden for AI, hvor computere fortolker billeder og video. Typiske opgaver er at genkende og lokalisere objekter, læse tekst i billeder og måle komponenter. Teknologien bruges for eksempel til kvalitetskontrol i produktionen, i førerassistentsystemer, i logistik og i medicinsk billeddiagnostik.
Billedgenkendelse er et område inden for computer vision, hvor software identificerer, hvad et billede viser – objekter, personer, tekst, logoer eller scener. Det bygger som regel på neurale netværk, der er trænet på et stort antal mærkede billeder. Anvendelserne spænder fra kvalitetskontrol i produktionen og sortering af produktfotos til understøttelse af medicinsk billeddiagnostik. Ved billeder af personer kræver databeskyttelse og mulig bias særlig opmærksomhed.
Et konvolutionelt neuralt netværk (CNN) er en arkitektur for neurale netværk, der er særlig velegnet til billeddata. Det gennemsøger inputtet med små filtre og genkender simple træk som kanter i de første lag og mere komplekse former i de dybere lag. CNN'er prægede billedgenkendelsen i mange år og bruges for eksempel til at finde fejl på produktfotos eller i medicinsk billedanalyse.
