Stseenitekstituvastus loeb teksti, mis esineb päris keskkonda kujutavatel fotodel ja videotel, näiteks tänavasildid, pakendid või numbrimärgid. Erinevalt skaneeritud dokumentide klassikalisest OCR-ist peab see toime tulema viltuste vaatenurkade, muutuva valguse, ebatavaliste kirjatüüpide ja segase taustaga. Tüüpiline lähenemine töötab kahes etapis: kõigepealt leitakse tekstialad, seejärel tuvastatakse neis olevad märgid.
Optiline tekstituvastus (OCR) muudab piltidel, näiteks skaneeringutel, fotodel või faksidel olev tekst masinloetavaks tekstiks. Alles siis saab dokumente otsida, kopeerida või automaatselt töödelda. Kaasaegne OCR kasutab närvivõrke ning suudab tuvastada ka tabeleid, küljendust ja mõnel juhul käekirja. Tüüpilised kasutusalad on arvete töötlemine, arhiivide digiteerimine ja vormide lugemine; kvaliteet sõltub suuresti pildikvaliteedist.
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.
