Semantiline segmenteerimine määrab pildi igale üksikule pikslile klassi, näiteks tee, sõiduk, inimene või taevas. Tulemuseks on omamoodi värvikodeeritud kaart pildi sisust. Erinevalt eksemplarisegmenteerimisest ei eristata sama tüüpi objekte: kolme autot käsitletakse koos kui „autot“. Seda kasutatakse näiteks isejuhtivates sõidukites, meditsiinilises kujutises koe piiritlemiseks ning õhu- ja satelliidipiltide analüüsis.
Instantssegmenteerimine (instance segmentation) on masinnägemise võte, mis tuvastab pildil iga üksiku objekti ja piirab selle pikslite täpsusega. Erinevalt semantilisest segmenteerimisest eristab see ka sama klassi objekte: kolm inimest saavad kolm eraldi maski, mitte ühte ühist ala. Seda kasutatakse näiteks kvaliteedikontrollis, meditsiinilises kuvamises, robootikas või toodete loendamisel riiulil.
Masinnägemine on TI valdkond, kus arvutid tõlgendavad pilte ja videot. Tüüpilised ülesanded on objektide tuvastamine ja asukoha määramine, piltidel oleva teksti lugemine ja detailide mõõtmine. Tehnoloogiat kasutatakse näiteks tootmise kvaliteedikontrollis, juhiabisüsteemides, logistikas ja meditsiinilises kuvamises.
Pildituvastus on masinnägemise valdkond, kus tarkvara tuvastab, mida pilt kujutab – objekte, inimesi, teksti, logosid või stseene. Tavaliselt põhineb see närvivõrkudel, mida on treenitud suurel hulgal märgendatud piltidel. Rakendused ulatuvad tootmise kvaliteedikontrollist ja tootefotode sorteerimisest kuni meditsiinilise kuvamise toetamiseni. Inimesi kujutavate piltide puhul nõuavad andmekaitse ja võimalik kallutatus erilist tähelepanu.
Konvolutsiooniline närvivõrk (CNN) on närvivõrgu arhitektuur, mis sobib eriti hästi pildiandmete jaoks. See skaneerib sisendit väikeste filtritega, tuvastades esimestes kihtides lihtsaid tunnuseid, nagu servad, ja sügavamates kihtides keerukamaid kujundeid. CNN-id kujundasid pildituvastust palju aastaid ja neid kasutatakse näiteks defektide leidmiseks tootefotodel või meditsiinilises pildianalüüsis.
